Bab.viii. Pengantar Anlisis Multivariat (1)
-
Upload
fildafadilah -
Category
Documents
-
view
47 -
download
3
description
Transcript of Bab.viii. Pengantar Anlisis Multivariat (1)
Mata Kuliah
Statistik Terapan
Dosen
Gunawan Yusuf, S.Tp,M.Kes
Pengantar analisis multivariat
Tahap analisis data dibagi atas tiga yaitu :
• Deskriftif = berbicara tentang gambaran suatu variabel
• Analisis Bivariat = berbicara tentang hubngan antara dua variabel.
• Analisis multivariat = berbicara tentang hubungan antara banyak variabel bebas dengan variabel terikat
Analisis multivariat dibagi menjadi dua :
• Analisis regresi logistik ini digunakan jika variabel terikatnya bersifat kategorik
• Analisis regresi linier digunakan jika variabel terikatnya bersifat numerik
AnalisisMultivariat
Regresi logistik : bila variabel terikatnya berupa variabel
kategorik
Regresi linier : bila variabel terikatnya berupa variabel
numerik
Langkah-langkah dalam analisis multipariat
1). Menyeleksi variabel yang akan dimasukkan dalam analisis multivariat
2). Melakukan analisis mutivariat
3). Melakukan interpretasi hasil
4). Menilai kualitas rumus yang diperoleh dari analisi multivariat
5). Menilai syarat atau asumsi
1. Langkah pertama adalah menyeleksi variabel yang dimasukkan kedalan analisis multipariat.
Variabel yang dimasukkan dalam analisis multivariat adalah variabel yang pada analinisis bivariat mempunyai nilai p < 0,25
2). Melakukan analisis multivariat
Analisis multivariat baik logistik maupun linier dibagi 3 yaitu :
EnterForwardBchward
Contoh kasus
Variabel terikat suatu penelitian adalah variabel Z sedangkan variabel bebasnya adalah A,B,C,D,E,F,G dan H. Pada analisis bivariat variabel yang mempunyai nilai P < 0,25 adalah A,B,C,D dan E.
Variabel yang dimasukkan pada analisis multivariat adalah yang memiliki nilai siknivikansi (P<0,25)
Maka variabel yang masuk adalah :
A,B,C,D dan E
Variabel yang berpengaruh terhadap variabel Z adalah A,B,dan C dengan urutan kekuatan adalah A,B dan C
Metode Forward
• Sofware secara otomatis akan memasukkan variabel yang paling berpengaruh kemudian memasukkan variabel yang berpengaruh tetapi ukuran kekuatannya rendah dari variabel pertama.
• Proses akan berhenti ketika tidak ada lagi variabel yang dapat dimasukkan dalam analisis
Metode Forward
Variabel yg dimasukkan kedalam analisis
otomatis manual
Forwar Bacwar Enter
Langkah 1
Langkah 2
Langkah 3
A
A,B
A,B,C
Metode Becward
• Soffware secara otomatis akan memasukkan semua variabel yang terseleksi untuk dimasukkan kedalam multivariat secara bertahap variabel yang tidak berpengaruh akan dikeluarkan dari analisis.
• Proses akan berhenti sampai tidak ada lagi variabel yang dapat dikeluarkan dari analisis
Metode Bacwar
Variabel yg dimasukkan kedalam analisis
otomatis manual
Forwar Bacwar Enter
Langkah 1
Langkah 2
Langkah 3
A B C D E
A B C D
A B C
Metode Enter
Proses memasukkan semua variabel yang terseleksi dimasukkan secara manual
Metode enter
Variabel yg dimasukkan kedalam analisis
otomatis manual
Forwar Bacwar Enter
Langkah 1
Langkah 2
Langkah 3
A B C D E
A B C D
A B C
Variabel yg dimasukkan kedalam analisis
otomatis manual
Forwar Bacwar Enter
Langkah 1
Langkah 2
Langkah 3
A
A,B
A,B,C
A B C D E
A B C D
A B C
A B C D E
A B C D
A B C
3, Melakukan Interpretasi hasil
Beberapa hal yang diperoleh dari analisis multivariat adalah sbb :
a. Variabel yang berpengaruh terhadap variabel terikat diketahui dari nilai p (signipikansi) variabel.
b. Urutan letak hubungan dari variabel-variabel yang berpengaruh terhadap variabel terikat
Pada regresi logistik urutan korelasi diketahui besarnya nilai OR (rasio odd)
Pada regresi linier urutan letak hubungan diketahui dari besarnya R (koefisien korelasi)
4). Menilai kualitas rumus yang diperoleh dari analisi multivariat
a. Regresi LogistikDilihat dari nilai diskriminasi dan Kalibrasi Diskriminasi• Area Under Curve (AUC)• Rumus dikatakan mempunyai
diskriminasi yang baik jika nilai AUC semakin mendekati angka 1 (satu)
Kalibrasi• Dinilai dengan metode Hosmer dan
Lomeshow
• Dikatakan mempunyai kalibrasi baik jika nilai p > 0,05 pada uji Hosmer dan Lomeshow
b. Regresi LinierDilihat dari nilai diskriminasi dan Kalibrasi Diskriminasi• Nilai dengan melihat nilai R2
• Rumus mempunyai nilai diskriminasi baik jika R2 mendekati 1 (satu)
KalibrasiDinilai dengan uji AnovaKalibrasi dikatakan baik jika nilai p < 0,05
5). Menilai syarat atau asumsi
Pada regresi linier terdapat asumsi linieritas, normalitas, Independensi, homogenitas dan multi kolineriti