Latent Class Analysis

2 11 2009

Latent Class Analysis merupakan turunan dari Latent Variable Analysis yang berusaha memodel data categorical ke dalam kelompok-kelompok. LCA ini pada dasarnya sama dengan Mixture Model tetapi dikhususkan untuk memecahkan masalah class analysis untuk variabel categorical. Karena metode ini hanya diterapkan untuk memodel variabel categorical, dependency antar variabel sering tidak diperhitungkan.

LCA ini juga sering digambarkan sebagai persamaan log linier dan memerlukan kegiatan pengestimasian parameter dan pemilihan model yang paling sesuai dengan data yang dimodel. Untuk mengingatkan, beberapa turunan dari Latent Variable Analysis antara lain:

CATEGORY (LATENT VARIABEL , VARIABEL YANG DIMODEL)
Factor Analysis (Continuous, Continuous)
Latent Class Analysis (Categorical, Categorical)
Latent Class Cluster Analysis/Latent Profile Analysis (Categorical, Continuous)
Latent Trait Analysis (Continuous, Categorical)


Actions

Information

6 responses

16 04 2010
erni

Pak, kalo latent variabel=kategorik, sedangkan variabel yang dimodel adalah campuran (kontinu dan kategorik), pakai latent class yang seperti apa?
trimakasih Pak, mohon bantuannya

30 04 2010
Yudi Agusta

Pertanyaan yang bagus sekali Erni. Kasus seperti ini secara kenyataan memang banyak sekali terjadi. Dengan terpaksa akan perlu menggunakan Latent Class Cluster Analysis. Akan tetapi, karena korelasi antara variabel kontinu dan kategori sangat jarang dibahas, bahkan ada yang tidak mempunyai pemecahan, maka antara variabel kontinu dan katagorik tersebut dianggap tidak ada korelasi.

Mudah-mudahan ini bisa menjawab.

27 01 2010
ida

software pa ja yg bisa dipake tuk pngolahan data Latent Class Analysis?????TQ

28 01 2010
Yudi Agusta

Ada banyak software yang telah dikembangkan oleh banyak peneliti, EMMIX, MCLUST, AutoClass, Multimix, Snob, dll. Kelihatannya tersedia free di internet. Coba saja dicari-cari.

Semoga menjawab.

22 11 2009
Rizky

pak, mw tanya u/ algoritma latent class cluster apa y ?/ tahapn2 pengerjaan manualnya seperti apa ?
pak sy pernqah baca bahwa scara konseptual LCCA hampir sama dengan fuzzy clustering, perbedaan mendasarnya dimana y ?
terima kasih banyak pak, mohon bantuanya

30 11 2009
Yudi Agusta

LCCA memang mirip dengan fuzzy clustering, tetapi dalam menentukan data membershipnya, LCCA menggunakan probabilitas, sedangkan fuzzy clustering menggunakan teori fuzzy. Jarak yang digunakan juga berbeda, LCCA umumnya menggunakan jarak mahalanobis, yang terakomodasi umumnya pada distribusi normal, sedangkan fuzzy clustering dapat menggunakan ukuran jarak seperti euclidean, manhattan dan lain-lain sesuai keperluan.

Demikian dan semoga menjawab.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s




%d bloggers like this: