MAKALAH

ANALISIS DATA: STATISTIK INFERENSIAL (ANALISIS FACTOR,

ANALISIS, CONJOINT, dan ANALISIS CLUSTER

Dosen Pengampu: FATHOR AS, SE.,MM

DI SUSUN OLEH:

MUHAMMAD NANDITO PRADANIS (200211100247)

ARVIAN AZHRIL RAHMADANI (200211100253)
NUR INDAWATI (200211100255)

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS TRUNOJOYO MADURA

2022

1
Kata Pengantar
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan
hidayah-Nya sehingga kami dapat menyelesaikan tugas makalah ini tepat
waktunya. Serta shalawat dan salam semoga tetap tercurah limpahkan kepada
junjungan besar Nabi Muhammad SAW karna atas kehadirannya kita bisa diangkat
dari alam jahiliyah menuju alam yang terang benderang karena adanya iman dan
Islam.

Adapun tujuan dari penulisan Makalah mengenai materi, ini untuk

memenuhi Tugas Mata Kuliah METPEN dari Bapak FATHOR AS, SE.,MM.
Selain itu makalah ini juga bertujuan untuk menambah wawasan bagi para
pembaca dan juga penulis.

Saya mengucapkan Terima kasih kepada Bapak FATHOR AS, SE.,MM

selaku dosen bidang Studi METPEN yang telah memberikan tugas ini sehingga
dapat menambah pengetahuan dan wawasan sesuai dengan bidang studi yang saya
tekuni.
Saya juga mengucapkan Terima kasih kepada semua pihak yang telah
membagi sebagaian pengetahuannya sehingga saya dapat menyelesaikan makalah
ini. Saya menyadari makalah yang saya buat ini jauh dari kata sempurna. Oleh
karena itu, kritik dan saran yang membangun akan kami nantikan demi
kesempurnaan makalah ini.

Bangkalan, 1 Maret 2022

penulis

i
 DAFTAR ISI

Contents
Kata Pengantar ..................................................................................................................... i
DAFTAR ISI....................................................................................................................... 1
BAB I .................................................................................................................................. 2
PENDAHULUAN .............................................................................................................. 2
A. Latar Belakang ........................................................................................................... 2
B. Rumusan Masalah ...................................................................................................... 3
C. Manfaat....................................................................................................................... 3
BAB II................................................................................................................................. 4
PEMBAHASAN ................................................................................................................. 4
A. Pengertian Statistik Inferensial ........................................................................... 4
B. Analisis Faktor ...................................................................................................... 4
C. Analisis Conjoint/Konjoin .................................................................................. 10
D. Analisis Cluster ................................................................................................... 12
Masalah-Masalah dalam Analisis Cluster ............................................................ 12
Tahapan Analisis Cluster ....................................................................................... 13
BAB III ............................................................................................................................. 15
PENUTUP ........................................................................................................................ 15
A. Kesimpulan .............................................................................................................. 15
DAFTAR PUSTAKA ....................................................................................................... 15

1
 BAB I

PENDAHULUAN

A. Latar Belakang
Statistika inferensial mencakup semua metode yang berhubungan dengan
analisis data untuk peramalan atau penarikan kesimpulan mengenai keseluruhan
gugus data induknya. Dalam analisis data ada beberapa metode analisis data yang
dapat digunakan. Yakni analisis data denganmetode conjoin, dengan metode
factor, dan metode cluster.

Analisis cluster merupakan salahsatu analisis data mining yang digunakan

untuk mengelompokkan objek multidimensional, yaitu objek yang dapat
digambarkan dengan sejumlah karakteristik. Salah satu tugas dalam data mining
adalah proses clustering. Tujuan utama dari proses ini adalah untuk
pengelompokan sejumlah data/obyek ke dalam sebuah cluster sehingga dalam
setiap cluster akan berisi data yang semirip mungkin (Nurjanah, dkk, 2014). Pada
analisis cluster memungkinkan untuk pengelompokkan pada data yang besar
sehingga penggunaannya menjadi lebih praktis (Kucherov & Kurenkov, 2017).

Analisis konjoin diperkenalkan pertama kali oleh matematikawan-

psikolog dan statistikawan yaitu Luce dan Tukey pada tahun 1964. Pada mulanya
analisis ini lebih banyak digunakan oleh perusahaan untuk riset dalam
mengembangkan produknya. Namun seiring perkembangan zaman, analisis
konjoin dapat pula diterapkan pada bidang lain seperti pertanian, psikologi,
biologi, dan bidang-bidang lainnya.

