PENGGUNAAN ANALISIS REGRESI KELAS LATEN UNTUK MENENTUKAN TINGKAT KEPUASAN PELANGGAN E-COMMERCE

GIVATRA ADAM ERSYAD, . (2016) PENGGUNAAN ANALISIS REGRESI KELAS LATEN UNTUK MENENTUKAN TINGKAT KEPUASAN PELANGGAN E-COMMERCE. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

[img] Text
Bab 1.pdf
Restricted to Repository staff only

Download (42kB)
[img] Text
Bab 2.pdf
Restricted to Repository staff only

Download (256kB)
[img] Text
Bab 3.pdf
Restricted to Repository staff only

Download (234kB)
[img] Text
Bab 4.pdf
Restricted to Repository staff only

Download (32kB)
[img] Text
Cover.pdf

Download (85kB)
[img] Text
CV.pdf
Restricted to Repository staff only

Download (130kB)
[img] Text
Kata Pengantar.pdf
Restricted to Repository staff only

Download (28kB)
[img] Text
Abstrak.pdf
Restricted to Repository staff only

Download (34kB)
[img] Text
Pernyataan.pdf
Restricted to Repository staff only

Download (24kB)
[img] Text
Pustaka.pdf
Restricted to Repository staff only

Download (36kB)
[img] Text
Persetujuan.pdf
Restricted to Repository staff only

Download (174kB)

Abstract

Analisis Regresi Kelas Laten (LCRA) adalah suatu metode untuk mengelompokkan objek penelitian ke dalam beberapa kelompok laten, dimana variabel laten dan variabel indikator bersifat kategorik dan pengelompokan objek tersebut dipengaruhi oleh variabel pengiring (kovariat). Dalam skripsi ini, Metode algoritma iteratif Expectation-Maximization (EM) digunakan untuk menduga parameter-parameter pada model LCRA, kemudian dilanjutkan metode Newton- Raphson untuk menduga kovariat. LCRA diterapkan untuk pengelompokkan terhadap 196 responden pelanggan e-commerce menghasilkan 3 kelompok kelas laten. Model ini dipilih berdasarkan kriteria AIC terkecil, yaitu 3535,619. Hasil lainnya Bukalapak menjadi e-commerce yang paling banyak diminati masyarakat

Item Type: Thesis (Sarjana)
Additional Information: 1). Dra. Widyanti Rahayu, M.Si., ; 2). Vera Maya Santi, M.Si.,
Subjects: Sains > Matematika
Divisions: FMIPA > S1 Pendidikan Matematika
Depositing User: hartati .
Date Deposited: 30 Apr 2020 11:23
Last Modified: 30 Apr 2020 11:23
URI: http://repository.unj.ac.id/id/eprint/7433

Actions (login required)

View Item View Item