Posting kali ini mengulas bagaimana mengolah Robust Principal Component Analysis (ROBPCA). Motivasi penulisan artikel ini melihat antusiasme pengunjung blog yang mulai tertarik dengan penulisan skripsi bertema ROBPCA dari Hubert (2004) dan paper ROBPCA oleh Suryana (2007).
Pengolahan ROBPCA menggunakan toolbox Matlab yang ditulis oleh Hubert (2004). ROBPCA merupakan salah satu M-File yang terdapat dalam kumpulan Toolbox Statistik robust dengan nama LIBRA. Pengunjung harus menginstall program Matlab terlebih dahulu. Di sini, penulis menggunakan program Matlab 7.01.
Klik Me If You Wanna Know More!
Artikel ini merupakan kelanjutan dari posting artikel berjudul, ‘Memahami Model Regresi Linear Dengan Data Simulasi’. Setelah memahami proses membangkitkan data yang diperlukan untuk memahami model statistik (deterministik), maka kita fahami fenomena pemodelan regresi linear.
Salah satu unsur yang menjadi perhatian dalam analisis regresi adalah koefisien determinasi yang biasa disimbolkan dengan R kuadrat (R-square). Koefisien Determinasi merupakan salah ukuran yang menyatakan besarnya pengaruh variabel independen terhadap variabel dependen. Kisaran koefisien determinasi antara nol (tidak ada pengaruh) dan 100 (pengaruh sempurna). Sebagai mahasiswa yang mengadakan penelitian akan berbangga hati apabila dihasilkan koefisien determinasi di atas 80 persen. Pertanda kelulusan sarjana sudah di ambang pintu, tinggal menunggu pembantaian Dosen Penguji. Lalu, bagaimana jika koefisien determinasi yang dihasilkan cuilik….?
(more…)
Pada posting kali ini, penulis mencoba menyajikan sebuah tulisan ringan mengenai bagaimana cara pintas mempelajari pemodelan statistik yang berbasis model (model based). Yang dimaksud model based di sini adalah model statistik yang telah ditentukan lebih dahulu model matematisnya sebelum karakteristik data diketahui. Sebagai contoh dalam model regresi linear peneliti mengasumsikan hubungan antara variabel bebas dan variabel terikat berbentuk lurus (linear).
Salah satu kelemahan model based adalah adanya berbagai asumsi yang menyertai model itu. Dalam model regresi misalnya meangasumsikan error harus berdistribusi normal dengan rata-rata nol dan varians tertentu. Karena error model bisa terdeteksi setelah model terbentuk maka variabel terikatlah yang disyaratkan berdistribusi normal dengan rata-rata dan varians tertentu. Permasalahannya data seperti apa yang berdistribusi normal dengan rata-rata dan varians tertentu itu?
Melalui simulasi data, kita dapat memahami pemodelan statistik yang model based tadi. Caranya?
(more…)
