Bagi kamu yang kuliah di bidang statistik tentunya akrab dengan istilah analisis multivariat bukan? Namun, analisis multivariat ini mungkin amat asing bagi mereka yang awam dengan penggunaan metode statistik. Nah, agar menambah pengetahuan kita, mari kita simak ulasan tentang apa itu analisis multivariat di bawah ini!
Sejarah analisis multivariat
Analisis multivariat dikembangkan oleh berbagai ahli sebagai metode analisis data kuantitatif sejak abad ke-19 (Sumber: Pexels)
Menurut Radhakrishna Rao dalam jurnal ilmiahnya disebut bahwa analisis multivariat dalam dunia statistik dapat dilacak lewat beberapa tulisan di abad 19 dengan beberapa tokoh seperti Francis Galton. Galton mempresentasikan analisisnya pada data tentang relasi tinggi badan orang tua dan anak-anaknya ketika dewasa lewat grafik frekuensi bivariat (dua variabel) di Royal Anthropological Institute pada 1855.
Galton lantas disebut sebagai orang yang dianggap menemukan korelasi bivariat dengan pengukuran “r”. Koefisien “r” ini lantas disebut sebagai indeks korelasi atau koefisien korelasi. Dalam perkembangannya, beberapa ahli seperti Karl Pearson dan Francis Y. Edgeworth, dan W. F. R. Weldon menyebut temuan Galton sebagai “Galton function”.
Temuan Galton ini nantinya akan menjadi dasar penerapan ekspresi parsial pada berbagai unsur variabel dan total korelasi dengan jumlah standar kesalahan sampel tinggi dalam statistik. Pada tahun 1915, R. A. Fisher menemukan transformasi sederhana terhadap “r” sebagai koefisien korelasi. Makalah Fisher selanjutnya mengawali penelitian berbasis metode analisis multivariat untuk data statistik.
Temuan Fisher secara umum dilakukan dengan menyederhanakan distribusi sampel dan prosedur inferensi berdasarkan nilai “r” yang diamati. Satu dekade kemudian, pada tahun 1925 Fisher menerbitkan buku berjudul “Statistical Methods for Research Workers” yang lantas dijadikan rujukan utama dalam proses analisis data dengan basis variasi luas.
Baru kemudian pada tahun 1958, matematikawan Theodore W. Anderson menulis buku teks berjudul “An Introduction to Multivariate Analysis” dan menjadi buku babon untuk mempelajari metode analisis multivariat modern di dunia statistik.
Baca juga: 10 Cara Menjadi Data Analyst Andal dan Informasi Gajinya
Pengertian analisis multivariat
Analisis Multivariat merupakan kumpulan metode analisis untuk objek atau variabel lebih dari dua atau jamak (Sumber: Pexels)
Dalam perhitungan matematika dan statistik, kita mengenal istilah koefisien dan variabel. Dari kedua hal ini pula nantinya metode analisis multivariat ini dijelaskan. Terutama, aspek variabel dalam suatu bentuk matematis yang bertumpuk disebut korelasi koefisien.
Dalam riset biologisnya, Galton mengklaim bahwa pengukuran analisis multivariat dinormalisasi karena setiap organ dari organisme itu sendiri terdistribusi secara normal di seluruh objek pengamatan individu. Oleh karena itu pula Galton menjadi orang pertama yang menganggap bahwa analisis multivariat dengan basis berbagai variabel korelatif ini dapat dilakukan dalam statistik.
Dalam bukunya berjudul “Methods of Multivariate Analysis”, Alvin C. Rencher menyebut bahwa analisis multivariat merupakan kumpulan metode yang dapat digunakan ketika beberapa pengukuran dilakukan pada setiap individu atau objek dalam sampel tunggal maupun jamak.
Secara historis, analisis multivariat diaplikasikan pada ilmu biologi dan perilaku. Namun belakangan, analisis multivariat dipakai dalam berbagai bidang keilmuan.
Analisis multivariat menyediakan prosedur deskriptif dan inferensial untuk membantu pengguna mencari pola dalam data atau menguji hipotesis tentang pola tertentu. Dengan analisis multivariat ini pengguna dapat menemukan benang merah dalam jaringan kusut variabel dan lantas mengekstrak esensi dari pola atau sistem tersebut.
