Upload
ndraleo
View
11
Download
0
Embed Size (px)
DESCRIPTION
Statistik Multivariat
Citation preview
ANALISIS MULTIVARIATE: PERKEMBANGAN DAN APLIKASINYA
Oleh :
Bambang Widjanarko Otok
1. PENDAHULUAN
Perguruan tinggi adalah tempat orang berlatih untuk
menyelesaikan suatu masalah. Sejalan dengan itu pengajar dan
mahasiswa melakukan kegiatan penyelesaian suatu masalah yang
disebut penelitian. Jika yang dipecahkan adalah suatu masalah baru
mendasar, maka butir pengetahuan yang ditemukan menjadi
sumbangan untuk pengembangan sains, sedangkan kalau yang
ditemukan adalah penyelesaian suatu masalah yang akhirnya
membuat pengetahuan yang telah diperbaiki itu menjadi lebih
bermanfaat, maka butir pengetahuan itu akan menjadi sumbangan
untuk pengembangan teknologi. (Nasoetion, 1972)
Sain dan teknologi yang berkembang karena diadakannya
eksperimen-eksperimen, peristiwa memecahkan persoalan
dilakukan melalui pengumpulan data dari percobaan maupun
survei. Dari data yang telah dikumpulkan berdasarkan pengukuran
dicari keteraturan-keteraturan yang akhirnya dapat dibentuk
menjadi kaidah-kaidah. Agar pengumpulan data dilakukan secara
efisien, usaha pengumpulannya seharusnya didasarkan pada model
yang telah disusun tentang masalah yang telah diselidiki.
(Saefuddin, 2000)
Analysis Multivariate: Perkembangan dan Aplikasinya 1
Secara khusus dalam rangka mengumpulkan informasi, model
untuk data hasil pengukuran kuantitatif berbentuk suatu hubungan
matematika yang disebut model matematika. Model matematika ini
merupakan penyarian atau abstraksi dari masalah yang
sebenarnya. Terhadap model matematika inilah data yang
terkumpul dari percobaan atau survei dibandingkan. Model yang
kurang sesuai dengan data terpaksa ditolak, sedangkan yang tidak
menyimpang dengan jelas dari model mengakibatkan model untuk
sementara diterima sebagai alat penjelas. Sampai pada suatu ketika
ada cara-cara pengumpulan data yang lebih canggih dan akurat
yang menyebabkan model itu ditolak dan akibatnya harus
diperbaiki, sampai bentuknya dapat menerangkan sifat-sifat data
yang telah diukur. Dengan kata lain, tidak ada model yang benar
tetapi ada model terbaik, atau pemecahan masalah (penelitian)
adalah proses yang berulang yang tidak kunjung selesai.
Untuk itu upaya yang dilakukan seorang peneliti adalah
pengetahuan tentang penyusunan model, pengumpulan dan
pengolahan data, serta pengujian kevalidan model. Tanpa
penguasaan ketiga hal tersebut seorang peneliti akan lebih mudah
terjerumus ke dalam jurang kepalsuan penarikan kesimpulan. Dan
untuk menguasaian ketiga pekerjaan pokok tersebut seorang
peneliti paling tidak harus menguasai teknik-teknik analisis data
berdasarkan teori statistika.
2. ANALISIS MULTIVARIATE
Suatu penelitian pada umumnya membatasi diri dalam
melibatkan sejumlah variabel yang terkait. Hal seperti ini dilakukan
guna untuk memperjelas masalah penelitian yang dilakukan, namun
Analysis Multivariate: Perkembangan dan Aplikasinya 2
jika dilihat dari segi kompleksitas permasalahan secara menyeluruh
maka penelitian tersebut sangat disesalkan sebab mengakibatkan
hilangnya sebagian informasi yang justru berkonsekuensi dalam
kesimpulan penelitian. Untuk itu upaya yang dilakukan untuk
membatasi keterlibatan sejumlah peubah dalam penelitian harus
melihat kerangka permasalahan secara menyeluruh.
Dalam penelitian, ada banyak variabel yang diamati dimana
antar variabel saling berpengaruh, analisis secara univariate tidak
bisa dilakukan, karena harus memperhitungkan pengaruh variabel
satu terhadap variabel yang lain. Menghadapi permasalahan seperti
ini maka penyelesaiannya adalah menggunakan pendekatan
analisis multivariate.
