Korelasi Kanonik

Analisis korelasi digunakan untuk mengukur kekuatan hubungan antara dua buah variabel, namun kenyataannya kita lebih sering ingin mengetahui bagaimana hubungan antara sekumpulan variabel dengan sekumpulan variabel lainnya, misal kita ingin mengetahui hubungan antara dua set variabel berikut:
– set variabel bakat and set variabel achievement,
– set variabel kepribadian and set variabel yang mengukur kemampuan,
– set variabel penyusun indeks harga set variabel penyusun indeks produksi,
– set variabel ekologis dan a set of environmental variables,
Oleh karena itu, kita tidak bisa menggunakan analisis korelasi untuk mengukurnya, namun dalam kasus ini kita bisa menggunakan analisis korelasi kanonik. Analisis korelasi kanonik adalah suatu alat statistik untuk mengidentifikasi dan mengkuantifikasi hubungan antara dua jenis kelompok (set) variabel. Analisis korelasi kanonik fokus kepada korelasi antara kombinasi linier variabel-variabel di suatu kelompok dengan kombinasi linier variabel-variabel pada satu kelompok lainnya. Continue reading “Korelasi Kanonik”

Advertisements

Seri Bayesian: Prior dalam Metode Bayesian

Karena parameter diperlakukan sebagai variabel maka dalam Bayesian akan mempunyai nilai dalam domain , dengan densitas fQ(). Dan densitas inilah yang akan dinamakan sebagai distribusi prior dari .

Dengan adanya informasi prior yang dipadukan dengan data / informasi saat itu, X, yang digunakan dalam membentuk posterior , maka penghitungan posteriornya akan semakin mudah, yaitu hanya dengan menghitung densitas bersyarat dari diberikan oleh X=x .

Kritikan pada Bayesian biasanya terfokus pada “legitimacy dan desirability” untuk menggunakan sebagai random variabel dan ketepatan mendefinisikan/memilih distribusi prior-nya. Continue reading “Seri Bayesian: Prior dalam Metode Bayesian”

Seri Belajar R [4] : Grafik Menggunakan R‐Commander

Dalam tulisan ini kita akan melanjutkan bahasan mengenai R. Pada bagian ini akan dibahas penggunaan R‐Commander untuk membuat penyajian statistik deskriptif dari suatu kumpulan data. Fokus utama adalah pembuatan beberapa macam bentuk grafik yang banyak digunakan dalam analisis data.

R menyediakan banyak menu pilihan grafik pada R‐Commander, antara lain Histogram, Diagram Batang dan Daun (Stem-and-leaf display), Boxplot, dan lain‐lain. Secara lengkap pilihan grafik yang tersedia dapat dilihat pada gambar berikut ini.

Continue reading “Seri Belajar R [4] : Grafik Menggunakan R‐Commander”

Contoh Kasus untuk EM Algorithm dengan MATLAB

Dari suatu eksperimen diketahui bahwa 1/3 populasi memiliki gen A, 1/3 populasi memiliki gen B dan sisanya gen C. Misalkan peluang pasutri memiliki gen yang sama adalah phi, dan gen A mendominasi gen B dan C, serta gen B mendominasi C dan seorang anak akan mendapatkan gen dominan dari kedua orang tuanya. Sehingga diketahui informasi sebagai berikut: Continue reading “Contoh Kasus untuk EM Algorithm dengan MATLAB”

REVIEW JURNAL: Analyzing Longitudinal Data Using Multilevel Regression and Latent Growth Curve Analysis *)

Makalah ini mencoba meneliti tentang perbedaan antara standard multilevel regression dan structural equation modelling framework dalam hal growth curve analysis. Dasar dari growth curve modell memiliki spesifikasi yang sama dalam kedua framework, tetapi dalam banyak hal SEM lebih fleksibel dari analisis MLR. Fleksibilitas ini meliputi integrasi struktur faktorial dari variabel yang diukur berulang, mengestimasi koefisien fungsi basis untuk meneliti bentuk dari growth curve, struktur residual alternatif, missing data pada variabel prediktor dan pengembangan struktur model yang lebih besar. Di lain sisi, analisis MLR lebih fleksibel dalam menggabungkan level yang lebih tinggi ke dalam model dan kemungkinan dalam menganalisa data dengan kejadian yang bevariasi dalam subyek. Akan tetapi, perbedaan antara multilevel regression dan latent growth curve analysis sekarang menjadi kabur dan tinggal masalah waktu saja sebelum kedua pendekatan tersebut akan tergabung menjadi satu. Continue reading “REVIEW JURNAL: Analyzing Longitudinal Data Using Multilevel Regression and Latent Growth Curve Analysis *)”

MATLAB Code: Bootstrap untuk resampling error regresi OLS

Misal akan dilakukan analisis bootstrap pada suatu persamaan regresi, dalam hal ini resampling dilakukan pada data error bukan pada data y itu sendiri.

Algoritma:

  1. Input/load data. Continue reading “MATLAB Code: Bootstrap untuk resampling error regresi OLS”

PARTIAL LEAST SQUARE REGRESSION

Partial least square (PLS) adalah suatu tekhnik statistik multivariat yang bisa menangani banyak variabel respon dan variabel eksplanatori sekaligus. PLS merupakan alternatif yang baik untuk metode analisis regresi berganda dan regresi komponen utama karena metode PLS bersifat lebih robust, artinya parameter model tidak banyak berubah ketika sampel baru diambil dari total populasi (Geladi dan Kowalski, 1986).

PLS pertama kali dikembangkan pada tahun 1960-an oleh Herman O. A. Wold dalam bidang ekonometrik. PLS merupakan suatu tekhnik prediktif yang bisa menangani banyak variabel independen, bahkan sekalipun terjadi multikolinieritas diantara variabel-variabel tersebut (Ramzan dan Khan, 2010). Continue reading “PARTIAL LEAST SQUARE REGRESSION”