CANONICAL CORRELATION ANALYSIS

CANONICAL CORRELATION ANALYSIS

Dipresentasikan oleh:

RUDDY TRI SANTOSO

NIM: T4209012

Program Doktor Ilmu Ekonomi

Universitas Negeri Sebelas Maret

Surakarta

2009

Perbedaan CCA dengan Multiple Regression Analysis (MRA) :

Ø MRA : single (metric) dependent variable, banyak independent variable.

Ø CCA : lebih dari satu dependent variable, lebih dari 1 independent variable.

Persamaan CCA dengan MRA :

Tujuannya adalah untuk menghitung kekuatan hubungan antara variable independent dengan variable dependent.

Enam tingkat proses pembentukan model CCA

1. Tujuan

• Menentukan apakah kedua set variable tidak saling berhubungan, atau justru menghitung besarnya hubungan antara kedua variable.
• Mendapatkan suatu model bobot untuk kedua variable sehingga kombinasi linier dari setiap set membentuk pola hubungan maksimal
• Menjelaskan hubungan yg terjadi antara kedua variable, dengan mengukur kontribusi relative dari setiap variable kepada model canonicalnya.

2. Mendesain analisis

Jumlah sample sebaiknya tidak terlalu kecil karena akan tidak mencerminkan korelasi dengan baik. Jika jumlah sample terlalu besar akan mengindikasikan setiap variable ternyata significant. Jmlah yang disarankan adalah 10 sampel per variabel.

Klasifikasi variabel menjadi variabel independent atau dependent tidak penting karena CCA akan mengukur kedua variable dan tidak ada penekanan pada salah satu sisi. Tapi komposisi dari masing-,asing variable penting. Periset harus sudah punya konsep yang baik tentang variable dependen atau independent yang akan diukur.

3. Asumsi2 dalam CCA

· Correlation coefficient dalam masing-masing set variabel berhubungan secara linier.

· Canonical correlation adalah hubungan linier antara variatesnya

· Homoscedasticity juga harus dihilangkan.

4. Membentuk fungsi Canonical dan menilai kesesuaian model secara keseluruhan

• Menyusun fungsi canonical, setiap fungsi terdiri dari sepasang variates. Jumlah canonical variates yang dapat dibentuk = jumlah variable yang terkecil dalam set.
• Pasangan pertama dari canonical variates menunjukkan intercorrelation yang tertinggi dan seterusnya.
• Setiap pasang variates adalah orthogonal
• Canonical roots atau eigenvalues menunjukkan jumlah variance dalam satu canonical variate yang dihitung oleh canonical variate yang lain. Ini maksudnya apa si
• Canonical correlation coefficient yg significant adalah diatas 0.05. ad 3 kriteria untuk menentukan fungsi canonical yang perlu diinterpretasikan:

1. Level signifikansi statistic dari fungsi tersebut

2. Besarnya canonical correlation

3. Perhitungan redundancy untuk persentase variance yang dihitung dari kedua set data (=R² statistik dalam multiple regression)

Perhitungan redundancy index :

1. Jumlah dari shared variance
2. Jumlah dari explained variance
3. Redundancy Index

5. Menginterpretasikan canonical variates

Menginterpretasikan berarti menentukan tingkat relative kepentingan setiap variable mula-mula dalah hubungan canonicalnya. Ada 3 metode ;

• Bobot canonical
• Canonical loadings
• Canonical Cross-loading

Metoda yang sebaiknya digunakan adalah pendekatan canonical loading.

6. Validasi dan diagnosa

Validasi diperlukan untuk memastikan bahwa hasil-hasil yang didapatkan tidak hanya specific untuk sample data tersebut, melainkan dapat digeneralisasikan pada seluruh populasi. Jika ditemukan marked difference, perisat perlu mempertimbangkan penelitian lebih lanjut untuk memastikan bahwa hasilnya mewakili seluruh populasi.

Ada batasan-batasan yang perlu dipahami dalam CCA. (1-5 )

CCA adalah tehnik descriptive, walaupun juga bisa berfungsi sebagai predictive. Periset sebaiknya mempunyai pengetahuan a priori tentang hubungan antar variabel, kemudian menggunakan CCA untuk menganalisa signifikansi hubungannya.