(M.1) HYBRID KORESPONDENSI UNTUK MENGANALISIS OBJEK BERDASARKAN KATEGORI KOLOM DAN KARAKTERISTIK OBJEK
|
|
- Teguh Tanuwidjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MULTIVARIAT 4 (M.1) HYBRID KORESPONDENSI UNTUK MENGANALISIS OBJEK BERDASARKAN KATEGORI KOLOM DAN KARAKTERISTIK OBJEK Irlandia Ginanjar Jurusan Statistika, Universitas Padjadjaran, Bandung irlandia_g@unpad.ac.id Abstrak Analisis objek akan lebih mudah, efisien dan informatif bila berdasarkan pada peta yang dapat menampilkan objek, karakteristik objek dan kategori kolom karena berdasarkan peta tersebut bisa diidentifikasi informasi kesamaan antar objek, kesamaan kategori kolom, hubungan kategori kolom dengan objek, dan hubungan karakteristik objek dengan objek berdasarkan kategori kolom. Berdasarkan hal itu penulis memperkenalkan metoda pemetaan yang dinamakan analisis Hybrid Korespondensi (Hybrid Correspondence Analysis) yang merupakan metoda penggabungan Biplot Principal Component Analysis (PCA Biplot) dengan Analisis Korespondensi, dimana untuk memetakan objek dan kategori kolom menggunakan metoda analisis Korespondensi dan untuk memetakan karakteristik objek menggunakan PCA Biplot. Dalam Hybrid Korespondensi ini pemetaan Karakteristik Objek dihitung dengan menggunakan PCA Biplot yang selanjutnya dipetakan ke peta yang dihasilkan oleh analisis Korespondensi, sehingga objek, karakteristik objek dan kategori kolom dapat dipetakan bersama-sama, dengan persen keragaman komulatif pertama dan kedua dari eigenvalues yang dihasilkan Analisis Korespondensi menjadi acuan kualitas pemetaan. Kata Kunci : Hybrid Korespondensi, Analisis Korespondensi, PCA Biplot, Pemetaan. 1. PENDAHULUAN Pemetaan adalah gambaran objek-objek yang dapat disajikan pada dua atau lebih dimensi. Tiap objek mempunyai posisi tertentu dalam suatu peta, hal itu memberikan suatu gambaran ruang mengenai informasi kesamaan antar objek-objek yang diamati. Informasi kesamaan antar objek akan lebih lengkap bila ditambah dengan informasi tentang karakteristik objek, karakteristik objek tersebut biasanya digunakan untuk mendifrensiasikan objek (Levitt, 1998) atau memposisikan pasar (Kotler, 1997), maka analisis objek akan lebih mudah, efisien dan informatif bila berdasarkan pada peta yang dapat menampilkan objek, karakteristik objek dan kategori kolom karena berdasarkan peta tersebut bisa diidentifikasi informasi kesamaan antar objek, karakterisasi objek dan kesamaan antar kategori kolom. 303
2 Berbagai metoda statistika yang bisa digunakan untuk pemetaan adalah multidimensional scaling (MDS) (Kruskal dan Wish, 1978, Lawless, et. al., 1995), Multiple Correspondence Analysis (MCA) (Greenacre, 1984), individual difference scaling (INDSCAL) (Husson dan Pages, 006), Parallel factor analysis (PARAFAC) (Harshman dan Lundy, 1994), general procrustean analysis (GPA) (Meyners. et. al., 000), analisis Biplot (Gabriel, 1971), dan DISTATIS (Abdi dan Valentin, 007), adalah tidak dapat memetakan objek, karakteristik objek dan kategori kolom dalam satu peta. Analisis Hybrid DISTATIS (Ginanjar, 011) dapat memetakan objek, karakteristik objek dan kategori kolom dalam satu peta namun pemetaan kategori kolom tidak berdasarkan keseluruhan objek. Berdasarkan hal itu penulis memperkenalkan Analisis Hybrid Korespondensi (Hybrid Correspondence Analysis) yang merupakan metoda menggabungkan PCA Biplot dan analisis Korespondensi, dimana untuk memetakan objek dan kategori kolom menggunakan metoda Analisis Korespondensi dan untuk memetakan karakteristik objek menggunakan Biplot Principal Component Analysis (PCA Biplot). Dalam Hybrid Korespondensi ini pemetaan Karakteristik Objek dihitung dengan menggunakan PCA Biplot yang selanjutnya dipetakan ke peta yang dihasilkan oleh analisis Korespondensi, sehingga objek, karakteristik objek dan kategori kolom dapat dipetakan bersama-sama. Berdasarkan hal di atas, maka tujuan yang ingin dicapai dalam penelitian ini adalah (1) Memetakan objek, karakteristik objek, dan kategori kolom dalam satu peta, dari data berbentuk tabel kontingensi dan karakteristik objek menggunakan Hybrid Korespondensi. () Menghitung persentase keragaman yang diterangkan oleh pemetaan Hybrid Korespondensi. (3) Mengidentifikasi informasi kesamaan antar objek, kesamaan kategori kolom, hubungan kategori kolom dengan objek, dan hubungan karakteristik objek dengan objek berdasarkan kategori kolom.. METODE Berdasarkan tujuan makalah ini maka analisis data dilakukan mulai dari melakukan Analisis Korespondensi sehingga menghasikan skor faktor kategori kolom dan skor faktor objek. Skor faktor objek menjadi acuan untuk pemetaan karakteristik objek, sehingga skor faktor objek dikorelasikan dengan variabel karakteristik untuk mendapatkan matriks komponen utama (Yan dan Kang, 003). Matriks komponen utama dianalisis dengan menggunakan metoda Biplot PCA untuk mendapatkan skor faktor karakteristik. Kualitas peta yang dihasikan oleh Hybrid korespondensi diidentifikasi berdasarkan persentase keragaman. Cara mengidentifikasi informasi dari peta yang dihasikan oleh Hybrid korespondensi, sama 304
