Korelasi Spearman’s Rho

Korelasi yang paling banyak digunakan untuk dua variable ordinal atau variable ordinal dan variable interval adalah korelasi Spearman’s Rho.

Download Gratis => klik di sini

Read More..

Konversi Z-Score dari Korelasi r – Pearson

Koefisien korelasi dapat ditransformasikan kedalam bentuk z-score untuk kebutuhan dalam pengujian hipotesis. Hal ini dapat dilakukan dengan menggunakan rumus :


Rumus diatas sering juga disebut Fisher’s z-score transformation of Pearson’s r.

Contoh :
Misalkan kita memilik r = 0,3 maka z-score adalah :


Download file

Read More..

Cluster Analysis (K - Mean Cluster)

Pendahuluan

Analisis Klaster pada prinsipnya bertujuan untuk mengalokasikan sekelompok individu pada suatu kelompok-kelompok yang saling bebas sehingga individu-individu di dalam kelompok itu mirip satu dengan yang lain, sementara itu individu-individu di dalam kelompok yang berbeda tidak mirip. Ada beberapa tujuan yang ingin dicapai sehubungan dengan dilakukannya analisis multivariate ini melalui analisis klaster. Analisis Klaster dapat dibagi menjadi dua jenis, yaitu Hirarki Klaster dan K-Means Klaster. Pengklasteran dengan menggunakan analisis K-Means Klaster dapat dilakukan apabila data sampelnya banyak (> 200).

Dalam Analisis K-Means Klaster ini kita dapat mengelompokkan data ke dalam bagian jumlah klaster. Disini sebenarnya bebas untuk menentukan berapa klaster yang akan dibentuk, walaupun dalam praktek biasanya akan dibuat dua sampai empat klaster, akan tetapi agar bisa dipertanggungjawabkan secara statistik dalam penentuan jumlah sampel sebelum melakukan K-Mean Kluster kita dapat menghitung terlebih dahulu menggunakan Analisis Kluster - Hierarchical.

Download Gratis => klik di sini

Read More..

Cluster Analysis - Hierarchical

Analisis Kluster dilakukan untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimiliki. Teknik ini dimasukkan ke dalam multivariate, akan tetapi konsep variat dalam teknik ini berbeda dari konsep multivariate lainnya. Dimana pada konsep multivariate, variat diartikan sebagai kombinasi linier berbagai variable, sedangkan dalam analisis Kluster, variat diartikan sebagai sejumlah variable (yang dianggap sebagai karakteristik) yang digunakan untuk membandingkan sebuah objek dengan objek lainnya. Jadi dalam analisis Kluster tidak dilakukan pencarian nilai variat secara empiris, sebagaimana pada teknik-teknik multivariate lainnya.

1.Tujuan Dasar

Tujuan utama analisis Kluster adalah untuk menempatkan sekumpulan objek ke dalam dua atau lebih grup berdasarkan kesamaan-kesamaan objek atas dasar berbagai karakteristik. Melalui prinsip homogenitas grup, menurut Hair, et al., terdapat 3 sasaran yg tersedia bagi peneliti, yaitu :

1)Deskripsi taksonomi (taxonomy description).

Dengan taksonomi kita dapat mengelompokkan sekumpulan objek secara empiris.

2)Simplikasi data (data simplication).

Dengan taksonomi, yang kita peroleh memang grup. Akan tetapi berdasarkan struktur yang diperoleh, kita juga bisa menjelaskan profil setiap grup berdasarkan karakteristik umum yg dimiliki. Kalau dalam analisis faktor menjelaskan ”dimensi” yang mendasari jumlah variabel, dengan analisis Kluster kita juga dapat melakukan hal yang sama, yaitu dimensi yang mendasari sejumlah observasi yang berada dalam suatu Kluster.

3)Identifikasi hubungan (relationship identification).

Setelah Kluster terbentuk dan struktur data yang mendasarinya diperlihatkan dalam Kluster, peneliti mendapat informasi tentang hubungan antar observasi yang tidak mungkin diperoleh dengan analisis observasi secara individu. Bahkan secara kualitatif hubungan tersebut bisa juga diidentifikasi.

Download Gratis => klik di sini

Read More..