ANALISIS KELOMPOK HIRARKI UNTUK PERBANDINGAN SAMPEL BANYAK

Elfitra

doi:10.46244/numeracy.v1i2.134

Elfitra Universitas Negeri Medan

DOI: https://doi.org/10.46244/numeracy.v1i2.134

Keywords: Analisis kelompok, Analisis kelompok Sampel Banyak, Kriteria Informasi, Perbandingan sampel banyak

Abstract

Biasanya dalam usaha perbandingan sampel banyak dari sebuah observasi, banyak metode yang digunakan. Tujuan dari beberapa metode ini adalah untuk menguji hipotesis kesamaan pasangan, akan tetapi sulit menyaring sifat-sifat khusus dari data yang disajikan. Sebuah pendekatam alternatif diperkenalkan dengan tidak melibatkan tes hipotesis untuk menguji kesamaan kelompok melainkan melihat perbedaan mean kemudian mengkategorikan mean dan sampel berbeda jika berada pada kelompok yang berbeda. Metode Analisis kelompok yang dikenalkan disini menggunakan algoritma secara hirarkidan mengenalkan model Informasi kriteria untuk melihat pasangan kelompok yang memiliki kesamaan. Secara umum dalam analisis kelompok diasumsi berdistribusi normal. Dengan mengabaikan asumsi normalitas analisis kelompok dikerjakan dengan distribusi power normal. Hasil analisis kelompok dengan power normal juga memiliki kesamaan gambaran seperti yang ditampilakn dalam grafik statistik.

References

Almuitari,Fahad. (2011). Algorithms for Multi-SAmple Cluster Anlysis. A A Dissertation presented for the doctoral of philosophy degree the university of Tenessee, Knoxville

Bozdogan, H., (1986). Multi-sample cluster analysis as an alternative to multiple comparison procedures. Bulletin of Information and Cybernetics, 22(1-2) :95-130.

Bozdogan, H., (2000). Akaike’s Information Criterion and Recent Developments in information Complexity. Journal of Mathematical and Psycology, 44 : 62-91.

B.S. Everitt., S.Landau., M.Leese., Stahl, Daniel. (2011). Cluster Analysis. Willey, London.

Ferreira, Laura. and D.B.Hitchcok. (2003). A Comparison of Hierarchical Methods for Clustering Functional Data. Depaertment of Statistic University of South Carolina,: –.

Ishogawa,Naoki. (2012). reditive Performance Bayesian Diagnoses. A Dissertation presented for the doctoral philosophy in engineering Osaka Uninersity

Konishi,Sadanori. dan Kitagawa,Gensiro., (1996).Generalised Information Criteria In Model Selection. Bulletin of Information and Cybernetics,22(1–2):95–130

Neath,Andrew. dan Casanaugh,Joseph., (2006). A Bayesiayn Approach to Multiple Comparisons Problem. Journal of data sains, 4:131–146

Shimokawa,Thosio. Goto,Massashi.,(2011). Hierarchical Cluster Analysis for Multi-Sample Comparison Based on the Power Normal Distribution. Behaviormatrika, 36(2) : 125-138.

Saracli,Sinan., Dogan,Nurhan., Dogan,Ismet. (2013). Comparison of hierarchical cluster analysis methods by cophenetic correlation Journal of Inequalities and applications , 203.

Trebuna, Peter. and Halcinova, Jana. (2013). Mathematical Tools of Cluster Analysis. Scientific Reasearsch, 4 : 814-816.

Xu,Rui. dan Wunsch,Donald. (2005). Surveys of Clustering Algorithms. IEEETransaction of Neural Networks, 16(3):645–678