Hendrawan, Rahmat Primary Author mixed material bibliography Bandung Magister Statistika Terapan 2011 id Indonesia

ABSTRAK TESIS Judul Tesis Analisis Korespondensi Multipel (Multiple Correpondence Analysis (MCA)) untuk Skala Pengukuran Data yang Berbeda (Kualitatif dan Kuantitatif) : Multiple Correpondence Analysis (MCA) For Data Measuring Scale Differentiation (Quantitative an ad Qualitative) ubjek Analisis Korespondensi Multipel (Multiple Correpondence Analysis (MCA)), Analisis Korespondensi Sederhana (Correpondence Analysis (CA)), Generalized Singular Value Decomposition (GSVD), Matriks Burt Abstrak Analisis korespondensi Multipel (Multiple Correpondence Analysis (MeA)) adalah metode yang dirancang untuk mereduksi dimensi dan menyajikan setiap kategori variabel secara bersarna-sama pada satu ruang vektor berdimensi kecil secara optimal. MCA merupakan perluasan dari Analisis Korespondensi Sederhana (Correpondence Analysis (CA)) yang digunakan untuk menganalisis pola hubungan beberapa variabel kategori. Teknik analisis korespondensi multipel diperoleh dengan menggunakan standar Analisis Korespondensi Sederhana dimana terlebih dahulu mengubah data mentah ke dalam matriks indikator, yakni matriks dengan elemen 0 dan 1 (Herve dan Oomonique, 2007: 1). Matriks Burt merupakan matriks simetrik yang terbentuk dari perkalian matriks indikator (Yangchun dan Kern U, 2003:4). Penentuan koordinat utama dalam analisis korespondensi menggunakan Generalized Singular Value Decomposition (GSVO) dari matriks residual. Di dalam penulisan tesis ini Analisis Korespondensi Multipel akan diaplikasikan pada data SMK Pertanian, Kelautan dan Kimia Industri dimana hasil dari analisis akan terlihat plot dan kemiripan (similarity) beberapa kategori dari variabel yang dimiliki oleh SMK sebagai responden. Hendrawan, Rahmat Analisis Korespondensi Multipel (Multiple Correpon 519.5 Hen a Perpustakaan Universitas Padjadjaran Kementerian Riset Teknologi dan Pendidikan Tinggi 519.5 Hen a/R.14.34 01001110700041 Perpustakaan Pusat (REF.14.34) 519.5 Hen a 20%252Fscan0001.jpg.jpg 32020 2017-04-02 00:52:59 2018-05-22 13:10:35 machine generated