NIM : 200112501017
Kelas : 01/A
RANGKUMAN VARIANSI 4
1. Pendahuluan
Pengetahuan dasar sebelum mempelajari SEM
• Regresi Linear
Metode statistika yang digunakan untuk menyelidiki dan memodelkan hubungan
linear antara variabel dependen y, dan independent X.
• Analisis Jalur
Pengembangan regresi linear yang menjelaskan hubungan langsung dan tak
langsung antara variabel eksogen (independent) dan endogen (dependen).
• Analisis Faktor
Metode statistika yang digunakan untuk menguji kelompok variabel, dihipotesiskan
secara teoritis, yang menggambarkan hal/faktor yang sama. Pendekatan pemodelan
untuk mempelajari konstruksi hipotesis, faktor, dengan menggunakan berbagai
indikator yang dapat diamati/diukur secara langsung (Raykov & Marcoulides, 2006).
a. Exploratory Factor Analysis, EFA
- Analisis faktor yang digunakan ketika perhatian penelitian adalah penentuan
berapa banyak faktor/konstruksi laten, yang diperlukan untuk menjelaskan
dengan baik hubungan di antara serangkaian variabel yang teramati (Raykov &
Marcoulides, 2006).
- Metode statistic yang digunakan untuk menemukan satu konstruksi atau faktor
laten dari sejumlah besar item survei atau variabel yang diamati (Whittaker &
Shumacher, 2022).
- Bertujuan untuk menyusun konsep/teori.
b. Confirmatory Factor Analysis, CFA
- Analisis faktor yang digunakan ketika perhatian penelitian adalah pengujian
seberapa baik suatu faktor/konstruksi laten diukur menggunakan variabel
indikator.
- Bertujuan untuk mengonfirmasi/meng-evaluasi teori.
b) Variabel Manifes
- Digambarkan dalam bentuk persegi (panjang).
- Variabel laten untuk variabel laten endogen, y.
- Variabel laten untuk variabel laten eksogen, x.
c) Jenis Hubungan
- Pengaruh →
- Korelasi ↔
d. Diagram Jalur
c) Outlier
- Tidak terdapat pengamatan yang ekstrim, univariat maupun multivariat.
Bukti Kehadiran
RANGKUMAN VARIANSI 4
DIGITAL ECONOMY
1. Marketplace data shifting by product category in the online marketplace
2. Consumer price index official
Tujuan Kajian
1. Membangun model klasifikasi karakteristik desa (klasifikasi urban/rural dan Indek Desa
Membangun) : deep learning citra satelit dengan mempertimbangkan kombinasi input level
dan neighboring effect di provinsi Jawa Barat.
2. Mengevaluasi model decision dan human decision untuk menginterpretasi model deep
learning dengan teknik interpretable machine learning.
STATISTIKA SPASIAL
• Metode statistika yang digunakan untuk menganalisis data spasial.
• Karena berhubungan dengan lokasi, data amatan tidak saling bebas. Ada autokorelasi antar
data amatan (korelasi spasial).
• Data yang berkaitan dengan lokasi.
• Disajikan dalam posisi geografis atau peta.
• Penyajian datanya bisa dengan menggunakan titik, garis atau luasan.
• Dapat berupa data diskrit maupun kontinu.
• Umumnya pendekatan analisisnya : eksplorasi data yang disajikan dalam bentuk peta
tematik.
Deteksi Spasial
1. Spatial Dependence
• Uji Moran’s I
• Uji Modified Moran’s I (MMI)
• Uji Lagrange Multiplier (LM) : 𝐿𝑀𝑒𝑟𝑟𝑜𝑟 untuk uji dependensi spasial dalam error dan
𝐿𝑀𝑙𝑎𝑔 untuk uji dependensi spasial dalam lag
Hukum Tobler
Segala sesuatu memiliki lokasi geografis pasti membentuk pola spasial (Klippel et al., 2011).
• Hokum pertama Geografi dari Tobler merupakan salah satu asumsi dasar teori spasial:
“Everything is related to everything else but near things are more related than distant things”
(Tobler, 1970).
Autokorelasi spasial
Moran’s I :
𝑛 ∑𝑛𝑖=1 ∑𝑛𝑗=1 𝑊𝑖𝑗 (𝑋𝑖 − 𝑋̅)(𝑋𝑗 − 𝑋̅)
𝐼= 𝑛 ,
∑𝑖=1 ∑𝑛𝑗=1 𝑊𝑖𝑗 ∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2
Dimana :
n : banyaknya area
𝑋𝑖 𝑑𝑎𝑛 𝑋𝑗 ∶ nilai observasi pada daerah i dan j
𝑋̅ ∶ rata rata nilai x pada n lokasi/area
𝑊𝑖𝑗 ∶ Matriks pembobot (mengukur jarak spasial antara daerah i dan j) (Oyana and Margai 2015
; Waller 2004)
Matriks Pembobot
• Definisi ketetanggaan yang paling sederhana adalah matriks konektivitas biner sebagai
berikut :
1 𝑗𝑖𝑘𝑎 𝑎𝑟𝑒𝑎 𝑖 𝑑𝑎𝑛 𝑗 𝑏𝑒𝑟𝑡𝑒𝑡𝑎𝑛𝑔𝑔𝑎
𝑊𝑖𝑗 = {
0 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
• 𝑊𝑖𝑗 = 𝑊𝑗𝑖 𝑑𝑎𝑛 𝑊𝑖𝑖 = 0
Bukti Kehadiran