ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND LOGO



dokumen-dokumen yang mirip
LABORATORIUM DATA MINING JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS ISLAM INDONESIA. Modul II CLUSTERING

TINJAUAN PUSTAKA Analisis Gerombol

STK511 Analisis Statistika. Pertemuan 13 Peubah Ganda

ANALISIS GEROMBOL CLUSTER ANALYSIS

PENGGEROMBOLAN SMA/MA DI KOTA PADANG BERDASARKAN INDIKATOR MUTU PENDIDIKAN DENGAN MENGGUNAKAN METODE CLUSTER ENSEMBLE

BAB II KAJIAN TEORI. linier, varian dan simpangan baku, standarisasi data, koefisien korelasi, matriks

BAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang

BAB II TINJAUAN PUSTAKA. penelitian ini, yaitu analisis peubah ganda, analisis gerombol (cluster analysis),

Pertemuan 14 HIERARCHICAL CLUSTERING METHODS

HI. KERANGKA TEORI. kelompok tersebut menimbulkan pengurangan dimensionalitas suatu tabel data,

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

TINJAUAN PUSTAKA Analisis Biplot Biasa

Pengenalan Pola. Klasterisasi Data

BAB II LANDASAN TEORI

Company LOGO ANALISIS BIPLOT

BAB II LANDASAN TEORI

Cluster Analysis. Hery Tri Sutanto. Jurusan Matematika MIPA UNESA. Abstrak

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 3, No.2, September 2014

Analisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster

KONSEP DASAR SAMPLING

Pengenalan Pola. Hierarchical Clustering

Tabel 6 Daftar peubah karakteristik

HASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:

BAB I PENDAHULUAN. 1.1 Latar Belakang. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada

PENERAPAN ANALISIS GEROMBOL DAN TEKNIK VALIDASI PADA PENGGEROMBOLAN KLON TEH LEMMA FIRARI BOER

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

HASIL DAN PEMBAHASAN

ANALISIS KELOMPOK DENGAN MENGGUNAKAN METODE HIERARKI UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI JAWA TIMUR BERDASAR INDIKATOR KESEHATAN

BAB 2 TINJAUAN PUSTAKA

DSS untuk Menganalisis ph Kesuburan Tanah Menggunakan Metode Single Linkage

TINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??

PENGGEROMBOLAN KABUPATEN/KOTA DI INDONESIA BERDASARKAN FASILITAS KESEHATAN DASAR MENGGUNAKAN METODE TWO STEP CLUSTER

BAB II LANDASAN TEORI. 2.1 Uji Hipotesis

*Corresponding Author:

ANALISIS CLUSTER KABUPATEN/KOTA DI RIAU BERDASARKAN PENDAPATAN DOMESTIK REGIONAL BRUTO (PDRB) TAHUN 2010 TUGAS AKHIR

ANALISIS CLUSTER PADA DOKUMEN TEKS

Universitas Negeri Malang Kata Kunci: cluster, single linkage, complete linkage, silhouette, pembangunan manusia.

Penyajian Grafis Data Peubah Ganda

BAB 3 METODOLOGI PENELITIAN

ANALISIS KELOMPOK METODE HIRARKI UNTUK PENGELOMPOKAN KOTA/KABUPATEN DI JAWA TIMUR BERDASARKAN INDIKATOR KETENAGAKERJAAN,,

ANALISA FAKTOR PENYEBAB KREDIT MACET DENGAN METODE QUEST

BAB II TINJAUAN PUSTAKA. mengelompokkan anggota-anggota yang mirip atau mempunyai karakteristik yang

UKURAN PENYEBARAN DATA

Penggerombolan Sekolah Menengah Atas Berdasarkan Nilai Ujian Nasional Di Kota Manado

CLUSTER ENSEMBLE DALAM PENGGEROMBOLAN VARIETAS PADI

Analisis Cluster terhadap Tingkat Pencemaran Udara pada Sektor Industri di Sumatera Selatan

DETEKSI GEROMBOL DENGAN METODE K-RATAAN KERNEL GAUSS BIMANDRA ADIPUTRA DJAAFARA

ANALISIS CLUSTER PADA DOKUMEN TEKS

PENGELOMPOKKAN KABUPATEN DI PROVINSI BALI BERDASARKAN PERKEMBANGAN FASILITAS PARIWISATA

Analisis Klaster Hierarki Untuk Pengelompokkan Kabupaten/Kota Di Jawa Tengah Berdsarkan Indikator Indeks Pembangunan Manusia (IPM) Tahun 2015

Jumlah persentase ini tidak harus persis seperti diatas tetapi bisa bervariasi tergantung di perusahaan mana metode ini diterapkan.

