Konsep Dasar Analisis Multivariat

Secara sederhana, analisis multivariat (MVA) merupakan seperangkat teknik dan metode statistik yang digunakan untuk analisis data yang berisi lebih dari satu variabel dan melibatkan banyak varian dalam waktu yang bersamaan. Metode MVA banyak diterapkan terutama untuk menangani data dengan ukuran matriks yang besar. Dalam MVA, kita dapat menemukan hubungan antar variabel, variasi bersama dan hubungan. internal lainnya dalam matriks data. Sebagai contoh, menentukan hubungan regresi antara satu atau lebih variabel terikat (Y) dengan variabel bebas (X) yang banyak.

Beberapa hal penting yang umumnya dilakukan dalam analisis data MVA antara lain adalah:

• Ringkasan atau ikhtisar dari data matriks/tabel. Analisis ini sering disebut Analisis komponen utama atau Analisis faktor. Dalam prosesnya, dimungkinkan untuk mengidentifikasi pola dominan dalam data, seperti kelompok, pencilan (outliers), tren dan sebagainya. Pola ditampilkan sebagai plot dua dimensi.
• Analisis grup dalam tabel, bagaimana grup ini berbeda, dan ke grup mana masing-masing baris tabel berada. Jenis analisis ini disebut klasifikasi dan Analisis diskriminan.
• Hubungan antara kolom dalam tabel data matriks, misalnya hubungan antara kondisi operasi proses dan kualitas produk. Tujuannya adalah untuk menggunakan satu set variabel (kolom) untuk memprediksi yang lain, untuk tujuan optimasi, dan untuk mengetahui kolom mana yang penting dalam hubungan. Metode analisis MVA yang sesuai disebut analisis regresi sederhana atau berganda, tergantung pada ukuran tabel data
• Beberapa metode dalam analisa multivariat yang sering dilakukan misalnya adalah metode Principal Component Analysis (PCA) yang dapat mengekstrak data, membuat klasifikasi berdasarkan kesamaan atau ketidaksamaan antar sampel. Selain itu, metode lain seperti principal component regression (PCR), multiple linear regression (MLR) atau partial least square regression (PLSR) juga banyak ditemui dalam penggunaan metode MVA untuk memecahkan masalah regresi dan korelasi

Karakteristik Analisis Mutlivariat

Analisis statistik multivariat merupakan metode statistik yang memungkinkan peneliti melakukan penelitian terhadap lebih dari dua variabel secara bersamaan. Dengan menggunakan teknik analisis ini maka peneliti dapat menganalisis pengaruh beberapa variabel terhadap variabel lainnya dalam waktu yang bersamaan. Sebagai contoh peneliti dapat menganalisis pengaruh variabel kualitas produk, harga, promosi dan distribusi terhadap keputusan pembelian produk. Contoh yang lain, misalnya perbedaan kinerja karyawan berdasarkan usia, pendapatan, dan pendidikan. Analisis multivariat digunakan karena pada kenyataannnya masalah yang terjadi tidak dapat diselesaikan dengan hanya menghubung-hubungkan dua variabel atau melihat pengaruh satu variabel terhadap variabel lainnya. Sebagaimana contoh di atas, variabel keputusan pembelian dipengaruhi tidak hanya oleh kualitas produk tetapi juga oleh harga, promosi dan, distribusi produk tersebut. Kinerja dapat dilihat dari perbedaan pendidikan, misalnya karyawan berpendidikan Strata 1 (S1) memiliki kinerja yang lebih baik dibandingkan karyawan yang berpendidikan Diploma atau Sekolah Menengah dan sebagainya.

Jenis Data Dalam Analisis Multivariat:

1. Data nominal dan data ordinal

Ciri utama data kualitatif adalah data didapat dengan cara menghitung, sehingga tidak akan mempunyai nilai desimal. Contoh data kualitatif adalah data gender, data golongan darah, data tempat tinggal atau data jenis pekerjaan. Sebagai contoh, data gender berisi lelaki dan perempuan; isi data adalah berapa jumlah lelaki dan berapa jumlah perempuan. Untuk itu, akan dilakukan proses penghitungan, misalkan didapati ada 15 lelaki dan 25 perempuan. Di sini hasil penghitungan tidak mungkin didapat angka 15,4 lelaki atau 25,1 perempuan, karena jumlah lelaki atau perempuan tidak akan mempunyai desimal. Ini perbedaan dasar dengan data kuantitatif yang dapat saja mempunyai nilai desimal, karena proses mendapatkan data dengan cara mengukur

