Analisis Multivariat dengan Menggunakan Metoda Dependensi (skripsi dan tesis)

Analisis multivariate dengan menggunakan metode dependensi bertujuannya untuk mengetahui pengaruh atau meramalkan nilai variable tak bebas berdasarkan lebih dari satu variable bebas yang mempengaruhi. Jika hanya ada satu variable tak bebas, dapat dilakukan dengan menggunakan: 1) Anova (Analysis of variance); 2) Ancova (Analysis of covariance); 3) 3 Regresi berganda; 4) Analisis diskriminan; atau 5) Analisis Konjoin. Jika variable tak bebasnya lebih dari satu, dapat dilakukan dengan menggunakan: 1) Monova (Multy analysis of variance); 2) Moncova (Multy analysis of covariace); atau 3) Korelasi Kanonikal.

 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.