Segmentasi Model Struktural Menggunakan Finite Mixture Partial Least Square (FIMIX-PLS) (Studi kasus hubungan IC dan GCG terhadap kinerja keuangan)

Tika Abri Astuti, Herni Utami, S.Si., M.Si.

2009 | Skripsi | S1 STATISTIKA

Dalam PLS biasanya diasumsikan kehomogenan antar seluruh observasi. Asumsi data berasal dari populasi yang homogen kadang tidak realistis, sehingga menimbulkan keheterogenan. Keheterogenan dalam PLS dapat menghasilkan model yang rancu dan kesimpulan menjadi tidak lengkap dan tidak efektif. Untuk mengatasi keheterogenan tersebut, maka data akan dibagi kebeberapa segmen yang sesuai. Metode segmentasi dengan melibatkan variabel laten didalamnya antara lain Finite Mixture Model Partial Least Square (FIMIX-PLS). Distribusi campuran disini menggunakan algoritma Ekspektasi Maksimun (EM) Studi kasus yang akan dibahas disini adalah Kinerja Keuangan perusahaan yang dipengaruhi IC dan GCG, dimana ada keheterogenan perusahaan sehingga akan dikelompokkan kedalam segmen yang sesuai untuk melihat hubungan IC dan GCG terhadap kinerja keuangan dimasa yang akan datang pada hubungan tiap-tiap segmen dan menyimpulkannya. Kata Kunci: PLS, FIMIX, EM algoritma, FIMIX-PLS

In PLS usually assumed homogeneous observation. Data assumption come from homogeneous population sometime is not realistic, so that data become heterogeneous. It condition in PLS make bad model and conclusion uncomplete and not effective. To overcome the heterogeneous, data will be divided by some appropriate segment. Segmentation method by latent variable, one of them is Finite Mixture Model Partial Least Square (FIMIX-PLS). Mixture Distribution in FIMIX use Ekspektation Maksimisation (EM) algorithm. Case study in application is Future Company’s performance influenced by Intelectual capital(IC) and Good Corporate Governance(GCG), where there are heterogeneous company so will be grouped into appropriate segment to see relation IC and GCG to Future Company’s performance in every segment and conclude it. Key Word: PLS, FIMIX, EM algoritma, FIMIX-PLS

Kata Kunci : PLS, FIMIX, EM algoritma, FIMIX-PLS