Ringkasan Mingguan

  • Umum

  • Pertemuan 1 (11 Februari 2025): Kontrak Perkuliahan

    • Kontrak Perkuliahan Berkas 94.8KB PDF document

      Assalamualaikum wr wb

      Halooo Semuanya, Salam sehat dan Jangan Lupa Bahagia

      Pertemuan kali ini kita akan membahas tentang Rancangan Perkuliahan Mata Kuliah Analisis Data Multivariabel

      Silahkan Kalian bisa unduh materi kontrak kita di sini.

      Semoga dapat membantu anda semuanya 

      Terimakasih, Semangat selalu untuk kita semua 

  • Pertemuan 2 (18 Februari 2025): Matiks Kovarian dan Matriks Korelasi

    • Materi 1 Berkas 28.1KB Word 2007 document
    • Materi 2 Berkas 28.4KB Word 2007 document
    • Tugas 1 Penugasan

      Membuat data  dengan N = 100.. Ditampilkan di word. Kemudian copas output dari spss dan buat matriks nya sertakan kesimpulan dari matriks yang telah dihasilkan. Kumpulkan dalam bentuk word,

      Sertakan jalan pengerjaan (buat Screen shoot langkah spss)


  • Pertemuan 3 (25 February 2025): Analisis Komponen Utama

  • Pertemuan 4 (4 March 2025) : Analisis Faktor

    • Perbedaan PCA dan Analisis Faktor URL

      Analisis komponen utama (principal component analysis / PCA) adalah teknik yang digunakan untuk menyederhanakan suatu data, dengan cara mentransformasi linier sehingga terbentuk sistem koordinat baru dengan varians maksimum. PCA dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan
      Analisis faktor adalah alat analisis statistik yang dipergunakan untuk mereduksi faktor-faktor yang mempengaruhi suatu variabel menjadi beberapa set indikator saja, tanpa kehilangan informasi yang berarti.
      Untuk lebih memahami silahkan anda melihat penjelasan di link ini

    • Analisis Faktor Video URL

      EFA DAN CFA ADALAH ANALISIS YANG DIPERLUKAN UNTUK MENGETAHUI SEBERAPA BAGUS KUALITAS INDIKATOR YANG MENJELASKAN DAN MENGUKUR VARIABEL LATEN YANG KITA TELITI.
      EFA (Exploratory Factor Analysis) adalah teknik analisis multivariat yang digunakan untuk mengidentifikasi faktor-faktor yang mendasari set data dari suatu variabel laten.. Tujuan utama dari EFA adalah untuk mengidentifikasi indikator atau dimensi variabel dengan mengidentifikasi korelasi antara indikator dan variabelnya. 

      Sementara itu CFA (Confirmatory Factor Analysis) adalah salah satu teknik statistik yang digunakan untuk menguji dan memvalidasi indikator terhadap variabel laten dalam sebuah model. Teknik ini digunakan dalam analisis multivariat untuk memeriksa apakah data indikator yang diamati sesuai dengan hipotesis variabel yang telah diajukan. CFA umumnya digunakan dalam konteks analisis faktor, di mana peneliti memiliki hipotesis tentang hubungan antara variabel latennya (faktor) dan variabel observasionalnya (indikator). Dalam CFA, sejumlah faktor yang telah diidentifikasi sebelumnya dinyatakan dalam bentuk model matematika yang akan diuji terhadap data yang dikumpulkan. Tujuan utama dari CFA adalah menguji sejauh mana data yang diperoleh dari pengukuran dapat dijelaskan dengan baik oleh model yang telah dirumuskan sebelumnya.
       Selanjutnya muncul pertanyaan apakah Perbedaan efa dan cfa EFA (Exploratory Factor Analysis) dan CFA (Confirmatory Factor Analysis) adalah dua teknik statistik yang digunakan untuk menganalisis faktor dalam set data indikatornya.
      Meskipun keduanya melibatkan analisis faktor, ada beberapa perbedaan antara EFA dan CFA: 1. Tujuan Analisis:. 2. Pendekatan Analisis:. 3. Model Faktor: 4. Pengujian Model

    • Analisis Faktor Berkas 1MB PDF document

      Berikut adalah penjelasan Analisis Faktor serta teknik menggunakan SPSS yang dapat anda pahami

    • Diskusi Perbedaan PCA dan Analisis faktor Forum

      Silahkan kalian aktif berdiskusi bertanya serta memberikan tanggapan apa perbedaan dari PCA atau Analisis Komponen Utama dan Analisis Faktor.
      Keaktifan kalian setiap hari membrikan dampak pada pengetahuan yang terbangun dari kesadaran untuk menambah ilmu dan mengupgrade diri sendiri dalam memahami Analisis Faktor

