Analisis Cluster Data Longitudinal pada Pengelompokan Daerah Berdasarkan Indikator IPM di Jawa Barat

A.S Awalluddin, I Taufik

Abstract


Anaisis cluster dapat digunakan untuk melakukan pengelompokan objek berdasarkan kesamaan karakteristikdata yang ada pada setiap objek tersebut. Umumnya analisis cluster terbatas pada struktur data cross section(data silang), dengan asumsi pada satu waktu pengamatan. Penelitian ini bertujuan untuk menentukanpendekatan baru dalam analisis cluster untuk data longitudinal dengan struktur data yang bukan hanya crosssection tapi juga time series (rumpun waktu) untuk data multivariabel. Perluasan metode analisis cluster hirarkiWard dengan kombinasi analisis data cross section dan time series dijadikan sebagai dasar analisis matematikdalam penelitian ini. Implementasi metode dilakukan pada studi kasus dataIndeks Pembangunan Manusia(IPM) Jawa Barat berupa empat variabel indikator komponen IPM yaitu : Angka Harapan Hidup (AHH),Harapan Lama Sekolah (HLS), Rata-rata Lama Sekolah (RLS), dan Pengeluaran Perkapita (PP), untukmengetahui pengelompokkan kabupaten/kota, sehingga dapat diketahui daerah mana saja yang perlumendapatkan prioritas peningkatan nilai variabel indikator IPM dalam kebijakan pembangunan Provinsi

Article Metrics

Abstract view : 1132 times
PDF - 714 times

Full Text:

PDF

References


Rencher, A.C., 2002. Methods of Multivariate Analysis, 2nd Edition, New York; John Wiley & Sons.

Hair, J.E., dkk., 1998. Multivariate Data Analysis fifth Ed., Prentice Hall International.

Toon W. Taris,2000. A Primer in Longitudinal Data Analysis., Sage Publications Ltd.

Frees, Edward. W, 2004. Longitudinal and Longitudinal Data : Analysis and Applications in Social Science., Cambridge University Press.

Hsio, Cheng,dkk., 2004. Analysis of Longitudinals and Limited Dependent Variable Models.,Cambridge Un.iversity Press.

Baltagi, Badi H.,2005. Econometric Analysis of Panel Data third edition, John Wiley and Sons.

Mouchart,Michel, Jeroen V.K., 2005. Clustered panel data Clustered Panel Data Models: An Efficient Approach for Nowcasting from Poor Data. International Journal of Forecasting 5:577-594.

Komarek, A., Kamarkova, L., 2013. Clustering for multivariate continuous and discrete longitudinal data.The Annals of Applied Statistics, 7(1), 177–200.

C.Skinner., M.T.Vieire., 2007. Variance Estimation in the Analysis of Clustered Longitudinal Survey Data., Survey Methodology Vol.33, No.1, pp.3-12.

Zheng, B., Li, S., 2014. Multivariable Panel Data Cluster Analysis and Its Application., Computer Modelling & New Technologies18., 553-557.

Strauss, T., J Von Maltitz, M., 2014. Statistical Classification of Languages : Generalising Method for Use with Manhattan Distance., Technical Report., University of The Free State.

Badan Pusat Statistika Provinsi Jawa Barat. Indeks Pembangunan Manusia Metode Baru Provinsi Jawa Barat dan Kabupaten/Kota Tahun 2010-2014. (Online). (http://jabar.bps.go.id/linkTabelStatis/view/id/95)


Refbacks

  • There are currently no refbacks.