ANALISIS PEUBAH

GANDA

NOVI HIDAYAT PUSPONEGORO

Pendahuluan (1)
Kompetensi Umum: memahami metode analisis data dengan banyak peubah
secara simultan dan mampu menerapkan berbagai penggunaannya
Kompetensi Khusus:
Mahasiswa memahami aspek-aspek, aljabar, formula vektor rata-rata, matriks
ragam peragam, matriks simpangan baku, matriks korelasi serta memahami
sampel geometrinya untuk memaknai nilai tengah dan keragaman data peubah
ganda, sebaran Normal Ganda serta mampu memeriksa dan melakukan
transformasi untuk kenormalan data peubah ganda, melakukan inferensia vektor
rata-rata suatu populasi melalui pengujian hipotesis, wilayah kepercayaan dan
selang kepercayaan simultan juga data perbandingan berpasangan, pengukuran
berulang dan dua populasi independen
Mahasiswa mampu menggunakan dan atau :melakukan analisis perbandingan
vektor rata-rata pada beberapa populasi independen menggunakan MANOVA
one way dan two ways, metode komponen utama berbasis matriks ragam
peragam dan berbasis matriks korelasi, metode faktor untuk mereduksi dimensi
dalam data peubah ganda, membuat kelompok-kelompok yang khas dengan
metode cluster, memperoleh variabel-variabel pembeda antar kelompok dengan
model diskriminan linier, prediksi untuk mengklasifikasikan amatan dengan
model diskriminan linier serta menilai kemampuan prediksi model, analisis
hubungan simultan antar gugus peubah

Pendahuluan (2)

Pembelajaran :full di kelas

Sistem Penilaian:
Tugas: 30%
UTS: 35%
UAS: 35%
Referensi:
Johnson, Richard A and Dean W. Wichern. Applied Multivariate
Statistical Analysis, fifth ed. Prentice-Hall, Inc. New Jersey.
2002.
Dillon, William R and Matthew Goldstein. Multivariate Analysis
Methods and Applications. John Wiley & Sons, Inc. Canada.
1984.
Hair Jr, Joseph F, et all. Multivariate Data Analysis, fifth ed.
Prentice-Hall, Inc. New Jersey. 1998.
Hardle, W and Simar, L. Applied Multivariate Statistical
Analysis, second ed. Springer-Verlag. 2007

Apa dan Kenapa Analisis Peubah Ganda?

adalah
Metode Statistika yang digunakan untuk
menganalisa data dari beberapa variabel
yang diukur secara simultan
untuk
Menerangkan fenomena kompleks yang
mungkin hanya bisa diterangkan dengan
mengumpulkan dan analisa data dari
berbagai variabel yang simultan

Tujuan Utama Analisis Peubah Ganda?

Reduksi Data dan menyederhanakan model/struktural

Fenomena yang dipelajari terwakilkan sesederhana [mungkin] tanpa banyak
kehilangan informasi yang berharga, serta diharapkan dapat membuat
interpretasinya menjadi lebih mudah
Pengelompokkan/Klasifikasi
Mengklasifikasikan objek atau individu dalam kelompok - kelompok tertentu
berdasarkan kemiripan sejumlah karakteristik tertentu yang diukur
Menyelidiki hubungan/keterkaitan antar variabel
apakah seluruh variabel saling bebas?
apakah satu atau lebih bergantung pada variabel lainnya?
Jika ya, bagaimana bentuk hubungan tersebut?
Prediksi
Hubungan antar variabel harus ditentukan untuk keperluan mempredikdi
suatu nilai dari satu atau lebih variabel berdasarkan pada pengamatan pada
variabel lainnya
Membentuk dan menguji hipotesis
Menyatakan hipotesis statitik yang dirumuskan dalam bentuk parameter dari
populasi multivariat, kemudian dilakukan pengujian hipotesis tersebut

Klasifikasi Analisis Peubah Ganda

Klasifikasi ini dibuat berdasarkan tiga karakteristik data yang diamati:
Apakah variabel dapat dibagi ke dalam Tekhnik Interdepensi
kelompok variabel tak bebas dan Tekhnik Dependensi
variabel bebas [menurut teori]?
Jika ya, berapa banyak variabel yang
digunakan sebagai var. tak bebas?

Satu
> Satu

Bagaiamana variabel - variabel tsb

diukur?