Metode analisis multivariate suatu metode yang akan
mendominasi di masa datang dan mengakibatkan perubahan
drastis di dalam memikirkan permasalahan dan bagaimana
mendisain suatu penelitian. Metode ini memungkinkan untuk
membuat pertanyaan yang tepat dan spesifik tentang kompleksitas
yang dipertimbangkan.
3. PERKEMBANGAN DAN APLIKASI ANALISIS MULTIVARIATE
Berikut disajikan klasifikasi metode analisis multivariate
Tabel 1.1
Klasifikasi Metode Multivariate
Analysis Multivariate: Perkembangan dan Aplikasinya 3
Sumber: Dillon, 1984
Analysis Multivariate: Perkembangan dan Aplikasinya 4
Tabel 1.2:
Klasifikasi Metode Multivarite Berdasarkan Variabel Dependent &
Independen
Sumber: Sarma, 1996
Tabel 1.3:
Klasifikasi Metode Multivarite Berdasarkan Tipe Data
Analysis Multivariate: Perkembangan dan Aplikasinya 5
Sumber: Sarma, 1996
2. ANALISIS KOMPONEN UTAMA
Analisis komponen utama adalah cara untuk
mengelompokkan variabel-variabel yang korelasi liniernya sejalan
linier menjadi satu komponen utama, sehingga dari p variabel akan
didapat k komponen utama dimana k p yang dapat mewakili
keragaman (variabilitas) variabel-variabel yang ada.
Dengan analisis komponen utama diharapkan dapat
disusutkan dimensi banyaknya variabel atau dapat disederhanakan
struktur hubungan variabel sehingga dengan dimensi yang lebih
kecil diharapkan lebih mudah melakukan interpretasi tanpa
kehilangan banyak informasi tentang data, bahkan informasi yang
didapat menjadi lebih padat dan bermakna.
Secara aljabar, Komponen Utama merupakan kombinasi linier
dari p random variabel . Secara geometrik, linier
kombinasi ini mewakili pemilihan koordinat sistem baru yang
disebut Komponen Utama ( ) yang diperoleh dengan
merotasikan sistem asal dengan sebagai koordinat.
Koordinat baru menggambarkan arah dengan variabilitas maximum
dalam deskripsi yang lebih sederhana dari struktur kovarians.
Jika terdapat vektor random X = [ ] yang
berisi sejumlah pengamatan terhadap p variabel mempunyai rata-
rata dan matrik kovarians dengan Eigenvalue .
Maka dapat ditulis suatu variabel baru yang merupakan kombinasi
linier dari variabel asal.
.
Analysis Multivariate: Perkembangan dan Aplikasinya 6
.
atau dapat ditulis dengan notasi :
dimana adalah matrik transformasi yang akan mengubah variabel
asal X menjadi Y yang disebut Komponen Utama.
Dengan :
Komponen Utama adalah kombinasi linier
yang tidak berkorelasi dan mempunyai varians sebesar mungkin.
Sangatlah jelas bahwa nilai dapat diperbesar
dengan menggandakan setiap dengan suatu konstan. Untuk
menghilangkan ketidakpastian ini maka vektor koefisien harus
diubah menjadi vektor satuan. Dengan demikian ’ selalu bernilai
satu. Sehingga kita dapat mendefinisikan:
Komponen Utama pertama
Kombinasi linier X yang memaksimumkan Var( X) dengan
ketentuan ’ = 1 (koefisien yang dinormalkan)
Komponen Utama kedua
Kombinasi linier yang memaksimumkan Var( X) dengan
ketentuan ’ = 1 dan Cov( X, ’X)
Komponen Utama ke-i
Kombinasi linier ’X yang memaksimumkan Var( ’X) dengan
ketentuan ’ = 1 dan Cov( X, X) = untuk k < i, dimana
Var ( X) mencapai maksimum pada nilai eigenvalue , atau
dapat ditulis [6] :
Analysis Multivariate: Perkembangan dan Aplikasinya 7
Var
Cov
Misalkan X = [ ] mempumyai matriks
kovarians , dengan akar karakteristik-vektor karakteristik
dimana . Jika
adalah Komponen Utama. Maka [6]:
merupakan jumlahan varians populasi keseluruhan.