3 dengan cara mengidentifikasi informasi dari Analisis Korespondensi dan analisis Biplot PCA. Langkah-langkah penelitian yang dilakukan digambarkan dalam bentuk diagram alur analisis data yang disajikan di Gambar 1. D Membangun Tabel Analisis Korespondensi Skor faktor objek Menghitung korelasi antara variabel karakteristik dengan skor faktor objek, untuk mendapatkan matriks komponen utama Analisis Biplot PCA Koordinat pemetaan karakteristik objek Memetakan objek, karakteristik objek dan kategori kolom Peta objek, karakteristik objek, dan kategori Mengidentifikasi persentase keragaman yang diterangkan oleh Mengidentifikasi informasi kesamaan antar objek, hubungan karakteristik dengan objek dan kesamaan antar kategori kolom. GAMBAR 1. DIAGRAM ALUR ANALISIS DATA. 3. HASIL DAN PEMBAHASAN 3.1 Pemetaan Korespondensi Misalkan N matriks kontingensi, dan P matriks korespondensi. N(I x J) [n ij] ; n ij 0 P (1/n..)N ; n.. = 1 T N1 (1) Jumlah baris dan kolom P ditulis sebagai: r P1 dan c P T 1 () dimana r i > 0 (i = 1,..., I), c j > 0 (j = 1,..., J) D r diag (r) dan D c diag (c) (3) Matriks P disebut juga matriks kepadatan peluang, karena jika kita jumlahkan setiap baris matriks P hasilnya 1 (satu). Simbol 1 pada persamaan (.) adalah matriks kolom yang 305
4 setiap unsurnya adalah 1 (satu), ditulis 1 [1... 1] T. D r dan D c berturut-turut adalah matriks diagonal baris dan matriks diagonal kolom yang unsur diagonalnya masing-masing adalah r dan c. Matriks profil baris dan kolom dari P didefinisikan sebagai vektor baris dan vektor kolom dari P dibagi oleh jumlah masing-masing, ditulis; T T r~ 1 c~ 1 R D r -1P dan C D c -1P T (4) ~ T r ~ T I cj Kedua profil baris ~ ri (i = 1... I) dan profil kolom ~ cj (j = 1... J) masing-masing ditulis dalam baris R dan kolom C. Profil-profil ini identik dengan baris dan kolom N yang dibagi oleh jumlah masing-masing. Misalkan SVD dari P rc T adalah : P rc T = AD μ B T Dimana A T D r -1A = B T D c -1B = I (5) μ 1... μ K > 0, maka kolom dari matriks A dan B berturut-turut mendefinisikan sumbu utama kolom dan sumbu utama baris, dimana A = e1 e ek ; (6) μ1 μ μk μ μ 0 D = μ ; (7) 0 0 μ k [ e e ] B = ; (8) 1 e k μ adalah akar pangkat dua dari eigenvalue ( didapatkan dari matrik [P rc T ]. λ ) dan e adalah eigenvector yang Misalkan I F K = (D r -1 P 1c T ) I J -1 D c J J J B K adalah koordinat utama dari profil baris terhadap sumbu utama B, maka: F = D r -1AD μ (9) Misalkan G J K = (D c -1 t P 1r T ) J I -1 D A r I I I K adalah koordinat utama dari profil kolom terhadap sumbu utama A, maka: G = D c -1BD μ (10) 306
5 Dua kolom pertama dari F menjadi titik koordinat untuk pemetaan objek dan dua kolom pertama dari G menjadi titik koordinat untuk pemetaan kategori kolom. Pemetaan karakteristik merupakan vektor, Kesamaan antar objek, kesamaan antar kategori kolom, dan hubungan antara objek dengan kategori kolom dapat diidentifikasi berdasarkan jarak antar titik, jika semakin dekat jarak antar titik maka semakin mirip, semakin jauh jarak antar titik maka semakin berbeda, maka pengelompokan objek atau kategori kolom juga bias dilakukan berdasarkan kesamaan tersebut. 3. Pemetaan Karakteristik Objek ke Peta Korespondensi Cosinus sudut antar vektor yang merupakan elemen mariks komponen utama dalam PCA Biplot dapat didekati oleh korelasi antara dua vektor: cos( θ ). (11) ij ρ ij dimana θ ij adalah sudut antara vektor i dengan vektor j, dan ρ ij adalah koefisien korelasi antara vektor i dan vektor j. Pemetaan objek didapatkan menggunakan persamaan (9) dengan matriks pemetaan F berukuran n r yang merupakan skor faktor matriks efek baris, dan karakteristik yang dilambangkan dengan Z berukuran utama yang berukuran ρ = corr( z, f ρ ij ij = untuk ( N i j ) N i z p r didapatkan dengan cara: i zi f ( z )( f ) i i j j ( zi ) )( N f j ( f j ) ) i i j j i = 1,,, p ; j = 1,,, r Maka berdasarkan hal itu bentuk matriks komponen utama adalah: j j p n, maka matriks komponen. (1) ρ11 ρ1 ρ1 r ρ 1 ρ ρr A = (13) ρ p1 ρ p ρ pr Akar eigenvalue untuk pemetaan objek yaitu D, dengan α = 1 agar akar eigenvalue 1 μ yang menjadi pengali di matriks efek baris dan matriks efek kolom sama, maka matriks efek kolom sebagai koordinat pemetaan vektor karakteristik dihitung menggunakan: 1 ( D ) 1 A' H' =, (14) μ Dua kolom pertama dari H menjadi titik koordinat untuk pemetaan vektor karakteristik objek. Pemetaan karakteristik merupakan vektor, karena titik koordinat 307
6 didapatkan dari hasil perhitungan karelasi skor faktor matriks efek baris dengan karakteristik objek, berdasarkan hal itu maka informasi didapatkan berdasarkan korelasi vektor karakteristik objek dengan sumbu pada peta, jika sudut antara vektor karakteristik dengan sumbu pada peta mendekati 0 0 atau (vektor karakteristik objek berhimpit dengan sumbu pada peta dengan arah yang sama) maka vektor tersebut memiliki korelasi positif yang sangat erat dengan sumbu pada peta, jika sudut antara vektor karakteristik dengan sumbu peta mendekati (vektor karakteristik objek berhimpit dengan sumbu peta dengan arah berlawanan) maka vektor tersebut memiliki korelasi negatif yang sangat erat dengan sumbu pada peta, jika sudut antara vektor karakteristik dengan sumbu pada peta mendekati 90 0 atau 70 0 (vektor karakteristik objek tegak lurus dengan sumbu pada peta) maka vektor tersebut tidak berkorelasi. 