KORELAS! KANONIKAL ANONICAL CORRELATION) Analisis korelasi kanonikal merupakan model statistik multivariate g digunakan untuk menguji hubungan (korelasi) antara lebih dari satu set variabel dependen dan lebih dari satu set variabel independen. Pada analisis regresi berganda kita hanya memprediksi satu variabel dependen dengan lebih dari satu set variabel independen, Sementara itu jorelasi kanonikal secara simultan memperdiksi lebih dari satu variabel dependen dengan lebih dari satu variabel independen. Beberapa contoh nalisis korelasi kanonikal digunakan untuk study: e Seorang dokter ingin mengetahui adakah hubungan antara gaya hidup dan kebiasaan makan dengan kesehatan mereka yang diukur dengan variabel hipertensi, berat badan, tingkat ___ ketegangan dan anxiety. © Manajer pemasaran suatu perusahaan ingin mengetahui apakah ada hubungan antara jenis produk yang dibeli dan gaya hidup konsumen dan kepribadian konsumen. Seorang direktur bank ingin mengetahui hubungan antara penggunaan kartu kredit (yang diukur dengan jumlah kartu - kredit yang dimiliki dan rata-rata uang y9n& dibelanjakan lewat kartu kredit per bulan) dengan karakteristik konsumen (diukur ‘dengan besarnya jumlah keluarga dan income keluarga). contoh ketiga di atas yans menjadi masalah adalah dua variabel dependen yane diukur secara simultan kredit dipegang dan rata-rata uang dibelanjakan lewat . rganda mampu menganalisis satu iate Analysis of VarianceUkuran Penggunaan Kartu Kredit Ukuran karakteristik konsumen 1. Jumlah kartu kredit 1. Ukuran besanya keluarga 2. Rata-rata pengeluaran sebulan 2. Income keluarga Canonical | Komposit Variabel Independen ea Dua variabel dependen akan dibuat menjadi satu komposit Dependent canonical variate dan Dua variabel independen akan dibuat menjadi komposit Independent canonical variate. Korelasi kanonikal (Re) akan mengukur kuatnya hubungan antara dua set multiple variabel (canonical variates). Canonical variate menggambarkan kombinasi linear optimal antara variabel dependen dan independen, sedangkan canonical correlation (Rc) menggambarkan kuatnya hubungan antar kedua variabel tersebut. Menurut Hair (1998) langkah-langkah analisis korelasi kanonikal adalah sebagai berikut: Komposit Variabel Dependen Dependent canonical variate 15. 1 Menentukan Tujuan Analisis Korelasi Kanonikal Data yang cocok untuk analisis korelasi kanonikal adalah dua set variabel dan diasumsikan bahwa masing-masing set variabel memiliki makna atau arti secara teoritis dan dapat ditentukan bahwa satu set merupakan variabel dependen dan satu set lainnya merupakan variabel independen. Tujuan analisis korelasi kanonikal dapat berupa: e Menentukan apakah dua set variabel tidak berhubungan satu sama lainnya (independen) atau sebaliknya menentukan besarnya/kuatnya hubungan antara dua set variabel tersebut. e Menentukan nilai tertimbang dari masing-masing set variabel dependen dan independen sehingga di dapat kombinasi linear dari set variabel yang memberikan korelasi maksimum. e Menjelaskan sifat hubungan bila ada antara set variabel dependen dan set variabel independen, umunya diukur dengan _____ kontribusi relatif dari masing-masing variabel terhadap fungsi __ kanonikalnya. n asumsi yang sama dengan teknik dengan jumlah sampel (besar atau kecil)a oinmnlah ee vaae cukup juga berlaku pada korelasi kanonikal. wre dalam hal int sering cenderung untuk memasukkan banyak a nokin yariabel dependen dan independen tanpa melihat dampak dari jl sampel. Ukuran sampel yang kecil tidak akan menggambarkan jorelasi yang baik, sedangkan Sampel yang terlalu besar mempunyai vecenderungan menghasilkan nilai signifikan. Peneliti diminta untuk pertahankan paling sedikit 10 observasi per variabel untuk penghindarkan terjadinya “overfitting” data. Pengelompokkan variabel sebagai variabel dependen dan independen tidak begitu penting tuk mengestimasi fungsi kanonikal oleh karena korelasi kanonikal membobot kedua variate untuk memaksimumkan nilai korelasi dan tidak menekankan pada salah satu variate. 