1 / 19

“ Analisa Multivariat ”

“ Analisa Multivariat ”. Obyek Pengamatan. Variabel X4. Variabel Xn. Variabel X2. Variabel X3. Variabel X1. Multi-Variabel. Metode analisis yang berkenaan dengan sejumlah besar variabel yang datanya diperoleh secara simultan dari setiap obyek pengamatan. Analisis multivariate.

sakina
Download Presentation

“ Analisa Multivariat ”

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. “AnalisaMultivariat”

  2. Obyek Pengamatan Variabel X4 Variabel Xn Variabel X2 Variabel X3 Variabel X1 Multi-Variabel Metode analisis yang berkenaan dengan sejumlah besar variabel yang datanya diperoleh secara simultan dari setiap obyek pengamatan Analisis multivariate

  3. A Classification of Multivariate Techniques Dependence Method Berapa jumlah variabel terikatnya (Y) ? 1 var dependen Bbrp var dependen Byk var dependen Metrik (Skala rasio/ interval) Non metrik (skala ordinal/ Nominal) Metrik (Skala rasio/ interval) Non metrik (skala ordinal/ Nominal) Analisis Kanonikal Regresi Berganda Analisis Diskriminan Berganda MANOVA Analisis Konjoin

  4. Analisis Diskriminan • Metode analisis diskriminan mirip dengan regresi linier berganda. Yang membedakan adalah pada regresi, variabel dependen (Y) adalah data metrik, sedangkan Analisis Diskriminan, variabel (Y) adalah data non metrik. • Dalam Analisis Diskriminan , (Y) disebut dengan CRITERION; sedang (X) disebut dengan PREDICTOR. • Variabel (Y) dipecah menjadi 2 kategori atau lebih. • Persamaannya: D = a +b1X1 +b2X2+b3X3...+bkXk

  5. TujuanAnalisisDiskriminan • Membedakansuatuobjekatausubjekpenelitian (responden) masukkedalamkelompokkategori yang mana. • Mengujiapakahadaperbedaan yang signifikanantara CRITERION (kategori) dengan PREDIKTOR. • Menentukan PREDIKTOR yang mana yang memberikansumbangan (kontribusi) sehinggaterjadiperbedaanantarakelompok. Contoh: mengukurpengaruhusia (x1), pendapatan (x2), danpengeluaran per bulan (x3) terhadappreferensiprodukkeuangan (Y). Preferensiprodukkeuangandibagidalam 3 kategori: (1) tabungan; (2) reksadana; (3) saham. Penelitianbertujuanuntukmengelompokkanresponden yang ditelitimasukkategori pembeliprodukkeuangan yang mana gunakanAnalisisDiskriminan.

  6. Contoh Analisis Diskriminan Pedoman: Variabel independen yang memiliki sig value ≤ 0.05 menunjukkan bahwa variabel tersebut memberikan kontribusi pada perbedaan kelompok.

  7. MANOVA (Multivariate Analysis of Variance] • MANOVA meneliti hubungan antara dua atau lebih variabel dependen dan variabel klasifikasi atau faktor. • Mirip dengan ANOVA, bedanya adalah pada ANOVA, variabel dependen hanya ada 1. • Dipakai untuk menguji perbedaan di antara orang atau objek.

  8. Anova vs MANOVA ANOVA • Apakah perbedaan intensitas in-store promotion berpengaruh signifikan terhadap penjualan. • in-store promotion (x) – non metrik, dikategorikan 3: low, medium, high. • penjualan (Y) – metrik

  9. Anova vs MANOVA MANOVA • Apakah perbedaan intensitas in-store promotion berpengaruh signifikan terhadap penjualan dan jumlah pengunjung. • in-store promotion (x) – non metrik, dikategorikan 3: low, medium, high. • penjualan (Y1) , dan jumlah pengunjung (Y2) – metrik

  10. Analisa Faktor • Analisis Faktor merupakan suatu teknik statistik untuk • mereduksi variabel. • Jika semula ada banyak variabel yang saling dependen • (saling berkorelasi), maka Analisis Faktor meringkasnya • menjadi hanya beberapa variabel baru yg independen • (tidak saling berkorelasi). • Kumpulan variabel baru tersebut dikenalsebagai faktor.

  11. Contoh Analisis Faktor…Reduksi Variabel ke Faktor Baru

  12. Contoh Analisis Faktor … Intepretasi Faktor Baru yang Terbentuk

  13. Analisa Kluster • Tehnik yg digunakan untuk mengidentifikasi objek/individu yg serupa dg memperhatikan beberapa kriteria • Tujuan utamanya adalah untuk menentukan bagaimanakah objek/ individu seharusnya digolongkan untuk memastikan adanya kemiripan anggota dalam satu kelompok dan adanya perbedaan antar kelompok • Banyak digunakan untuk segmentasi pasar

  14. An Ideal Clustering Situation Variable 1 Variable 2

  15. Contoh: Pengelompokan Propinsi di Indonesia Berdasarkan PDRB Ambil 3 Kelompok

  16. Skala Multidimensi • Tehnik untuk mengukur objek dalam ruang multidimensi berdasarkan kesamaan penilaian responden terhadap objek yang bersangkutan • Objek bisa berupa produk, merek, toko, orang, perusahaan, dll. • Pengukuran objek dilakukan dalam peta geometri (perceptual map) yang terdiri dari 2 dimensi (satu sumbu horisontal, x; dan satu sumbu vertikal, y). • Setiap dimensi mewakili berbagai atribut yang terlibat dalam pembentukan persepsi.

  17. Skala Multidimensi: Contoh Multidimensional Scaling

More Related