Analisis multivariat secara umum digunakan untuk mempermudah pengukuran sampel dengan variabel jamak secara bersamaan. Umumnya pula, variabel-variabel ini memiliki korelasi tertentu dan analisis multivariat bertugas untuk menguraikan tumpak tindih informasi yang diberikan oleh variabel berkorelasi tersebut.
Sehingga, kita bisa mengartikan analisis multivariat sebagai metode pengolahan variabel data dengan jumlah jamak dan bertujuan untuk mencari korelasi antar variabel terhadap objek secara bersamaan dan simultan. Variabel-variabel yang berjumlah banyak tersebut perlu diketahui korelasinya untuk memahami struktur utama data.
Kita dapat melihat contoh data multivariat dari sebuah burger yang dinikmati secara objektif melalui rasanya. Rasa dalam burger merupakan objek sedangkan aspek penyusun rasa burger tersebut terdiri dari roti (bun), daging giling (patty), sayuran, jamur panggang, dan sebagainya.
Contoh variabel penyusun rasa pada burger sebagai contoh analisis multivariat (Sumber: marpipe.com)
Untuk memahami struktur rasa sebuah burger ini, kita harus memahami korelasi setiap variabel penyusunnya. Itulah yang disebut analisis multivariat, objeknya bukan pada burger sebagai bentuk tetapi rasa burger sebagai satu kesatuan sistem.
Jika gambar burger di atas dibuat dalam sebuah rumus maka dapat diambil uraian berikut ini:
| Rasa Burger = (x) Patty + (z) Tomato + (α) Avocado + (β) Grilled Mushrooms + (δ) Un-toasted Bun |
Baca juga: Ingin Jadi Data Analyst? Ini 10 Skills yang Kamu Butuhkan
10 Tipe analisis multivariat
Berikut adalah tipe-tipe analisis multivariat (Sumber: Pexels)
Sepanjang sejarahnya, analisis multivariat lantas dikembangkan pada berbagai ranah keilmuan untuk mempermudah proses analisis sampel data. Hal ini pula yang lantas menyebabkan banyak variasi atau tipe dari metode analisis multivariat ini.
Adapun 10 tipe analisis multivariat yang umum digunakan menurut Alvin C. Rencher adalah sebagai berikut:
1. Multivariate One-Way Analysis of Variance Model (MANOVA)
Analisis multivariat tipe MANOVA ini dikenal berdampingan dengan Multivariate Analysis of Covariance (MANCOVA) dan digunakan untuk menguji signifikansi statistik dari pengaruh satu atau lebih variabel independen pada sekumpulan atau lebih dari dua kumpulan variabel dependen.
MANOVA merupakan tipe analisis multivariat yang juga digunakan untuk mengevaluasi perbedaan rata-rata pada dua atau lebih kriteria variabel dependen (berkorelasi) secara bersamaan dan berkelanjutan.
Tipe analisis multivariat ini umumnya digunakan oleh peneliti yang tertarik untuk mengevaluasi perbedaan rata-rata pada beberapa kriteria variabel dengan menyelidiki hubungan antar variabel secara bersamaan sembari mengendalikan interkorelasi di antara variabel tersebut.
2. Principal Component Analysis (PCA)
PCA atau analisis komponen utama merupakan teknik analisis multivariat yang menganalisis tabel data di mana pengamatan dijelaskan oleh beberapa variabel dependen kuantitatif yang saling berkorelasi. Secara matematis, PCA bergantung pada dekomposisi eigendom atau kepemilikan dari matriks positif dan pada dekomposisi nilai singular.
PCA umumnya bertujuan untuk mengekstrak informasi penting dari data statistik sebagai perwakilan dari satu set variabel komponen utama. Tipe analisis multivariat ini juga digunakan untuk menampilkan pola kesamaan antara pengamatan dan variabel sebagai titik.
PCA dilakukan dengan mengatur kumpulan data sebagai matriks m x n, di mana m adalah jumlah jenis pengukuran dan n adalah jumlah percobaan.
