Contoh :
Sumber : Multivariate
Analysis: Methods and
Applications, Dillon,
W.R., Goldstein M., John
Wiley & Sonsm, New
York, 1984.
Jelaskan perbedaan antara ANAVAR dengan ANCOVA, serta berikan contoh.
Perbedaan
ANAVAR (Analisis Varians / ANOVA)
ANCOVA (Analisis CoVarians)
Definisi
proses memeriksa perbedaan di antara cara-cara beberapa kelompok data untuk
homogenitas.
teknik yang menghilangkan dampak dari satu atau lebih variabel yang tidak diinginkan
skala metrik dari variabel dependen sebelum melakukan penelitian.
Penggunaan
Baik model linear dan non-linear digunakan.
Hanya model linier yang digunakan.
Termasuk
Variabel kategori.
Variabel kategori dan interval.
Kovariat
Diabaikan
Dianggap
Variasi BG
Variasi Antara Kelompok (BG) atribut, untuk pengobatan.
Variasi Divides Antara Kelompok (BG), menjadi pengobatan dan kovariat.
Variasi WG
Variasi Atribut Dalam Grup (WG), hingga perbedaan individual.
Membagi dalam Kelompok (WG) variasi, menjadi perbedaan individu dan kovariat.
Suatu penelitian dilakukan untuk mengetahui apakah terdapat pengaruh perbedaan kartu
kredit terhadap penggunaannya. Data di bawah ini adalah jumlah uang yang
dibelanjakan ibu rumah tangga menggunakan kartu kredit (dalam $). Empat jenis kartu
kredit dibandingkan:
Jumlah yang dibelanjakan ($)
8 12 19 13
7 11 20 12
10 16 15 14
19 10 18 15
11 12 19
Ujilah dengan α = 0.05, apakah terdapat pengaruh perbedaan kartu kredit pada
penggunaannya?
8 12 19 13
7 11 20 12
10 16 15 14
19 10 18 15
11 12 19
T = 55 T = 61 T = 91 T = 54
149.08/ 3 = F(3,
Antar Grup v1 = 4–1= 3 149.08
49.69 5.71 15)=
Dalam Grup (error) v2 = 19–4= 15 130.6 130.6/ 15 = 8.71 3.29
Total 18 279.68
Pengujian Hipotesis:
Jelaskan perbedaan antara Cluster Analysis dengan Factor Analysis, serta berikan
contoh
Perbedaan Cluster Analysis Factor Analysis
Definisi Teknik multivariat Teknik untuk
yang mempunyai menemukan
tujuan untuk hubungan beberapa
mengelompokkan variable yang
objek berdasarkan saling independent
karakteristik yang satu dengan yang
dimilikinya. lainnya sehingga
bisa dibuat satu
atau beberapa
faktor yang lebih
sedikit dari jumlah
variable awal
Prinsip Membandingkan Membuat faktor
objek berdasarkan dan cluster dari
set variable data yang tersedia
Aplikasi SPSS dengan K- Microsof Excel
mean cluster, k- (deskriptif) dan
medoids SPSS
Metode Hierarki dan non Confirmatory
hierarki Factor Analysis
(CFA) dengan cara
Structural
Equation
Modelling
Sampel Populasi dan Membagi sampel
multikolinearitas menjadi dua bagian
kemudian
membandingkan
hasil faktor sampel
satu dengan dua
Dari banyak siswa diambil 12 siswa sebagai contoh untuk penerapan algoritma k-
