About

Rabu, 29 April 2020

PENJELASAN LANJUTAN ANALISIS CLUSTER / KLASTER

Perbedaan mendasar analisis faktor dengan analisis klaster terletak pada apa yang dikelompokkan/direduksinya. Dalam analisis faktor mengelompokkan variabel namun pada analisis klaster mengelompokkan objek/responden. Jika data sudah diinput dalam suatu worksheet pengolahan data, maka yang membedakan keduanya yaitu pada analisis faktor meengelompokkan kolom sedangkan pada analisis klaster mengelompokkan baris. Pengelompokkan ini didasarkan pada klasifikasi objek atau responden/kasus dalam kelompok yang homogen. Kelompok homogen ini disebut klaster.

Analisis klaster telah digunakan dalam pemasaran dengan berbagai tujuan (menurut J.Supranto, 2004) sebagai berikut :
1. Tujuan membuat segmen pasar.
2. Memahami perilaku membeli
3. Mengenali peluang produk baru
4. Memilih uji pasar
5. Mereduksi data

Langkah-langkah dalam analisis klaster sebagai berikut :
1. Merumuskan masalah pengklasteran dengan mendefinisikan variabel yang digunakan.
2. Memilih ukuran jarak atau similaritas. Ukuran kemiripan yang paling biasa digunakan adalah jarak Euclidean yaitu akar dari jumlah kuadrat deviasi.
3. Memilih prosedur pengklasteran apakah hirarki atau non hirarki. Biasanya dalam pemasaran menggunakan metode hirarki aglomeratif.
4. Menentukan banyaknya klaster, tidak ada aturan baku, namun sebagai pertimbangan dapat digunakan hal berikut ini :
a. Pertimbangan teoritis, konseptual, dan praktis
b. Dalam klaster hirarki dapat menggunakan jarak
c. Dalam klaster Non-Hirarki dapat menggunakan rasio jumlah varian dalam klaster dengan antar klaster dapat diplotkan . Titik dimana suatu siku atau lekukan tajam terjadi menunjukkan banyaknya klaster.
5. Menginterpretasikan profil klaster
6. Menguji reliabilitas dan validitas klaster.

Hal ini dapat juga dilihat pada gambar 1 berikut ini :


Gambar 1. Langkah-langkah Analisis Klaster
Sumber : Supranto, 2004.

Klasifikasi prosedur pengklasteran dapat dilihat pada gambar 2 berikut ini :
Gambar 2. Klasifikasi Prosedur Pengklasteran
Sumber : Supranti, 2004

Selanjutnya kita bahas secara singkat masing-masing prosedur :
1. Klaster Hirarki
Diawali dengan pengelompokkan dua atau lebih objek yang memiliki kesamaan paling dekat. Selanjutnya masing-masing kelompok lakukan lagi pengelompokkan yang memiliki kesamaan paling dekat, demikian seterusnya hingga tidak ada yang mirip. Metode ini terlihat seperti akar pohon. Biasanya menggunakan dendogram dalam membantu menjelaskan proses hirarkinya.

Metode klaster hirarki terbagi atas dua yaitu :
a. Agglomerative = pemusatan --> setiap objek dianggap sebuah klaster, lalu cari yang mirip dan digabungkan menjadi klaster baru, dst.
b. Divisive = penyebaran --> sebuah klaster besar yang terdiri dari keseluruhan objek, lalu ketidakmiripan objek yang paling tinggi dipisahkan, dst.

2. Klaster Non-Hirarki
Diawali dengan menentukan jumlah klaster yang diinginkan apakah dua, tiga, dst. Selanjutnya proses klaster dilakukan tanpa mengikuti proses hirarki yang biasa disebut juga K-Means Cluster. Langkah-langkahnya :
a.   Memilih klaster pusat
b.   Semua objek dalam jarak tertentu ditempatkan pada klaster yang terbentuk.
c. Memilih klaster selanjutnya dan menempatkan kembali objek sampai objek semuanya ditempatkan.

Beberapa istilah jenis-jenis analisis klaster :
Single Linkage : Didasarkan pada jarak terkecil, jika jaraknya berdekatan maka akan menjadi satu klaster.
Complete Linkage : Didasarkan pada jarak terjauh, jika jaraknya berjauhan maka akan mejadi beda klaster.
Average Linkage : Didasarkan pada rata-rata jarak seluruh individu dalam klaster dengan jarak seluruh individu dalam klaster yang lain.
Ward's Methods : Didasarkan pada jumlah Sum of Square dua klaster pada masing-masing variabel
Sequential Tresholds Methods : Diawali dengan pemilihan satu klaster, kemudian penempatan objek dengan jarak tertentu, lalu lanjut dengan penempatan objek jarak tertentu lainnya, dan seterusnya.
Parallel Treshold Methods : Diawali dengan memilih sejumlah klaster secara bersamaan dan menempattkan objek ke dalamnya. Jika ada yang tidak bisa ditempatkan, maka objek itu dibiarkan saja.
Optimization Methods : Menempati objek dengan optimal yaitu memungkinkan kembali objek untuk ditempatkan.