Analisis faktor adalah salah satu teknik statistika yang dapat digunakan
untuk memberiikan deskripsi yang relatif sederhana melalui reduksi jumlah
peubah yang disebut faktor. Analisis faktor adalah prosedur untuk
mengidentifikasi item atau variabel berdasarkan kemiripannya. Kemiripan
tersebut ditunjukkan dengan nilai korelasi yang tinggi. Item-item yang memiliki
korelasi yang tinggi akan membentuk satu kerumunan faktor.Prinsip dasar dalam
analisis faktor adalah menyederhanakan deskripsi tentang data dengan
mengurangi jumlah variabel/ dimensi.

Dalam makalah ini penulis ingin menyampaikan hal-hal komprehensif

mengenaianalisis Konjoin, analisis factor, dan analisis cluster, bentuk-bentuk dan
tahapan dalam melakukan analisis.

2
B. Rumusan Masalah
1. Apa itu statistic inferensiali?
2. Apa itu analisis factor, conjoin, dab kluster?
3. Bagaimana tahapan dalam melakukan analissi conjoin, analisis
factor, dan analisis cluster

C. Manfaat
1. Mengetahui apa itu statistic inferensial
2. Dapat menengetahui tujuan analisis conjoin, analisis factor, dan
analisi cluster
3. Mengetahui manfaat analisis conjoin, anaisis factor, dan
analisiscluster
4. Mengetahui tahapan dan langkah-langkah dalam melakukan analis
conjoin, analisis factor, dan analisis cluster

3
 BAB II

PEMBAHASAN
A. Pengertian Statistik Inferensial

Statistika inferensial mencakup semua metode yang berhubungan dengan

analisis data untuk peramalan atau penarikan kesimpulan mengenai keseluruhan
gugus data induknya. Statistika inferensial merupakan pengetahuan statistika yang
berhubungan dengan penarikan kesimpulan yang bersifat umum dari data yang
telah di susun dan di olah. Secara ringkas statistika inferensial adalah statistika
yang di gumakan untuk mengeneralisasikan data sampel terhadap populasi.

B. Analisis Faktor

Analisis faktor adalah salah satu teknik statistika yang dapat digunakan untuk
memberiikan deskripsi yang relatif sederhana melalui reduksi jumlah peubah yang
disebut faktor. Analisis faktor adalah prosedur untuk mengidentifikasi item atau
variabel berdasarkan kemiripannya. Kemiripan tersebut ditunjukkan dengan nilai
korelasi yang tinggi. Item-item yang memiliki korelasi yang tinggi akan
membentuk satu kerumunan faktor.Prinsip dasar dalam analisis faktor adalah
menyederhanakan deskripsi tentang data dengan mengurangi jumlah variabel/
dimensi.

a. Analisis faktor memungkinkan peneliti untuk:

• Menguji ketepatan model (goodness of fit test) faktor yang terbentuk dari
item-item alat ukur.

• Menguji kesetaraan unit pengukuran antar item,

• Menguji reliabilitas item-item pada tiap faktor yang diukur,

• Menguji adanya invarian item pada populasi.

4
b. Fungsi Analisis Faktor

Analisis faktor memiliki fungsi penting dalam pengembangan alat ukur.

Beberapa fungsi tersebut antara lain sebagai berikut.

a) Pengujian Dimensionalitas Pengukuran

Dimensionalitas pengukuran adalah banyaknya atribut yang diukur oleh

sebuah alat ukur. Alat ukur yang unidimensi mengukur satu atribut psikologis
saja sedangkan alat ukur yang multidimensi mengukur lebih dari satu atribut
ukur. Pengukuran dalam bidang psikologi didominasi oleh pengukuran
unidimensi karena alat ukur yang dikembangkan peneliti psikologi biasanya
mengukur satu target ukur saja. Misalnya Skala Kecemasan, skala ini
diharapkan mengukur atribut kecemasan saja dan tidak mengukur atribut
yang lain. Untuk mengetahui apakah alat ukur yang dikembangkan oleh
peneliti mengukur satu atribut atau banyak atribut diperlukan analisis faktor.

b) Pengujian Komponen atau Aspek dalam Alat Ukur

Penyusunan alat ukur psikologi biasanya diawali dari penurunan konsep

menjadi komponen atau aspek konsep sebelum diturunkan menjadi aitem
berupa pernyataan skala. Untuk mengidentifikasi apakah item-item yang
diturunkan dari komponen alat ukur mewakili komponen tersebut maka
diperlukan analisis faktor. Analisis faktor juga dapat menunjukkan apakah
antar komponen memiliki keterkaitan ataukah tidak (independen).

