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