Analisis Diskriminan dan Regresi Logistik merupakan tehnik statistik

Slides:



Advertisements
Presentasi serupa
ANALISA BIVARIAT: KORELASI DAN REGRESI
Advertisements

ANALISIS KORELASI.
STATISTIKA MULTIVARIAT MANOVA
PEMAHAMAN METODE REGRESI
Regresi Diskriminan dan Regresi Logistik
UJI PERBEDAAN (Differences analysis)
STATISTIKA MULTIVARIAT ANALISIS FAKTOR
ANALISIS REGRESI DAN KORELASI
Statistic Multivariate
Praze06 PENGERTIAN DAN PROSEDUR REGRESSION ESTIMATORS.
Kuisoner Tidak Layak Diolah Karena
Analisis Data BETRI SIRAJUDDIN.
Analisis Diskriminan.
MULTIVARIATE ANALYSIS
Multiple Regression Analysis: dengan Dummy Variabel
SAMPLING Vitri Widyaningsih, dr.
Bab 9 Pengukuran dan desain instrumen dalam survei.
1. 2 Garis Besar Materi 1) Konsep Dasar 2) Model Analisis Diskriminan 3) Statistics yang terkait dengan Analisis Diskriminan 4) Langkah-langkah Analisis.
3. Proses Riset Pemasaran
Analisis Data: Memeriksa Perbedaan
FUNGSI DISKRIMINAN 2 KELOMPOK Mukminati An’amallah K Nike Putri W K
Bab 17 Estimasi Melalui Pensampelan Matriks Estimasi Melalui.
FUNGSI DISKRIMINAN 3 KELOMPOK
Bab 9 Pengukuran dan desain instrumen dalam survei.
LOGISTIC REGRESSION Logistic regression adalah regressi dengan binary untuk variabel dependen. Variabel dependen bersifat dikotomi dengan mengambil nilai.
Menentukan Perilaku Biaya
oleh: Hutomo Atman Maulana, S.Pd. M.Si
Uji Hipotesis.
TEKNIK ANALISIS DATA.
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
MODUL 15 ANALISIS DISKRIMINAN indeopendennya) ANALISIS DATA Pengantar:
DISUSUN OLEH: SUHERTI ROFIQAH
ANALISIS REGRESI SEDERHANA
MODUL 9 METODE PENELITIAN, ANALISIS DATA DAN PEMBAHASAN
ANALISIS REGRESI DAN KORELASI LINIER
Estimasi Pengaruh Ketidakseimbangan Energi Terhadap Perubahan Berat Badan Pada Anak-Anak Ahmad Abdullah
13. ANALISIS DATA PERSIAPAN LANGKAH – LANGKAH ANALISIS DATA
STATISTIK II Pertemuan 14: Analisis Regresi dan Korelasi
Beatricia Pahlevi Thamarica – X
Tujuan Pembelajaran 1) Mengetahui definisi variabel dummy
Pertemuan Ke-7 REGRESI LINIER BERGANDA
Regresi Linier (Linear Regression)
Analisis REGRESI.
TEKNIK PENGUMPULAN DATA VALIDITAS DAN REALIBILITAS
REGRESI LOGISTIK BINER
Bismillahirahmanirahim
Model Peluang Linier.
Kuliah ke-1 Statistik Inferensial
DASAR ANALISIS MULTIVARIATE.
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
Analisis Jalur (Path Analysis).
TEKNIK PENGUMPULAN DATA VALIDITAS DAN RELIABILITAS
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
Korelasi Korelasi Product Moment digunakan untuk melukiskan hubungan antara 2 buah variabel yg sama-sama berjenis interval atau rasio. Rumus.
Analisis Data Penelitian
STATISTIK II Pertemuan 12: Analisis Regresi dan Korelasi
MULTIVARIATE ANALYSIS
BAB 6 MULTIKOLINIERITAS
TEKNIK PENGUMPULAN DATA VALIDITAS DAN RELIABILITAS
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
REGRESI DAN KORELASI DISUSUN OLEH : 1.AVERIO ALVAREZ ( ) 2.FRANS HENDRIKO MARPAUNG ( ) 3.CLAUDIA ELSHA ALVINCE ( ) 4.STEVEN.
Pasca Sarjana Unikom Model Regresi Pasca Sarjana Unikom
Fungsi diskriminan linear, klasifikasi diskret dan regresi
13. ANALISIS DATA PERSIAPAN LANGKAH – LANGKAH ANALISIS DATA
ANALISIS REGRESI LINIER
Menentukan Perilaku Biaya
BAB VIII REGRESI &KORELASI BERGANDA
Multivariate Analysis
ANALISIS REGRESI DAN KORELASI
Transcript presentasi:

Analisis Diskriminan dan Regresi Logistik merupakan tehnik statistik jika variabel dependen yang berbentuk kategorikal (nominal atau non metrik) dan variabel independen berbentuk metrik. Dalam banyak kasus variabel dependen terdiri dari dua kelompok atau klasifikasi, sebagai contoh pria dengan perempuan atau tinggi dengan rendah. Teknik analisis diskriminan dibedakan menjadi dua kelompok/katagori, jika variabel tak bebas (Y) dikelompokan menjadi dua, diperlukan satu fungsi diskriminan, jika variabel tak bebas dikelompokkan menjadi lebih dari dua kelompok disebut analisis diskriminan berganda (multiple discriminant analysis) diperlukan fungsi diskriminan sebanyak k-1, jika ada “k” katagori.