3.3 Mengidentifikasi Kualitas Pemetaan yang Dihasilkan Persen keragaman komulatif pertama dan kedua dari eigenvalues yang dihasilkan Analisis Korespondensi menjadi acuan kualitas pemetaan yang memuat objek, karakteristik objek, dan kategori kolom dalam satu peta yang dihasilkan Hybrid Korespondensi. Persentase keragaman (inertia) yang digunakan sebagai ukuran kualitas pemetaan dihitung dengan cara: 1 ( 1'μ ) μ τ =. (15) 3.4 Contoh Kasus Contoh kasus dalam penelitian ini adalah diambil dari data skunder, yang didapatkan dari sumber pustaka Jawa Barat Dalam Angka, Tahun 010 yang diunduh dari pada tanggal 6 Oktober 011. Data tabel kontingensi merupakan jumlah dosen pada tahun 009 yang ada di Universitas Padjadjaran, dengan kategori baris terdiri dari sebelas fakultas yaitu Hukum, Ekonomi, MIPA, Pertanian, ISIP, Sastra, Psikologi, Ilmu Komunikasi, Perikanan, TIP, dan Farmasi sebagai objek, kategori kolom terdiri dari tiga kategori tingkat pendidikan dosen yaitu Sarjana, Magister, dan Doktor. Data karakteristik objek yang digunakan terdiri dari dua variabel yaitu Jumlah Mahasiswa Baru Tahun Ajaran 009/010 dan Jumlah Lulusan Tahun Ajaran 009/010. Data yang digunakan dalam penelitian ini disajikan pada Tabel. Dengan menggunakan Analisis Korespondensi didapatkan nilai inersia (persamaan (15)), titik koordinat fakultas (persamaan (9)), dan titik koordinat tingkat pendidikan 308
7 (persamaan (10)) untuk pemetaan dua dimensi yang disajikan pada Tabel. Peta Fakultas dan Tingkat Pendidikan Dosen hasil dari Analisis Korespondensi, disajikan pada Gambar. TABEL 1. JUMLAH DOSEN TAHUN 009, JUMLAH MAHASISWA BARU, DAN JUMLAH LULUSAN TAHUN AJARAN 009/010 PER FAKULTAS. Tingkat Pendidikan Karakteristik Fakultas Dosen No. Fakultas Sarj ana Megi ster Dok tor Jumlah mahasiswa Baru Jumlah lulusan 1 Hukum Ekonomi MIPA Pertanian ISIP Sastra Psikologi IlmuKomunikasi Perikanan TIP Farmasi TABEL. PERSEN KERAGAMAN (INERSIA) DAN TITIK KOORDINAT FAKULTAS DAN TINGKAT PENDIDIKAN DALAM DUA DIMENSI. Dimensi 1 Persen Keragaman 67,78 3,1 Hukum -0,1704 0,0086 Ekonomi 0, ,64380 MIPA 0,0546-0,04636 Pertanian 0, ,48447 ISIP -0,4566-0,17474 Fakultas Sastra -0, ,07 Psikologi 0, ,18895 Ilmu Komunikasi -0, ,14337 Perikanan 0,086 0,1957 TIP 0, ,44315 Farmasi -0,359-0,00994 Sarjana -0, ,7114 Tingkat Pendidikan Master -0, ,6143 Doktor 0, ,3064 Berdasarkan variabel karakteristik fakultas maka dapat diketahui karakteristik dominan dari setiap fakultas. Pemetaan karakteristik fakultas ini didapatkan dari re-scaling terhadap mariks komponen utama untuk mendapatkan matriks efek kolom dengan cara mengalikannya dengan akar dari akar eigenvalue (persamaan (14)), dengan hasil disajikan pada Tabel
8 TABEL 3. TITIK KOORDINAT PEMETAAN VEKTOR KARAKTERISTIK FAKULTAS DALAM DUA DIMENSI. Dimensi Jumlah Mahasiswa Baru Jumlah Lulusan 1, , , , Titik koordinat pemetaan vektor karakteristik fakultas dipetakan ke peta yang dihasikan oleh analisis Korespondensi, sehingga didapatkan peta dua dimensi fakultas, karakteristik fakultas, dan tingkat pendidikan, hasil dari metoda Hybrid Korespondensi. Peta dua dimensi fakultas, karakteristik fakultas, dan tingkat pendidikan, hasil dari metoda Hybrid Korespondensi disajikan di Gambar 3. Gambar. Peta Fakultas dan Tingkat Pendidikan Dosen Hasil dari Analisis Korespondensi 310
9 Gambar 3. Peta Dua Dimensi Fakultas, Karakteristik Fakultas, dan Tingkat Pendidikan, Hasil dari Metoda Hybrid Korespondensi. Berdasarkan Diagram 3 dapat diidentifikasi bahwa proporsi tingkat pendidikan dosen di Fakultas Hukum (Row 1) relatif sama dengan Farmasi (Row 11), ISIP (Row 5) sama dengan Sastra (Row 6), sedangkan untuk fakultas yang lainnya relatif berbeda. Proporsi dosen tiap Fakultas untuk masing-masing tingkat pendidikan dosen relatif berbeda. Fakultas yang memiliki proporsi Tingkat Pendidikan Sarjana (Bintang 1) relatif besar adalah ISIP dan Sastra, Fakultas yang memiliki proporsi Tingkat Pendidikan Master (Bintang ) relatif besar adalah TIP (Row 10), Ekonomi (Row ), dan Ilmu Komunikasi (Row 8), dan Fakultas yang memiliki proporsi Tingkat Pendidikan Doktor relatif besar adalah Pertanian (Row 4). Vektor jumlah mahasiswa baru berkorelasi negatif dengan dimensi 1, maka fakultas disebelah kiri mempunyai mahasiswa baru yang banyak diantaranya adalah Ilmu Komunikasi (Row 8), Sastra (Row 6), dan ISIP (Row 5), fakultas disebelah kanan mempunyai mahasiswa baru yang sedikit diantaranya adalah Pertanian (Row 4), dan Ekonomi (Row ). Vektor jumlah lulusan sedikit berkorelasi negatif dengan dimensi 1 dan sedikit berkorelasi positif dengan dimensi, maka fakultas disebelah kiri atas menghasilkan lulusan yang relatif banyak diantaranya adalah Ilmu Komunikasi (Row 8), Hukum (Row 1), dan Farmasi (Row 11), fakultas disebelah kanan bawah menghasilkan lulusan yang relatif sedikit diantaranya adalah Pertanian (Row 4), Psikologi (Row 7) dan MIPA (Row 3). 311
