Analisis Multivariat

Analisis
Multivariat
1. Pendahuluan
Reference
2
1. Johnson, N. and Wichern, D. 2007. Applied Multivariate

Statistical Analysis, Prentice-Hall, Englewood Cliffs, N.J.
2. Rencher, A.C, Methods of Multivariate Analysis, 2nd edition,
John wiley, 2002
3. Hair, J.F., Anderson, R.E., Tatham, R.L. and Black, W.C. 2006.
Multivariate Data Analysis, Sixth edition, Prentice Hall
International: UK.
Dirangkum Oleh: Santi Puteri R. Marsudi

4. Sarma, S, Aplied Multivariate Techniques, John Wiley & Sons,
1996
5. Hardle, W.K and Simar, L., Applied Multivariate Statistical
Analysis, 4th edition, Springer Verlag, Berlin, 2014
6. Morison, D.F, 2005, Multivariate Statistical Method, McGraw-Hill
Inc., Tokyo.
3
#Bentuk Evaluasi
1) ETS dan EAS
2) Kuis dan atau Tugas

#Mengusahakan kehadiran tepat waktu sesuai jadwal
kuliah
#Minimal kehadiran mengikuti kuliah terjadwal adalah

80% (Peraturan Akademik)
4
Statistika
 Parametrik

 Non-Parametrik
5
Analisis Multivariat
 Parametrik: Multivariabel random dan saling

berhubungan

 Non-Parametrik: Multivariabel dan saling
berhubungan
Analisis tidak dilakukan secara terpisah per variabel

6
Analisis Multivariat
 Multivariabel random:

 Multivariabel:
 Saling berhubungan:
7
Analisis Multivariat vs.
 Analisis Multivariabel

 Analisis Univariat
8
9
10
Ilustrasi Uji Mean Univariat

Satu Populasi
Uji, apakah rata-rata penjualan buku sama dengan

55 dollar?
Dirangkum Oleh: Santi P. Rahayu Marsudi
11
12
13
Ilustrasi:
Uji Vektor Mean Satu Populasi

Ujilah, apakah rata-rata total penjualan dan total buku, masing2
berturut-turut adalah 55 dan 3 ?

14
Uji Vektor Mean Satu Populasi:
Uji Hipotesis (Pendekatan F)
Asumsi data:
1. Berdistribusi Normal P- Variat
2. Matrik Kovarians populasi tidak diketahui
3. Antar vektor observasi independen

15
data multi (p)-variat

Organisasi
16
Ilustrasi Organisasi
17
Data Bi(2)-variat Satu Populasi

Konsep Analisis Bivariat, Vektor Observasi & Sampel Random
18
19
20
Ilustrasi
Konsep Analisis Bivariat,
Vektor Observasi & Sampel Random

21
22
Vektor Random,
Vektor Observasi & Sampel Random

23
24
Revisited
25
[Vektor Random]
Vektor Mean & Matrik Kovarians Populasi

26
Vektor Mean Populasi

Matrik Kovarians Populasi
27
Matrik Kovarians
Populasi
28
Vektor Mean & Matriks Kovarians

Sampel

29
Vektor Mean
Sampel
30
31
Matrik Kovarians
Sampel
32
6
8
, 𝐗=
8 ഥ
3
, 𝐗𝟑 =
10
6
, 𝐗𝟐 =
9
6
𝐗𝟏 =
,
,
33

34
35
Matriks Korelasi
Populasi
Dirangkum Oleh Santi P. Rahayu Marsudi

36
37
Matriks Korelasi
Sampel
38
Dirangkum oleh Santi Puteri R. Marsudi
39
Dirangkum oleh Santi Puteri R. Marsudi,
40
Interpretasi: Sign &Magnitude
41
42
43
44
Statistik Uji (Pendekatan Hotelling)

45
Uji Mean Univariat Satu Populasi
46
Univariat ke Multivariat
47
48
Statistik Uji (Pendekatan Hotelling)

49
50
Uji Hipotesis (Pendekatan Hotelling)

51
52
53
54

Statistik Uji (Pendekatan Chi Square)

55
Ilustrasi
56

Dengan Statistik Uji (Pendekatan Chi Square)

57
Statistik Uji (Pendekatan F)

58
Uji Hipotesis (Pendekatan F)
Asumsi data:

59
Review:
Asumsi data:
1. Berdistribusi Normal
2. Varians populasi tidak
diketahui

3. Antar observasi
independen
60
Univariat ke Multivariat

61
62
63

Uji Hipotesis

64

65
66
67
68
69
Statistika
 Dependence (Supervised method):

 Interdependence (unSupervised Method)
70
Statistika
Analisis Univariat

 Interdependence
Analisis Univariat
71
Statistika & Sifat Multivariat

a. Analisis Univariat
b. Analisis Multivariat

 Interdependence
a. Analisis Univariat
b. Analisis Multivariat
72
Pemodelan Respon Metrik
1. Satu respon metrik