Metric
Non Metric

Klasifikasi Analisis Peubah Ganda (2)

Tekhnik dependensi,dapat didefinisikan sebagai
variabel mana saja yang merupakan penjekas dan yang
mana yang dijelaskan
Sedangkan tekhnik interdependensi tidak ada satu
variabel atau seklompok variabel yang didefniskan sbg
variabel bebas atau tak bebas (hnaya var X atau Y saja),
variabel di dalam gugus data dilibatkan secara simultan

Klasifikasi Analisis Peubah Ganda

Tekhnik Dependensi
Variabel Independen
Metrik
Metrik

Regresi

Non Metrik

Uji t

Metrik

RLB

Non Metrik

ANOVA

Satu

> Satu

Variabel Dependen
Satu
Non Metrik
Metrik
An. Diskriminan
Korelasi Kanonik
Reg-Log

Non Metrik
An. DIskrminan Multipel

MANOVA

An. DIskrminan Multipel

Diskrit

Korelasi Kanonik

An. DIskrminan Multipel

MANOVA

An. DIskrminan Multipel

Diskrit

An. Diskriminan diskrit

An. Diskriminan
Reg-Log
An. Diskriminan diskrit
An. Konjoint

>1

Tekhnik Interdependensi
Banyaknya Variabel

Jenis Data
Metrik

Dua

Korelasi Sederhana

Lebih dari 2

AKU
An.Faktor
An. Kluster

Non Metrik
Tabel Kontingensi 2 arah
Model Log Linier
Tabel Kontingensi 2 arah
Model Log Linier
An.Korespondensi

Organisasi Data
Ilustrasi pengukuran karakteristik atau variabel (biasa disebut data) dapat
ditampilkan dalam berbagai cara:
Tabel
Matirks
Grafik, plot data
Verbal
Data multivariate yang dikumpulkan , dengan cara memilih sejumlah p1
variabel atau karakteristik untuk dicatat dari objek amatannya, bisa digunakan
notasi
jk untuk menyatakan nilai dari variabel ke-k pada amatan yang
ke-j

Ilustrasi

Ilustrasi (2)-Matriks Data

Lebih efisien, memudahkan dalam penghitungan

numerik-operasi matriks-implementasi pada bahasa
pemrograman/software

Ilustrasi (3)-Matriks Data

Ukuran Statistik Deskriptif -> ukuran pemusatan, ukuran
penyebaran/variasi, ukuran keeratan hubungan
Misalkan x11, x21,..., xn1 adalah n buah pengukuran pada variabel
pertama, maka rata-rata sampel dari variabel tsb dinotasikan
sebagai :
n

x1 1

n
j 1

x j1

Rata-rata sampel yang dihitung dari n amatan untuk setiap p

variabel, secara umum
n dapat dinotasikan:

xk 1

n
j 1

x jk , k 1,2,3,..., p

x x1 x 2

x3

x 4 ..... x p

Ilustrasi (4)-Matriks Data

Ukuran penyebaran/variasi
Varians/Ragam sampel dari dinotasikan sebagai :

sk 1
2

n
j 1

jk

xk

Perlu diperhatikan:
Penggunaan pembagi (n-1) dibandingkan dengan n -> untuk
keperluan teoritis dan biasanya cukup tepat jika ukuran
sampel kecil
Dalam an. Multivariat, varians sampel berada dalam diagonal
utama dari matriks ragam peragam
Sehingga dapat digunakan notasi [yang lebih memudahkan]

Ilustrasi (5)-Matriks Data

Varians/Ragam sampel dari dinotasikan sebagai :

skk 1

n
j 1

jk

x k , k 1,2,3..., p

Covarians/Peragam sampel dari dinotasikan sebagai :

sik 1

n
j 1

ji

x i x jk x k

Matriks Ragam-Peragam sampel dari dinotasikan sebagai :

s11

s21
sn

s
p1

s12
s22
s p2

s1 p

... s2 p

... s pp
pXp
...

Ilustrasi (6)-Matriks Data

Statistik deskriptif yang banyak digunakan dalam analisis
multivariate adalah koefisien korelasi sebagaiukuran hubungan
linier antara dua variabel:

x
n

rik

sik
sii skk

j 1

x
n

j 1

ji

ji

x i x jk x k

xi

x
2

j 1

jk

xk

, i 1,2,3,... p, k 1,2,3,... p

Matriks Korelasi:
1

r21
R

r
p1

r12
2
rp 2

r1 p

... r2 p

... 1
pXp
...

TekhnikGrafik
Plot merupakan alat bantu yang penting di dalamanalisis data,
walaupun sering diabaikan
Walaupun tidak dilakukansecarasimultan membentuk plot
seluruh hasil amatan ,namun plot nialai variabel secara individu
ataupun berpasangan masih dapat memberikan hasil ynag
informatif
Contoh:
Berikut disajikan tujuh pasangan data dari dua variabel;
X1:3,4,2,6,8,2,5
X2:5,5.5,4,7,10,5,7.5

TekhnikGrafik

Diagram Plot:
Dapat menggambarkan hubungan antara 2 variabel