Makalah ini membahas distribusi probabilitas hipergeometrik. Distribusi ini digunakan untuk mengambil sampel tanpa pengembalian dari populasi dengan jumlah terbatas. Makalah ini menjelaskan rumus distribusi hipergeometrik dan contoh soal perhitungan probabilitas menggunakan distribusi tersebut. Kesimpulannya, distribusi hipergeometrik memiliki nilai probabilitas yang berbeda untuk setiap percobaan dan dapat digunakan unt
Dokumen ini membahas optimasi proses dengan metode Lagrange multiplier. Metode ini digunakan untuk mengoptimalkan fungsi objek yang bergantung pada beberapa variabel independen dengan adanya kendala fungsional. Metode Lagrange mengubah masalah optimasi menjadi sistem persamaan aljabar yang dapat diselesaikan untuk menentukan lokasi optimum."
Dokumen tersebut membahas analisis faktor untuk mengidentifikasi faktor-faktor yang mempengaruhi konsumsi mie instan. Analisis faktor menghasilkan dua faktor utama yaitu rasa dan suka dengan nilai komponen masing-masing 35,4% dan 81,5%. Faktor praktis tidak berpengaruh karena nilai komponennya kurang dari 50%.
Makalah ini membahas distribusi probabilitas hipergeometrik. Distribusi ini digunakan untuk mengambil sampel tanpa pengembalian dari populasi dengan jumlah terbatas. Makalah ini menjelaskan rumus distribusi hipergeometrik dan contoh soal perhitungan probabilitas menggunakan distribusi tersebut. Kesimpulannya, distribusi hipergeometrik memiliki nilai probabilitas yang berbeda untuk setiap percobaan dan dapat digunakan unt
Dokumen ini membahas optimasi proses dengan metode Lagrange multiplier. Metode ini digunakan untuk mengoptimalkan fungsi objek yang bergantung pada beberapa variabel independen dengan adanya kendala fungsional. Metode Lagrange mengubah masalah optimasi menjadi sistem persamaan aljabar yang dapat diselesaikan untuk menentukan lokasi optimum."
Dokumen tersebut membahas analisis faktor untuk mengidentifikasi faktor-faktor yang mempengaruhi konsumsi mie instan. Analisis faktor menghasilkan dua faktor utama yaitu rasa dan suka dengan nilai komponen masing-masing 35,4% dan 81,5%. Faktor praktis tidak berpengaruh karena nilai komponennya kurang dari 50%.
Model "Multiple Discriminant Analysis" (MDA) digunakan untuk membedakan dua atau lebih kelompok dengan variabel dependen kategorik dan independen metrik. MDA menentukan bobot prediktor terbaik untuk membedakan kelompok dan menguji perbedaan antar kelompok dan kontribusi setiap prediktor. Proses MDA meliputi pengujian asumsi normalitas, kovarians sama, dan tidak adanya multikolineritas, diikuti pembentukan fungsi diskriminan dan interpretasi hasil
Regresi artinya peramalan, perkiraan, atau taksiran. Regresi linear atau garis regresi adalah suatu garis lurus atau garis linear yang merupakan garis taksiran atau perkiraan untuk mewakili pola hubungan antara variabel X dengan variabel Y.
Permainan dua pemain dengan jumlah nol melibatkan dua pemain yang memiliki kepentingan yang berlawanan. Pemain A memiliki strategi Bimbel atau Belajar Kelompok, sedangkan Pemain B memiliki strategi Mengerjakan Soal Latihan, Membaca Buku, atau Mengerjakan Ulang Ujian. Strategi optimal bagi Pemain A adalah Bimbel, sementara strategi optimal bagi Pemain B adalah Mengerjakan Ulang Ujian.
Dokumen tersebut membahas konsep-konsep dasar probabilitas seperti definisi probabilitas, pendekatan klasik dan empiris dalam menentukan probabilitas, istilah-istilah penting seperti eksperimen, hasil, dan kejadian, serta aturan-aturan dasar dalam menghitung probabilitas seperti aturan penjumlahan dan perkalian. Contoh-contoh penerapan konsep-konsep tersebut diberikan untuk membantu pemahaman.