Regresi multiple (regresi linier OLS, regresi Poisson dll)
Anova One Way
2. Dua atau lebih respon metrik yang saling berhubungan

Satu Persamaan
Manova One Way
Dua atau lebih persamaan

Regresi Multivariat
Seemingly unrelated Regression
Structural Equation Modelling
73
Pengelompokan
1. Variabel
a. Principle Component Analysis (data metrik)
b. Factor Analysis (data metrik)
2. Observasi

a. Cluster Analysis (data metrik)
b. Discriminant Analysis
(klasifikasi: respon metrik, prediktor metrik)
3. Objek
a. Multidimensional Scaling (data metrik atau non metrik)
b. Correspondence Analysis (data nonmetrik)
74
Metode Reduksi Dimensi Variabel

(Metode Pengelompokan Variabel)
a. p < n, linier antar variabel

Metric data
Principal Component Analysis (PCA)
Factor Analysis (FA)
Non Metric Data: Multiple Correspondence Analysis

Mixed Data: PCA Mix
b. p > n (High Dimensional Data),

Metric Data, linier : Ensemble Logistic Regression
non linier: Kernel PCA
Support Vector Machines
75
Pengelompokan Observasi
1. Cluster Analysis
Metric data: Linkage, Ward, K-Means, skor PCA/FA
Non Metric Data: K-Mode, K-Medoids, ROCK, SWFM
Mixed Data: Ensemble ROCK, Ensemble SWFM
2. Classification Analysis (pemodelan dengan respon non metrik)

Satu respon non metrik
Analisis Diskriminan Fisher
Regresi Logistik
Regresi Probit
Dua atau lebih respon non metrik yang saling berhubungan
Regresi Probit Bivariat
Classifiers
in Data Mining Community
1. Single Classifier
a. Non-Kernel
- Discriminant Analysis (DA)
- Logistic Regression (LR)

- Regularized Logistic Regression (RLR)
- Decision Tree (DT)
- Neural Network (NN)
Etc.
b. Kernel  recent method
- Support Vector Machine (SVM)
- Kernel Logistic Regression (KLR)
Etc.
2. Ensemble Classifier
- Boostrap Agregating (Bagging): Random Forest, etc
- Boosting: Adaptive Boosting (AdaBoost), etc
Etc.
76
Salah satu issue utama : akurasi pada Klasifikasi Imbalanced
77
78
79
80
81
82
83
84
85
86

(Uji Mean Multivariat Satu Populasi)
1. Statistik Uji
2. Confidence Region

87
Uji Vektor Mean Satu Populasi dengan Confidence Region

88
Ekuivalensi antara
Confidende Region dg Uji Hipotesis Vektor Mean Satu Populasi

89
90
Review:
Ekuivalensi antara
Confidence Interval dg Uji Mean Univariat Satu Populasi

91
Review:
Asumsi data:
1. Berdistribusi Normal
2. Varians populasi tidak
diketahui
3. Antar observasi

independen
92
93
Uji Vektor Mean

Satu Populasi
(1) a. Statistik Uji
b. Confidence Region

Jika H0 ditolak pada (1), maka dilakukan
analisis secara univariat (jika sinkron)
(2) a. Interval Konfidensi Simultan Hotelling

b. Interval Konfidensi Bonferroni
c. Interval Konfidensi Univariat Konvensional
94
Statistik Uji (Pendekatan F)
Asumsi data:

95

Dengan Statistik Uji

96
Data Asal
97
98
99
Uji Vektor Mean Satu Populasi dengan Confidence Region

100
101
102
103
Uji Vektor Mean

Satu Populasi


104
Confidence Interval Simultan
untuk Vektor Mean Satu Populasi

105
106

107
108
109
Bonferroni Interval
110
111
Uji Vektor Mean

Satu Populasi


112

Statistik Uji

113
Statistik Uji

114
Confidence Region

115
116
117
Statistik Uji & Confidence Region

118
119
Uji Vektor Mean

Satu Populasi


120
121

122
123
124

Analisis Multivariat

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Multivariat

Diunggah oleh

Hak Cipta:

Format Tersedia

Analisis

1. Johnson, N. and Wichern, D. 2007. Applied Multivariate

Dirangkum Oleh: Santi Puteri R. Marsudi

Dirangkum Oleh: Santi Puteri R. Marsudi

#Minimal kehadiran mengikuti kuliah terjadwal adalah

Dirangkum Oleh: Santi Puteri R. Marsudi

 Parametrik: Multivariabel random dan saling

Dirangkum Oleh: Santi Puteri R. Marsudi

Analisis tidak dilakukan secara terpisah per variabel

Dirangkum Oleh: Santi Puteri R. Marsudi