HASIL DAN PEMBAHASAN

PENGELOMPOKAN DESA DI KABUPATEN JEMBER BERDASARKAN PEUBAH POTENSI DESA MENGGUNAKAN METODE TWO STEP CLUSTERING DENGAN JARAK LOG-LIKELIHOOD SKRIPSI

BAB I PENDAHULUAN. 1.1 Latar Belakang

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

STUDI KOMPARATIF METODE KUADRAT TERKECIL DENGAN METODE REGRESI ROBUST PEMBOBOT WELSCH PADA DATA YANG MENGANDUNG PENCILAN

METODE PENELITIAN. Lokasi dan Waktu Penelitian. Metode Pengumpulan Data

BAB III PEMBAHASAN. survei yang dilakukan BPS pada 31 Oktober Langkah selanjutnya yang

BAB III DIVISIVE ANALISIS. Pada bab ini akan dipaparkan bagaimana konsep dari divisive analisis serta

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis

BAB I PENDAHULUAN. 7). Analisis ini dikelompokkan menjadi dua, yaitu analisis dependensi dan

BAB II TINJAUAN PUSTAKA. digunakan untuk menganalisis data dengan lebih dari satu peubah bebas

HASIL DAN PEMBAHASAN

PENGELOMPOKKAN DESA DI KABUPATEN SORONG PROVINSI PAPUA BARAT TAHUN 2016 BERDASARKAN STATUS KETERTINGGALAN

DATA MINING. Pertemuan 9. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi

PENGELOMPOKAN DESA/KELURAHAN DI KOTA DENPASAR MENURUT INDIKATOR PENDIDIKAN

King s Learning Be Smart Without Limits NAMA : KELAS :

BAB IV ANALISIS IMPLEMENTASI VARIASI MENGAJAR PADA MATA PELAJARAN FIQIH KELAS V DI MIS KERTIJAYAN

BAB II TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA. dengan kendala menjadi model penuh tanpa kendala,

DATA MINING DAN WAREHOUSE A N D R I

Pengelompokan Bank di Indonesia Berdasarkan Variabel Keuangan dengan Menggunakan Analisis Faktor dan Analisis Gerombol Berhirarki

Contoh Analisis Kurikulum

BAB 2 LANDASAN TEORI

PENGGEROMBOLAN DAN PEMETAAN KABUPATEN/KOTA DI PROVINSI JAWA BARAT BERDASARKAN NILAI UJIAN NASIONAL SMA DAN AKREDITASI SEKOLAH CHARLES E.

Analisis Cluster dengan Average Linkage Method dan Ward s Method untuk Data Responden Nasabah Asuransi Jiwa Unit Link

BAB II TINJAUAN PUSTAKA. Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT BERWIRAUSAHA MAHASISWA DENGAN TEKNIK SEM

Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot

Ruang Lingkup STATISTIKA

UKURAN DISPERSI (SEBARAN)DATA

MODUL 1. Teori Bilangan MATERI PENYEGARAN KALKULUS

BAB III K-MEDIANS CLUSTERING

BAB IV HASIL DAN PEMBAHASAN

Data Mining. Metode Klasterisasi K-Means

BAB IV KAJIAN SIMULASI: PENDEKATAN BAYES PADA DATA n<<p DAN TERDAPAT KEKOLINEARAN-GANDA

LOGO STATISTIKA MATEMATIKA I TEORI PELUANG HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

KAJIAN METODE BERBASIS MODEL PADA ANALISIS CLUSTER DENGAN PERANGKAT LUNAK MCLUST

DAFTAR ISI. ABSTRAK... i. KATA PENGANTAR... ii. UCAPAN TERIMA KASIH... iii. DAFTAR ISI... vi. DAFTAR TABEL... x. DAFTAR GAMBAR...

BAB I PENDAHULUAN. Masalah dalam kehidupan sehari-hari tidak hanya didasarkan pada

BAB I PENDAHULUAN. menggali informasi sebanyak-banyaknya. Tanpa keberadaan informasi, mustahil ilmu

BAB II LANDASAN TEORI

JULIO ADISANTOSO - ILKOM IPB 1

Pengantar Teori Bilangan. Kuliah 4

x j dan HASIL DAN PEMBAHASAN

Bab 2 LANDASAN TEORI

IMPLEMENTASI DETEKSI OUTLIER PADA ALGORITMA HIERARCHICAL CLUSTERING

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

Transkripsi:

ANALISIS PEUBAH GANDA ANALISIS GEROMBOL HAZMIRA YOZZA JURUSAN MATEMATIKA UNAND

Kompetensi menghitung jarak antar individu Membentuk gerombol dengan menggunakan metode gerombol berhierarkhi Membentuk gerombol dengan menggunakan metode gerombol tak berhierarkhi Jur. Matematika Unand

