Analisis Multivariat

Oleh
Kelompok 6
 Analisis Multivariat
Analisis multivariat merupakan analisis multivariabel
yang berhubungan dengan semua teknik statistik
yang secara simultan menganalisis sejumlah
pengukuran pada individu atau objek .
Analisis ini dikelompokkan menjadi dua, yaitu analisis
dependensi dan analisis interdependensi.
Analisis dependensi merupakan analisis untuk
mengetahui hubungan antara variabel dependen
dan independen. Contoh analisis dependensi, yaitu:
anova, ancova, analisis regresi linier, regresi logistik
dan analisis diskriman.

Sedangkan analisis interdependensi adalah analisis

untuk mengetahui hubungan antar variabel
independen. Contoh analisis interdependensi, yaitu:
analisis faktor, analisis cluster, penskalaan
multidimensi, dan analisis kategori.
 Regresi Linier
Regresi linier adalah alat statistik yang
dipergunakan untuk mengetahui pengaruh
antara satu atau beberapa variabel terhadap
satu buah variabel (Priatna, 2015). Variabel
yang mempengaruhi sering disebut variabel
bebas , variabel independen atau variabel
penjelas. Variabel yang dipengaruhi sering
disebut dengan variabel terikat atau variabel
dependen.
Secara umum regresi linier terdiri atas dua yaitu
• Regresi Linier Sederhana
Regresi linier sederhana yaitu dengan satu buah variabel
bebas dan satu buah variabel terikat. Analisis regresi linier
sederhana dipergunakan untuk mengetahui pengaruh
antara satu buah variabel bebas terhadap variabel terikat.
Persamaan umumnya adalah :
Y=a+bX

Dengan Y adalah variabel terikat dan X adalah variabel

bebas. Koefisien a adalah konstanta ( intercept) yang
merupakan titik potong antara regresi dengan sumbu Y
pada kordinat kortesius, dan b adalah koefisien regresi pada
variabel bebas.
• Regresi Linier Ganda
Regresi linier ganda adalah regresi linier berganda dengan
beberapa variabel bebas dan satu buah variabel terikat.
Analisis regresi linier ganda sebenarnya sama dengan analisis
regresi linier sederhana, hanya variabel bebasnya lebih dari
satu buah. Persamaan umumnya adalah :

Y = a + b1X1 + b2X2 +... + bnXn

Dengan Y adalah variabel terikat dan X adalah variabel –

variabel bebas, a adalah konstanta ( intercept) dan b
adalah koefisien regresi pada masing – masing variabel
bebas.
 Regresi Logistik
Regresi logistik adalah sebuah pendekatan untuk
membuat model prediksi seperti halnya regresi linear
regresi linier. Perbedaannya adalah pada regresi
logistik, peneliti memprediksi variabel terikat yang
berskala dikotomi. Skala dikotomi yang dimaksud
adalah skala data nominal dengan dua kategori,
misalnya: Ya dan Tidak, Baik dan Buruk atau Tinggi
dan Rendah. (Simanjuntak, 2014).
Persamaan Regresi Logistik

Keterangan :
Ln: Logaritma Natural.
B0 + B1X: Persamaan yang biasa dikenal
dalam regresi linier.
P Aksen adalah probabilitas logistik
P Aksen adalah probabilitas logistik yang didapat
rumus sebagai berikut:

Dimana exp atau ditulis “e” adalah fungsi exponen.

Perlu diingat bahwa exponen merupakan kebalikan
dari logaritma natural. Sedangkan logaritma natural
adalah bentuk logaritma namun dengan nilai
konstanta 2,71828182845904 atau biasa dibulatkan
menjadi 2,72).
Any question ?