means dalam penjurusan siswa. Percobaan dilakukan dengan menggunakan parameter-
parameter berikut:
Jumlah cluster : 2
Jumlah data : 12
Jumlah atribut : 8
Diambil data ke- 2 sebagai pusat Cluster Ke-1: (84, 76, 79, 77, 76, 77, 75, 81)
Diambil data ke- 5 sebagai pusat Cluster Ke-2: (82, 82, 81, 91, 90, 82, 79, 91)
Rumus Euclidian distance
Jarak
Fisi Ki Biol Seja Akunt Sosiol Geog Terpend
Matem
ka mia ogi rah ansi ogi rafi C1 C2 ek
atika
10.4 21.7 10.4403
75 75 85 76 78 76 80 4 26 0651
79
84 76 79 77 76 77 75 81 0 24.0 0
21
24.1 14.5 14.5602
84 78 85 92 89 77 82 45 6 1978
77
14.1 26.0 14.1774
86 84 77 78 77 75 75 77 38 4688
78
24.0
82 81 91 90 82 79 91 21 0 0
82
15.6 28.8 15.6524
75 70 82 75 75 79 75 52 1 7584
75
16.4 22.1 16.4620
75 75 89 80 80 75 75 62 36 7763
77
11.8 26.2 11.8743
76 70 77 77 80 75 80 74 3 4209
77
11.1 22.4 11.1355
76 75 84 77 81 76 77 36 72 2873
79
6.85 27.0 6.85565
75 75 75 75 78 77 79 57 92 46
80
12.2 25.8 12.2882
71 75 75 77 81 79 84 88 46 0573
76
6.55 22.9 6.55743
77 75 78 78 77 77 80 74 78 8524
80
Pengelompokkan data
Jarak hasil perhitungan akan dilakukan perbandingan dan dipilih jarak terdekat antara
data dengan pusat cluster, jarak ini menunjukkan bahwa data tersebut berada dalam satu
kelompok dengan pusat cluster terdekat.
Berikut ini akan ditampilkan data matriks pengelompokkan group, nilai 1 berarti data
tersebut berada dalam group.
G1
C1 C2
No
1 0
1
1 0
2
0 1
3
1 0
4
0 1
5
1 0
6
1 0
7
1 0
8
1 0
9
1 0
10
1 0
11
1 0
12
Langkah selanjutnya sama dengan langkah pada nomor 3 jarak hasil perhitungan akan
dilakukan perbandingan dan dipilih jarak terdekat antara data dengan pusat cluster,
jarak ini menunjukkan bahwa data tersebut berada dalam satu kelompok dengan
pusat cluster terdekat.
G2
No C1 C2
1 0
1
1 0
2
0 1
3
1 0
4
0 1
5
1 0
6
1 0
7
1 0
8
1 0
9
1 0
10
1 0
11
1 0
12
X1 X2
No
2 6
1
3 4
2
3 8
3
4 7
4
6 2
5
6 4
6
7 3
7
7 4
8
8 5
9
7 6
10
Langkah 1
Hitung jarak untuk menghubungkan setiap objek data yang terdekat dengan. Nilai yang
terdekat dengan medoids dapat dilihat pada tabel.
3
Data Objek Cost 1
2 6 3 3 3
4
3 8 4 4 3
4
4 7 4 5 3
4
6 2 5 6 3
4
6 4 3 7 3
4
7 3 5 9 3
4
8 5 6 10 3
4
7 6 6
4
7
Data Objek Cost 1
2 6 7 3 7
4
3 8 8 4 7
4
4 7 6 5 7
4
4 6 2 3 6 7
6 4 1 7 7
4
7 3 1 9 7
4
8 5 2 10 7
4
7 6 2
4
Sehingga clusternya menjadi:
Langkah 2
Jika adalah medoid baru, maka hitung totalnya menggunakan rumus pada
langkah 1
3
Data Objek Cost 1
2 6 3 3 3
4
4 3 8 4 4 3
4 7 4 5 3
4
6 2 5 6 3
4
6 4 3 7 3
4
7 4 4 9 3
4
8 5 6 10 3
4
7 6 6
4
7
Data Objek Cost 1
2 6 8 3 7
3
3 8 9 4 7
3
4 7 7 5 7
3
6 2 2 6 7
3
6 4 2 7 7
3
7 4 1 9 7
3
8 5 3 10 7
3
7 6 3
3
Karena Total cost baru > Total cost awal, maka tidak terjadi pertukaran posisi.