Analisis Asosiatif dalam Statistika

Untuk memudahkan pemahaman statistika saya akan membahas mengenai jenis-jenis analisis hubungan berdasarkan tingkatannya. Pembahasan tidak secara rinci tetapi hanya membandingkannya.
Analisis asosiatif adalah suatu analisis statistika yang digunakan untuk menentukan hubungan dari atau lebih peubah (variabel). Analisis Asosiatif memiliki banyak jenis tingkatan hubungan yaitu:

Analisis Kontingensi atau Asosiasi
Analisis kontingensi adalah analisis hubungan yang paling sederhana. Analisis kontingensi hanya berguna untuk melihat hubungan antara dua peubah tetapi hubungan itu belum mempunyai arah maupun hubungan sebab akibat. Penerapan analisis ini menggunakan tabel kontingensi, bisa dengan dua taraf maupun lebih dari dua taraf.

Analisis Korelasi
Analisis korelasi adalah analisis statistika yang digunakan untuk mengukur keeratan hubungan antara dua atau lebih peubah maupun dua himpunan peubah (beberapa variabel yang dihimpun menjadi satu). Analisis korelasi sudah mempunyai arah yaitu meningkat atau menurun (+1 sampai -1). Nilai koefisien korelasi 1 ( + atau -) menunjukkan adanya korelasi sempurna atau sangat kuat dan nilai koefisien korelasi 0 berarti tidak ada korelasi. Dua peubah dikatakan mempunyai korelasi kuat jika nilai korelasinya semakin mendekati 1 (baik + atau -1). Analisis korelasi mempunyai banyak jenis yang disesuaikan dengan jenis data dan banyak peubah. Untuk data numerik dan banyak peubah adalah 2 maka menggunakan analisis korelasi pearson. Untuk data kategorik  dan banyak peubah adalah 2 maka menggunakan analisis korelasi spearman. Untuk data dengan lebih dari dua peubah maka menggunakan analisis korelasi Biplot. Untuk data yang terdiri dari dua himpunan peubah maka menggunakan analisis korelasi kanonik.

Analisis Regresi
Analisis regresi merupakan analisis hubungan yang sudah memilik sebab akibat atau pengaruh dari suatu peubah terhadap peubah lainnya. Analisis regresi sudah mampu menjelaskan besarnya pengaruh atau kontribusi dari suatu variabel prediktor (independen) terhadap variabel variabel responnya (dependen). Analisis regresi sudah mempunyai model yaitu y = b0 + b1X. Hubungan antara analisis korelasi dan regresi adalah, analisis regresi dapat digunakan apabila dua peubah mempunyai korelasi sehingga analisis regresi tidak dapat digunakan jika dua peubah tidak mempunyai korelasi.  Analisis regresi juga mempunyai banyak jenis berdasarkan banyak peubah dan jenis data. Untuk jenis data numerik maka menggunakan analisis regresi linear sederhana (dua peubah) dan analisis regresi berganda ( > 1 peubah prediktor). Untuk jenis data kategorik maka menggunakan analisis regresi kategorik atau logistik (misalnya, model logit, probit, dan gompit). Analisis regresi juga mempunyai asumsi dari data yang harus dipenuhi yaitu , normalitas galat, homokedastisitas, non-multikolinearitas, dan non-autokorelasi.

Analisis Jalur
Analisis jalur (path analysis) merupakan analisis hubungan yang sudah kompleks. Analisis jalur digunakan jika suatu peubah (prediktor) mempunyai pengaruh tidak langsung (melalui peubah lain) maupun pengaruh secara langsung terhadap suatu peubah (respon).  Analisis jalur sangat memperhatikan hubungan rekursif (hubungan searah) dari suatu fungsi persamaan yang dibentuk. jika hubungannya tidak rekursif maka analisis jalur tidak bisa digunakan. Analisis jalur dalam menentukan koefisien jalur menggunakan beberapa metode salah satunya yaitu menggunakan analisis regresi standarisasi. Analisis jalur juga mempunyai asumsi seperti analisis regresi kecuali non -multikolinearitas. Analisis jalur digunakan pada peubah atau variabel manifest (peubah yang dapat diukur secara langsung atau dapat memberikan pengaruh langsung terhadap respon).

Analisis PLS (Partial Least Square)
PLS merupakan analisis hubungan yang hampir sama dengan analisis jalur. PLS tidak mempertimbangkan asumsi. PLS dapat digunakan jika asumsi pada analisis jalur tidak terpenuhi.

Structural Equation Model (SEM)
SEM adalah analisis hubungan yang paling kompleks. SEM digunakan ketika peubah yang digunakan adalah peubah laten (peubah yang tidak dapat diukur langsung atau memberikan pengaruh terhadap variabel respon tidak secara langsung tetapi menggunakan beberapa indikator, contohnya kualitas pelayanan).

Demikian tulisan saya kali ini, semoga bermanfaat :)

Comments

Post a Comment

Popular posts from this blog

Meluruskan Pemahaman Mengenai Hipotesis

Image
Hipotesis merupakan salah satu bagian penting dalam sebuah penelitian. Semua penelitian pasti mempunyai hipotesis. Lalu apa yang dimaksud dengan hipotesis itu ? Pengertian Hipotesis Hipotesis berasal dari dua kata yaitu Hypo yang berati lemah dan Thesis yang berarti pernyataan. Sehingga jika diartikan secara luas maka hipotesis adalah pernyataan yang lemah dan perlu dibuktikan dengan melakukan penelitian. Hipotesis dalam penelitian bisa secara umum diartikan dengan tiga pengertian yaitu: 1. sebagai jawaban sementara dari masalah 2. sebagai jawaban teoritis dari masalah 3. sebagai kesimpulan sementara Jenis-Jenis Hipotesis Hipotesis dalam sebuah karya tulis dapat dibedakan menjadi dua jenis yaitu: 1. Hipotesis Penelitian Hipotesis penelitian adalah hipotesis yang menjawab seluruh isi dari penelitian atau mencakup semua bagian dari penelitian tersebut. Contohnya, Pegawai perempuan mempunyai produktivitas yang lebih tinggi dari pada pegawai laki-laki dalam melinti...
Read more

Mengenal Skala Data

Image
Data merupakan kumpulan dari hasil pengamatan (observasi), penelitian (percobaan), maupun survei. Sebuah penelitian selalu berkaitan dengan data dan pengukuran data. Untuk memudahkan pengukuran data, sebaiknya kita lebih mengenal terlebih dahulu skala data. Data dibagi menjadi 4 skala atau jenis pengukurannya. Nominal Skala nominal adalah skala data yang paling rendah. Data berskala nominal adalah data yang hanya bisa dibedakan. Skala data nominal dalam statistika di simbolkan dengan 0 dan 1, 1 dan 2, maupun 0, 1, 2, dst. Namun, angka yang diberikan hanya sekedar untuk membedakannya saja. Contoh data dengan skala nominal adalah jenis kelamin dan profesi tanpa memandang gaji. Ordinal Skala ordinal adalah skala data yang sudah bisa dibedakan dan juga sudah mempunyai tingkatan. Data yang mempunyai tingkatan maksudnya data yang sudah mengenal tinggi-rendah, besar-kecil dan sejenisnya. Contoh daat dengan skala nominal adalah tingkat pendidika (SD, SMP, SMA, S1, dst). Statis...
Read more