Course Multivariate Statistics

Course Description

Matakuliah Statistik Multivariat pada jenjang S3 program studi Penelitian dan Evaluasi Pendidikan membahas tentang metode statistik yang digunakan untuk menganalisis data multivariat. Tujuan dari matakuliah ini adalah memberikan pemahaman mendalam tentang teknik analisis multivariat serta kemampuan untuk mengaplikasikannya dalam konteks penelitian dan evaluasi pendidikan. Topik-topik yang dipelajari meliputi manova, analisis diskriminan, regresi linier multivariate, regresi logistic, multilevel modeling, multidimensional scaling, confirmatory factor analysis, analisis jalur (path analysis), pemodelan persamaan struktural.

Program Objectives (PO)

Menjelaskan konsep dasar analisis diskriminan serta perbedaannya dengan regresi dan klasifikasi lainnya.
Menjelaskan konsep dasar regresi linier multivariat, serta membedakannya dengan regresi linier berganda.
- Menjelaskan konsep dasar dan karakteristik uji nonparametrik, khususnya uji asosiasi, serta membedakannya dari uji parametrik.
- Menjelaskan konsep dasar statistik nonparametrik dan perbedaannya dengan statistik parametrik, khususnya dalam konteks data dari dua atau lebih kelompok independent.
- Menjelaskan konsep dasar regresi logistik dikotomi, termasuk fungsi logit, odds, odds ratio, dan asumsi model logistik.
Menjelaskan konsep dasar regresi logistik multinomial, termasuk struktur model, asumsi, dan perbedaannya dengan regresi logistik biner dan ordinal.

Menjelaskan konsep dasar data hierarkis dan struktur multilevel, serta mengapa analisis multilevel diperlukan dibandingkan model regresi konvensional.
Menjelaskan konsep model multilevel dengan intercept acak (random intercept model) dan membedakannya dari model regresi biasa dan model multilevel unconditional.
Menjelaskan konsep interaksi lintas level (cross-level interaction) dalam kerangka multilevel modeling, serta membedakannya dari interaksi biasa dan model tanpa interaksi.
Menjelaskan konsep dasar Confirmatory Factor Analysis (CFA), termasuk perbedaan dengan Exploratory Factor Analysis (EFA), serta prinsip dasar pemodelan struktural.
Merancang dan membangun model CFA kompleks, yang mencakup dua atau lebih faktor laten, indikator majemuk, serta korelasi antar faktor.
Merancang dan membangun model CFA kompleks, yang mencakup dua atau lebih faktor laten, indikator majemuk, serta korelasi antar faktor.
Menjelaskan konsep dasar Structural Equation Modeling (SEM), termasuk perbedaan SEM dengan regresi berganda, path analysis, dan Confirmatory Factor Analysis (CFA).

Aktifitas Pembelajaran

Pertemuan 1
Konsep dasar statistik dan peran statistik deskriptif dalam penelitian ilmiah dan pengambilan keputusan.
Date 9 September 2026

Pertemuan 2

Teknik MANOVA untuk menguji pengaruh variabel bebas terhadap dua atau lebih variabel dependen secara simultan, menggunakan perangkat lunak statistik.

Date 16 September 2026

Pertemuan 3

Membangun model regresi linier multivariat untuk menganalisis hubungan antara satu set variabel bebas dan satu set variabel dependen.

Date 23 September 2026

Pertemuan 4
- Menerapkan teknik analisis asosiasi nonparametric uji chi square tabel kontingensi.
Date 30 September 2026
Pertemuan 5
Berbagai teknik uji nonparametrik untuk dua atau lebih sampel independen, seperti Uji Mann–Whitney U.
Date 7 Oktober 2026
Pertemuan 6
Teknik analisis asosiasi nonparametric uji chi square tabel kontingensi.
Date 14 Oktober 2026
Pertemuan 7
Berbagai teknik uji nonparametrik untuk dua atau lebih sampel independen, seperti Uji Mann–Whitney U.
Date 21 Oktober 2026
Pertemuan 8
Membangun dan mengestimasi model regresi logistik dikotomi, termasuk interpretasi koefisien logit dan odds ratio.
Date 28 Oktober 2026

Pertemuan 9

Konsep dasar data hierarkis dan struktur multilevel, serta mengapa analisis multilevel diperlukan dibandingkan model regresi konvensional.

Date 4 November 2026

Pertemuan 10

Membedakan antara model multilevel unconditional (tanpa prediktor) dan conditional (dengan prediktor), serta memahami posisi unconditional model sebagai langkah awal dalam analisis bertingkat

Date 11 November 2026

Pertemuan 11

Membangun model multilevel dengan intercept acak, untuk menguji pengaruh variabel level-1 terhadap variabel dependen dengan memperhitungkan variansi antar kelompok.

Date 18 November 2026

Pertemuan 12
Metode MDS untuk memetakan objek ke dalam ruang berdimensi rendah (2D atau 3D), berdasarkan data jarak atau kemiripan.
Date 25 November 2026

Pertemuan 13

Menyusun model CFA sederhana (unidimensional) berdasarkan konstruk teoritis, dengan menggambarkan hubungan antara indikator dan faktor laten

Date 2 Desember 2026

Pertemuan 14

Menganalisis kelayakan model CFA kompleks, melalui evaluasi fit indeks seperti Chi-square/df, CFI, TLI, RMSEA, dan SRMR, serta melakukan modifikasi model jika diperlukan.

Date 9 Desember 2026

Pertemuan 15

Merancang model jalur kausal berdasarkan teori atau kerangka konseptual, dengan variabel eksogen dan endogen, serta hubungan langsung dan tidak langsung.