Agar dapat dilakukan proses pada data non angka atau non metrik atau data kualitatif, data tersebut mesti diubah menjadi angka; proses ini dinamakan kategorisasi. Jenis data kualitatif pertama adalah data nominal, dengan contoh variabel gender. Pada data dengan isi gender seseorang, dapat dilakukan pemberian kode/kategori untuk jenis gender, misalkan kode ‘1’ untuk ‘pria’ dan kode/kategori ‘2’ untuk ‘wanita.’ Contoh lain lagi adalah data tempat tinggal, dengan contoh pemberian kode misalkan kode ‘1’ untuk ‘Yogyakarta,’ kode ‘2’ untuk Semarang,’ kode ‘3’ untuk ‘Bandung,’ dan kode ‘4’ untuk ‘Surabaya.

Data kualitatif lain adalah data ordinal; berbeda dengan data nominal, data ini mempunyai order (urutan). Misalkan terdapat data sikap konsumen; isi data tersebut secara logis dapat disusun sebagai berikut.

• Sangat setujukode 1
• Setuju kode 2
• Netral kode 3
• Tidak  setuju  kode 4
• Sangat tidak setuju  kode 5

 Terlihat isian data mempunya urutan, bisa dari ‘sangat setuju’ ke ‘sangat tidak setuju’ atau sebalikya. Namun, tidak lazim jika urutan diacak  secara sembrangan menjadi :

• Netral kode 1
• Tidak  setuju kode 2
• Sangat tidak setuju  kode 3
• Sangat setujukode 4
• Setuju kode 5

Inilah yang menunjukkan perbedaan dasar dengan data nominal yang datanya tidak perlu diurutkan. Pada data nominal, gender berjenis ‘lelaki’ dengan kode 1 dan gender berjenis ‘wanita’ dengan kode 2 dapat saja dibalik menjadi gender berjenis ‘lelaki’ dengan kode 2 dan gender berjenis ‘wanita’ dengan kode 1.

• Data Interval dan Data Rasio

Selain data kualitatif di atas, ada pula data angka yang digolongkan sebagai data kuantitatif (data metrik). Data metrik adalah data yang didapat dengan jalan mengukur dan bisa mempunyai decimal; contoh data metrik adalah tinggi badan, usia, penjualan barang dan sebagainya. Sebagai contoh, tinggi badan bisa saja bernilai 170 cm atau 178,45 cm (desimal); usia seseorang dapat saja bernilai 30 tahun atau 29,5 tahun. Dalam praktek, data metrik dibagi lagi menjadi data interval dan data rasio. Keduanya mirip, perbedaan hanya pada ciri ada.Ja data absolut yang terdapat pada data rasio.

Contoh paling populer untuk data interval adalah temperatur ruangan atau sebuah tempat tertentu, yang dapat dinyatakan dalam derajat Celcius (C), derajat Fahrenheit () atau derajat Reamur (R). Di sini tidak ada ukuran temperatur yang mutlak, semua tergantung pada ukuran yang digunakan. Misalkan akan diukur air membeku pada temperatur berapa?

Klasifikasi Teknik-Teknik Analisis Multivariat

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

Klasifikasi metode dapat diterangkan sebagai berikut:

1. Metode dependensi diklasifikasikan didasarkan pada jumlah variabel tergantung, misalnya satu atau lebih dan skala pengukuran bersifat metrik atau non metrik. Jika variabel tergantung hanya satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis regresi berganda. Jika variabel tergantung hanya satu dan pengukurannya bersifat non-metrik, maka teknik analisisnya digunakan analisis diskriminan. Jika variabel tergantung lebih dari satu dan pengukurannya bersifat metrik, maka teknik analisisnya digunakan analisis multivariate varian. Jika variabel ter- gantung lebih dari satu dan pengukurannya bersifat non-metrik, maka teknik analisisnya digunakan analisis conjoint. Jika variabel 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 kinerja manajerial dengan menggunakan partisipasi anggaran dan job relevant information.
2. Analisis interdependensi berfungsi untuk memberikan makna terhadap seperangkat variabel 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 konsumen tertentu atau keperluan segmentasi misalnya preferensi konsumen berdasarkan kelompok usia.