10 4. Kesimpulan dan Saran 4.1 Kesimpulan 1. Hybrid Korespondensi mendapatkan peta objek, karakteristik objek, dan kategori kolom dalam satu peta, karena pemetaan objek pada Analisis Korespondensi ataupun PCA Biplot sama-sama berdasarkan skor faktor matriks efek baris.. Kesamaan antar objek, kesamaan antar kategori kolom, dan hubungan antara objek dengan kategori kolom dapat diidentifikasi berdasarkan jarak antar titik, jika semakin dekat jarak antar titik maka semakin mirip, semakin jauh jarak antar titik maka semakin berbeda. 3. Hubungan objek dengan karakteristiknya dapat diidentifikasi berdasarkan sudut antara vektor karakteristik dengan sumbu pada peta, jika sudut antara vektor karakteristik dengan sumbu pada peta mendekati 0 0 atau maka vektor tersebut memiliki korelasi positif yang sangat erat dengan sumbu pada peta, jika sudut antara vektor karakteristik dengan sumbu peta mendekati maka vektor tersebut memiliki korelasi negatif yang sangat erat dengan sumbu pada peta, jika sudut antara vektor karakteristik dengan sumbu pada peta mendekati 90 0 atau 70 0 maka vektor tersebut tidak berkorelasi. 4. Kualitas pemetaan Hybrid Korespondensi didapatkan berdasarkan komulatif dari persentase keragaman atau inersia pertama dan kedua dari eigenvalues yang dihasilkan oleh Analisis Korespondensi. 4. Saran 1. Jika data berasal dari sampel dan hasil analisis yang diinginkan dapat mempresentasikan populasi maka harus menggunakan teknik pengambilan sampel peluang (Probability sampling).. Mengembangkan Versi Hybrid Korespondensi dari jenis Analisis Korespondensi lainnya (Analisis Korespondensi Multiple atau Analisis Korespondensi untuk data Rating dan Preferensi), karena pemetaan objek pada semua jenis Analisis Korespondensi berdasarkan skor faktor matriks efek baris. 5. DAFTAR PUSTAKA Abdi, H., dan Valentin, D. (007), DISTATIS, Encyclopedia of measurement and statistics, Ed: Salkind, N., Sage Publications, Inc., California, hal Gabriel, K.R. (1971), The biplot graphic display of matrices with application to principal component analysis, Biometrika, Vol. 58, No. 3, hal Ginanjar, I. (011), Analisis produk dan assessor dari data penyortiran menggunakan Hybrid DISTATIS, Prosiding Seminar Nasional Statistika, Universitas Diponegoro, ISBN: , hal
11 Greenacre, M.J., (1984), Theory and Applications of Correspondence Analysis, Academic Press, Inc., London. Harshman, R.A., dan Lundy, M.E., (1994), PARAFAC: Parallel factor analysis, Computational Statistics and Data Analysis, Vol. 18, hal Husson, F., & Pagès, J. (006), INDSCAL model: geometrical interpretation and methodology, Computational Statistics and Data Analysis, Vol. 50, hal Kotler, P. (1997), Marketing Management, 6 th edition, Prentice-Hall, Inc., New Jersey. Kruskal, J., dan Wish, M. (1978), Multidimensional Scaling, Sage University Papers Series. Quantitative Applications in the Social Sciences ; No , Sage Publications, Inc., Iowa. Lawless, H.T., Sheng T., dan Knoops, S. (1995), Multidimensional scaling of sorting data applied to cheese perception, Food Quality and Preference, Vol. 6, hal Levitt, T. (1980), Marketing Succes Through Differentiation-of Anything, Harvard Business Review, January-February 1980, Harvard Business School Publishing, Boston.Goldberg, Jack.L., Matrix Theory With Apllications, McGraw-Hill Inc, New York. Meyners, M., Kunert, J., dan Qanari E.M. (000), Comparing generalized procrustes analysis and statis, Food Quality and Preference, Vol. 11, hal Yan, W., dan Kang, M.S. (003), GGE biplot analysis : a graphical tool for breeders, geneticists, and agronomists, CRC Press LLC, Florida. Pemprov Jabar. (011), Jawa Barat Dalam Angka 010, diunduh pada tanggal 6 Oktober
Otomatisasi Aplikasi Hybrid DISTATIS dari Data Ranking Dunia Delapan Universitas Negeri di Indonesia
Otomatisasi Aplikasi Hybrid DISTATIS dari Data Ranking Dunia Delapan Universitas Negeri di Indonesia Irlandia Ginanjar Dosen Jurusan Statistika, Universitas Padjadjaran email: irlandia_g@unpad.ac.id ABSTRAK
Lebih terperinciANALISIS PRODUK DAN ASSESSOR DARI DATA PENYORTIRAN MENGGUNAKAN HYBRID DISTATIS. Irlandia Ginanjar 1.
ANALISIS PRODUK DAN ASSESSOR DARI DATA PENYORTIRAN MENGGUNAKAN HYBRID DISTATIS Irlandia Ginanjar 1 1) Jurusan Statistika, Universitas Padjadjaran, Bandung email: irlandia_g@unpad.ac.id Abstrak Penyortiran
Lebih terperinciAnalisis Objek dan Assessor dari Data Ranking Tidak Lengkap Menggunakan DISTATIS Irlandia Ginanjar 1, 2, *, Bambang Widjanarko O.
Analisis Objek dan Assessor dari Data Ranking Tidak Lengkap Menggunakan DISTATIS Irlandia Ginanjar 1,, *, Bambang Widjanarko O. 1 1 Jurusan Statistika ITS, Surabaya, Jurusan Statistika UNPAD, Bandung email
Lebih terperinciAnalisis Hibrid Korespondensi Untuk Pemetaan Persepsi. Hybrid Correspondence Analysis for Mapping Perception
Jurnal EKSPONENSIAL Volume, Nomor, Mei ISSN 85-89 Analisis Hibrid Korespondensi Untuk Pemetaan Persepsi Hybrid Correspondence Analysis for Mapping Perception Fitriani, Rito Goejantoro, dan Darnah Andi
Lebih terperinciANALISIS OBYEK DAN KARAKTERISTIK DARI MATRIKS INDIKATOR MENGGUNAKAN HYBRID ANALISIS KELAS LATEN DENGAN BIPLOT ANALISIS KOMPONEN UTAMA (BIPLOT AKU)
ANALISIS OBYEK DAN KARAKTERISTIK DARI MATRIKS INDIKATOR MENGGUNAKAN HYBRID ANALISIS KELAS LATEN DENGAN BIPLOT ANALISIS KOMPONEN UTAMA (BIPLOT AKU) Irlandia Ginanjar, Anindya Apriliyanti Pravitasari, Aleknaek
Lebih terperinciAnalisis Korespondensi Terhadap Persepsi Alumni Program Studi Matematika FMIPA Universitas Sam Ratulangi Mengenai Kurikulum Dan Proses Pembelajaran
Analisis Korespondensi Terhadap Persepsi Alumni Program Studi Matematika FMIPA Universitas Sam Ratulangi Mengenai Kurikulum Dan Proses Pembelajaran 1 Prastika Tumilaar, 2 Djoni Hatidja, 3 Jantje D. Prang
Lebih terperinciAplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM).