Ringkasan dokumen:
Dokumen ini membahas penelitian hubungan antara intensitas penggunaan BlackBerry dengan kuantitas tidur mahasiswa. Data diperoleh dari 50 mahasiswa dan diolah menggunakan uji kecukupan data, keseragaman data, korelasi Pearson, dan korelasi peringkat Spearman. Hasilnya menunjukkan tidak ada hubungan yang signifikan antara intensitas penggunaan BlackBerry dengan kuantitas tidur.
Dokumen tersebut membahas tentang analisis faktor, termasuk rotasi faktor, penentuan nilai faktor, dan strategi yang dapat digunakan dalam analisis faktor. Beberapa metode yang dijelaskan adalah analisis faktor komponen utama, estimasi maksimum kemungkinan, dan rotasi varimax untuk mempermudah interpretasi hasil analisis faktor.
Laporan Kerja Praktek Badan Pusat Statistik (BPS) Kota MakassarDian Arisona
Bab 1 membahas latar belakang dan tujuan dari kerja praktek mahasiswa statistika di BPS Kota Makassar. Bab 2 memberikan gambaran umum tentang sejarah, visi misi, dan peran BPS."
Logic model merupakan representasi grafis sederhana dari suatu sistem yang menunjukkan relasi logis antara input, proses, output, dan outcome. Logic model dapat digunakan untuk perencanaan, perancangan, pengendalian, dan evaluasi suatu program. Komponen utama logic model adalah input, proses, output, dan outcome.
Dokumen tersebut membahas metodologi penelitian bisnis yang terdiri dari 5 tahapan yaitu menetapkan masalah, mengkaji teori, menyusun hipotesis, menyusun desain penelitian, dan menarik kesimpulan.
Dokumen tersebut merangkum eksperimen tentang hukum Malus dan polarisasi cahaya. Secara singkat, eksperimen ini bertujuan untuk mengamati hubungan antara intensitas cahaya yang ditransmisikan dengan sudut antara polarizer dan analyzer, baik dengan dan tanpa adanya bidang penunda. Eksperimen ini dilakukan dengan mengukur intensitas cahaya melalui fotometer dengan variasi sudut dan keberadaan bidang penunda.
Skripsi ini menganalisis pengaruh kinerja keuangan terhadap nilai perusahaan pada perusahaan makanan dan minuman di BEI periode 2008-2012, dengan melihat peran moderasi kebijakan dividen. Penelitian menggunakan analisis regresi berganda dan moderated regression untuk menguji hipotesis. Hasilnya menunjukkan kinerja keuangan berpengaruh signifikan terhadap nilai perusahaan, sedangkan secara parsial dividen tidak memoderasi hubungan terse
Analisis regresi digunakan untuk memodelkan hubungan antara variabel dependen dan independen secara matematis. Terdapat dua jenis regresi: linier sederhana (satu variabel independen) dan linier berganda (lebih dari satu variabel independen). Langkah-langkahnya meliputi merumuskan model, mengestimasi parameter, menguji signifikansi model, dan memeriksa asumsi residual.
Model "Multiple Discriminant Analysis" (MDA) digunakan untuk membedakan dua atau lebih kelompok dengan variabel dependen kategorik dan independen metrik. MDA menentukan bobot prediktor terbaik untuk membedakan kelompok dan menguji perbedaan antar kelompok dan kontribusi setiap prediktor. Proses MDA meliputi pengujian asumsi normalitas, kovarians sama, dan tidak adanya multikolineritas, diikuti pembentukan fungsi diskriminan dan interpretasi hasil
Regresi artinya peramalan, perkiraan, atau taksiran. Regresi linear atau garis regresi adalah suatu garis lurus atau garis linear yang merupakan garis taksiran atau perkiraan untuk mewakili pola hubungan antara variabel X dengan variabel Y.