c. Tujuan Analisis Faktor

• Menjelaskan struktur hubungan diantara banyak variabel dalam bentuk

faktor/variabel (laten/bentukan), bahkan antar responden.
• Faktor berupa besaran acak yang sebelumnya tidak dapat diamati/diukur.
• Mereduksi jumlah variabel asal yang banyak menjadi variabel baru yang
lebih sedikit (mereduksi data)
• Mengidentifikasi adanya hubungan antara variabel pembentuk faktor
dengan faktor yang terbentuk
• Uji validitas dan reliabilitas instrumen dengan analisis factor konfirmatori
• Uji validasi data untuk mengetahui apakah hasil analisis factor dapat
digeneralisasi ke populasi
• Menggunakan analisis faktor dengan teknik analisis lain

5
d. Jenis Analisis Faktor

• Analisis Faktor Eksploratori (Exploratory Factor Analysis)

Seorang peneliti membuat seperangkat item yang mengukur kualitas
pelayanan bank. Item tersebut merupakan operasionalisasi dari teori dan
indikator mengenai kualitas layanan. Peneliti hendak mengidentifikasi
berapa faktor yang ada di dalam seperangkat item tersebut. Dari analisis
faktor kemudian didapatkan ada 4 faktor yang menggambarkan kualitas
layanan bank, antara lain faktor fitur layanan, fasilitas gedung, keramahan
karyawan, serta jaminan keamanan.

• Analisis Faktor Konfirmatori (Confirmatory Factor Analysis).

Seorang peneliti merancang sebuah alat ukur mengenai dukungan sosial.
Alat ukur tersebut berisi seperangkat aitem yang diturunkan dari lima
dimensi dukungan sosial. Peneliti berusaha memastikan apakah alat ukur
yang dibuatnya benar-benar menjelaskan kelima dimensi tersebut. Ia
kemudian melakukan analisis faktor konfirmatori. Hasil dari analisis faktor
menunjukkan bahwa pembagian kelima factor akhirnya dibuktikan.
• R-faktor Analysis
• Q-faktor Analysis

e. Tahapan Analisis Faktor

• Formulasi Problem dengan merumuskan Apa tujuan Masalah? Apakah

jumlah observasi mencukupi paling sedikit antara 4-5, observasi untuk
setiap variabel, minimal 100sampel.
• Pembentukan Matriks korelasi,
o Barlett Test of Sphericity, digunakan untuk mengetahui apakah ada
korelasi yang signifikan antar variabel.
o Keiser-Meyers-Oklin(KMO), digunakan untuk mengukur
kecukupan sampel dengan cara membandingkan besarnya
koefisien korelasi yang diamati dengan koefisien korelasi
parsialnya.

6
 - kriteria kesesuaian dalam pemakaian analisis factor
KMO = 0,9 Sangat memuaskan
KMO = 0,8 Memuaskan
KMO = 0,7 Menenngah
KMO = 0,6 Cukup
KMO = 0,5 Kurang memuaskan
HARGA KMO KURANG DARI Tidak dapat diterima
0,5

- Kriteria Angka MSA

Jika MSA = 1 Maka variabel tersebut dapat
diprediksi tanpa kesalahan oleh
variabel yang lainnya
Jika MSA > 1 Maka variabel tersebut masih dapat
diprediksi dan dianalisis lebih
lanjut.
Jika MSA < 1 Maka variabel tersebut tidak
dapatdianalisis lebih lanjut, dan
dikeluarkan dari variabel lainnya

o Measure of Sampling Adequacy

o Pengujian dengan MSA
• Menentukan Prosedur Analisis
- Principal Componente Analysis
- Principal Axis Factor Analysis
• Mengekstraksi Faktor, Proses mereduksi sejumlah variabel menjadi
sejumlah set variabel baru atau faktor yang jumlahnya sedikit.
• Merotasi Faktor,
- Orthogonal rotation
- Oblique rotation
• Intrepretasi, Dilihat loading faktornya (+/-.5 or greater) and (+/-.4 or less)
Jika tujuannya mereduksi data , beri nama faktor hasil reduksi dan hitung
faktor skornya. (a linear combinationof the original variables)

7
Supranto (2004) mengemukakan bahwa langkah-langkah dalam menentukan
analisis faktor adalah pertama merumuskan masalah dan mengidentifikasi variabel
asli yang akan dianalisis faktor. Kemudian suatu matriks korelasi dari variabel
dibentuk dan metode analisis faktor dipilih. Peneliti menentukan banyaknya faktor
yang akan dipilih (extracted) dari variabel yang banyak tersebut dan metode rotasi
akan dipergunakan. Selanjutnya menginterpretasikan faktor hasil rotasi.