Kombinasi linier untuk analisis discriminan dikenal juga sebagai Fungsi discriminan yang berasal dari equation dengan bentuk sebagai berikut : Zjk = a + W1 X1k + W2 X2k + ...... + Wn Xnk dimana :   Zjk = discriminan Z score dalam fungsi discriminan j untuk objek k a = intercep W1 = discriminan weight untuk variabel independen i Xjk = Variabel independen i untuk objek k

Penerapan analisis diskriminant dapat dilihat dalam enam tahap model Tahap 1: Tujuan dari Analisis Diskriminan Membuat suatu fungsi diskriminan atau kombinasi linier dari prediktor atau variabel bebas yang bisa mendiskriminasi atau membedakan kategori variabel tak bebas atau criterion atau kelompok artinya mampu membedakan suatu objek (responden) masuk kelompok/kategori mana. Menentukan variabel bebas yang mana yang memberikan sumbangan terbesar terhadap terjadinya perbedaan antar kelompok. 3. Membuat prosedur untuk mengklasifikasi objek (individu, perusahaan, produk, dan sebagainya) ke dalam kelompok atas dasar nilai mereka di set independen vari ables. 4. Mengelompokan objek/kasus atau responden ke dalam suatu kelompok/kategori didasarkan pada nilai variabel bebas.

Tahap 2 : Desain penelitian untuk Analisis Diskriminan Memilih Variabel Independen dan variabel dependen Untuk menerapkan analisis discriminant, maka peneliti harus terlebih dahulu menetapkan variabel yang harus independen dan variabel yang akan bergantung/tak bebas. Ingat bahwa dependen variabel berbentuk kategori dan variabel independen adalah metrik. Ukuran Sampel Analisis Diskriminan sangat peka terhadap rasio untuk ukuran sampel dalam variabel bebas. Banyak studi menyarankan rasio 20 observasi untuk setiap variabel bebas. Pembagian Sampel Prosedur yang biasa adalah dengan membagi total sampel responden secara acak ke dalam dua kelompok. Salah satu dari kelompok ini, analisis sampel, digunakan untuk mengembangkan discriminant function. Kelompok kedua. yang holdout sampel, digunakan untuk menguji discriminant fungsi. Metode ini memvalidasi fungsi ini disebut sebagai split-sampel atau pendekatan lintas-validasi

Tahap 3 : Asumsi dari Analisis Diskriminan Para peneliti harus memeriksa data dan asumsi jika melanggar, maka peneliti harus mengidentifikasi metode alternatif yang tersedia dan dampak pada hasil yang dapat diharapkan. Data tidak memenuhi asumsi keadaan yg biasa multivarian dapat menimbulkan masalah dalam melakukan estimasi Fungsi diskriminasi

Tahap 4: Estimasi dan Penilaian dari Model Diskriminan Dengan fungsi yang diperkirakan, secara keseluruhan model dapat dinilai dengan beberapa cara. Pertama, discriminant Z skor, juga dikenal sebagai nilai Z, bisa dihitung untuk setiap objek. Perbandingan kelompok berarti pada Z skor menyediakan satu ukuran discriminan antar kelompok. Input keakuratan diukur sebagai jumlah observasi diklasifikasikan ke dalam kelompok yang benar. Sejumlah kriteria yang tersedia untuk menilai apakah proses mencapai klasifikasi praktis dan / atau statistica signifikan.

Menghitung Z skore Diskriminan Menghitung Z skore Diskriminan Setelah batasan fungsi diskriminan ditetapkan sebagai dasar perhitungan Z skor Diskriminan yang dapat dihitung berdasarkan formula sebagai berikut :   Zjk = a + W1 Xjk + W2 X2k + .... + Wn Xnk dimana : Z jk = Z skore diskriminan dari fungsi diskriminan j untuk objek k A = intercep W1 = koefisien diskriminan dalam variabel independen i X ik = Variabel independen i dalam objek k

Tahap 5: Interpretasi Hasil Jika secara statistik signifikansi fungsi diskriminasi dan klassifikasi akurasinya dapat diterima, maka peneliti harus fokus pada pembuatan substansi interpretasi terhadap hasil temuan tersebut. Proses ini melibatkan pemeriksaan diskriminan yang berfungsi untuk menentukan relatif pentingnya setiap variabel independen dalam membedakan antara kelompok .

Tahap 6 : Validasi Hasil Split Sample atau Silang Validasi