multivariat analisis cluster joni irawan n lucky prasetya


2.1.1  Tabel Kontingensi 2 Dimensi (Tabel Kontingensi)

Tabel kontingensi merupakan metode penyusunan data yang menunjukkan hubungan antara 2 variabel dengan data bersifat kategorikal, yang disajikan dalam bentuk tabel. Masing-masing sel dari setiap hubungan harus memenuhi syarat :

  1. Homogen
  2. Mutually exclusive dan mutually exhausive

–    Mutually exclusive : tingkatan yang satu dengan yang lain harus saling asing

–    mutually exhausive : dekomposisi secara lengkap sampai pada unit terkecil dimana semua nilai harus masuk pada klasifikasi

  1. Skala pengukuran nominal, ordinal, interval

–    skala nominal, mempunyai sifat berbeda, anggota dari sel yang satu berbeda dengan anggota dari sel yang lain

–    skala ordinal, mempunyai sifat membedakan dan menunjukkan tingkatan, dapat membedakan urutan yang satu lebih besar atau lebih kecil dari yang lain

Pada penelitian ini tabel kontingensi digunakan untuk mengukur hubungan antara dua variabel. Untuk mengukur hubungan antara dua variabel digunakan analisis dependensi dengan pengujian Chi-square.

2.1.2  Analisis Dependensi

Analisis Dependensi pada tabel kontingensi digunakan untuk menguji tingkat signifikansi hubungan antara dua variabel dengan melakukan pengujian Chi-Square. Pengujian dilakukan untuk menguji hubungan anatara dua variabel. Rumus yang digunakan untuk menghitung nilai chi-square adalah :

(2.8)

dimana :   Oij : frekuensi observasi

Eij : frekuensi teoritis (frekuensi harapan)

Pengujian dilakukan dengan membandingkan nilai χ2 dibandingkan dengan nilai χ2 kritis. Perhitungan derajat kebebasan untuk kasus seperti ini adalah sama dengan perkalian (a-1) (b-1) untuk tabel ukuran (axb). Dengan mengambil daerah kritis χ2 lebih besar dari χ2(derajat bebas, α), maka keputusan untuk hipotesa awaldapat diambil.

2.1.3  Analisis Kluster

Analisis kluster adalah teknik analisis multivariat yang memiliki tujuan utama untuk mengelompokkan obyek pengamatan berdasarkan karakteristik yang dimiliki. Pengelompokan dilakukan dengan cara memaksimalkan kehomogenan obyek pengamatan  yang berada dalam satu kluster sekaligus juga memaksimalkan keheterogenan obyek pengamatan antar kluster.  Analisis kluster terdiri atas dua prosedur yaitu prosedur kluster hierarki dan non-hierarki.

Prosedur kluster hierarki pada dasarnya terdiri atas dua tipe yaitu metode glomerative dan divisive. Pada metode glomerative, langkah pertama masing-masing obyek pengamatan dijadikan sebagai kelompok yang memiliki satu anggota setiap kelompok. Langkah selanjutnya dua kelompok (atau obyek) yang memiliki jarak terdekat dikombinasikan kedalam satu kelompok. Sedangkan pada metode divisive dilakukan hal yang sebaliknya, jadi semua obyek pengamatan dianggap sebagai satu kelompok kemudian dipisah samapai terbentuk kelompok-kelompok dengan anggota satu. Pada penelitian ini digunakan prosedur kluster hierarki dengan metode glomerative.

Lima algoritma metode agglomerative yang paling sering digunakan untuk membentuk kluster adalah (1) single linkage, (2) complete linkage, (3) average linkage, (4) metode ward’s, dan (5) metode centroid. Algoritmanya dihitung berdasarkan jarak antar kelompok.

Single linkage, metode single linkage prosedurnya berdasarkan jarak minimum. Dua obyek berbeda yang memiliki jarak terpendek ditempatkan dalam kelompok pertama. Kemudian dicari kembali jarak terdekat berikutnya, dan ketiga obyek digabungkan sebagai bentuk kelompok pertama yang kedua, atau membentuk dua anggota kelompok. Proses ini dilanjutkan sampai semua obyek berada pada satu kelompok. Prosedur seperti ini juga disebut sebagai pendekatan nearest-neighbor.

Metode Complete linkage hampir sama dengan Single linkage kecuali kriteria klusternya berdasarkan jarak terjauh. Metode ini juga disebut pendekatan farthest-neigbor atau metode diameter. Metode ini disebut Complete linkage karena semua obyek dalam satu kluster dihubungkan satu sama lain pada jarak maksimum. Dapat dikatakan bahwa persamaan diantara anggota kluster sama dengan diameter kelompok.

KLIK DISINI

2 pemikiran pada “multivariat analisis cluster joni irawan n lucky prasetya

  1. mas, punya macro minitab untu bikin data bangkitan time series model ARIMA(2,2,0) g? atau punya data riil yang model terbaiknya ARIMA(2,2,0)?

    mohon bantuannya..

    • data arima itu kan bisa dicari di yahoofinance mbak/..kalo data riil model terbaiknya arima gt ya ga tahu mbak,kan harus diji dulu,

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s