Berikutnya tergantung pada tujuan penelitian, menghitung skor faktor ataukah

memilih surrogate variable, untuk mewakili faktor yang akan digunakan untuk
analisis multivariat selanjutnya. Dengan mengacu pada teori diatas, secara
singkat, proses analisis faktor dapat dilakukan tahapan sebagai berikut:

• Mengelompokan variabel-variabel yang akan dianalisis faktor dalam suatu

permasalahan dan menyusun matriks korelasinya.

• Melakukan Ekstraksi faktor.

• Merotasi faktor.

• Menghitung skor factor

• Interpretasikan Faktor

• Pembuatan factor scores.

• Pilih variabel surrogate atau tentukan summated scale

Terdapat dua cara yang dapat dipergunakan dalam analisis faktor khususnya
koefisien skor faktor, yaitu Principal component dan Common factor analysis.

• Principal component Jumlah varian dalam data dipertimbangkan. Diagonal

matrik korelasi terdiri dari angka satu dan full variance dibawa dalam
matriks faktor. Principal component direkomendasikan jika hal yang
pokok adalah menentukan bahwa banyaknya faktor harus minimum
dengan memperhitungkan varians maksimum dalam data untuk
dipergunakan di dalam analysis multivariate lebih lanjut.

• Common factor analysis Faktor diestimasi hanya didasarkan pada common

variance, communalities dimasukkan dalam matrik korelasi. Metode ini
dianggap tepat jika tujuan utamanya mengenali/mengidentifikasi dimensi
yang mendasari dan common variance yang menarik perhatian.

8
Penentuan Banyakya factor

Maksud melakukan analysis faktor adalah mencari variable baru yang

disebut faktor yang tidak saling berkorelasi, bebas satu sama lain, lebih sedikit
dari variable asli, tapi dapat menyerap sebagian besar informasi yang terkandung
dalam variable asli atau yang dapat memberikan sumbangan terhadap varian
seluruh variable. Lalu berapa faktor yang perlu disajikan? Ada beberapa cara;

1. Penentuan Apriori

Kadang karena peneliti sebelumnya sudah mengetahui berapa faktor yang

digunakan maka kita akan menentukan dulu berapa faktor yang akan digunakan.

2. Penentuan Berdasar Eigenvalue

Faktor dengan eigenvalue lebih besar dari satu yang dipertahankan jika lebih kecil
dari satu faktornya tidak diikutsertakan dalam model. Suatu eigenvalue
menunjukkan besar sumbangan dari faktor terhadap varian seluruh variable asli.
Hanya faktor dengan varian lebih dari 1 yang dimasukkan dalam model. Faktor
dengan varian kurang dari 1 tidak baik karena variable asli telah dibakukan yang
berarti rata-ratanya 0 dan variansnya 1. Bila banyak variable asli asli kurang dari
20 pendekatan ini menghasilkan sejumlah faktor yang konservatif.

3. Penentuan Berdasar Screeplot

Dapat dilihat dari grafik screeplot dimana scree mulai terjadi menunjukkan
banyak faktor yang benar, tepatnya ketika scree mulai mendatar. Kenyataan
menunjukkan bahwa penentuan banyaknya faktor dengan screeplot akan
mencapai satu atau lebih banyak dari penentuan dengan eigenvalue.

4. Penentuan Didasarkan pada Presentase Varian

Banyak faktor diekstraksi ditentukan sedemikian rupa sehingga kumulatif

presentase varian yang diekstraksi oleh faktor mancapai suatu level tertentu yang
memuaskan. Ekstraksi faktor dihentikan jika kumulatif presentase varian sudah
mencapai paling sedikit 60% atau 75% dari seluruh varian variable asli.

9
C. Analisis Conjoint/Konjoin

Contjoint Analysis bisa disebut juga sebagai Consider jointly , yang dalam
bahasa Indonesia dapat diterjemahkan sebagai analisis konjoin. Analisis konjoin
adalah sebuah teknik analisis yang dapat digunakan untuk menentukan tingkat
kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh suatu
produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk
terkait. Untuk menentukan strategi pemasaran, analisis conjoint ini tepat dan baik.
Bahkan pada tataran yang lebih tinggi bisa dipakai untuk segmentasi pasar
berdasarkan preferensi konsumen terhadap atribut produk yang dipilihnya.