Analisis Gerombol Suatu teknik analisis statistika peubah ganda yang dapat digunakan untuk mengelompokkan objekobjek ke dalam beberapa gerombol berdasarkan peubah-peubah yang diamati pada objek-objek tersebut Diharapkan : Objek-objek yang mirip akan berada pada gerombol yang sama Objek-objek yang tidak mirip akan masuk ke dalam gerombol yang berbeda

Tujuan Analisis Gerombol Reduksi Data : mereduksi n objek menjadi beberapa gerombol Membangkitkan pengujian hipotesis : membangkitkan pengujian hipotesis mengenai variabel-variabel berdasarkan gerombol yang terbentuk

Contoh Di bidang pertanian untuk mengelompokkan tanaman untuk tujuan persilangan atau faktor penentu kelompok Di bidang psikologi untuk mengelompokkan objek berdasarkan kepribadian Di bidang pengembangan wilayah untuk mengelompokkan wilayah berdasarkan berbagai aspek demografinya Di bidang pemasaran produk untuk mengelompokkan wilayah pemasaran sehingga uji pasar dapat dilakukan terhadap satu kota pada masing-masing kelompok

Dilakukan pengamatan/ pengukuran p peubah (X1, X2,, Xp) terhadap n objek pengamatan Diperoleh data : Data ini dapat merupakan hasil dari analisis lain seperti AKU Objek X1 X2 Xp 1 x 11 x 21 x p1 2 x 12 x 22 x p2 3 x 13 x 23 x p3 : : : : n x 1n x 2n x pn Data asli sebaiknya dibakukan terlebih dahulu untuk menghindari dominasi salah satu peubah dalam analisis gerombol (cat : dalam penentuan matriks jarak)

Hasil Penggerombolan tergantung kepada : 1. Objek yang digunakan 2. Peubah yang diamati 3. Ukuran kemiripan dan ketakmiripan yang digunakan 4. Metode penggerombolan yang digunakan

Teknik Penggerombolan 1. Secara grafis 2. Teknik penggerombolan berhierarkhi a. Penggabungan (aglomerative) b. Pembagian (Divisive) (Cat : dimulai dengan penghitungan jarak) 3. Teknik penggerombolan tak berhierarkhi atau teknik penyekatan (partitioning technique) * dalam proses penggerombolan, objek dimungkinkan berpindah dari satu gerombol ke gerombol lain

Ukuran kemiripan/ketakmiripan antar individu Ukuran Kemiripan, diukur dengan koefisien kemiripan Suatu ukuran yang mengukur kemiripan antar individu Semakin mirip, semakin besar ukuran kemiripan tersebut Ukuran Ketakmiripan, diukur dengan koefisien ketakmiripan Suatu ukuran yang mengukur ketakmiripan antar individu Semakin tak mirip, semakin besar ukuran ketakmiripan tersebut Ukuran kemiripan dapat ditransformasi menjadi ukuran ketakmiripan dan sebaliknya

Ukuran ketakmiripan Suatu koefisien dinamakan koefisien ketakmiripan jika memenuhi syarat-syarat sbb :. d( x, y). d(x, x) 0 = 0. d ( x, y) = d( y, x) (Kondisi kesimetrikan) Bila kondisi dibawah ini terpenuhi, maka koefisien tersebut dinamakan JARAK d ( x, z) d( x, y) + d( y, z) Catatan : d(x,y) : jarak antara objek x dan y

Jarak : Salah satu ukuran ketakmiripan Misalkan 2 objek objek x= y = ( x1 x2 L x p ) ( y y L ) 1 y p Jarak antara dua objek 1. Jarak Euclid d 2 n 2 T ( x, y) ( ) = ( x y) ( x y) = i= 1 x i y i 2. Jarak Mahalanobis M T 1 ( x, ) = ( x y) S ( x y) d y

Jarak : Salah satu ukuran ketakmiripan 3. Khi Kuadrat 4. Jarak Minskowski d n 1 / k, ( x y) = i= 1 x i y i k k = 1 Jarak Manhattan atau city block distance k = 2 Jarak Euclid

Contoh : Objek X1 X2 X3 1 2 0 1 2 3 1 2 3 1 0 0 4 4 3 1 5 3 2 2 Hitung jarak antar objek

Analisis Gerombol Berhierarkhi Penggabungan 1. Bentuk matriks jarak antar objek; * biasanya dilakukan pembakuan terlebih dahulu agar tidak ada peubah yang mendominasi perhitungan jarak. 2. Bentuk n buah gerombol (n = banyak objek) yang masing-masingnya berisi 1 objek 3. Kelompokkan dua gerobol yang berjarak paling dekat 4. Perbaiki jarak antar gerombol dengan menggunakan salah satu metode perbaikan jarak 5. Lakukan langkah 2 dan 3 sampai diperoleh satu gerombol yang berisi seluruh objek.