Langkah analisis klaster lainnya yaitu interpretasi hasil maksudnya adalah memberi nama spesifik untuk menggambarkan isi klaster. Dalam melakukan analisis klaster diperlukan uji asumsi yaitu sampel benar-benar mewakili populasi dan uji multikolinearitas.


by MEYF



Jumat, 24 April 2020

ANGKA INDEKS

Angka indeks digunakan untuk mengukur secara kuantitatif terjadinya perubahan dalam dua waktu yang berbeda. Jika nilai angka indeks lebih dari 100 persen maka indeks dikatakan naik atau keadaan dikatakan mengalami peningkatan dibandingkan tahun dasar. Jika nilai angka indeks kurang dari 100% maka indeks dikatakan turun atau keadaan dikatakan mengalami penurunan dibandingkan tahun dasar. Berikut akan kita lihat video menghitung angka indeks.




BY MEYF

Rabu, 22 April 2020

MEMBUAT TABEL DISTRIBUSI FREKUENSI

Berikut ini kita bisa membahas bagaimana cara menyusun tabel distribusi frekuensi dari sekelompok data. Bisa ditonton dan dipelajari melalui Youtube Channel saya berikut ini :



by MEYF

Selasa, 14 April 2020

PENDAHULUAN ANALISIS CLUSTER

Tujuan analisis ini adalah untuk mengelompokkan objek ke dalam kelompok yang sama berdasarkan sifat kemiripan atau ketidakmiripan antar objek. Lain halnya dengan analisis faktor yaitu mengelompokkan variabel yang saling berkorelasi. Ketidakmiripan objek diukur berdasarkan jarak misalnya menggunakan jarak  Euclid, dll.
Variabel yang digunakan didasarkan pada hasil penelitian sebelumnya, teori, hipotesis yang sudah diuji atau pertimbangan dari peneliti yang senior (berpengalaman).

Metode analisa kluster terdiri dari :
1. Metode grafik
Metode grafik adalah metode yang sederhana dalam mengelompokkan responden. Didasarkan kemiripan arah grafik yang sama. Metode grafik ini efektif untuk data yang sedikit.

2. Metode berhirarki
Metode ini digunakan bila banyaknya kelompok yang akan dibentuk belum diketahui sebelumnya dan jumlah objek amat relatif kecil. Pembentukan kluster didasarkan pada kuat tidaknya hubungan antar objek.

3. Metode tak berhirarki
Metode ini disebut juga K-Meana Cluster. Metode ini lebih cepat dibandingkan metodr hirarki dan lebih menguntungkan jika jumlah objek/kasus atau observasi besar sekali (sampel besar)

Namun metode hirarki dan non hirarki disarankan dipergunakan secara berdampingan.


Minggu, 12 April 2020

PERBEDAAN ANALISIS REGRESI DAN ANALISIS KORELASI

Analisis regesi dan analisis korelasi adalah dua analisis yang mirip tapi berbeda. Analisis yang paling sering digunakan oleh mahasiswa dalam penyelesaian skripsi secara kuantitatif jika ingin mengukur hubungan atau pengaruh dua variabel atau lebih. Adapun perbedaannya dapat dijelaskan sebagai berikut :

Analisis regresi tujuannya adalah untuk megetahui pengaruh variabel bebas terhadap variabel terikat. Sedangkan analisis korelasi adalah untuk mengetahui arah dan kekuatan hubungan dua variabel secara kuantitatif, apakah hubungannya kuat, lemah atau moderate atau apakah arahnya positif atau negatif. 
Analisis regresi memiliki persamaan/formula/rumus yang menghubungkan antara variabel bebas dan variabel terikat yang dikenal dengan model regresi. Sedangkan analisis korelasi tidak demikian. 

Hubungan yang terjadi pada analisis regresi adalah hubungan kausalitas artinya ada hubungan sebab dan akibat antara dua variabel. Variabel independen menyebabkan pengaruh pada variabel dependen dengan kata lain mempengaruhi dan variabel dependen disebabkan pengaruh oleh variabel independen dengan kata lain dipengaruhi. Namun analisis korelasi adalah hubungan asosiatif artinya hanya sebatas hubungan dan tidak ada hubungan sebab dan akibat antara dua variabel tersebut. 

Analisis regresi dapat memprediksi nilai variabel dependen jika diketahui nilai variabel independen atau sebaliknya yaitu dengan menggunakan model regresi. Sedangkan analisis korelasi tidak demikian. 

Dalam penulisan hipotesis, analisis regesi biasanya berbunyi "Diduga ada pengaruh antara variabel X terhadap variabel Y"sedangkan analisis korelasi biasanya berbunyi "Diduga ada hubungan antara variabel X dan variabel Y". Atau menyesuaikan dengan rumusan masalah dalam penelitian.

by MEYF

Sabtu, 12 Januari 2019

ECO_MATH ~"TURUNAN FUNGSI"

~ECO-MATH~ "INTEGRAL"