P. 1
Soal Statistik Multivariate

Soal Statistik Multivariate

|Views: 334|Likes:
Published by lee_nez
Soal Statistik Multivariate
Soal Statistik Multivariate

More info:

Published by: lee_nez on May 08, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

04/20/2015

pdf

text

original

TUGAS STATISTIK MULTIVARIATE

Disusun oleh: Lina Dianati Fathimahhayati 10/306097/PTK/6867

PROGRAM STUDI PASCASARJANA TEKNIK INDUSTRI JURUSAN TEKNIK MESIN DAN INDUSTRI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA YOGYAKARTA 2010

1

Ujilah apakah penurunan berat badan sama untuk setiap metode diet.SOAL-SOAL STATISTIK MULTIVARIAT 1. Data yang diperoleh adalah sebagai berikut. ABC ingin mengetahui hubungan antara pengalaman kerja (X) dengan jumlah penjualan barang elektronik 2 . Berikut adalah data rata-rata penurunan berat badan setelah 1 bulan melakukan diet. Merk A 5 4 8 6 3 Merk B 9 7 8 6 9 Merk C 3 5 2 3 7 Merk D 2 3 4 1 4 Merk E 7 6 9 4 7 2. Tiga orang sampel diambil secara random untuk setiap kombinasi metode diet dan kelompok umur. Dari lima merk obat magh diberikan kepada 25 orang dicatat berapa lama obat tersebut dapat mengurangi rasa sakit. Ke-25 orang tersebut dibagi secara acak ke dalam 5 grup dan masing-masing grup diberi satu merk obat magh. Suatu penelitian diadakan untuk menguji apakah rata-rata lamanya obat magh dalam mengurangi rasa sakit adalah sama untuk berbagai merk obat magh yang tersedia di pasaran. Perusahaan barang PT. kelompok umur dan interaksi dengan taraf uji 5 %? Metode 1 < 20 5 tahun 4 5 20-40 5 tahun 6 2 > 40 4 tahun 4 5 Metode 2 0 2 1 4 2 1 5 5 0 Metode 3 3 4 8 2 2 4 2 1 2 Metode 4 4 2 2 5 3 2 6 4 4 3. Suatu studi diadakan untuk mengembangkan empat jenis metode diet dari 3 jenis kelompok umur yang berbeda.

Pengalaman Kerja (tahun) 2 3 1 4 1 3 2 2 Penjualan barang (unit) 50 60 30 70 40 50 40 35 Jika berdasarkan kajian teoritis dan sifat dari fenomena yang menghubungkan x dan y dapat diasumsikan terdapat suatu bentuk hubungan yang linier. 5. variabel teramati/terukur. selanjutnya diambil sampel secara acak sebanyak 8 orang dengan data sebagai berikut. Apakah yang dimaksud dengan regresi linear berganda? Tuliskan persamaan modelnya dan berikan contoh kasus tanpa penyelesaiannya. Mengapa rotasi faktor loading perlu dilakukan? 7. Salah satu tahapan dalam analisis faktor adalah rotasi terhadap faktor yang terbentuk (rotasi faktor loading). Sebutkan alasan mengapa harus melakukan PCA! 9. Apakah yang dimaksud dengan SEM? Jelaskan pengertian variabel laten. Sebutkan langkah-langkah dalam analisis faktor! 6. Apa yang dimaksud dengan Principal Component Analysis (PCA)? Dan apakah tujuan kita melakukan PCA? 8. maka buatlah persamaan garis regresinya! 4.(Y) dari para penjual. variabel exogenus dan variabel endogenous dalam SEM? 3 .