Aplikasi Multidimensional Scaling Untuk Peningkatan Pelayanan Proses Belajar Mengajar (PBM). Irlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung. Abstrak Tujuan dari penelitian ini
Lebih terperinciPERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR
Jur. Ris. & Apl. Mat. I (207), no., xx-xx Jurnal Riset dan Aplikasi Matematika e-issn: 258-054 URL: journal.unesa.ac.id/index.php/jram PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN
Lebih terperinciPROSIDING ISSN: M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI
M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI Titi Purwandari 1, Yuyun Hidayat 2 1,2) Departemen Statistika FMIPA Universitas Padjadjaran email
Lebih terperinciPemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi
Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak
Lebih terperinciIrlandia Ginanjar Staf Pengajar Jurusan Statistika FMIPA, Unpad Bandung. ABSTRAK
Aplikasi Multidimensional Scaling Untuk Memposisikan Produk Pada Masalah Product Existing. (Studi Kasus: Presepsi Pelanggan Terhadap Produk Telepon Umum PT.TELKOM Tbk.) Irlandia Ginanjar Irlandia_g@unpad.ac.id
Lebih terperinciAbstract. Abstrak. Keywords : Correspondence Analysis, Lecturer, Student, Service
Analisis Korepondensi Terhadap Karakteristik Kinerja Dosen Berdasarkan Faktor Penentu Mutu Pelayanan Di Jurusan Matematika Fmipa Universitas Sam Ratulangi 1 Djaka Liputo, 2 Djoni Hatidja, 3 Yohanes A.R.
Lebih terperinciAPLIKASI ANALISIS KORESPONDENSI UNTUK MELIHAT KARAKTERISTIK USAHA PARIWISATA DI PROVINSI BALI
E-Jurnal Matematika Vol. 5 (2), Mei 2016, pp. 76-81 ISSN: 2303-1751 APLIKASI ANALISIS KORESPONDENSI UNTUK MELIHAT KARAKTERISTIK USAHA PARIWISATA DI PROVINSI BALI Agust Wiras Ardi Kusuma 1, I Gusti Ayu
Lebih terperinciAnalisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali
Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali I Gusti Ayu Made Srinadi Jurusan Matematika, Fakultas
Lebih terperinciCompany LOGO ANALISIS BIPLOT
Company LOGO ANALISIS BIPLOT Pendahuluan Company name Data : ringkasan berupa nilai beberapa peubah pada beberapa objek Objek n Nilai Peubah X X.. Xp Company name Penyajian Data dalam bentuk matriks =
Lebih terperinciKode Makalah M-5. Kata Kunci : Posisioning, Analisis Hubungan, Kerusakan Trafo
Kode Makalah M-5 POSISIONING CABANG-CABANG PLN (PERSERO) DI JAWA TIMUR BERDASARKAN JENIS KERUSAKAN TRAFO Oleh : Muhammad Sjahid Akbar Jurusan Statistika Institut Teknologi Sepuluh Nopember (ITS) ABSTRAK
Lebih terperinciKOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN
E-Jurnal Matematika Vol. 2, No.4, Nopember 2013, 17-22 ISSN: 2303-1751 KOMPARASI ANALISIS GEROMBOL (CLUSTER) DAN BIPLOT DALAM PENGELOMPOKAN I MADE ANOM ARIAWAN 1, I PUTU EKA NILA KENCANA 2, NI LUH PUTU
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciFajar Ropi BINUS UNIVERSITTY, Jakarta, Indonesia, Abstrak. Seiring dengan berjalannya waktu persaingan dan kompetisi untuk meraih
Analisis Sikap DAN Faktor Pemilihan Perguruan Tinggi Swasta Jakarta Berbasis Komputer Menggunakan Model Fishbein dan Biplot (Studi kasus : SMA Kota Bogor) Fajar Ropi BINUS UNIVERSITTY, Jakarta, Indonesia,
Lebih terperinciAplikasi Analisis Korespondensi Berganda terhadap Pemetaan Perkembangan Pembangunan Kota Ambon
Statistika, Vol. 17 No. 2, 89 97 November 2017 Aplikasi Analisis Korespondensi Berganda terhadap Pemetaan Perkembangan Pembangunan Kota Ambon Y. A. Lesnussa, H. Kelian, E.R. Persulessy, R. J. Djami, M.W.
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciAbstrak. Keywords: correspondence analysis, alumni, service.
Persepsi Alumni Matematika Terhadap Layanan dan Fasilitas Akademik Serta Penelitian dan Pengabdian kepada Masyarakat Di Program Studi Matematika FMIPA UNSRAT dengan Menggunakan Analisis Korespondensi 1
Lebih terperinciOleh : Fanial Farida Dosen Pembimbing : Santi Wulan Purnami, M.Si. Ph.D
Analisis Korespondensi Pengguna Jenis Alat Kontrasepsi Peserta KB Aktif dan KB Baru Terhadap Kecamatan di Kota Surabaya Oleh : Fanial Farida 1311030064 Dosen Pembimbing : Santi Wulan Purnami, M.Si. Ph.D
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Konseptual Dalam memahami pelajaran di sekolah siswa mungkin saja mengalami kesulitan dalam memahaminya. Hal ini dapat dikarenakan metode pembelajaran
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciAnalisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM)
Sidang Tugas Akhir Surabaya, 15 Juni 2012 Analisis Biplot pada Kabupaten/Kota di Provinsi Jawa Timur Berdasarkan Variabel-variabel Komponen Penyusun Indeks Pembangunan Manusia (IPM) Wenthy Oktavin Mayasari
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciAplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn)
Aplikasi Matriks Circulant Untuk Menentukan Nilai Eigen Dari Graf Sikel (Cn) T 24 Siti Rahmah Nurshiami dan Triyani Program Studi Matematika, Fakultas Sains dan Teknik Universitas Jenderal soedirman, Purwokerto
Lebih terperinciLAPORAN PENELITIAN. Perbandingan Komoditas Unggulan Pada Berbagai Kecamatan di Kabupaten Sumedang dengan Menggunakan Analisis Korespondensi
LAPORAN PENELITIAN Perbandingan Komoditas Unggulan Pada Berbagai Kecamatan di Kabupaten Sumedang dengan Menggunakan Analisis Korespondensi OLEH: Ketua : Irlandia Ginanjar Anggota I : I Gede Nyoman Mindra
Lebih terperinciPENGUKURAN KONTRIBUSI ITS DALAM MEMBENTUK MUTU SARJANA BARU ITS MENURUT PERSEPSI WISUDAWAN TAHUN 2004
B-17-1 PENGUKURAN KONTRIBUSI ITS DALAM MEMBENTUK MUTU SARJANA BARU ITS MENURUT PERSEPSI WISUDAWAN TAHUN 2004 Arie Kismanto dan Muhammad Sjahid Akbar Jurusan Statistik ITS ABSTRAK Sarjana baru dapat dipakai
Lebih terperinciIDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR
Saintia Matematika Vol. 2, No. 1 (2014), pp. 1 11. IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR Aswin Bahar, Gim Tarigan, Pengarapen Bangun Abstrak. Pernikahan dini merupakan