Permainan dua pemain dengan jumlah nol melibatkan dua pemain yang memiliki kepentingan yang berlawanan. Pemain A memiliki strategi Bimbel atau Belajar Kelompok, sedangkan Pemain B memiliki strategi Mengerjakan Soal Latihan, Membaca Buku, atau Mengerjakan Ulang Ujian. Strategi optimal bagi Pemain A adalah Bimbel, sementara strategi optimal bagi Pemain B adalah Mengerjakan Ulang Ujian.
Dokumen tersebut membahas konsep-konsep dasar probabilitas seperti definisi probabilitas, pendekatan klasik dan empiris dalam menentukan probabilitas, istilah-istilah penting seperti eksperimen, hasil, dan kejadian, serta aturan-aturan dasar dalam menghitung probabilitas seperti aturan penjumlahan dan perkalian. Contoh-contoh penerapan konsep-konsep tersebut diberikan untuk membantu pemahaman.
Ringkasan dokumen:
Dokumen ini membahas penelitian hubungan antara intensitas penggunaan BlackBerry dengan kuantitas tidur mahasiswa. Data diperoleh dari 50 mahasiswa dan diolah menggunakan uji kecukupan data, keseragaman data, korelasi Pearson, dan korelasi peringkat Spearman. Hasilnya menunjukkan tidak ada hubungan yang signifikan antara intensitas penggunaan BlackBerry dengan kuantitas tidur.
Dokumen tersebut membahas tentang analisis faktor, termasuk rotasi faktor, penentuan nilai faktor, dan strategi yang dapat digunakan dalam analisis faktor. Beberapa metode yang dijelaskan adalah analisis faktor komponen utama, estimasi maksimum kemungkinan, dan rotasi varimax untuk mempermudah interpretasi hasil analisis faktor.
Laporan Kerja Praktek Badan Pusat Statistik (BPS) Kota MakassarDian Arisona
Bab 1 membahas latar belakang dan tujuan dari kerja praktek mahasiswa statistika di BPS Kota Makassar. Bab 2 memberikan gambaran umum tentang sejarah, visi misi, dan peran BPS."
Logic model merupakan representasi grafis sederhana dari suatu sistem yang menunjukkan relasi logis antara input, proses, output, dan outcome. Logic model dapat digunakan untuk perencanaan, perancangan, pengendalian, dan evaluasi suatu program. Komponen utama logic model adalah input, proses, output, dan outcome.
Dokumen tersebut membahas metodologi penelitian bisnis yang terdiri dari 5 tahapan yaitu menetapkan masalah, mengkaji teori, menyusun hipotesis, menyusun desain penelitian, dan menarik kesimpulan.
Dokumen tersebut merangkum eksperimen tentang hukum Malus dan polarisasi cahaya. Secara singkat, eksperimen ini bertujuan untuk mengamati hubungan antara intensitas cahaya yang ditransmisikan dengan sudut antara polarizer dan analyzer, baik dengan dan tanpa adanya bidang penunda. Eksperimen ini dilakukan dengan mengukur intensitas cahaya melalui fotometer dengan variasi sudut dan keberadaan bidang penunda.
Skripsi ini menganalisis pengaruh kinerja keuangan terhadap nilai perusahaan pada perusahaan makanan dan minuman di BEI periode 2008-2012, dengan melihat peran moderasi kebijakan dividen. Penelitian menggunakan analisis regresi berganda dan moderated regression untuk menguji hipotesis. Hasilnya menunjukkan kinerja keuangan berpengaruh signifikan terhadap nilai perusahaan, sedangkan secara parsial dividen tidak memoderasi hubungan terse
Analisis regresi digunakan untuk memodelkan hubungan antara variabel dependen dan independen secara matematis. Terdapat dua jenis regresi: linier sederhana (satu variabel independen) dan linier berganda (lebih dari satu variabel independen). Langkah-langkahnya meliputi merumuskan model, mengestimasi parameter, menguji signifikansi model, dan memeriksa asumsi residual.
Laporan ini membahas analisis perilaku mahasiswa ITS Surabaya dalam memilih multivitamin. Penelitian ini menggunakan analisis statistik deskriptif dan regresi logistik untuk mengetahui karakteristik dan faktor yang mempengaruhi pemilihan multivitamin. Tujuannya adalah mengetahui profil dan faktor yang mempengaruhi mahasiswa dalam memilih suplemen tersebut."