04-79.2 x4.86 =79.10.0 = 2.2 = x.6 TABEL ANOVA Source of variation Perlakuan (Treatment) df Sum of square Mean of Square 2 F MSTR/MSE = 6.3 = 5.8 4.90 k-1 = 4 SSTR = b ∑ x.4 Mer kE 7 6 9 4 7 33 x. = 5.1 = x.2 x2. Anova One-Way: Treatments Merk A 5 4 8 6 3 26 Merk B 9 7 8 6 9 39 Merk C 3 5 2 3 7 20 Mer kD 2 3 4 1 4 14 x. Jelaskan 2 macam model SEM dan gambarnya! JAWABAN SOAL-SOAL STATISTIK MULTIVARIAT 1.6 MSE SSE/k(b-1) 2.8 = 6.44 Sesatan (Error) k(b-1) = 20 SSE = SST – SSTR = 137. = 4 x5.5 Blocks Row or Block Total 26 25 31 20 30 132 Block Means x1 . j − x j =1 k ( ) MSTR=SSTR/ (k-1) = 19.88 = = 4 . = 5 x 3 . = 6 x= 132 = 5.28 25 Column or treatme nt totals Treatme nt means x. = 6.2 7.44 = 57.

5.5.5.28)2 + (4 – 5.5.28)2 + (2 – 5.28)2] = 79.28)2 + (7. interaksi] memberikan penurunan berat badan yang bernilai sama H1 : Ada suatu perlakuan [suatu metode diet.28)2 + (9 – 5.28)2 + (6.6 Diketahui.28)2 + (3 – 5.333 12 20 5 tahu 4 n 5 5 .0 . = 40 = 3.28)2 + (4 – 5.44 = 57.28)2 + (6 – 5. Hal ini berarti bahwa rata-rata lamanya obat itu dapat mengurangi rasa sakit tidak sama untuk kelima merk obat magh tersebut.6 .28)2 + (4 – 5. kelompok umur.28)2 + (7 – 5.05.28)2 + (9 – 5.28)2 + (8 – 5.28)2 + (4 – 5.28)2 + (3 – 5.28)2 + (3 – 5.8 .28)2 + (7 – 5.04 SSTR = 5[(5. sehingga Fhitung > Ftabel Keputusan: Tolak hipotesis nol.Total nT-1 24 = SST = ∑∑ xij − x i =1 j =1 b n ( ) 2 =137.28)2 + (3 – 5.28)2 + (5 – 5. Anova Two-Way : H0 : Semua perlakuan [metode diet.8 .28)2 + (8 – 5.28)2 + (7 – 5.28)2 + (6 – 5.28)2 = 137.28)2 + (2 – 5.28)2 + (6 – 5. kelompok umur.04 – 79.4.04 SST = (5 – 5. interaksi] memberikan penurunan berat badan yang bernilai tidak sama Treatment combination totals Kelom pok umur < Metode Diet Meto de 1 Meto de 2 0 2 1 Meto de 3 3 4 8 Meto de 4 4 2 2 Row Total 40 Factor A Means x1 .20 = 2.87 .28)2 + (7 – 5.28)2 + (9 – 5. 2.28)2 + (1 – 5.2 .28)2 + (2.5. Ftabel = F0.44 SSE = 137.28)2 + (4.