Filosofi dari teknik analisis ini ialah setiap stimulus apa saja yang bisa
berupa produk, merek atau barang yang dijual dipasar akan dievaluasi oleh
konsumen sebagai suatu kumpulan atribut-atribut tertentu. Oleh karena itu, teknik
ini sangat bermanfaat dalam pemasaran untuk mengetahui preferensi konsumen
terhadap suatu produk yang diluncurkan di pasar. Dalam model multivariat
lainnya analisis konjoin dapat digunakan untuk mengembangkan skor dari
beberapa individu dan mengembangkan model untuk tiap individu.

a. Tujuan analisis conjoin

• Menentukan tingkat kepentingan relatif atributatribut pada proses

pemilihan yang dilakukan oleh konsumen.
• Membuat estimasi pangsa pasar suatu produk tertentu yang berbeda
tingkat atributnya.
• Untuk menentukan komposisi produk yang paling disukai oleh konsumen
Untuk membuat segmentasi pasar yang didasarkan pada kemiripan
preferensi terhadap tingkat-tingkat atribut

b. Manfaat analisis Conjoin

Menurut Green dan Krieger (1991) analisis ini dapat juga dimanfaatkan untuk :

• Merancang harga

10
 • Memprediksi tingkat penjualan atau penggunaan produk (market share),
uji coba konsep produk baru.
• Segmentasi preferensi
• Merancang strategi promosi

Asumsi yang harus dipenuhi dalam Contjoint Analysis antara lain :

• Subyek berpikiran rasional dalam mempertimbangkan atribut

• Atribut bisa diidentifikasi
• Preferensi bersifat additive

c. Tahapan Analisis Conjoin

Tujuh langkah penelitian dalam Contjoint Analysis :

o Formulasikan masalah terlebih dahulu: Apa tujuan analisis CA?

o Menyusun stimuli
Memutuskan bentuk dari data input yang akan digunakan, Di
dalam analisis konjoin bentuk input data bisa kualitatif (non
metrik) ataupun data kuantitatif (metrik). Untuk data non metrik
responden diminta untuk memberikan evaluasi

o peringkat (rank). Di dalam data metrik responden memberikan

rating. Setelah responden menilai (to rate) atau membuat
peringkat (to rank) stimulus dengan menggunakan skala yang
tepat dan data yang diperoleh kemudian di analisis
o Memilih desain conjoint analysis yang tepat
o Mengumpulkan dan menafsikan data (part-worth function)
o Menilai reliabilitas dan validitas (R-square, Kendal tau, dll)
o Melakukan simulasi (choice-simulator)

Konsep dalam part-worth functions :

• Worth = utility. Sama dengan utilty function

• Fungsi yang menggambarkan hubungan antara masing-masing level
atribut dengan preferensi
• Total worth produk = part worth level 1 produk 1+ part worth level 2
produk 1...+ part worth level k produk n

Instrumen dalam pengumpulan data - Penyajian Informasi :

• Trade-off matrices
• Full profile card sorts

11
 • Hybrid conjoint (pairwise comparison)
• Discrete choice

Aturan saat pemilihan produk :

• Maximum utility rule, responden dianggap akan memilih produk dengan

utility tertinggi.
• Share of utility rule, masing-masing produk akan mendapatkan share
pembelian sesuai dengan share utility.
• Logit choice rule, mirip dengan 'share of utility rule' dengan ditambah
unsur keacakan

D. Analisis Cluster

Analisis Cluster sering juga disebut sebagai Q-analysis, Typologi

Construction, Classification Analysis, dan juga Numerical Taxonomy. Banyaknya
versi nama ini tentunya ada tujuannya, yaitu untuk pengelompokkan metode
berdasarkan disiplin ilmu antara lain seperti psikologi, biologi, ekonomi, sosial,
teknik dan bisnis. Meskipun berbeda nama dan berbeda disiplin ilmu, semuanya
masih menggunakan metode dan pendekatan yang sama.

Tujuan digunakannya Analisis Cluster adalah mengklasifikasikan

sekelompok objek amatan (responden, brand, atau produk) ke dalam beberapa
cluster berdasarkan ukuran kemiripan atau ciri-ciri umum antar objek. Sehingga
objek-objek yang berada dalam cluster yang sama memiliki kemiripan lebih besar
dibandingkan objek di luar cluster.