Laporan ini membahas tentang sistem antrian di Bread Talk Bakery di Surabaya. Studi kasus menganalisis model sistem antrian, rata-rata waktu antar kedatangan pelanggan dan pelayanan kasir, serta karakteristik lainnya seperti utilitas sistem dan rata-rata jumlah pelanggan dalam sistem."
Analisis biplot digunakan untuk memperlihatkan posisi relatif objek pengamatan dan hubungan antar atribut dalam ruang dua dimensi. Teknik ini menggambarkan kemiripan dan keragaman objek berdasarkan atributnya serta hubungan antar atribut. Contohnya adalah analisis posisi surat kabar berdasarkan prosentase jenis berita yang dimuat untuk mengetahui segmen pembaca dominan.
Artificial intelligence (AI) is everywhere, promising self-driving cars, medical breakthroughs, and new ways of working. But how do you separate hype from reality? How can your company apply AI to solve real business problems?
Here’s what AI learnings your business should keep in mind for 2017.
Study: The Future of VR, AR and Self-Driving CarsLinkedIn
We asked LinkedIn members worldwide about their levels of interest in the latest wave of technology: whether they’re using wearables, and whether they intend to buy self-driving cars and VR headsets as they become available. We asked them too about their attitudes to technology and to the growing role of Artificial Intelligence (AI) in the devices that they use. The answers were fascinating – and in many cases, surprising.
This SlideShare explores the full results of this study, including detailed market-by-market breakdowns of intention levels for each technology – and how attitudes change with age, location and seniority level. If you’re marketing a tech brand – or planning to use VR and wearables to reach a professional audience – then these are insights you won’t want to miss.
Model "Multiple Discriminant Analysis" (MDA) digunakan untuk membedakan dua atau lebih kelompok dengan variabel dependen kategorik dan independen metrik. MDA menentukan bobot prediktor terbaik untuk membedakan kelompok dan menguji perbedaan antar kelompok dan kontribusi setiap prediktor. Proses MDA meliputi pengujian asumsi normalitas, kovarians sama, dan tidak adanya multikolineritas, diikuti pembentukan fungsi diskriminan dan interpretasi hasil
Multiple Regression v14 15 Mei 2019 AP (1).pdfCHRISTIANTO6
Dokumen tersebut membahas tentang analisis regresi linear, mulai dari tujuan pembelajaran, definisi konsep, langkah-langkah analisis, dan ilustrasi pengolahan data regresi linear."
Aminullah assagaf model multiple discriminant analysis (mda) 19 feb 2021Aminullah Assagaf
MULTIPLE DISCRIMINANT ANALYSIS merupakan teknik untuk membedakan dua atau lebih kelompok dengan variabel dependen kategorik dan independen metrik. Analisis ini menentukan bobot prediktor terbaik untuk membedakan kelompok dan menguji perbedaan antar kelompok berdasarkan prediktor. Langkah-langkahnya meliputi pengujian variabel dan asumsi normalitas, kovarians sama, tidak ada multikolinearitas dan outlier.
Analisis jalur merupakan perluasan dari analisis regresi yang digunakan untuk menjelaskan pengaruh langsung dan tidak langsung antar variabel. Tujuannya adalah menguji kesesuaian model yang diusulkan dengan data dengan membandingkan matriks korelasi teoritis dan empiris. Analisis jalur menggunakan diagram panah untuk menggambarkan hubungan antar variabel bebas, variabel antara, dan variabel terikat.
Linear Regression, Classification and Data Time Series - Day 2 Study Jams GDS...pmgdscunsri
This material covers the fundamental concepts of Linear Regression and Classification algorithms, as well as data processing in Time Series. Starting with the Data Preprocessing stage, various techniques such as data cleaning, normalization, and handling missing values are discussed. Moving on to the Modeling phase, the implementation of linear regression algorithms for continuous value prediction and classification for data categorization is explained. The next focus is on model evaluation, with an explanation of evaluation metrics such as Mean Squared Error and Confusion Matrix. The material also includes Optimization, discussing parameter tuning to enhance model performance. Additionally, discussions on Model Performance Improvement involve techniques such as ensemble learning. Data visualization is an integral element throughout the entire process, providing a better understanding of prediction outcomes and dataset characteristics. By integrating these concepts, this material offers a comprehensive insight into the implementation and analysis of regression, classification, and time series models.