222 + 3.556 JKS = ∑ ( X ijk − X ij ) i .3)2 + (2 – 3.333) 2 + (4.444 + 3.333 = =X 1.3)2 + (4 – 3.333 – 2.3)2 + (4 – 3.3)2 + (6 – 3.333)2 + (1.333 – 3.667 = 3.167 – 3.33 40 20 28 32 36 x .3)2 + 6 .3)2 + (4 – 3.333)2 + (1 – 3.222 = = x3 .23 333 = =X 2.3)2 + (3 – 3.2 .5 – 3. 333)2 ] = 0.333)2 + (3.3 .444 = =x2 .667 – 3.556 + 3.4 9 9 9 9 X 11 = JKA = JK ∑ ( X i − X ) i =1 I 2 = (4)(3)[(3.556 .333)2 + (2.111 + 3.333 22.J 2 = 3[(4.k 2 = (5 – 3.556 – 3.333)2 + (3.3)2 + (0 – 3.109 JKAB = K ∑ ( X ij − X i − X j + X ) i.333 24 = 3 3 3 3 4 5 2 6 4 5 1 4 42 5 0 2 4 x3.556 + 3. 333)2 + (3.3)2 + (2 – 3.333 – 3.5 – 2.333) 2 + (5 – 3. j=1 I .3)2 + (1 – 3.333 = = X3 .333 – 3.5 42 12 13 10 5 14 X 31 = = X4 .3)2 + (5 – 3.3)2 + (5 – 3.5 – 4.667 – 3.667 = 4.3)2 + (2 – 3.3)2 + (5 – 3.333)2 + (3.1 = =x 4 . 333)2 + (3.167 – 4.3)2 + (4 – 3. = = 3.333 – 3.3)2 + (2 – 3.111 – 3.20-40 tahun > 40 tahu n Coloumn Total Factor B Means 14 3 15 8 = X4 .333) 2 + (4.3)2 + (2 – 3.222 + 3.3)2 + (8 – 3.3)2 + (3 – 3.667 – 3.444 + 3.3)2 + (4 – 3.3)2 + (2 – 3.665 JKB = IK ∑ ( X j − X ) j =1 I 2 = (3)(3)[(4. = = 3.5 – 3.111 = = 3.333 – 4.333)2] = 31.3)2 + (2 – 3. j .333 – 3.222 + 3.333)2 + (3.167 – 3.5 – 3.333) 2 + (2.333 – 3.333 – 3.667 = =X 1 13 = = X5 = 2.444 + 3.333)2 + (2.333 – 3.333) 2 + (2.444 – 3.667 – 3.111 + 3.5167 – 2.333) 2 + (4.111 + 3.667 – 3.3)2 + (2 – 3.667 12 14 = 3 3 3 3 5 4 2 5 6 2 2 3 38 2 1 4 2 x2.667 32 33 34 = 3 3 3 3 40 20 28 32 120 120 x= = 3.222 – 3.556 + 3.3)2 + (1 – 3.333)2] = 23.167 – 4.167 38 12 13 7 8 10 X 21 = = X4 = =X 2.

= 24 2.3)2 + (4 – 3.3.(4 – 3.081 Fcrit F0.528 F =MSA/MS E =0.05.3 325 MSB=JKB/df=7.6.3)2 + (5 – 3.2.05.047 =MSAB/M SE =2.3)2 + (0 – 3. = 24 3.1 k Umur 09 Metode Diet Interacti on Sesatan JKB=0.66 5 JKAB=31. Regresi Linear : Pengalaman Kerja (tahun) 2 3 1 4 1 3 2 Penjualan barang (unit) 50 60 30 70 40 50 40 No 1 2 3 4 5 6 7 X2 4 9 1 16 1 9 4 Y2 2500 3600 900 4900 1600 2500 1600 XY 100 180 30 280 40 150 80 7 .67 df 2 3 6 3x4x( 31)=2 4 Mean Square MSA=JKA/df=0.05.3)2 + (4 – 3.01 F0.3)2 + (1 – 3.3)2 + (2 – 3. = 24 3.3)2 + (2 – 3. Umur] dan interaksi tidak berbeda [masih dianggap sama] sedangkan rata-rata penurunan berat badan dalam Kolom [metode diet] dapat dikatakan berbeda.3)2 = 116 Source of Sum Variatio Square n Kelompo JKA=23.131 =MSB/MS E =3.3)2 + (5 – 3.51 Kesimpulan: Perhitungan menunjukkan bahwa rata-rata penurunan berat badan pada Baris [Kel.3)2 + (5 – 3.7 03 MSAB=JKAB/df= 5.3)2 + (4 – 3. 3. 556 = JKS – JKA – JKB JKAB = 60.3)2 + (6 – 3.40 F0.26 MSE=2.