Sehingga, proporsi keseluruhan varians yang dapat
diterangkan oleh komponen utama ke-k adalah :
………………………………... (2.1)
koefisien korelasi antara komponen Yi dengan variabel asal Xk
adalah :
…………………………………………………………… (2.2)
Pada penelitian digunakan matrik varian-kovarian , karena
skala pengukuran pada setiap variabel tidak berbeda besar.
Andaikan variabel-variabel yang diamati mempunyai skala
pengukuran yang berbeda besar atau satuan ukuran yang tidak
sama, maka variabel tersebut ditransformasi dalam bentuk baku
(standart) Z.
Tujuan dari analisis komponen utama adalah untuk
menyusutkan dimensi peubah. Tidak ada kriteria yang pasti
mengenai banyaknya dimensi peubah. Pemilihan banyaknya
komponen utama didasarkan pada keinginan peneliti. Tetapi ada
beberapa prosedure yang dapat dugunakan sebagai landasan untuk
memilih banyaknya komponen utama.
Analysis Multivariate: Perkembangan dan Aplikasinya 8
Penentuan banyaknya komponen utama dapat didasarkan
pada proporsi keragaman data yang dapat diterangkan oleh
komponen utama tersebut. Idealnya, kontribusi dari beberapa
komponen utama dari keragaman variabel haruslah besar.
Analysis Multivariate: Perkembangan dan Aplikasinya 9
Pendekatan lain yang sering digunakan adala h pendekatan
yang diberikan oleh Kaiser (1958), yaitu pendekatan “akar
karakteristik yang lebih besar dari satu”. Pendekatan ini mengambil
komponen utama yang mempunyai akar karakteristik yang lebih
besar dari satu.
Sedangkan pendekatan yang diberikan oleh Caccuolus (1973),
dinamakan “scree test”. Pada pendekatan ini akar karakteristik dari
masing-masing komponen utama diplot berdasarkan urutan
besarnya akar karakteristik. Seperti pada gambar dibawah ini.
5.5 -
1.5 -
1.0 -
0.5 -
0 1 2 3 4 5 6 7 8 9
10
Gambar 1: Iluatrasi dari Scree Test
Kemudian kurva tersebut dianalisis dengan
mengidentifikasikan bagian bawah kurva yang membentuk garis
lurus. Dimana komponen pada bagian terjadinya garis lurus
mempunyai akar karakteristik yang kecil. Cattell dan Jasper (1967)
menyarankan untuk mengambil jumlah komponen utama
berdasarkan jumlah akar karakteristik sebelum terjadinya garis
lurus. Dasar pemikiran dari Scree Test adalah bahwa hasil
komponen utama sudah diurutkan berdasarkan besarnya akar
Analysis Multivariate: Perkembangan dan Aplikasinya 10
karakteristik, maka komponen utama pertama akan muncul
pertama, diikuti komponen utama lainnya yang mempunyai proporsi
keragaman yang lebih kecil.
DAFTAR PUSTAKA
Caccuolus, T. 1973, Discriminant Analysis and Applications, Academic Press, New York.
Chatfield, C., and Collins, A.J., 1980, Introduction to Multivariate Analysis, Chapman and Hall, New York.
Dillon, W.R. and M. Goldstein, 1978, Multivariate Analysis Methods and Application, John Wiley & Sons, New York.
Hair, J. F. JR., Anderson, R.E., Tatham, R.L. and Black, W.C. 1998. Multivariate Data Analysis, Fifth Edition, Prentice-Hall, International, Inc.
Johnson RA and Wichern DW. 1992. Applied Multivariate Statistical Analysis, Prentice Hall, Englewood Chiffs, New Jersey.
Manly, B.F.J. 1986. Multivariate Statistical Methods. A Primer Chapman & Hall. London.
Michie, D., Spiegelhalter, D.J. and Taylor C.C. 1994. Machine Learning, Neural and Statistical Classification.
Portier, K.M, 2001, Multivariate Statistical Methods, STA4702/5701.
Sharma, S. 1996 . Applied Multivariate Techniques, John Wiley & Sons, Inc.
Analysis Multivariate: Perkembangan dan Aplikasinya 11