Lebih terperinciANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG
1 ANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG (Studi Kasus Mahasiswa Non Kependidikan FMIPA Universitas Negeri Malang) Chofifatul Jannah
Lebih terperinciWara Pramesti. Program Studi Statistika Universitas PGRI Adi Buana Surabaya ABSTRAK
J-Statistika Vol 4 No ANALISIS KORESPONDENSI UNUK MENGEAHUI KEERKAIAN INDAK PIDANA DENGAN USIA, JENIS KELAMIN, INGKA PENDIDIKAN, PEKERJAAN DAN ALASAN MELAKUKAN INDAK PIDANA Wara Pramesti Program Studi
Lebih terperinciPemetaan Kabupaten/Kota di Jawa Timur Menurut Jaminan Kesehatan dengan Metode Biplot
SidangTugas Akhir Pemetaan Kabupaten/Kota di Jawa Timur Menurut Jaminan Kesehatan dengan Metode Biplot Oleh: Intan Nur Aini (1309 030 064) Dosen Pembimbing: Dr. Sutikno,S.Si, M.Si Surabaya, 11 July 2012
Lebih terperinciDidin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)
(M.2) ANALISIS BIPLOT UNTUK MENGETAHUI KARAKTERISTIK PUTUS SEKOLAH PENDIDIKAN DASAR PADA MASYARAKAT MISKIN ANTAR WILAYAH KECAMATAN DI KABUPATEN OGAN ILIR Didin Astriani P, Oki Dwipurwani, Dian Cahyawati
Lebih terperinciPENDAHULUAN LANDASAN ANALISIS
10 PENDAHULUAN Latar Belakang Biplot merupakan metode eksplorasi analisis data peubah ganda yang dapat memberikan gambaran secara grafik tentang kedekatan antar objek, keragaman peubah, korelasi antar
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciMULTI DIMENSIONAL SCALING (MDS) Irlandia Ginanjar Statistika FMIPA ITS
MULTI DIMENSIONAL SCALING (MDS) Irlandia Ginanjar Statistika FMIPA ITS TUJUAN ANALISIS Membuat peta/konfigurasi posisi objek dalam ruang berdimensi rendah (umumnya 2 dimensi) berdasarkan data jarak antar
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 545-551 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS KECENDERUNGAN PEMILIHAN KOSMETIK WANITA DI KALANGAN
Lebih terperinciLaporan Tugas Akhir D3-Statistika 2009
Laporan Tugas Akhir D3-Statistika 2009 Selasa, 12 Juni 2012 ANALISIS KORESPONDENSI KECENDERUNGAN DARI FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BALITA DI JAWA TIMUR OLEH : RATNA AYU M DOSEN PEMBIMBING : IR.
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciANALISIS BIPLOT ROW METRIC PRESERVING UNTUK MENGETAHUI KARAKTERISTIK PROVIDER TELEPON SELULER PADA MAHASISWA S1 FSM UNIVERSITAS DIPONEGORO
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 331-340 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS BIPLOT ROW METRIC PRESERVING UNTUK MENGETAHUI KARAKTERISTIK
Lebih terperinciCAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu mengidentifikasi permasalahan multivariat 5.2 Mampu menerapkan konsep
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Statistika Multivariat Analisis statistika multivariat adalah teknik-teknik analisis statistik yang memperlakukan sekelompok variabel terikat yang saling berkorelasi sebagai
Lebih terperinciTransformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan
Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail: Desi_its@yahoo.com Mustika Hadijati Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciPerturbasi Nilai Eigen dalam Mengatasi Multikolinearitas
Vol. 10, No. 1, 6-13, Juli 2013 Perturbasi Nilai Eigen dalam Mengatasi Multikolinearitas Andi Yuni Deviyanti 1, Andi Kresna Jaya 1, Anisa 1 Abstrak Multikolinieritas adalah salah satu pelanggaran asumsi
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK
ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com
Lebih terperinciPENERAPAN ANALISIS KORESPONDENSI PADA DATA JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA
Jurnal Matematika UNAND Vol 5 No 2 Hal 56 64 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS KORESPONDENSI PADA DATA JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA CITRA KOMANG
Lebih terperinciANALISIS KORESPONDENSI TERHADAP DATA KEJADIAN KRIMINALITAS DI POLSEK SIMOKERTO
ANALISIS KORESPONDENSI TERHADAP DATA KEJADIAN KRIMINALITAS DI POLSEK SIMOKERTO Oleh: Putri Rintan Aryasita 308030035 Pembimbing: Ir. Dwi Atmono Agus W, M. Ikom Latar Belakang Penelitian Sebelumnya Hubungan
Lebih terperinciMETODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 169 174. METODE PARTIAL LEAST SQUARES UNTUK MENGATASI MULTIKOLINEARITAS PADA MODEL REGRESI LINEAR BERGANDA Romika Indahwati,
Lebih terperinciIII. METODOLOGI A. Kerangka Pemikiran
III. METODOLOGI A. Kerangka Pemikiran Persaingan dunia usaha semakin ketat dewasa ini, hal itu disebabkan semakin banyaknya pelaku usaha baru yang bermunculan dengan berbagai macam inovasi. Hal itu tentunya
Lebih terperinciPemetaan Pulau-pulau di Indonesia terhadap Atribut Indikator Kesejahteraan Rakyat dengan Multidimensional Scaling
Pemetaan Pulau-pulau di Indonesia terhadap Atribut Indikator Kesejahteraan Rakyat dengan Multidimensional Scaling Nadia Dwi Andriani 1, Atika Nurani Ambarwati 2 1,2 Statistika, Akademi Statistika Muhammadiyah
Lebih terperinciINFORMASI YANG BISA DIAMBIL DARI BIPLOT
ANALISIS BIPLOT PENGANTAR Biplot diperkenalkan pertama kali oleh Gabriel (1971) sehingga sering disebut sebagai Gabriel s biplot. Metode ini tergolong dalam analisis eksplorasi peubah ganda yang ditujukan
Lebih terperinciPenerapan Metode Multidimensional Scaling dalam Pemetaan Sarana Kesehatan di Jawa Barat
Jurnal Matematika Integratif ISSN 141-6184 Volume 1 No 1, April 016, pp 43 50 Penerapan Metode Multidimensional Scaling dalam Pemetaan Sarana Kesehatan di Jawa Barat Julita Nahar Program Studi Matematika,
Lebih terperinciANALISIS BIPLOT KOMPONEN UTAMA PADA BANK UMUM (COMMERCIAL BANK) YANG BEROPERASI DI JAWA TENGAH
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 61-70 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS BIPLOT KOMPONEN UTAMA PADA BANK UMUM (COMMERCIAL BANK)
Lebih terperinciSemester : VI Hal: 1 dari 6. No.Revisi : 00. Deskripsi. Kemampuan manjerial. tertulis. Sikap dan. tata nilai 2-RP 1-CP DN, PA,BAK& RN)