875 −(11.25) =21 Jadi. 8 .875 4 ΣX2 = 48 1225 ΣY2 = 18825 70 ΣXY = 930 Model persamaan garis regresi linear dari kasus di atas adalah Yi= β0 + β1 X+εi Sehingga estimasi parameternya adalah sebagai berikut : b= n∑XY − ∑X ∑Y n ∑X − ( ∑ X ) 2 2 = (8 x930) − (18 x375) = 11.5 x 2. persamaan garis regresi dari kasus di atas adalah: ˆ =21 + Y 11. Regresi linear berganda adalah perluasan dari analisis regresi linear sederhana dimana variabel penduga lebih dari satu yaitu X 1 sampai dengan Xk yang mempengaruhi variabel dependent Y secara linear bersama-sama. Penilaian terhadap para supervisor dilakukan oleh pekerja yang berada di bawah supervisi mereka di beberapa perusahaan.5 X 4.8 n= 8 2 ΣX = 18 X = 2. Sedangkan variabel y adalah nilai total dari kemampuannya dalam melakukan supervisi berdasarkan beberapa aspek yang terkait dengan bidang pekerjaannya. Karakter supervisor terdiri atas x1 yaitu kemampuan menghandel komplain dari pekerja dan x2 yaitu kesungguhan untuk mempelajari hal yang baru. Data hasil penilaian disajikan dalam tabel berikut. Model Populasi : Y= β0 + β1X1+…+ βkXk +ε Contoh kasus: Sebuah penelitian bertujuan untuk mengetahui hubungan antara karakter seorang supervisor dengan kemampuannya dalam melakukan supervisi.5 (8 x 48) − (18) 2 a =Y −b X =46.25 35 ΣY = 375 Y = 46.

5 d) Melakukan proses inti pada analisis Faktor. khususnya memberi nama atas faktor yang terbentuk. g) Validasi atas hasil faktor untuk mengetahui apakah apakah faktor yang terbentuk telah valid. yang dianggap bisa mewakili variabel-variabel anggota faktor tersebut. faktor loading belum jelas mengelompokkan variabel-variabel ke dalam faktor2nya. f) Interpretasi atas faktor yang terbentuk. b) Menghitung korelasi antar variabel.5) e) Melakukan proses rotasi terhadap faktor yang telah terbentuk. c) Mereduksi variabel yang berkorelasi < 0. Langkah-langkah dalam analisis faktor: a) Menentukan variabel apa saja yang akan dianalisis. Salah satu tahapan dalam analisis faktor adalah rotasi terhadap faktor yang terbentuk (rotasi faktor loading). Tujuan rotasi untuk memperjelas variabel yang masuk ke dalam faktor tertentu. 9 . Rotasi faktor loading perlu dilakukan jika pada tahap awal. tidak perlu dilakukan rotasi faktor loading. Sebaliknya. yakni Faktoring atau menurunkan satu atau lebih faktor dari variabel-variabel yang berkorelasi tinggi(>0. 6. apabila pengelompokkan variabel ke dalam faktor2nya sudah sedemikian jelas pada tahap ini.No 1 2 3 4 5 6 7 8 9 10 Y 4 6 7 6 8 4 6 7 7 7 X1 5 6 7 6 8 5 7 7 8 6 X2 4 5 7 5 7 4 6 5 7 5 5.