Masalah-Masalah dalam Analisis Cluster

Masalah mendasar yang sering dijumpai adalah tidak diketahuinya jumlah atau
banyaknya cluster dari mana objek berasal. Di sisi lain besar dan jumlah cluster
yang akan ditentukan atau dibuat berdasrkan analisis cluster sangat bergantung
pada :

• Ciri atau karakteristik objek (psichografis, sosial-ekonomi, perilaku,

kebutuhan)
• Ukuran kedekatan atau ukuran kemiripan antar objek yang digunakan

12
 • Metode pengclusteran yang digunakan

Tahapan Analisis Cluster

Ada beberapa tahapan yang harus dilalui dalam Analisis Cluster. Tahapan-tahapan
tersebut antara lain adalah :

• Tahap 1 : Menentukan Variabel Analisis Cluster

Pemilihan variabel dala analisis cluster baik bertujuan eksploratori
maupun konfirmatori harus berdasarkan pada teori dan konseptual dan
pertimbangan praktis. Variabel yang dipilihpun haruslah bersifat rasional.
• Tahap 2 : Memilih Desain Analisis Cluster
Analisis Cluster sangat sensitif terhadap outlier, hal ini dikarenakan
obvervasi terkadang meyimpang dan tidak dapat mewakili populasi secara
umum. Bisa juga karena Cluster tidak interpretabel terhadap populasi
karena representasi cluster dalam sampel yang kurang terwakili. Dalam
tahapan ini harus ada pengukuran kesamaan yang tepat dan Standarisasi
Data maupun Standarisasi Observasi.
• Tahap 3 : Asumsi Analisis Cluster
Analisis ini bukanlah teknik statistik inferensi yang mampu memprediksi
parameter populasi berdasarkan sampel. Asumsi normalitas, linieritas, dan
homokedaksitas sangatlah penting. Disamping itu masih ada dua
permasalahan yang perlu diperhatikan, yaitu representasi sampel dan
multikolinearitas.
• Tahap 4 : Pembentukan Cluster
Langkah dalam pembentukan cluster digunakan metode berhierarki untuk
mengidentifikasi jumlah cluster yang sebaiknya dibentuk dan
mendapatkan initial clsuter center yang lain.
• Tahap 5 : Interpretasi Cluster
Proses ini meliputi bagaimana mengetahui karakteristik dari masing-
masing cluster dan memberi nama atau label yang tepat dan mencirikan
sifat-sifat cluster tersebut. Proses interpretasi memerlukan perbedaan yang

13
 substansial dari sekelompok variabel cluster dan solusi analisis cluster
untuk diperluas sampai perbedaan itu benar-benar nampak.
• Tahap 6 : Valiadasi dan Profilisasi Cluster
Validasi adalah tahapan dimana peneliti berusaha menjamin bahwa hasil
cluster mampu merepresentatif secara umum, dan mampu digeneralisasi
untuk objek-objek yang lain. Diharapkan representasi tersebut stabil untuk
beberapa periode waktu. Tahapan validasi adalah tahap untuk mengecek
kestabilan hasil analisis cluster yang diperoleh

14
 BAB III

PENUTUP

A. Kesimpulan

Analisis faktor adalah salah satu teknik statistika yang dapat digunakan
untuk memberiikan deskripsi yang relatif sederhana melalui reduksi jumlah
peubah yang disebut faktor. Analisis faktor adalah prosedur untuk
mengidentifikasi item atau variabel berdasarkan kemiripannya. Dan Pada analisis
cluster memungkinkan untuk pengelompokkan pada data yang besar sehingga
penggunaannya menjadi lebih praktis. Sedangkan analisis conjoin . Analisis
konjoin adalah sebuah teknik analisis yang dapat digunakan untuk menentukan
tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh
suatu produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk
terkait.

DAFTAR PUSTAKA

123dok. (2007, - -). info@id.123dok.com. Retrieved maret senin, 2022, from

123dok: text-id.123dok.com

Angraeni, H. W. (2007). ANALISIS KONJOIN: METODE FULL PROFILE

DAN CBC. Statistika dan Komputasi , 8-17.

Dr.Sugiyono, P. (2015). Metodologi Penelitian Pendidikan (Pendekatan

Kuantitatif, Kualitatif, dan R&D). Jl. Gegerkalong Hilir No 84
Bandung: Alfabeta.

Suryana. (2008, September 17). Statistika Terapan. Retrieved Maret monday,

2022, from ampproject.org:https://statistikaterapan-
com.cdn.ampproject.org

15
16
17