    • Tugas Analisis Faktor Penugasan
      Setelah kalian memahami dari penjelasan video dan beberapa penjelasan file selanjutnya
      Buatlah:
      1. Penjelasan perbedaan Analisis Komponen Utama dan Analisis Faktor (menggunakan tabel)
      2. Jelaskan Analisis Faktor dengan lengkap yang telah anda pahami beserta dengan masisng-masing contoh uji SPSSnya.
      Buat langkah ujinya sertakan penjelasan.
      Dikumpulkan berbentuk file word

  • Pertemuan 5 (11 March 2025) Quiz

    • Quiz Penugasan

      Terimakasih telah mengerjakan quiz hari ini

      Silahkan Anda mengirimkan quiz ke bagian ini

      Upload dengan file berbentuk word

  • Pertemuan 6 (18 March 2025) Regresi Linier Berganda

    • Diskusi kita Forum

      Silahkan tuangkan pemahaman anda dalam bentuk kalimat disertakan dengan sumbernya tentang regresi liner berganda

    • Case Assignment Penugasan

      Silahkan anda membuat case masing-masing dengan ketentuan 3 variabel bebas dan 1 variabel terikat, untuk n = 100.
      Seperti kemarin menggunakan langkah di Screen Shoot kemudian berikan keterangannya.

      Gunakan file berbentuk word

  • Pertemuan 7 (8 April 2025) Regresi Logistik

    • Goodnes of fit regresi logistik biner URL
      Video ini menjelaskan bagaimana Cara interpretasi Goodness of Fit dari Regresi Logistik Biner. Lengkap dengan dara mengolahan dengan SPSS dan R.
    • Tutorial Analisis Regresi Logistik Multinomial URL

      Video ini menjelaskan tentang Logistik Multinominal

    • Tugas (Case) Penugasan

      Setelah kalian memahami penjelasan dari dosen dan video pembelajaran yang telah diberikan, 
      Silahkan kalian buat kasus dengan mengimplementasikan varibelnya berkaitan dengan bidang penelitian pendidikan matematika.

      Analisis dengan menggunakan  logistik biner dan multinominal dengan sampel 50.

      Silahkan kalian kumpulkan dengan format word dan tulis langkah-langkah nya seperti biasa.
      Due date 5 hari setelah mata kuliah ini diberikan. Selamat belajar jangan lupa menjaga kesehatan 

  • Pertemuan 8 (UTS)

    • Pertemuan 9 (Analisis Diskriminan)

    • Pertemuan 10

      • Tugas Analisis Klaster Penugasan

        Buatlah masalah penelitian dengan kasus menggunakan analisis klaster, n > 50, dan x > 3

        Buat judul penelitiannya, dan tentukan variabel apa saja yang bebas dan terikat.

    • Pertemuan 11

      • Tugas Penugasan

        Analisis Data Kategorik Uji Chi-Square Model log-linear Penerapan dalam penelitian

        Pengumpulan data paling lambat tanggal 7 Mei 2025 pukul 17.00 WIB   

    • Pertemuan 12/Model Perasamaan Struktural (SEM) dan Smart PLS

    • Pertemuan 13 / Analisis Smart PLS

      • ANALISIS SEM PLS : REGRESI LINEAR BERGANDA SMARTPLS URL

        Dalam video ini saya menjelaskan dan mempraktekkan bagaimana melakukan analisis sem pls regresi linear berganda smartpls. Regresi berganda smartpls merupakan analisis regresi yang bertujuan untuk mengetahui ada atau tidaknya pengaruh variabel independen dengan variabel dependen, serta jumlah variabel independen yang digunakan minimal 2 variabel.

      • ANALISIS SEM PLS : ANALISIS JALUR SMARTPLS - UJI VARIABEL INTERVENING DENGAN PLS URL

        Analisis Jalur Smartpls Dalam video ini saya menjelaskan dan mempraktekkan bagaimana melakukan analisis sem pls dengan analisis jalur smartpls atau uji variabel intervening dengan pls. Analisis jalur smartpls bisa juga disebut dengan path analysis dengan smartpls, dimana uji statistik ini merupakan perluasan dari uji regresi. Dalam path analysis smartpls terdapat variabel intervening, selain variabel independen ataupun dependen. Variabel intervening dalam analisis jalur bertujuan untuk mengetahui apakah variabel independen secara tidak langsung berpengaruh terhadap variabel dependen jika melalui variabel mediasi atau variabel intervening, maka dari itu uji ini sering dinamakan dengan uji mediasi dengan smartpls atau uji variabel intervening dengan pls.

      • Tugas Smart PLS Penugasan

        Buatlah analisis menggunakan Smart PLS untuk analisis Regresi Linier Berganda Masing-masing dengan 3 variabel bebas dan 1 variabel terikat.

        dan Untuk analisis jalur, 2 variabel bebas, 1 variabel perantara, dan 1 variabel terikat.

        Data minimum 100

        Selamat Mengerjakan 

    • Pertemuan 14 / Projek

      • Pertemuan 15/ Projek

        • Pertemuan 16/UAS