pembahasan statistik ita

18
BAGIAN 1 SOAL 2 ANALISIS KLASTER HAL 287 SOAL 3 SEM_PATH HAL 270 SOAL 3 SOAL 4 ANALISIS FAKTOR HAL 223 SOAL 2 BAGIAN 2 BURAM SOAL 1 SEM_PATH SOAL 2 ANALISIS KLASTER SOAL 3 CONJOINT ANALISIS HAL 414 SOAL 4 CANONICAL CORRELATION

Upload: evanaja

Post on 07-Oct-2015

224 views

Category:

Documents


0 download

DESCRIPTION

PEMBAHASAN STATISTIK

TRANSCRIPT

SOAL-SOALBAGIAN 1SOAL 2ANALISIS KLASTERHAL 287SOAL 3SEM_PATHHAL 270SOAL 3SOAL 4ANALISIS FAKTORHAL 223SOAL 2BAGIAN 2BURAMSOAL 1SEM_PATHSOAL 2ANALISIS KLASTERSOAL 3CONJOINT ANALISISHAL 414SOAL 4CANONICAL CORRELATION

BAG 1_SOAL2SOAL 2_ANALISIS KLASTERmerekx1x2x3x4x5x6x7MISALNYA:A9395487D_A-B=112B5945534D_A-C=141C238951297D7821598101E8931610995F4845445142G1399522D_A-H=102H98216109A. HITUNGA JARAK DENGAN METODE PENGUKURAN JARAK EUCLEDIAN DISTANCEB. LAKUKAN KLATERISASI DENGAN METODE SINGLE LINKAGE JAWABA. JARAK ANTAR MEREKProximity MatrixCase Squared Euclidean DistanceRUMUS 2871:A2:B3:C4:D5:E6:F7:G8:H1:A0.000112.000141.00097.000101.00095.000142.000102.0002:B112.0000.00085.00077.000101.0005.00098.000112.0003:C141.00085.0000.000250.000292.00080.0003.000305.0004:D97.00077.000250.0000.0006.00064.000259.0007.0005:E101.000101.000292.0006.0000.00090.000299.0003.0006:F95.0005.00080.00064.00090.0000.00089.000101.0007:G142.00098.0003.000259.000299.00089.0000.000316.0008:H102.000112.000305.0007.0003.000101.000316.0000.000This is a dissimilarity matrixB. KLATERISASI DENGAN METODE SINGLE LINKAGEABC&GDE&HFA0B112.0000C&G141.00085.0000D97.00077.000250.0000E&H101.000101.00006.0000F95.0005.00080.00064.00090.0000AB&FC&GDE&HJadi total klater yg terbentuk ada 3, yaitu:A01. C&GB&F95.0000D-E-H2.D, E & HC&G141.000003. B&FD97.00064.000250.0000E&H101.000006.0000

BAG 2_SOAL2SOAL 2_ANALISIS KLASTERSINGLE LINKEDWARD METHOD

P1P2P3P4RUMUS MENGHITUNG JARAK:P10P230P325300P4242540

P1&P2P3P4P1&P20P3250 P42440

P1&P2P3&P4P1&P2024P3&P4240

DENDOGRAM

P1

P2

P3

P4MENGHITUNG KEKUATAN PEMBAGIAN KELOMPOK DALAM KLASTER HAL 305

BAG 1_SOAL3SOAL 3_SEM PATH (HAL 239)

Seorang peneliti memiliki data korelasi X1, X2, dan X3 dari hasil pengolahan terhadap 20 baris data sebagai berikut:X1X2X3X11X20.41X30.650.751a)Dapatkah saudara menghitung koefisien model berikut:X1 --> X2 --> X3IYA_BISA PAK...BEGINI CARANYA, DI GAMBAR DULU:

0.4X20.75

X1X30.65KOEFISIEN MODELNYA DAPAT DIHITUNG SEBAGAI BERIKUT:Indirect effect: 0,4 x 0,75=0.30.260.3b)Berapakah total effect X1 pada X3? Tunjukkan rincian hitungan Saudara.Direct effect: 0.65Indirect effect: 0,4 x 0,75=0.3Total effect: 0,65 + 0,3=0.95

BAG 2_SOAL1SOAL 1_SEM PATHx1x2x3x4x11x20.731x30.670.91x40.940.80.751X2X1X3X4A. MODEL DALAM BENTUK PERSAMAAN PADA GAMBAR TERSEBUT:MODEL1X2=F(X1)ATAUX2=a1 X1 + e2MODEL2X3=F(X1,X2)ATAUX3=b1 X1 + c X2 + e3MODEL3X4=F(X3)ATAUX4=dX3 + e4B. BERAPAKAH KOEFISIEN MODEL DI ATAS?MODEL10.73MODEL2X1. 0,67 + (0,73 * 0,9) =1.327X2. 0,9+ 1,327= 2.227MODEL30.75C. TOTAL EFFECT X1 PADA X4DIRECT E.0INDIRECT E.0,67 * 0,75 =0.50TOTAL E.0.50

c= 0,9a= 0,73b= 0,67c= 0,8d= 0,75

BAG 1_SOAL4SOAL 4_ANALISIS FAKTORSebuah analisis faktor menghasilkan tabel sebagai berikut:VariabelFaktor IFaktor IIX10.850.15X20.900.10X30.120.88X40.250.75

a)Bagaimana spesific variances tabel tersebut?Spesific variance = 1- communalityVariabelFaktor IFaktor IIFaktor I^2Faktor II^2CommunalitySpesific ABA^2B^2A^2 + B^2varianceX10.850.150.7230.0230.7450.255X20.900.100.8100.0100.8200.180X30.120.880.0140.7740.7890.211X40.250.750.0630.5630.6250.375

b)Hitunglah Komunaiti tabel tersebut.Ada pada tabel dengan rumus:Communality = AX1^2+BX1^2 VariabelFaktor IFaktor IIFaktor I^2Faktor II^2CommunalityABA^2B^2A^2 + B^2X10.850.150.7230.0230.745X20.900.100.8100.0100.820X30.120.880.0140.7740.789X40.250.750.0630.5630.625

c)Berapakah proporsi variance yang dijelaskan oleh masing-masing faktor?Proporsi = SV/SvtotVariabelFaktor IFaktor IIFaktor I^2Faktor II^2CommunalitySpesific ProporsiABA^2B^2A^2 + B^2varianceX10.850.150.7230.0230.7450.25524.97%X20.900.100.8100.0100.8200.18017.63%X30.120.880.0140.7740.7890.21120.68%X40.250.750.0630.5630.6250.37536.72%Total1.021100.00%

BAG 2_SOAL3SOAL 3_CONJOIN ANALISIS1.CONJOINT ANALYSIS2.PENJELASAN HAL 398 SD 404Dari data overall statistik dapat disimpulkan bahwa atribut CO2/lead merupakan fitur yang paling penting.Ini terlihat dari "CO2/lead" sebesar 47,152 yang jauh lebih tinggi dibandingkan atribut lainnya seperti type "31,843" dan subsidy "21,005"sementara itu fitness model yang diukur dengan pearson R = 47% dan kendall = 37% menunjukkan bahwa atribut atributyang digunakan memang secara signifikan dipertimbangkan oleh konsumen dalam menentukan preferensinya.terusiiinnnnn lagi yaaa:)

BAG 2_SOAL4SOAL 4_CANONICAL CORRELATIONada dijawaban ms word

Sheet1Soal 2p1p2p3p4p10p230p325300p4242540a.Klasterisasi single linkagep1&p2p2p4p1 & p20p230p42440bKlasterisasi metode Wardembuuuuhc.dendogramgampangd.gak tau