PROD S1 STATSTKA FMPA TS RP S1 SP 08 Kurikulum 2014, Edisi : September 2014 A. CAPAAN PEMBELAJARAN : CP 11.11 : Mampu menganalisis data secara KUANTTATF baik secara Univariat maupun Multivariat serta menerapkannya
Lebih terperinciProgram Studi Pendidikan Ekonomi FE UNY
LEMBAR KERJA Topik: Uji Validitas dengan Analisis Faktor Tujuan: Untuk menguji tingkat validitas konstruk seperangkat instrumen, kuesioner atau angket Contoh Masalah: Apakah butir-butir yang dikembangkan
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciBAB II TINJAUAN PUSTAKA. digunakan untuk menganalisis data dengan lebih dari satu peubah bebas
BAB II TINJAUAN PUSTAKA 2.1. Analisis Peubah Ganda Analisis peubah ganda merupakan salah satu jenis analisis statistika yang digunakan untuk menganalisis data dengan lebih dari satu peubah bebas (independen
Lebih terperinciFAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI
FAKTOR FAKTOR YANG MEMENGARUHI MINAT MAHASISWA ASAL LUAR BALI KULIAH DI FMIPA UNIVERSITAS UDAYANA BALI DAIMATUL KHOIRIYAH 1, MADE SUSILAWATI 2, DESAK PUTU EKA NILAKUSMAWATI 3 1, 2, 3 Jurusan Matematika
Lebih terperinciANALISIS KORESPONDENSI PENYAKIT MENULAR DI KABUPATEN BANGKALAN TAHUN 2010
TUGAS AKHIR ANALISIS KORESPONDENSI PENYAKIT MENULAR DI KABUPATEN BANGKALAN TAHUN 2010 Oleh : Danang Wahyu Prasetyo (1307 030 048) Dosen Pembimbing : Dr. rer. pol. Heri Kuswanto Pendahuluan Pendahuluan
Lebih terperinciTeknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih
Lebih terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciPEMETAAN AREA PELAYANAN DAN JARINGAN PT. PLN (PERSERO) DISTRIBUSI JAWA TIMUR BERDASARKAN GOLONGAN PELANGGARAN PELANGGAN
PEMETAAN AREA PELAYANAN DAN JARINGAN PT. PLN (PERSERO) DISTRIBUSI JAWA TIMUR BERDASARKAN GOLONGAN PELANGGARAN PELANGGAN Muhammad Sjahid Akbar dan Saiful Amin Jurusan Statistika ITS Kampus ITS Sukolilo
Lebih terperinciANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT PRODUKSI PADI SAWAH DI KABUPATEN PADANG LAWAS
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 4 (2014), pp. 323 332. ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT PRODUKSI PADI SAWAH DI KABUPATEN PADANG LAWAS Ida Yanti Hasibuan, Pengarapen Bangun, Ujian
Lebih terperinciMK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS
MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS Oleh: Prof.Dr.Ir.Soemarno,M.S Obyek Pengamatan Variabel X4 Variabel X1 Variabel X2 Variabel X3 Variabel Xn Multi-Variabel Metode analisis
Lebih terperinciANALISIS PRINCIPAL COMPONENT BIPLOTS PADA BANK UMUM PERSERO YANG BEROPERASI DI JAWA TENGAH
ANALISIS PRINCIPAL COMPONENT BIPLOTS PADA BANK UMUM PERSERO YANG BEROPERASI DI JAWA TENGAH Ely Fitria Rifkhatussa diyah 1, Hasbi Yasin 2, Agus Rusgiyono 3 1 Mahasiswa Jurusan Statistika FSM UNDIP 2,3 Staff
Lebih terperinciPERTURBASI NILAI EIGEN DALAM MENGATASI MULTIKOLINIERITAS
PERTURBASI NILAI EIGEN DALAM MENGATASI MULTIKOLINIERITAS ANDI YUNI DEVIYANTI 1 ANDI KRESNA JAYA 2 DAN ANISA 3 Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin
Lebih terperinciKAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 37-42 ISSN: 2303-1751 KAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR Ni Luh Ardila Kusumayanti 1, I Komang
Lebih terperinciAnalisis Biplot terhadap Pemetaan Kebutuhan Guru SMP di Kabupaten Kepulauan Sangihe Berdasarkan Rasio Guru per Mata Pelajaran
Analisis Biplot terhadap Pemetaan Kebutuhan Guru SMP di Kabupaten Kepulauan Sangihe Berdasarkan Rasio Guru per Mata Pelajaran Listiani Amare 1, Jantjce D Prang 2, Tohap Manurung 3 1 Program Studi Matematika,
Lebih terperinciHASIL DAN PEMBAHASAN. Tabel 2. Statistik skor mahasiswa UAS TPB IPB mata kuliah Fisika
6 c. Menghitung sebaran pilihan jawaban dan reliabilitas soal. 3. Penerapan teori respon butir dengan menggunakan model IRT 1PL, IRT 2PL, dan IRT 3PL. a. Pengujian asumsi model IRT b. Menghitung parameter
Lebih terperinciOleh: Agus Mohamad Soleh. Departemen Statistika FMIPA IPB. Abstrak
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 009 Analisis Diskriminan Linier untuk Klasifikasi Komponen Obat Bahan Alam Berdasarkan Spektrum Inframerah. Studi Kasus :
Lebih terperinciMancalaAHP: Game Tradisional Mancala Berbasis Analytic Hierarchy Process
MancalaAHP: Game Tradisional Mancala Berbasis Analytic Hierarchy Process Chandra Kusuma Dewa Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang Km 14 Yogyakarta
Lebih terperinciKeywords: Factorial Experiment, CRBD, AMMI, Analysis of Variance, PCA, Biplot
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 529-536 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS VARIAN PERCOBAAN FAKTORIAL DUA FAKTOR RAKL DENGAN METODE
Lebih terperinciHUBUNGAN ANTARA MAYORISASI NILAI EIGEN EUCLIDEAN DISTANCE MATRIX (EDM) DENGAN MATRIKS SEMIDEFINIT POSITIF YANG BERSESUAIAN
HUBUNGAN ANTARA MAYORISASI NILAI EIGEN EUCLIDEAN DISTANCE MATRIX EDM) DENGAN MATRIKS SEMIDEFINIT POSITIF YANG BERSESUAIAN Harnoko Dwi Yogo Pembimbing : Arie Wibowo, M.Si Program Studi Matematika, Fakultas
Lebih terperincikarakteristik Kualitas Pengajar Berdasarkan Faktor Mutu Pelayanan di Jurusan Matematika FMIPA UNSRAT Menggunakan Analisis Biplot
JURNAL MIPA UNSRAT ONLINE 2 (1) 29-33 dapat diakses melalui http://ejournal.unsrat.ac.id/index.php/jmuo karakteristik Kualitas Pengajar Berdasarkan Faktor Mutu Pelayanan di Jurusan Matematika FMIPA UNSRAT
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 13 Peubah Ganda
STK511 Analisis Statistika Pertemuan 13 Peubah Ganda 13. Peubah Ganda: Pengantar Pengamatan Peubah Ganda Menggambarkan suatu objek tidak cukup menggunakan satu peubah saja Kasus pengamatan peubah ganda
Lebih terperinciANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI
Lebih terperinciBAB II TINJAUAN PUSTAKA. tegak, perlu diketahui tentang materi-materi sebagai berikut.
