| Analisis Multivariate |
Kapan? |
Asumsi |
Kelebihan & kekurangan |
| Analisis Diskriminan |
- Mengklasifikasikan variabel bebas ke variabel respon (yang diketahui jumlahnya)
- Variabel Respon [ kualitatif ]
- Variabel bebas [ kuantitatif ]
- Jumlah kelompok sudah diketahui
|
- Sejumlah p variabel penjelas harus berdistribusi normal
- Matriks varians covarian variabel penjelas berukuran pxp pada kedua kelompok harus sama.
|
Hasil pengelompokan tidak selalu sama dengan pengelompokkan awal
|
| Analisis Korespondensi |
- Ketika ingin menetapkan kategori-kategori yang mirip dalam satu peubah (mereduksi)
- Data kategorik
|
Seperti non parametrik, tidak membutuhkan asumsi kenormalan, multikolinieritas, dsb |
- Sangat tepat untuk menganalisis data variabel kategori ganda.
- Menggambarkan hubungan antar kategori setiap baris dan kolom
- Cukup fleksibel untuk data matriks berukuran besar
- Tidak cocok untuk pengujian hipotesis, tetapi tepat untuk ekspolrasi data
- tidak ada metode untuk menentukan jumlah dimensi yang tepat
|
| Analisis Biplot |
- Menginterpretasikan suatu peubah & objek yang banyak
- Menyajikan posisi relatif dan objek pengamatan (perusahaan , varietas, dsb) dengan p peubah secara simultan dalam dua dimensi
|
- Pengujian Kenormalan Galat
- Melihat kebebasan galat dengan yang lainnya
- Pengujian kehomogenan ragam
- Pengujian keaditifan model
|
Pereduksian ruang dimensi banyak menjadi dimensi dua berakibat menurunnya informasi yang terkandung dalam biplot |
| Analisis Korelasi Kanonik |
- Melihat hubungan antara beberapa peubah dependen dengan beberapa peubah independen
- Menguraikan struktur hubungan di dalam gugus peubah dependen maupun dalam gugus peubah independen
|
- Linieritas
- Multivariate Normality
|
|
| Structural Equation Models |
- Terdapat konstruk-konstruk yang tidak dapat diukur atau diamati secara langsung
- Ingin mendapatkan model struktural yang dapat digunakan untuk keperluan prediksi
- Menguji pengaruh (langsung dan tidak langsung) variabel bebas terhadap variabel tak bebas
|
- Ukuran sampel minimal 5 kali banyaknya seluruh manifest
- Normalitas dan linieritas
- tidak ada pencilan
- tidak ada multikolinieritas
|
|
| Partial Least Square |
Digunakan ketika asumsi-asumsi pada Structural Equation Models |
Seperti non parametrik, tidak membutuhkan asumsi kenormalan, multikolinieritas, dsb |
Untuk melihat pengaruh antara variabel digunakan uji t-statistik dengan prosedur bootstraping, yang akan menghasilkan nilai yang berbeda-beda. |
