Pertanyaan dasar mengenai Multivariat

• Kenapa dalam mengestimasi harus dilakukan optimasi (MLE)?
• Salah satu jawabannya adalah minimize error (misal regresi kita mengestimasi persamaan regresi dengan cara mencari garis regresi yang memiliki eror terkecil artinya jarak dari data ke estimasinya paling kecil)
• Secara math optimasi ada dua nesesari optimize dan secara kondisi. Pertama syaratnya optimasi adalah turunan pertamanya = nol. Turunan pertamanya adalah gradient = nol dan ini adalah syarat nesesarinya, sementara syarat secara kondisinya adalah ketika turunan berikutnya adalah negatif (untuk memax) dan positif (untuk memin). Ilustrasinya adalah grafik kurva ke atas atau kebawah (sin cos, misalnya)
• Mirip prinsipnya dengan least square error (tapi LSE lebih spesifik)
• Wilks lamda untuk varians. Jadi tergantung pembahasannya. Misalnya kalau yang dicari adalah?? Maka pergunakan wilks lambda.
• Missing data ada dua, satu yang sistematic ada yang random. Dan kalau diperbolehkan milih, maka mising data yang paling aman terjadi pada penelitian kita adalah missing data yang random. Karena kalau kita mising datanya sistematik maka kita bisa melihat adanya suatu fungsi pada data kita dan itu berarti ada kesalahan yang terjadi oleh si peneliti sehingga menghasilkan data yang missing secara sismtematik.
• Maka kalau data hilangnya sistematik maka kita harus mengulang penelitian atau survey. Tapi kalau mising valuenya random maka bisa diestimasi dengan misal rata-rata data yang ada, atau nilai regresi data yang ada, atau dll. Atau bisa juga mendelete variable atau pertanyaan yang banyak missingnya.
• Outlier. Kalau sampai ada outlier jangan buru2 datanya dibuang. Karena semua data sangat bernilai. Karena outlier itu sama dengan missing value karena terjadi bisa karena kesalahan kita atau memang sampelnya yang demikian.
• Outlier bisa terjadi karena salah ambil sampel. Misalnya ketika lagi ujian, maka ketika ada outlier yang nilainya bagus tetapi karena memang mahasiswa itu adalah expert dibidang itu maka hal tersebut adalah prosedural.

Introduction of multivariat - Basic statistik

Sebelum masuk ke multivariat yang sebenarnya, kita harus tahu dasar sebelumnya. Maka yang berikut ini adalah intro statistik:

- Statistic itu sebenarnya berasal dari kata apa ayoo?? (aku yg backgroundnya jurusan statistic seumur-umur belum pernah peduli dengan asal usul kata Statistic. Begitu juga dosen-dosen terdahulu ku, ^_^)

Statistik berasal dari kata statista, bahasa italia yang berarti state person. Seseorang di suatu lembaga yang bertugas untuk mengambil keputusan. Orang tersebut menggunakan data dan informasi untuk mendukung keputusannya tersebut.

- Lalu mengapa kita harus belajar statistik?

Agar kita bisa mengambil keputusan yang valid atau setidaknya memiliki dasar yang jelas, yaitu data atau informasi. Data dan informasi yang ada pasti tidak ada yang sama. Semuanya memiliki variabilitas yang heterogen. Karena itu ada statistik.

- Lompat sedikit ke conjoint analysis. Apa sih Conjoint analysis (dosenku yang sekarang adalah ahlinya conjoint. dia pernah menerbitkan buku khusus menengai conjoint. mau? call me ^_^).

Conjoint analisis bisa digunakan pada bidang marketing riset gunanya untuk mengetahui preferensi konsumen.

- Sementara itu, Analisa multivariat itu apa?

Merupakan, Statistika method dimana digunakan untuk data yang multivariat kemudian diolah secara simultan.

- Tunggu dulu, sebenarnya variat itu apa?

Variat itu adalah gabungan dari beberapa variable. Tapi tidak jarang orang juga menamakan variat adalah variable.

