Analisis Multilevel
Dalam penelitian sosial, pendidikan, dan kesehatan, data sering kali memiliki struktur hierarkis atau bertingkat. Contohnya adalah siswa yang berada di dalam kelas, pasien di dalam rumah sakit, atau karyawan di dalam perusahaan. Metode regresi biasa (OLS) sering kali mengabaikan struktur ini dan mengasumsikan bahwa observasi individu bersifat independen, padahal kenyataannya individu dalam satu kelompok sering memiliki kemiripan.
Analisis Multilevel (juga dikenal sebagai analisis hirarkis) hadir sebagai solusi metode statistik untuk menganalisis data dengan struktur tersebut. Metode ini mampu memodelkan varian dari tingkat yang berbeda, mengatasi masalah autokorelasi, dan memperhitungkan struktur hierarkis data secara akurat. Pelatihan ini dirancang untuk memberikan pemahaman konseptual dan teknis mengenai penggunaan Analisis Multilevel menggunakan perangkat lunak SPSS.
Target Pelatihan :
- Memahami konsep dasar level (mikro & makro), klaster, dan grup dalam struktur data.
- Membedakan antara Fixed Effect, Random Effect, dan Mixed Model.
- Melakukan estimasi parameter menggunakan metode Maximum Likelihood (ML) dan Restricted Maximum Likelihood (REML).
- Mengoperasikan perangkat lunak SPSS untuk membangun model multilevel dari tahap dasar hingga lanjut.
- Menginterpretasikan hasil analisis, termasuk Intraclass Correlation (ICC) dan uji Goodness of Fit.
Referensi
- Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling — Tom A.B. Snijders & Roel J. Bosker
- Multilevel and Longitudinal Modeling Using Stata — Sophia Rabe-Hesketh & Anders Skrondal.