Dokumen tersebut membahas tentang Two Stage Least Square (2SLS) untuk menganalisis persamaan simultan. 2SLS digunakan untuk menduga parameter persamaan struktural ketika terdapat korelasi antara error dengan variabel bebas. Metode ini melibatkan dua tahap, yaitu regresi instrumental untuk mendapatkan variabel bebas tanpa bias, dan meregresikan variabel endogen terhadap hasil tahap pertama. Contoh kasus menganalisis permintaan dan penawaran minyak
Dokumen ini membahas analisis regresi linier berganda untuk mempelajari hubungan antara dua variabel atau lebih secara statistik dan meramalkan nilai satu variabel berdasarkan variabel lainnya. Metode ini digunakan untuk melihat arah dan kekuatan hubungan antara variabel bebas dan terikat serta memprediksi nilai variabel terikat berdasarkan perubahan variabel bebas. Analisis ini memerlukan data skala interval atau rasio.
Proses interpretasi dan analisis data merupakan bagian penting dari penelitian. Interpretasi data adalah proses memberikan makna pada data mentah, sedangkan analisis data bertujuan menarik kesimpulan dari hubungan antar variabel. Terdapat berbagai jenis analisis data, seperti univariat, bivariat, multivariat, kuantitatif, dan kualitatif.
Dokumen tersebut membahas tentang analisis data kuantitatif dan statistik. Terdapat berbagai jenis analisis data kuantitatif seperti uji perbandingan t-student, analisis varians, analisis korelasi, dan analisis regresi. Dokumen juga menjelaskan statistik deskriptif dan inferensial serta contoh-contoh metode statistik parametrik dan non-parametrik."
2. MULTIVARIATE ANALYSIS Obyek Pengamatan Variabel X1 Variabel X4 Variabel Xn Variabel X3 Variabel X2 Multi-Variabel Metode analisis statistik yang melibatkan multi-variabel secara simultan Analisis multivariate
3. Multivariate Analysis (MA): Metode analisis yang berkenaan dengan sejumlah besar variabel yang datanya diperoleh secara simultan dari setiap obyek pengataman Hubungan-hubungan antar variabel secara simultan ( = Analisis Peubah Ganda) Proses perhitungannya sangat kompleks Dalam proses perhitungannya menggunakan pendekatan matriks Determinan Matriks, Pangkat Matriks, Matriks Kebalikan, Eigen Value, Eigen Vector, dll.
4. MATRIKS : 4 7 2 A = 2 5 6 9 3 7 Matriks Kovarians: Matriks yang unsur-unsurnya berupa varian (ragam) dan kovarian (peragam) dari sekumpulan variabel. Lambangnya S. Diagonalnya berupa varians (ragam) dari setiap variabel, sedangkan unsur lainnya berupa kovarians (peragam) antar variabel. Matriks S bersifat simetris atau setangkup Matriks Korelasi: Matriks yang unsur-unsurnya berupa koefisien korelasi dari sekumpulan variabel. Lambangnya R . Diagonalnya berupa angka-angka 1, sedangkan unsur lainnya berupa koefisien korelasi antar variabel Matriks ini bersifat Simetris atau Setangkup
5. MATRIKS : EIGEN VALUE & EIGEN VECTOR Misalnya adadua persamaan linear: 2 X1 + 5 X2 = 2 . 4 X1 + 10 X2 = 4 dalam bahasa matriks ditulis sbb: Ax = y x = x1 y = 2 A = 2 5 A : matriks x2 4 4 10 transformasi linear Jika A x = x, dimana adalah konstante, maka vektor jawab x yang memenuhi hubungan ini untuk nilai x tertentu disebut Eigen Vector (Vektor Ciri) dan disebut Eigen Value (Akar Ciri) Kalau Matriks A bersifat simetris, maka akar ciri dari Aadalah riil danmemiliki vektor ciri yang saling bebas (ortogonal)