Langkah 1. Bentuk matriks jarak Biasanya data dipusatkan terlebih dahulu Objek X1 X2 X3 1 2 0 1 2 3 1 2 3 1 0 0 4 4 3 1 5 3 2 2 Objek Z1 Z2 Z3 1-0.5-0.9-0.2 2 0.4-0.2 1.0 3-1.4-0.9-1.4 4 1.2 1.4-0.2 5 0.4 0.6 1.0

Langkah 1. Bentuk matriks jarak Biasanya data dipusatkan terlebih dahulu Objek 1 2 3 4 5 1 0 2 1.7 0 3 1.5 3.1 0 4 2.9 2.2 3.7 0 5 2.1 0.8 3.4 1.6 0 Cat : ukuran jarak sudah dibulatkan

Langkah 2.Gabungkan objek dengan jarak paling kecil (objek paling mirip) Objek 1 2 3 4 5 1 0 2 1.7 0 3 1.5 3.1 0 4 2.9 2.2 3.7 0 5 2.1 0.8 3.4 1.6 0 Cat : objek 2 dan 5 digabung

Langkah 3. Perbaiki jarak

Metode Perbaikan Jarak 1. Metode Pautan Tungga (Single Lingkage atau nearest neighbour) k ( i, j) = { d d } d min, ki kj 2. Metode Pautan Lengkap (Complete Lingkage atau furthest neighbour k ( i, j) = { d d } d max, ki kj 3. Metode Rata-rata Group d k ( i, j) = n i d ki n i + + n n j j d kj

Metode Perbaikan Jarak 4. Metode Sentroid d k ( i, j) = n i d ki n i + + n n j j d kj n ( n+ n ) 2 i i n j d j ij 5. Metode Median d 1 2 1 2 k ( i, j ) = d ki+ d kj 1 4 d ij

k ( i, j) = { d d } d min, ki kj Langkah 3. Perbaiki jarak { d } Mis digunakan met.pautan tunggal d k ( i, j) = mind ki, Yang perlu diperbaiki adalah jarak gerombol (2,5) dengan gerombol lain { d } 1,2, 1, = min{ 1.7,2.1} 1. 7 { d, } 3,2 3, = min{ 3.1,3.4} 3.1 { d, } = min { 2.2,1.6 } 1. 6 d1 (2,5) = min d 5 = d3 (2,5) = min d 5 = d4 (2,5) = min 4,2d4, 5 = Ger 1 2 3 4 5 1 0 2 1.7 0 3 1.5 3.1 0 4 2.9 2.2 3.7 0 5 2.1 0.8 3.4 1.6 0 kj

k ( i, j) = { d d } d min, ki kj Langkah 3. Perbaiki jarak JADI. Ger 1 2,5 3 4 1 0 2,5 1.7 0 3 1.5 3.1 0 4 2.9 1.6 3.7 0

k ( i, j) = { d d } d min, ki kj Ulangi.. Ger 1 2,5 3 4 1 0 2,5 1.7 0 3 1.5 3.1 0 4 2.9 1.6 3.7 0 Gerombol (2,5) dan 4 digabung d(1,3),(2,5;4) = min{ d(1,3),(2,5), d(1,3), 4} = min { 1.7,2.9} = 1. 7 Gerombol 1 dan 3 digabung d d (2,5),(1,3) 4,(1,3) = min = min { d } (2,5), 1, d(2,5),3= min1.7,3.1 { } { d, d } = min2.9,3.7 { } = 2. 9 4,1 4,3 Ger 1,3 2,5 4 1,3 0 2,5 1.7 0 4 2.9 1.6 0 = 1,7

k ( i, j) = { d d } d min, ki kj Ulangi.. Ger 1,3 2,5,4 1,3 0 2,5,4 1.7 0 Gerombol (2,5,4) dan (1,3) digabung RINGKASAN TAHAP GEROMBOL DIGABUNG JARAK PENGGA BUNGAN 1 2 5 0.8 2 1 3 1.5 3 2,5 4 1.6 4 2,5,4 1,3 1.7

Dendogram Gerombol : (2,5); 1;3;4 2 5 4 1 3

Kalau hasilnya spt ini Gerombol : (2,5); (1,3);4 2 5 4 1 3

Analisis Gerombol Tak berhierarkhi Rataan-k Tentukan k = banyaknya gerombol yang akan dibentuk Bagi pengamatan-pengamatan tersebut secara sebarang ke dalam k gerombol Tentukan pusat masing-masing gerombol Hitung jarak setiap pengamatan terhadap masing-masing pusat gerombol. Pindahkan objek-objek ke suatu gerombol yang jaraknya paling dekat. Ulangi langkah 3 5 sampai tidak terjadi lagi perpindahan objek.

www.themegallery.com Edit your company slogan