| dc.description.abstract | Analisis gerombol (cluster analysis) adalah bagian dari analisis peubah ganda yang tujuan utamanya adalah menggerombolkan objek-objek berdasarkan karakteristik yang dimiliki. Hasil penggerombolan dari objek akan memperlihatkan homogenitas yang tinggi dalam satu gerombol dan heterogenitas yang tinggi dengan gerombol lain. Jika pengerombolan tersebut berhasil, objek- objek di antara satu gerombol saling berdekatan ketika digambarkan secara geometri, dan dengan gerombol lain akan berpisah jauh. Kemiripan dalam analisis gerombol menggunakan ukuran jarak sebagai basis pengukuran antara tiap pasangan pengamatan.
Pada kasus-kasus tertentu, individu/objek pengamatan diukur dengan peubah kualitatif, baik nominal maupun ordinal. Pada data tersebut, penggerombolan dengan metode klasik seperti K-rataan atau metode lain yang telah disebutkan di atas kurang tepat diterapkan. Hal ini dapat memberikan hasil penggerombolan yang keliru sehingga menghasilkan kesimpulan yang kurang tepat. Alternatif metode lain untuk menggerombolan individu dengan peubah kualitatif (kategorik) adalah dengan Analisis Laten Kelas (Latent Class Analysis).
Model Analisis Laten Kelas disebut juga sebagai model campuran terbatas (finite mixture models) yang berisi satu atau lebih peubah diskrit yang tidak diamati. Model ini berbeda sekali dengan jenis model yang parameternya hanya menggambarkan hubungan antara peubah-peubah yang diamati, seperti analisis regresi, analisis diskriminan dan model log linier. Analisis Laten Kelas adalah suatu teknik untuk menganalisis hubungan data kategori, yaitu hubungan diantara peubah-peubah yang diukur dengan skala nominal atau ordinal. Model Analisis Laten Kelas sebagai metode statistik untuk mengidentifikasi keanggotaan gerombol yang tidak terukur antara subjek dengan peubah yang diamati, yaitu peubah kategori ataupun kontinu.
Konsep dasar dari Analisis Laten Kelas adalah membagi data ke dalam beberapa gerombol sedemikian hingga memungkinkan tidak adanya hubungan antar peubah (kebebasan lokal). Pada awalnya data dibagi ke dalam dua gerombol dengan mengacu pada kriteria informasi yang dihasilkan. Selanjutnya dilakukan iterasi pada gerombol hingga dihasilkan nilai log-likelihood dua gerombol yang terbaik (sebagus mungkin). Hal yang sama dilakukan untuk menghasilkan 3,4. dan 5 gerombol, meningkatkan jumlah gerombol dapat membuat gerombol semakin homogen. Parameter pada Analisis Laten Kelas diduga dengan menggunakan algoritma EM dan Metode Newton-Raphson. Fungsi sebaran bersama dari peubah kategori dan kontinu dilakukan dengan mengalikan fungsi sebaran peubah yang ada. dst ... | id |
