Analisis Kelompok Hirarki untuk Perbandingan Multi Sampel

Abstract

Usually in proccces of a comparison sample of many observations, many methods are used. The purpose of some of these methods is to test the similarity hypo- thesis pair, but difficult to filter the specific properties of the data presented. An alternative procedures introduced by not involving tests of hypotheses to test the similarity of group mean differences rather see then categorize different sample mean and if it is in a different group. Analysis cluster method introduced here not using distance like ussually in analysis cluster but using algorithm hirarchi and criteria information models Akaike’s Information Criteria (AIC) to see pairwise who have the same group. In general, the analysis assumed normal distribution group. analysis cluster can done by the normal power distribution. The results of the analysis of the group with normal power also have the same picture as shown in statistical graphs.

Biasanya dalam usaha perbandingan sampel dari banyak observasi, banyak me- tode yang digunakan. Tujuan dari beberapa metode ini adalah untuk menguji hipotesis kesamaan pasangan, akan tetapi sulit menyaring sifat-sifat khusus dari data yang disajikan. Sebuah pendekatan alternatif diperkenalkan dengan tidak melibatkan tes hipotesis untuk menguji kesamaan kelompok melainkan melihat perbedaan mean kemudian mengkategorikan mean dan sampel berbeda jika bera- da pada kelompok yang berbeda yakni metode analisis kelompok. Metode Analisis kelompok yang dikenalkan disini tidak menggunakan jarak seperti analisis kelom- pok pada umumnya namun menggunakan algoritma secara hirarki dan menggu- nakan model informasi kriteria Akaike’s Information Criteria (AIC) untuk meli- hat pasangan kelompok yang memiliki kesamaan. Secara umum dalam analisis kelompok diasumsi berdistribusi normal. Analisis kelompok juga dapat dikerjakan dengan distribusi power normal. Hasil analisis kelompok dengan power normal juga memiliki kesamaan gambaran seperti yang ditampilkan dalam grafik statistik.