15.3 Asumsi Korelasi Kanonikal Asumsi linearitas mempengaruhi dua aspek hasil korelasi kanonikal. Pertama, koefisien korelasi antara dua variabel dianggap linear, jika hubungannya tidak linier (non-linear), maka satu atau kedua variabel haus ditransformasi bentuknya. Kedua, korelasi kanonikal memiliki hubungan linear antar variate. Jika variate berhubungan secara non- linear, maka hubungan itu tidak dapat ditangkap oleh korelasi kanonikal. ‘Analisis korelasi kanonikal dapat mengakomodasi data variabel yang tidak memiliki distribusi normal. Namun demikian data dengan distribusi normal akan lebih baik. Multivariate normality tetap dimintauntukmenguji signifikansi dari masing-masing fungsi kanonikal. Oleh karena tidak ada uji multivariate normality yang tersedia, maka sebaiknya diuji dahulu - univariate normality. Asumsi homoskedastisitas juga diperlukan dalam - korelasi kanonikal begitu juga dengan multikolonieritas. Pelanggaran | terhadap asumsi ini akan menurunkan korelasi antar variabel. ‘184 Mendapatkan Fungsi Kanonikal dan Menilai Overall Fit Langkah pertama analisis korelasi kanonikal adalah mendapatkan Stu atau lebih fungsi kanonikal. Setiap fungsi kanonikal terdiri dari variate, x ibel independen danSeperti dalam teknik statistik lainnya, maka fungsi kanonikal yang akan dianalisis adalah fungsi yang memberikan koefisien korelasi kanonikal yang signifikan secara statistik. Jika fungsi kanonikal lainnya tidak signifikan, maka hubungan antara variabel tidak akan diinterpretasikan. Fungsi kanonikal mana yang akan diinterpretasikan dilihat dari tiga kriteria : (1) tingkat signifikansi dari fungsi kanonikal, (2) besaran nilai korelasi kanonikal dan (3) redundancy ukuran untuk prosentase variance yang dijelaskan oleh dua data set. 15.5 Interpretasi Kanonikal Variate Jika tiga kriteria di atas telah dipenuhi, maka langkah berikutnya adalah menginterpretasikan hasil fungsi kanonikal. Interpretasi dilakukan dengan menganalisis fungsi kanonikal untuk menentukan pentingnya masing-masing variabel awal (original) di dalam hubungan kanonikal. Ada tiga metode yang dapat digunakan yaitu : (1) canonical weight (standardized coefficients), (2) canonical loading (structure correlations), dan canonical cross loading. Canonical Weight Pendekatan tradisional untuk menginterpretasikan fungsi kanonikal adalah melihat tanda dan besaran dari canonical weight untuk setiap variabel dalam canonical variate. Variabel yang memiliki angka weight relatif besar maka memberikan kontribusi lebih pada variate dan sebaliknya. Begitu juga dengan variabel yang memiliki nilai weight dengan tanda berlawanan menggambarkan hubungan kebalikan (inverse) dengan variabel lainnya, dan variabel dengan tanda yang sama menunjukkan hubngan langsung. Canonical Loading Canonical loading saat ini banyak dipakai untuk interpretasi. Canonical loading atau sering disebut canonical structure mengukur korelasi linear sederhana antara variabel awal (original) dalam variabel dependen atau independen dan set canonical variate. Canonical loading ‘mencerminkan variance bahwa observed variabel share dengan canonical variate dan dapat diinterpretasikan seperti factor loading dalam menilai kontribusi relatif setiap variabel pada setiap fungsi kal hedikiaat) pti ISIS MULTIVARIATE Dengan Program IBM SPSS 25 Edisi 9Canonical cross-Loading dapat dianggap sebagai alternatif canonical Joading.- Prosedur _ canonical cross-loading meliputi mengkorelasikan setiap original variabel dependen secara langsung dengan independen sgnonical variate, dan scbaliknya, Jadi cross-loading memberikan 3 ran langsung hubungan variabel dependen-independen dengan ra menghilangkan langkah intermediasi dalam conventional loading. "Untuk memberikan ilustrasi analisis korelasi kanonikal kita gunakan a Hatco.sav. Misalkan kita ingin mengetahui hubungan antara rating iteo yng diukur dengan 7 atribut (X1 sampai X7) dan dua ukuran yang engg barkan hasil usaha Hatco (X9 , penggunaan produk Hatco, X10 Kepuasan konsumen dengan Hatco). Variabel X1 sampai X7 anggap variabel independen sedangkan X9 dan X10 