Karakteristik dan Klasifikasi Analisis Mutlivariat


Saya merasa selalu beruntung:)
Kali ini saya beruntung bisa lolos seleksi The 6th Statistikaria di IPB. Kenapa beruntung?? karena saya merasa persiapan yang saya lakukan belum optimal, hehe…Dalam kompetisi tersebut kemungkinan terdapat soal-soal mengenai Mata Kuliah MTV (Multivariate Analysis). Untuk itu, saya segera menjelajahi dunia maya (karena mudah sebagai tempat belajar) untuk mempelajarinya. Kalau di STIS, mata kuliah ini diajarkan di semester 7 atau tungkat IV, sedangkan kelas saya belum sama sekali merasakan belajar mata kuliah ini:(
Dari lubuk hati yang paling dalam saya berdoa, Semoga Bu Sri Andayani segera masuk ke kelas kami…Kami ingin segera belajar MTV…. dengan teori-teorinya, dengan matriks-matriksnya, dengan itung-itunganya…I love it…Kok jadi curhat ya???!!Bukannya kita mau belajar??!!
Ya sudahlah mari kita mulai belajar…
Analisis statistik multivariat merupakan metode statistik yang memungkinkan kita melakukan penelitian terhadap lebih dari dua variable secara bersamaan. Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh beberapa variable terhadap variabel – (variable) lainnya dalam waktu yang bersamaan. Contoh kita dapat menganalisis pengaruh variable kualitas produk, harga dan saluran distribusi terhadap kepuasan pelanggan. Contoh yang lain, misalnya pengaruh kecepatan layanan, keramahan petugas dan kejelasan memberikan informasi terhadap kepuasan dan loyalitas pelanggan. Analisis multivariat digunakan karena pada kenyataannnya masalah yang terjadi tidak dapat diselesaikan dengan hanya menghubung-hubungkan dua variable atau melihat pengaruh satu variable terhadap variable lainnya. Sebagaimana contoh di atas, variable kepuasan pelanggan dipengaruhi tidak hanya oleh kualitas produk tetapi juga oleh harga dan saluran distribusi produk tersebut.

Teknik analisis multivariat secara dasar diklasifikasi menjadi dua, yaitu analisis dependensi dan analisis interdependensi. Analisis dependensi berfungsi untuk menerangkan atau memprediski variable (variable) tergantung dengan menggunakan dua atau lebih variable bebas. Yang termasuk dalam klasifikasi ini ialah analisis regresi linear berganda, analisis diskriminan, analisis varian multivariate (MANOVA), dan analisis korelasi kanonikal.

Metode dependensi diklasifikasikan didasarkan pada jumlah variable tergantung, misalnya satu atau lebih dan skala pengukuran bersifat metrik atau non metrik. Jika variable tergantung hanya satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis regresi berganda. Jika variable tergantung hanya satu dan pengukurannya bersifat non-metrik, maka teknik analisisnya digunakan analisis diskriminan. Jika variable tergantung lebih dari satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis multivariate varian. Jika variable tergantung lebih dari satu dan pengukurannya bersifat non-metrik, maka teknik analisisnya digunakan analisis conjoint. Jika variable tergantung dan bebas lebih dari satu dan pengukurannya bersifat metrik atau non metrik, maka teknik analisisnya digunakan analisis korelasi kanonikal.

Contoh umum untuk metode dependensi, misalnya memprediski laba perusahaan dengan menggunakan biaya promosi dan harga produk.

Analisis interdependensi berfungsi untuk memberikan makna terhadap seperangkat variable atau membuat kelompok-kelompok secara bersama-sama. Yang termasuk dalam klasifikasi ini ialah analsis faktor, analisis kluster, dan multidimensional scaling. Contoh membuat klasifikasi terhadap kelompok pengunjung supermarket tertentu.

Metode interdependensi diklasifikasikan didasarkan pada jenis masukan variable dengan skala pengukuran bersifat metrik atau non metrik. Jika masukan data berskala metrik, maka kita dapat menggunakan teknik analisis faktor, analisis kluster dan multidimensional scaling. Jika masukan data berskala non-metrik, maka kita hanya dapat menggunakan teknik analisis multidimensional scaling.

Untuk penjelasan selengkapnya, lihat di postingan selanjutnya ya!!
Tetep Semangat belajar\^^/

Leave a comment