Baca juga: 7 Teknik Analisis Data dan Tips Memprosesnya
3. Multivariate Multiple Regression (MMR)
Multivariate Multiple Regression (MMR) merupakan regresi berganda multivariat yang digunakan untuk memodelkan hubungan linier antara lebih dari satu variabel independen dan lebih dari satu variabel dependen.
Analisis multivariat jenis ini dilakukan dengan beberapa prosedur yang meliputi:
- Memperkirakan parameter regresi multivariat
- Menguji hipotesis omnibus
- Menilai kecocokan model secara keseluruhan
- Menguji hipotesis komposit
- Validasi model
- Persyaratan ukuran sampel
MMR adalah tipe analisis multivariat yang umum digunakan untuk memodelkan korelasi skor Tes Potensi Akademik (TPA) sebagai fungsi dari jenis kelamin, ras, pendapatan orang tua dan sebagainya. Analisis multivariat jenis ini memungkinkan kita mengevaluasi hubungan dari berbagai variabel terhadap skor TPA sebagai hipotesis dan parameter regresi.
4. Conjoint Analysis
Conjoint Analysis merupakan tipe analisis multivariat yang menggabungkan metrik untuk memungkinkan kita memeriksa beberapa variabel dependen secara bersamaan serta beberapa perbedaan individu dalam respons. Analisis multivariat jenis ini juga memungkinkan kita untuk mengetahui komposisi dan ketergantungan teknis di mana ada preferensi untuk tiap atribut kombinasi dalam data.
Conjoint Analysis nantinya dikembangkan menjadi tiga arah yang dapat menguji efek dari desain eksperimen, variabel dependen, dan perbedaan individu. Tipe analisis multivariat ini umum digunakan dalam riset pemasaran karena memudahkan peneliti dalam membangun dan mengidentifikasi tingkat ideal dan kombinasi atribut untuk suatu produk atau layanan.
5. Multiple Discriminant Analysis (MDA)
MDA atau analisis diskriminan ganda merupakan tipe analisis multivariat yang digunakan dengan mengacu pada teknik statistik perencanaan dengan banyak variabel. Analisis multivariat jenis ini memungkinkan kita untuk membedakan kumpulan data satu sama lain berdasarkan karakteristik yang diamati.
MDA umum digunakan oleh analis keuangan atau penasihat investasi untuk menekan varians sambil menyaring beberapa variabel dalam sekuritas. Analisis multivariat jenis ini umum digunakan untuk mempelajari berbagai faktor atau variabel dalam keuangan seperti volatilitas.
Selain itu, tipe analisis multivariat ini juga dapat digunakan untuk mengklasifikasi individu dan data berdasarkan variabel yang berbeda.
6. Canonical Correlation
Canonical Correlation merupakan tipe analisis multivariat yang memungkinkan kita untuk menganalisis korelasi antara dua kumpulan data. Analisis korelasi kanonik ini juga dapat digunakan untuk memodelkan korelasi antara dua kumpulan data dengan dua cara yaitu:
- Berfokus pada hubungan ketergantungan, di mana dilakukan pemodelan dua kumpulan data dengan contoh seperti kumpulan data (A) sebagai fungsi kumpulan data (Z)
- Berfokus pada eksplorasi hubungan antara dua kumpulan data tanpa menyatakan kumpulan data apa pun sebagai variabel dependen atau independen
Baca juga: 6 Macam Metode Analisis Data yang Penting dan Perlu Diketahui
7. Multidimensional Scaling (MDS)
MDS atau penskalaan multidimensi merupakan tipe analisis multivariat yang bertujuan untuk mengungkapkan struktur kumpulan data dengan memplot titik dalam satu atau dua dimensi. Penggunaan grafis dan plot dalam ruang dua atau tiga dimensi akan memudahkan kita untuk menemukan ketidakmiripan multivariat sedekat mungkin.
