1. Anova (Analysis of variance)
Bertujuan untuk mengetahui dampak dari beberapa variable bebas yang berskala
nominal/ordinal (berupa kelompok) yang disebut perlakuan (treatment) terhadap variable tak bebas
yang datanya berskala interval/rasio (kuantitatif). Analisis varians dilakukan berdasarkan nilai atau
score yang disesuaikan
2. Ancova (Analysis of covariance)
Bertujuan untuk mengetahui perbedaan tentang nilai rata-rata dari variable tak bebas
terkait dengan pengaruh dari variable bebas terkontrol. Variabel bebas yang kategori (nonmetrik:
nominal dan ordinal) disebut faktor sedangkan variable bebas yang metric (interval atau rasio)
disebut kovariat.
Penggunaan kovariat untuk menyingkirkan (to remove) variasi yang tidak ada
hubungannya (extraneous variation) dengan variable tak bebas oleh karena pengaruh (efek) dari
faktor yang dianggap lebih penting. Variasi pada variable takbebas disebabkan oleh adanya
kovariat disingkirkan melalui suatu penyesuaian (adjustment) terhadap nilai rata-rata variable tak
bebas di dalam setiap kondisi treatment atau perlakuan (kategori/level).
Signifikansi efek baik gabungan dari kovariat maupun efek dari setiap kovariat sebagai
individu, diuji dengan criteria F yang tepat. Koefisien untuk kovariat memberikan pendalaman
(provide insights) tentang efek atau pengaruh yang kovariat digunakan (exert) pada variable tak
bebas Y.
Analisis kovarian merupakan analisis yang paling tepat untuk faktor / variable bebasnya
berbentuk kategori atau data nonmetrik, yaitu data beskala nominal atau ordina.
3. Regresi berganda
Adalah metode yang tepat dipergunakan untuk masalah penelitian yang melibatkan satu
variable tak bebas Y yang datanya berbentuk skala interval/rasio (kuantitatif) yang mempengaruhi
atau terkait dengan lebih dari satu variable bebas X yang skala pengukurannya nominal/ordinal
(kualitatif) maupun interval/rasio (kuantitatif). Tujuannya untuk memperkirakan/meramalkan nilai
Y, jika semua variable bebas diketahui nilainya. Persamaan regresi linear berganda dibentuk
dengan menggunakan metode kuadrat terkecil (least square method). Selain itu juga untuk
mengetahui besarnya pengaruh dari setiap variable bebas yang terdapat dalam persamaan.
4. Analisis Diskriminan
Bertujuan untuk memahami perbedaan kelompok (group differences) dan meramalkan
peluang bahwa suatu objek penelitian (pelanggan, karyawan, mahasiswa, barang) akan
masuk/menjadi anggota kelompok tertentu berdasarkan pada beberapa variable bebas yang
datanya berskala interval/rasio (kuantitatif). Kelompok (group) merupakan variable tak bebas
datanya beskala nominal/ordinal.
Analisis diskriminan cocok dipergunakan jika variable tak bebasnya berupa kelompok,
bisa dikotomus (dua kelompok, misalnya laki-laki dan perempuan) atau multi dikotomus (lebih
dari dua kelompok). Peneliti harus mencari fungsi diskriminan yang dapat membedakan objek
tertentu masuk kelompok yang mana berdasarkan banyaknya atribut atau variable bebas.
Sedangkan yang diramalkan adalah keberadaan suatu objek tertentu temasuk pada kelompok yang
mana.
5. Analisis Konjoin
Memberikan suatu ukuran kuantitatif mengenai kepentingan relative (relative importance)
suatu atribut terhadap atribut yang lain dari suatu produk (barang/jasa). Dalam analisis conjoin,
pelanggan diminta untuk membuat trade off judgements. Apakah suatu feature yang diinginkan
pantas untuk mengorbankan feature lainnya? Kalau harus mengorbankan suatu atribut, atribut
mana yang harus dikorbandkan. Jadi pelanggan memberikan informasi yang berguna dan sangat
sensitive.
6. Monova (Multy analysis of variance)
Sama dengan Anova, hanya variable tak bebasnya lebih dari satu.
7. Moncova (Multy analysis of variance)
Adalah analisis yang mirip dengan Moncova, bedanya terletak pada banyaknya variable
tak bebas yang lebih dari satu.
8. Analisis Kanonikal (Analisis korelasi kanonikal)
Adalah perluasan dari analisis regresi berganda. Tujuannya untuk ,mengkorelasikan
secara simultan (bersama-sama) beberapa variable tak bebas Y dengan beberapa variable bebas X.
Jika regresi linear berganda hanya ada satu variable tak bebas Y dengan beberapa variable bebas
X, dalam korelasi kanonikal ada beberapa variable tak bebas Y yang akan dikorelasikan dengan
variable bebas X.
Prinsip dari korelasi kanonikal adalah mengembangkan suatu kombinasi linear dari setiap
kelompok variable (baik variable bebas X maupun variable tak bebas Y) sedemikian hingga
memaksimumkan korelasi dari dua kelompok variable X dan Y. Dengan kata lain, akan dicari
suatu kelompok timbangan (weight) untuk variable tak bebas Y dan variable bebas X yang dapat
menghasilkan korelasi sederhana yang maksimum (sekuat mungkin) antara kelompok variable
bebas dengan kelompok variable bebas.
Tidak ada komentar:
Posting Komentar