2. Teknik menentukan kesamaan dan ketidaksamaan dalam analisis kluster, mengitung kesamaan
dan ketidaksamaan dari data yang diberikan dan menentukan kluster dari hasil penghitungan
PAKE EXCELLL
3. Menghitung nilai hit ratio dari skor diskriminan output yang diberikan dan menginterpretasikan
(25 MENIT)
Cara liat hit rasio dari output tabel classification result:
Classification Resultsa,c
Predicted Group
Membership
SKB 1 2 Total
Original Count 1 6 25 31
2 4 53 57
% 1 19.4 80.6 100.0
2 7.0 93.0 100.0
b
Cross-validated Count 1 4 27 31
2 5 52 57
% 1 12.9 87.1 100.0
2 8.8 91.2 100.0
a. 67.0% of original grouped cases correctly classified.
b. Cross validation is done only for those cases in the analysis. In cross
validation, each case is classified by the functions derived from all cases
other than that case.
c. 63.6% of cross-validated grouped cases correctly classified.
RUMUS HIT RATIO:
n00 +n11 (6+53)
Hit Ratio= ×100 %= × 100 %=67 %
n0 +n1 (31+57)
INTERPRETASI
Berdasarkan output di atas, sebesar 67% objek/model dapat diklasifikasi secara tepat dari
jumlah total objek/model. Hit rasio pada output tersebut sebesar 67% artinya tabel tersebut
menggambarkan secara keseluruhan model diskriminan yang terbentuk memiliki tingkat
validasi yang cukup tinggi dan keakuratan model diskriminan yang cukup tinggi pula.
4. Teknik menyusun konstruk dalam PCA atau FA dan membuat path diagram dari data yang
diberikan. (20 MENIT)
Component
1 2 3
A7 0.216 -0.011 0.812
A8 0.200 0.007 0.907
A9 0.335 0.133 0.666
A10 0.894 0.063 0.243
A11 0.902 0.116 0.270
A12 0.922 0.094 0.269
A13 0.031 0.900 0.158
A14 0.062 0.926 -0.013
A15 0.157 0.920 -0.029
Nilai factor loading > 0.4
*misal A7 korelasi terbesar ada di faktor 3 yaitu 0.812)
Faktor 1 = A10 (0.894), A11 (0.902), A12 (0.922)
Faktor 2 = A13 (0.900), A14 (0.926), A15 (0.920)
Faktor 3 = A7 (0.216), A8 (0.200), A9 (0.335)
PATH DIAGRAM
A10
A11 Faktor 1
A12
A13
A14 Faktor 2
A15
A7
A8 Faktor 3
A9