• Analisis Multivariate
– Analisis Komponen Utama dan Faktor
– Analsis Kelompok
– Analisis Diskriminan
• Analisis Time Series
– ARIMA
– Fungsi Transfer
– VAR dan GSTAR
• Pustaka
– Time Series Analisis, W.W. Wei , Pearson International
Edition, 2006
– Applied Econometric Time Series, W. Enders, John
Wiley, 2004
– Applied Logistic Regression, D. W. Hosmer and S.
Lemeshow, John Wiley, 1989
– Applied Multivariate Statistical Analysis, R.A. Johnson
& D.W. Wichren, Prentice Hall, 1998
– Applied Multivariate Techniques, S. Sharma, John
Wiley, 1996
– Applied Multivariate Analysis, Hair and Tatam, 1998
.
Pengantar Matriks
(Eigen value dan eigen vector)
• Polinomial λ
Analisis Komponen Utama dan
Analisis Faktor
Brodjol Sutijo
Analisis Komponen Utama
• Mengatasi keberadaan multikolinear
• Mereduksi dimensi variabel agar mempermudah
interpretasi.
• Meskipun dimensi varibel berkurang informasi yang
diperoleh masih cukup berarti.
• informasi yang hilang tidak terlalu banyak.
• Jika ada n sampel dan setiap sampel diamati
sebanyak p variable.
• variable baru Y : kombinasi linear dari variable X
• varian Y :
• λ : nilai karakterikstik
• α : vector karakteristik
• Jika persamaan di atas dikaliakan dengan α’, maka
• Varian komponen ke i
• Satuan pengukuran tidak sama
•
Koefisien Persamaan Komponen Utama
•
Analisis Komponen Utama data Sidoarjo (SPSS)
•
Analisis Faktor
• Tujuan analisis factor : menggambarkan hubungan
covarian beberapa variable dalam sejumlah factor.
• Variabel-variabel yang berkorelasi tinggi akan
dikelompokkan menjadi satu kelompok (factor).
• analisis komponen utama mempunyai sifat :
Mampu menerangkan semaksimal mungkin keragaman
Antara komponen satu dengan yang lain saling bebas
• Pada analisis factor, selain mempunyai sifat di atas,
juga mempunyai pola yang terstruktur.
• Pada analisis factor variable yang teramati
adalah
tergantung pada variable yang tidak teramati
•
• Bila dinyatakan dengan notasi matrik
• Rotasi
• Analisis Faktor (SPSS)
Aplikasi : AKU dan AF
• Data Hatco (Multivariate data Analysis : Hair dkk)
• Matrik plot
• Matrik Korelasi
• Marginal plot
• Pengujian distribusi normal
•
• Analisis komponen utama
– Korelasi
– Eigen value
• Eigen vektor
• Skor faktor
latihan
• Seorang analis industry ingin memprediksi penjualan
mobil dari beberapa predictor. Akan tetapi banyak
predictor yang berkorelasi, sehingga ada ketakutan
tentang keberadaan korelasi tersebut terhadap hasil
yang akan diperoleh.
• File car_sales.sav adalah contoh untuk memanage
prediktor tersebut
• Lakukan analisis komponen utama dan analisis faktor
untuk menganalisis data tersebut (Pilih variabel
Vehicle sampai Fuel efficiency )