6. KLASIFIKASI APG: APG untuk analisis identifikasi, prediksi, eksplorasi, deskripsi: 1. Principle Component Analysis (PCA) 2. Factor Analysis 3. Cluster Analysis 4. MDS 5. Correspondence Analysis APG untuk analisis pembandingan: 1. T 2 Hotelling 2. MANOVA / MANCOVA 3. Cluster Analysis APG untuk analisis hubungan antar variabel: 1. Analisis Regresi Peubah Ganda 2. Analisis Jalur (Path Analysis) 3. SEM (Structural Equation Modelling) 4. Korelasi Kanonik 5. Analisis Korespondensi 6. Multidimentional Scalling 7. Analisis Diskriminan 8. Logistic Model 9. Logit-Probit
7. KLASIFIKASI APG: berdasarkan Pola Ketergantungannya APG untuk analisis Dependensi Satu kelompok variabel dipengaruhi (atau bergantung, atau mempengaruhi) kelompok variabel lainnya. 1. Banyak hubungan, banyak variabel dependent dan banyak variabel independent: MS, AP, SEM 2. Satu hubungan, banyak variabel dependent, dan satu (banyak) variabel independent: KANONIK, MANOVA 3. Satu hubungan, satu variabel dependent, dan satu (banyak) variabel independent: RB, AD, Logit-Probit APG untuk analisis Interdependensi: Saling ketergantungan antar variabel, atau antar kasus, antar obyek, antar kategori dari variabel 1. Analisis saling ketergantungan antar variabel: PCA, FAktor 2. Analisis Kemiripan antar kasus: Cluster 3. Analisis kemiripan antar obyek atau kategori dari variabel Multidimensional, Korespondensi
8. MODEL STRUKTURAL = Sistem Persamaan Simultan Input Data: Data dari variabel observasi atau skor dari indikator variabel latent. Data yg dianalisis data mentah, bukan data standardize Output: Berupa model, setara dengan hasil analisis Regresi Metode Estimasi: Model Rekursif = Metode OLS Exact identified = Metode ILS Over identified = Metode TSLS Under identified = Diberi kendala, shg menjadi Exactidentified Kegunaan: Alat untuk eksplanasi, atau prediksi, setara dengan REGRESI
9. ANALISIS PATH = Analisis Jalur, Analisis Lintas, Sidik Lintas Input Data: Data dari variabel observasi atau skor dari indikator variabel latent. Data yg dianalisis data standardize Output: Model Lintasan atau Jalur-Jalur, pengaruh Metode Estimasi: Modelnya harus rekursif, sehingga dapat digunakan metode OLS Kegunaan: Untuk menentukan variabel mana yang berpengaruh dominan dan jalur mana yang berpengaruh lebih kuat
10. SEM = Sructural Equation Modelling Input Data: Data dari variabel observasi atau skor dari indikator variabel latent. Data yg dianalisis berupa matriks kovarians atau matriks korelasi. Output Model struktural, Model Lintasan Pengaruh Metode Estimasi: Maximum Likelihood (ML), TSLS, PLS Kegunaan: Merupakan gabungan kegunaan antara analisis faktor, Analisis Path, dan Analisis Regresi
11. ANALISIS KORELASI KANONIK Keeratan hubungan antara kelompok variabel dgn kelompok variabel lainnya Input Data: Data yg digunakan adalah data hasil pengukuran (metrik) Output: Koefisien Korelasi Kanonik Metode Estimasi: Konsep Eigen Value & Eigen Vector Kegunaan: Alat untuk eksplanasi ke-eratan hubungan antar kelompok variabel
12. MANOVA = Menguji perbedaan variabel dependent pada kategori-kategori dari variabel independent. Kalau adavariabel penyerta dapat digunakan MANCOVA Input Data: Untuk variabel dependent: data hasil pengukuran (metrik) Untuk variabel independent: Data kategori (non-metrik) Output: Tabel MANOVA Metode Estimasi: Konsep dekomposisi komponen ragam (varians) Kegunaan: Untuk mengetahui apakah secara simultan dari sekumpulan variabel dependent terjadi perbedaan yang signifikan.