MDS juga diartikan sebagai metode analisis multivariat yang merepresentasikan hubungan antar objek secara grafis dalam ruang multidimensi. Contoh plot dua titik ini misalnya dilakukan untuk mengetahui jarak dua kota sebagai titik, lalu dilakukan percobaan hingga mendapatkan titik yang tepat untuk mewakili jarak tersebut dalam analisis data.
8. Cluster Analysis
Analisis klaster merupakan tipe analisis multivariat yang bertujuan untuk mengklasifikasikan sampel objek berdasarkan sekumpulan variabel terukur ke dalam sejumlah kelompok yang berbeda. Hal ini dilakukan agar subjek yang sama ditempatkan dalam kelompok yang sama pula.
Tipe analisis multivariat ini umum digunakan dalam bidang keilmuan psikologi atau psikiatri, di mana ada karakterisasi pasien atas kelompok gejala tertentu untuk identifikasi bentuk terapi yang tepat.
Analisis multivariat jenis ini tidak memiliki mekanisme untuk membedakan antara variabel yang relevan dan tidak relevan, sehingga pemilihan variabel yang masuk klaster harus ditentukan dengan pertimbangan konseptual.
9. Structural Equation Modeling (SEM)
SEM merupakan salah satu jenis analisis multivariat yang umum dikenal dalam ilmu pengetahuan. SEM atau pemodelan persamaan struktural adalah teknik analisis multivariat yang kuat untuk penyelidikan ilmiah terutama dalam pengujian atau evaluasi hubungan kausal dari banyak variabel.
SEM menguji efek langsung dan tidak langsung pada hubungan kausal yang diasumsikan sebagai salah satu metode statistik tertua. SEM merupakan analisis multivariat yang digunakan untuk menganalisis hubungan struktural. Secara teknis, SEM merupakan kombinasi dari analisis faktor dan analisis faktor dan analisis regresi berganda (MMR).
SEM digunakan untuk menganalisis hubungan struktural antara variabel terukur dan konstruksi laten. Secara umum metode analisis multivariat jenis ini disukai oleh peneliti karena dapat memperkirakan ketergantungan ganda dan saling terkait dalam satu analisis saja.
Ciri khas dari SEM adalah penggunaan dua jenis variabel yaitu endogen dan eksogen, variabel endogen sendiri setara dengan variabel dependen dan sama dengan variabel independen.
10. Multiple Correspondence Analysis (MCA)
MCA atau Multiple Correspondence Analysis merupakan metode yang memungkinkan kita mempelajari hubungan antara dua atau lebih variabel kualitatif. MCA adalah bentuk dari analisis multivariat yang dapat dianggap sebagai kasus khusus analisis korespondensi untuk tujuan ilustrasi dari dua, tiga, atau lebih variabel.
Sebelum dikembangkan menjadi MCA, metode analisis multivariat jenis ini umum dikenal sebagai analisis korespondensi. Analisis korespondensi sendiri merupakan teknik visualisasi data yang berguna untuk menemukan dan menampilkan hubungan antar variabel. Teknik ini dilakukan dengan grafik yang memplot data secara visual dan menunjukkan dua atau lebih titik data.
Baca juga: Data Scientist: Tanggung Jawab, Keahlian, dan Kisaran Gaji 2021
Itulah tadi beberapa tipe analisis multivariat yang umum dikenal dalam dunia statistik. Penggunaan analisis multivariat kini tidak hanya terpaku pada riset keilmuan tetapi juga dalam riset pasar dan produk, serta berbagai hal yang bisa dijadikan variabel untuk tujuan riset kuantitatif tertentu.
Bagi kamu yang memiliki pemahaman lebih mengenai analisis multivariat dan ingin mencari pekerjaan, mungkin posisi analis pemasaran, atau tim penelitian dan pengembangan bisa cocok dengan potensimu.
Kamu bisa menyiapkan CV terbaikmu dan lalu mendaftar lewat EKRUT, karena dengan begitu kamu berpotensi untuk ditemukan dan direkrut oleh berbagai perusahaan bonafide yang menanti kandidat baru seperti kamu.
Kamu hanya perlu klik tautan di bawah ini untuk mulai mendaftar lewat EKRUT.
Sumber:
- jstor.org
- marpipe.com
- ipen.br