sebagai variabel penden. h Analisis Buka file Hatco.sav Dari menu utama SPSS, pilih Nev lalu pilih Syntax. Isikan pada Syntax editor perintah seperti di bawah ini prone _uinea Adare fun Tels Wodow Hep ea 2 _ Gambar 15.1 SPSS Syntax Editor itahkan Prosedur MANOVA. variabel Dependen X9 iate dengan perinahPada baris ketiga output yang diinginkan adalah tingkat signifikansi untuk eigen value {sig(eigen)} dan canonical correlation {sig(dim)}. d, Setelah itu pilih Run dan all e. Output SPSS Tabel Anova di atas memberikan uji signifikansi alternatif. Biasanya yang digunakan adalah Wilk’s Lambda yang menguji signifikansi dari korelasi kanonikal pertama. Hasil uji siginifikansi ternyata semua uji ‘statistik menunjukkan signifikan pada 0.05. Jadi dapat disimpulkan bahwa korelasi kanonikal pertama signifikan. Jika korelasi kanonikal tidak signifikan, maka korelasi kanonikal kedua dan seterusnya Bet. Cum. Pet. Canon Cor. Sq. Cor 876 2937ee gh ar ae Se dua variabel dependen dan tujuh yariabel independen. “1ka kita ambil jumlah terkecil yaitu dua variabel enden, maka akan terbentuk dua Fungsi Kanonikal. Dua fungsi nikal ini terlihat pada Root No dengan angka korelasi kanonikal (Canon Cor) untuk fungsi 1 adalah 0.937 dan fungsi 2 adalah 0.510. " forelasi kanonikal pertama lebih penting dari korelasi kanonikal kedua. yntuk korelasi kanonikal pertama, “covariate” variabel kanonikal ampu menjelaskan 87.79% (0,937 * 0.937) variasi dalam variabel cononical dependen. Sedangkan korelasi kanonikal kedua hanya mampu menjelaskan variasi sebesar 26.01%. Oleh karena korelasi kanonikal lua hanya menjelaskan variasi 26.01% maka selanjutnya tidak kita sis dan yang dianalisis hanya fungsi pertama __lJika dilihat pada kolom Signifikan yang menguji fungsi kanonikal terlihat untuk fungsi 1 signifikan pada 0.000, begitu juga dengan gsi 2 signifikan pada 0.000. Oleh karena kedua fungsi ini memiliki ignifikansi di bawah 0.05 maka keduanya dapat diproses lebih lanjut. Dengan batas 0.5 untuk kekuatan korelasi dua variabel, maka fungsi 1 dan fungsi 2 mempunyai korelasi kanonikal di atas 0.5. Dengan lemikian keduanya dapat dianalisis lebih lanjut. _ Setelah diketahui fungsi kanonikal 1 dan 2 signifikan langkah njutnya adalah melakukan interpretasi terhadap canonical variate ada pada fungsi 1 dan 2. Canonical variate adalah kumpulan dari pa variabel yang membentuk sebuah variate. Dalam kasus kita dua canonical variates, yaitu dependent canonical variates yang dua variabel X9 dan X10, serta independent canonical variates, berisi tujuh variabel independen X1,X2, X3, X4, X5, X6, dan alisis pada prinsipnya ingin mengetahui apakah semua variabel len dalam canonical variate tersebut berhubungan erat dengan variate, yang diukur dengan besaran korelasi masing-masing dilakukan dengan melihatCanonical Weight cova ra dan di atas 0.5 yaitu 0.501 dan 0.580 sedangkan untuk covariate) angka korelasi di atas 0.5 hanya adaUntuk fungsi 1 dependen variabel memberikan dua angka canonical Joading sama tingginya karena di atas 0.5 yaitu X9 dengan loading 0.913 dan X10 dengan loading 0.936. Sedangkan untuk veriabel independen (covariates) angka loading di atas 0.5 ada tiga yaitu X1 dengan loading 0,764, X3 dengan loading 0.624 dan X5 dengan loading 0.765 Dari hasil canonical weight maupun canonical loading dapat disimpulkan memang terdapat hubungan signifikan antara dependent variate dengan independent variate atau tingkat penggunaan produk dan kepuasan konsumen memang berkorelasi secara bersama-sama dengan X1 (delivery speed), X2 (price level), X3 (Price Flexibility), X4 (Manufacture image), X5 (Overall service), X6 (Salesforce image) dan X7 (Product Quality). Namun dari ketujuh variabel independen ini ada tiga variabel yang mempunyai kaitan erat yaitu X1(delivery speed), _X3 (Price Flexibility) dan X5 (Overall services). Tanda positif pada _Vatiabel Delivery speed berarti semakin tinggi delivery speed semakin tinggi kepuasan konsumen dan semakin tinggi penggunaan produk. Begiu juga dengan semakin tinggi flexbilitas harga dan pelayanan