BAB II TINJAUAN PUSTAKA Sebelum pembahasan mengenai irisan bidang datar dengan tabung lingkaran tegak, perlu diketahui tentang materi-materi sebagai berikut. A. Matriks Matriks adalah himpunan skalar (bilangan
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciPERBANDINGAN BAGAN KENDALI T 2 HOTELLING KLASIK DENGAN T 2 HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL MULTIVARIAT
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 17 4 ISSN : 303 910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN BAGAN KENDALI T HOTELLING KLASIK DENGAN T HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI
Lebih terperinciFaktor-Faktor yang Mencirikan Kondisi Financial Distress Pasca Kenaikan BBM Perusahaan Manufaktur di BEI Menggunakan Analisis Biplot
Faktor-Faktor yang Mencirikan Kondisi Financial Distress Pasca Kenaikan BBM Perusahaan Manufaktur di BEI Menggunakan Analisis Biplot Venny Okstarinda 1, Syafriandi 2, Nonong Amalita 3 1 Student of Mathematics
Lebih terperinciSPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI KOMPLIT ( ) DENGAN
PROSIDING ISBN : 978 979 6353 3 SPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI OMPLIT ( ) A. DENGAN Oleh Imam Fahcruddin Mahasiswa Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri
Lebih terperinciDOSEN PEMBIMBING : DWI ENDAH KUSRINI, S. Si, M. Si
DOSEN PEMBIMBING : DWI ENDAH KUSRINI, S. Si, M. Si EFEKTIFITAS ALIRAN DAN PENGGUNAAN DANA BOS UNTUK PENGEMBANGAN SEKOLAH DI WILAYAH SURABAYA DENGAN METODE ANALISIS KORESPONDENSI Nalini Yaiwan 1307030055
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciPerluasan Teorema Cayley-Hamilton pada Matriks
Vol. 8, No.1, 1-11, Juli 2011 Perluasan Teorema Cayley-Hamilton pada Matriks Nur Erawati, Azmimy Basis Panrita Abstrak Teorema Cayley-Hamilton menyatakan bahwa setiap matriks bujur sangkar memenuhi persamaan
Lebih terperinciPENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK. MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp)
Seminar Hasil Tugas Akhir PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp) Febrianto 1308 100 075 Dosen
Lebih terperinciFAKTOR-FAKTOR YANG MEMENGARUHI KEPUTUSAN SISWA SMA MELANJUTKAN STUDI S1 DI UNIVERSITAS UDAYANA
FAKTOR-FAKTOR YANG MEMENGARUHI KEPUTUSAN SISWA SMA MELANJUTKAN STUDI S1 DI UNIVERSITAS UDAYANA Made Susilawati 1), I Putu Eka Nila Kencana 2), Ni Made Dwi Yana Putri 3) 1) Jurusan Matematika FMIPA Universitas
Lebih terperinciBAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN
BAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN Pengenalan suatu objek tentu saja tidak bisa dilakukan tanpa persiapan sama sekali. Ada beberapa proses yang perlu dilakukan sebelum
Lebih terperinciPENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN MATEMATIKA UNIVERSITAS ANDALAS)
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 104 111 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN
Lebih terperinciPENERAPAN BIPLOT PADA PEMETAAN SUMBER DAYA KESEHATAN ANTARPROVINSI DI INDONESIA SUWAIBATUL ASLAMIYAH
PENERAPAN BIPLOT PADA PEMETAAN SUMBER DAYA KESEHATAN ANTARPROVINSI DI INDONESIA SUWAIBATUL ASLAMIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA
Program Studi MMT-ITS, Surabaya 7 Juli 03 PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA Marlon Stivo Noya Van Delsen, *) dan Muhammad Mashuri ) ) Jurusan Statistika,
Lebih terperinciPENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 13 23 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER
Lebih terperinciDiagram ARL W i & W Ri. Varian
maka nilai RL 1 yang ada ditambah satu sampai ditemui adanya out of control. Menentukan 1 dengan menghitung rata-rata RL 1 dari keseluruhan replikasi. Untuk aplikasi data yang digunakan dalam penelitian
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciPertemuan 4 Aljabar Linear & Matriks
Pertemuan 4 Aljabar Linear & Matriks 1 Notasi : huruf besar tebal misalnya A, B, C Merupakan array dari bilangan, setiap bilangan disebut elemen matriks (entri matriks) Bentuk umum : m : jumlah baris (mendatar)
Lebih terperinciDidownload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN
BAB I PENDAHULUAN Dalam kehidupan sehari-hari seringkali dijumpai sesuatu hal yang banyak melibatkan sejumlah variabel yang antar variabel saling berpengaruh, hal semacam ini akan lebih mudah diinterpretasikan
Lebih terperinci