13. REGRESI BERGANDA = Regresi Linear Berganda Input Data: Raw data, bukan standardize data Variabel dependent: data metrik Variabel independent: data metrik dan/atau data non-metrik Output: Model atau persamaan regresi berganda Metode Estimasi: OLS Kegunaan: Alat untuk eksplanasi atau alat untuk prediksi, Prediksi nilai variabel dependent kalau nilai variabel independent diketahui
14. ANALISIS DISKRIMINAN Input Data: Raw data, bukan standardize data Variabel dependent: kategori n(non-metrik) Variabel independent: Metrik dan/atau non-metrik Output: Fungsi deskriminan Metode Estimasi: Konsep Eigen Value dan Eigen Vector Kegunaan: Alat untuk prediksi alternatif, pengelompokkan obyek, faktor determinan Alat untuk menentukan variabel mana yang merupakan pembeda terkuat
15. MODEL LOGIT, PROBIT, TOBIT, GOMPIT, LPM Input Data: Raw data, bukan standardize data Variabel dependent: kategori n(non-metrik) Variabel independent: Metrik dan/atau non-metrik Output: Model atau persamaan Metode Estimasi: OLS Kegunaan: Alat untuk eksplanasi odd-ratio Alat untuk prediksi peluang suatu kategori dari variabel dependent kalau nilai variabel independen diketahui
16. PRINCIPLE COMPONENT ANALYSIS: PCA Input Data: Matriks kovarians: kalau semua variabel punya satuan yg sama dan homogen, dipakai raw data Matrik korelasi: kalau satuannya tidak sama, standardize data Output: Variabel komposit atau disebut Dimensi, Komponen Utama Nilai dari variabel komposit Metode Estimasi: Konsep Eigen Value dan Eigen Vector Kegunaan: Eksplorasi Dimensi yg terkandung dalam sekumpulan variabel Mendapatkan skor dari Komponen Utama Mapping objects Clustering objects Menghilangkan multikolinearitas pd regresi berganda
17. FACTOR ANALYSIS Input Data: Raw data atau standardize data, seluruh variabel mempunyai “common factor” Output: Faktor hasil ekstraksi, Skor dari faktor ini (data dari variabel laten). Variabel laten ini juga disebut DIMENSI Metode Estimasi: Konsep Eigen value & Eigen vector Kegunaan: Analisis faktor konfirmatori: Mencari dimensi yg terkandung dalam sekumpulan variabel (atau faktor) Mapping objects Clustering object Mendapatkan data dari suatu DIMENSI atau Variabel Laten
18. ANALISIS GEROMBOL = CLUSTER ANALYSIS Analisis Gerombol hierarkhis: Jumlah gerombol belum diketahui Analisis tidak-hierarkhis: Jumlah gerombol telah diketahui Metode Analisis: K-mean atau Agromeratif Output: Kelompok-kelompok obyek INPUT DATA: Raw data atau standardize data Data metrik atau non metrik Kegunaan: Identifikasi banyaknya kelompok (Analisis hierarkhis) Prediksi anggota setiap kelompok (gerombol) Identifikasi karakteristik gerombol.
19. MULTIDIMENTIONAL SCALLING Input data: Pendekatan komposisional: Data hasil pengukuran variabel Pendekatan dekomposisional: Data jarak antar obyek Output: Peta, mapping, obyek kajian Estimasi: Metode ALSCAL. KEGUNAAN: Positioning obyek Clustering obyek Identifikasi karakter setiap obyek atau kelompok obyek.
20. ANALISIS KORESPONDENSI INPUT DATA: Tabel Frekuensi OUTPUT: Berupa peta (mapping) kategori dari variabel METODE PERHITUNGAN: Konsep Eigen value dan Eigen vektor KEGUNAAN: Positioning kategori variabel Clustering kategori dari beberapa variabel Identifikasi profil suatu variabel berkaitan dengan kategori variabel lainnya.