Metode Latent Class Cluster Untuk Variabel Indikator Bertipe Campuran Dalam Rangka Pengelompokan Desa.
ABSTRAK
Judul Tesis
: Metode Latent Class Cluster Untuk Variabel Indikator
Bertipe Campuran Dalam Rangka Pengelompokan Desa
Tertinggal
Kata Kunci
: Latent Class Cluster, indikator campuran, desa tertinggal.
Abstrak
Latent class cluster digunakan dalam bidang sosial untuk mengelompokkan
individu atau objek ke dalam kelas/kelompok yang berbeda berdasarkan respons
suatu set indikator yang teramati (variabel manifest). Dalam penentuan desa
tertinggal, kemajuan atau ketertinggalan suatu desa tidak dapat diukur secara
langsung (disebut laten variabel), namun melalui sejumlah indikator. Variabel
indikator yang digunakan untuk menentukan ketertinggalan desa mempunyai
skala pengukuran yang bermacam-macam (campuran kategori dan kontinu).
Metode untuk mengelompokkan objek bilamana variabelnya bertipe kombinasi
campuran (diskrit dan kontinu) dan melibatkan suatu variabel laten dalam rangka
pengelompokan desa, yaitu dengan latent class cluster untuk variabel indikator
bertipe campuran. Model diestimasi menggunakan maximum likelihood dengan
algoritma EM. Hasilnya, dengan menggunakan metode ini diperoleh 4 kelompok
desa.
Abstract
Latent class cluster are used in social sciences for classifying individuals or
objects into distinct group/classes based on responses to a set of observed
indicators (manifest variables). In determining the underdeveloped villages, the
progress or backwardness of a village can not be measured directly (called latent
variables), but through a number of indicators. Indicator variables used to
determine the underdeveloped villages has a variety scale of measurement (mixed
category and continuous).
A method is used to classify the object when the variables have combinations of
type (discrete and continuous) and involves a latent variable in the context of
villages grouping, namely the latent class cluster for mixed-type indicator
variables. Models are estimated using maximum likelihood with EM algorithm.
The result, using this method is obtained four categories of villages.
iii
Judul Tesis
: Metode Latent Class Cluster Untuk Variabel Indikator
Bertipe Campuran Dalam Rangka Pengelompokan Desa
Tertinggal
Kata Kunci
: Latent Class Cluster, indikator campuran, desa tertinggal.
Abstrak
Latent class cluster digunakan dalam bidang sosial untuk mengelompokkan
individu atau objek ke dalam kelas/kelompok yang berbeda berdasarkan respons
suatu set indikator yang teramati (variabel manifest). Dalam penentuan desa
tertinggal, kemajuan atau ketertinggalan suatu desa tidak dapat diukur secara
langsung (disebut laten variabel), namun melalui sejumlah indikator. Variabel
indikator yang digunakan untuk menentukan ketertinggalan desa mempunyai
skala pengukuran yang bermacam-macam (campuran kategori dan kontinu).
Metode untuk mengelompokkan objek bilamana variabelnya bertipe kombinasi
campuran (diskrit dan kontinu) dan melibatkan suatu variabel laten dalam rangka
pengelompokan desa, yaitu dengan latent class cluster untuk variabel indikator
bertipe campuran. Model diestimasi menggunakan maximum likelihood dengan
algoritma EM. Hasilnya, dengan menggunakan metode ini diperoleh 4 kelompok
desa.
Abstract
Latent class cluster are used in social sciences for classifying individuals or
objects into distinct group/classes based on responses to a set of observed
indicators (manifest variables). In determining the underdeveloped villages, the
progress or backwardness of a village can not be measured directly (called latent
variables), but through a number of indicators. Indicator variables used to
determine the underdeveloped villages has a variety scale of measurement (mixed
category and continuous).
A method is used to classify the object when the variables have combinations of
type (discrete and continuous) and involves a latent variable in the context of
villages grouping, namely the latent class cluster for mixed-type indicator
variables. Models are estimated using maximum likelihood with EM algorithm.
The result, using this method is obtained four categories of villages.
iii