Nah segitu aja deh kuliah multivariat -intro ^_^

Logika Fuzzy

Baru-baru ini aku dapat tugas untuk membuat presentasi mengenai linear programming. setelah mencari bahan, aku menemukan link berikut:

Fuzzy linear programming

Isinya sangat menarik, tapi yang paling menarik aku dapet ilmu tentang logika fuzzy, intinya adalah:

Logika Fuzzy

definisi : sebuah logika tentang sesuatu yang tidak tegas, dengan kata lain memiliki nilai yang kabur.

Perbedaan dengan Logika tegas:

- logika tegas memiliki nilai biner, misalkan ya atau tidak, 0 atau 1.

- logika Fuzzy memiliki nilai kabur, misalkan ragu-ragu, atau nilai antara 0-1

Sehingga pada intinya, logika fuzzy memiliki suatu himpunan dalam suatu antara variabel-variabel yang sudah tegas.

Logika fuzzy dikembangkan oleh prof. lotfi zaden sekitar tahun 1960an.

Factorial Design - little notes

Design Experiment

- Prinsip Experiment : Replikasi, Blocking, Randomisasi

- Fix effect model

experiment yang faktornya ditentukan. contohnya, ingin mengetahui pengaruh antara bahan bakar dengan kecepatan mobil. maka kecepatan bahan bakar sudah ditetapkan sebelumnya yaitu misal premium dan pertamax. maka model experiment seperti ini adalah model experiment fix effect.

- random effect model

experiment yang dilakukan dengan cara mengambil faktor secara random. contohnya ingin mengetahui pengaruh antara bahan bakar dengan kecepatan mobil. maka faktornya adalah bahan bakar dimana pertamax dan premium ditentukan sebagai faktor secara acak dari sekian banyak bahan bakar. maka model seperti ini adalah model experiment random effect.

- Faktorial design

dilakukan untuk mengetahui variasi dari faktor yang ada. kalau menggunakan uji mean biasa tidak bisa mengetahui variasi dari faktor yang ada.

Jadi faktorial desain tujuannya untuk mengetahui apakah variasi antar faktor mempengaruhi perlakuan.

Anova one way - Design Experiment

Beberapa pertanyaan yang sering ditanyakan mengenai konsep Anova One Way

- kenapa harus menggunakan anova?
karena yang mau di tes adalah varians, varians between group dan varians within group.

- Apa arti dari varians?
Varians adalah selisih antara data dengan rata-ratanya. Semakin kecil varians maka semakin baik, artinya data semakin mendekati rata-ratanya.

- Kenapa dalam melakukan desain eksperimen harus dengan replikasi dan harus random?
agar tidak bias, random bisa digunakan dengan table atau kocokan.

- kenapa harus diuji? padahal setelah melakukan percobaan lalu dilakukan analisis deskriptif biasa kesimpulannya sudah bisa diperoleh?
karena mengacu pada scientific proof. apakah nilai deskriptif itu valid? maka dilakukan uji varians (anova)

- kenapa menggunakan sum of squares?
karena mengacu pada varians, dimana rumusnya adalah (x-xbar) kuadrat, kenapa? karena menghitung varians dari data harus dikuadratin agar tidak nol. jadi istilahnya SSE

- apa arti dari SS total?
selisih dari masing2 observasi dari rata2 total.

- apa arti dari SS between groups?
setiap grup ada rata2nya, maka ssa adalah selisih dari rata2 observasi dari rata2 total.

- apa arti dari SS within groups?
selisih data observasi dari rata2 tiap grupnya.

- apa arti dari means square?
varians square, masing2 SS dibagi dari df nya.

- apa stat ujinya?
F. F adalah MSA/MSW

- apa kriteria uji?
jika F lebih besar dari F tabel maka ditolak.

- cara cek normalitasnya (asumsinya) gimana?
logikanya, residual adalah error yang terjadi pada observasi. maka cek errornya apakah normal? jika normal maka datanya normal. dengan cara membuktikan bahwa observasi - ekspetasinya adalah observasi - rata-ratanya. pake probability plot, garis besarnya adalah mencari residual dari rata-ratanya, lalu dicari porbabilitynya.

- mengapa menggunakan 1/2 dalam rumus mencari probability normal plot (k-1/2)/n ?
dibagi setengah karena di anggap bahwa probability keluarnya adalah sama.