 Kita sudah tahu bahwa regresi ganda cukup berbahaya ketika antar variabel prediktor mempunyai korelasi yang tinggi. PCA adalah prosedur matematik yang mentransformasi himpunan dari variabel respond yang saling berkorelasi ke dalam himpunan variabel respon (komponen) yang tidak saling berkorelasi. screening PCA data multivariat. dibandingkan himpunan component. Selanjutnya dinamakan dengan 9. PCA dapat membantu menentukan apakah ada multikolinearitas antar variabel independent. 8. PCA dapat membantu mengungkap ketidaknormalan yang ada pada data multivariat. Alasan untuk melakukan PCA adalah :  PCA mungkin paling bermanfaat langkah untuk awal. variabel teramati/terukur. Apa yang dimaksud dengan Principal Component Analysis (PCA)? Dan apakah tujuan kita melakukan PCA? Jawab: a. b. Tujuan dari PCA adalah mereduksi dimensi data dengan cara membangkitkan variabel baru (komponen utama) yang merupakan kombinasi linear dari variabel asal sedemikan hingga variansi komponen utama menjadi maksimum dan antar komponen utama bersifat saling bebas. variabel exogenus dan variabel endogenous dalam SEM? 10 . Untuk hampir semua analisis data. Apakah yang dimaksud dengan SEM? Jelaskan pengertian variabel laten.7. Banyaknya dengan variabel himpunan variabel baru baru itu lebih sedikit principal sebelumnya. PCA dapat direkomendasikan sebagai seharusnya dilakukan sebelum analisis multivariat lainnya.

misalkan : perilaku. dan analisis regresi untuk menguji suatu model dalam ilmu sosial. dan motivasi. Variabel laten dibedakan menjadi dua yaitu variabel eksogen dan endogen. Variabel eksogen setara dengan variabel bebas. Variabel teramati merupakan efek atau ukuran dari variabel laten.Jawab: a. variabel endogen setara dengan variabel terikat. Variabel laten ini hanya dapat diamati secara tidak langsung dan tidak sempurna melalui efeknya pada variabel teramati. Variabel laten merupakan konsep abstrak. perilaku psikologis maupun manajemen. Ada juga variabel laten endogen yang merangkap sebagai laten eksogen. Notasi matematik dari variabel laten eksogen adalah (”ksi”). c. Eksog en d. serta dapat berfungsi sebagai variabelvariabel tergantung sebenarnya. Notasi matematik dari variabel laten endogen ditandai dengan (eta). perasaan. Variabel eksogen adalah variabel laten yang mempengaruhi variabel laten lainnya. Pada metoda penelitian survei dengan 11 . Variabel teramati adalah variabel yang dapat diamati atau dapat diukur secara empiris dan sering disebut sebagai indikator. Variabel endogen adalah variabel laten yang dipengaruhi variabel laten lainnya. analisis jalur. SEM adalah suatu teknik pemodelan statistik yang menggabungkan antara analisis faktor. Endog en e. b.

10. Sedangkan untuk variabel endogen lainnya dinotasikan dengan (”beta”). 2 macam model SEM dan gambarnya : Jawab: a. Model Struktural (Structural Model) Model ini menggambarkan hubungan diantara variabel-variabel laten. Variabel laten eksogen juga boleh berhubungan dalam dua arah ( covary) dengan dinotasikan (”phi”). Parameter yang menunjukkan regresi variabel laten endogen pada eksogen dinotasikan dengan regresi variabel endogen pada (”gamma”). Simbol diagram lintasan dari variabel teramati adalah bujur sangkar atau empat persegi panjang. Variabel teramati yang berkaitan atau merupakan efek dari variabel laten eksogen diberi notasi matematik dengan label X. setiap pertanyaan pada kuesioner mewakili sebuah variabel teramati. sedangkan yang berkaitan dengan variabel laten endogen diberi label Y.menggunakan kuesioner. Notasi untuk error adalah adalah sebagai berikut: . Model Pengukuran (Measurement Model) 12 . Gambar Model Struktural SEM b.

Error dalam model pengukuran X dinotasikan dengan δ (”delta”) dan untuk pengukuran Y adalah ε (”epsilon”). Setiap variabel laten dimodelkan sebagai sebuah faktor yang mendasari variabel-variabel terkait. Gambar Model Pengukuran SEM adalah sebagai berikut: 13 . Variabel laten dihubungkan dengan variabel-variabel teramati melalui model pengukuran yang berbentuk analisis faktor. Muatan faktor (factor loading) yang menghubungkan variabel laten dengan variabel teramati diberi label λ (”lambda”).Setiap variabel laten mempunyai beberapa ukuran atau variabel teramati atau indikator.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->