Changes

Retno Dwi · 0d6c21cd
--- a/home.md
+++ b/home.md
+# FAST : Modul Partial Least Square
+*  Penjelasan Sistem
+    *  Forum Analisis Statistik
+    *  *Partial Least Square Module*
+    *  Kelebihan Modul PLS
+*  Instalasi
+    *  Persyaratan Sistem
+    *  Instalasi
+*  Panduan Penggunaan
+    *  *Input* data
+    *  *Running PLS Analysis*
+    *  *Generate Report*  
+
+# Penjelasan Sistem  
+### Forum Analisis Statistik
+FAST (Forum Analisis Statistik) adalah sebuah aplikasi statistik dari BPS yang berbasis web dan diintegrasikan dengan sebuah forum. FAST mulai dibangun pada tahun 2014 oleh beberapa mahasiswa STIS angkatan 52 Sekolah Tinggi Ilmu Statistik (STIS). Tujuan dari adanya forum pada aplikasi FAST adalah sebagai media bagi para pengguna untuk saling berdiskusi mengenai masalah atau kendala yang ditemui dalam proses analisis statistik. Aplikasi FAST dapat menjadi salah satu alternatif solusi untuk penyebaran pengetahuan tentang analisis statistik baik di lingkungan BPS maupun masyarakat pada umumnya.
+
+### *Partial Least Square Module*
+
+Metode Partial Least Square (PLS) merupakan suatu pendekatan metode SEM berbasis varians sehingga PLS dapat digunakan pada jumlah sampel yang kecil. PLS merupakan metode analisis yang powerful karena tidak mengasumsikan data harus dengan skala pengukuran tertentu (dapat berupa skala nominal, ordinal, interval dan rasio) serta jumlah sampel yang kecil (Ghozali, 2014). PLS dikembangkan oleh Herman Wold (1982) sebagai metode umum dalam memprediksi model laten yang diukur secara tidak langsung menggunakan variabel prediktor atau indikator. **Tujuan dari penggunaan PLS** adalah untuk melakukan prediksi hubungan antarkonstruk atau variabel. Dengan kata lain, PLS dapat digunakan untuk mengembangkan teori pada tahap awal. PLS merupakan suatu teknik prediktif yang bisa menangani banyak variabel independen sekalipun terjadi multikolinearitas di antara variabel-variabel tersebut.
+
+### Kelebihan Modul PLS
+
+# Instalasi  
+### Persyaratan Sistem
+
+**Server**
+*  Windows Vista/7/8/10
+*  R versi 3.0 atau lebih
+*  Rstudio IDE
+*  Shiny 1.0.3 Web Application Framework
+
+**Client**
+*  Browser Google Chrome v60 atau yang lebih baru
+
+### Instalasi
+
+Pastikan dalam laptop/komputer telah ter-install :  
+*  R version 3.0 or higher  
+ R versi terbaru dapat didownload [disini](https://www.r-project.org/)   
+ Untuk meng-update versi R yang telah ter-install, sebaiknya melalui RGui. Install dan panggil package "installr", kemudian eksekusi fungsi *updateR()*.   
+*  R studio IDE  
+ R studio IDE dapat didownload [disini](https://www.rstudio.com/products/rstudio/download/)   
+*  Shiny 1.0.3 Web Application Framework  
+ Install Shiny package ke dalam system library : [link](https://cran.r-project.org/web/packages/shiny/index.html),   
+atau bisa juga dengan menjalankan perintah *install.packages(“shiny”)* pada RStudio.  
+
+*Getting Started :*  
+*  Pastikan telah memiliki folder berisi file-file Fast Beta yang telah dibangun sebelumnya serta file modul Partial Least Square yaitu pls.R.  
+*  Dalam folder Fast Beta, buka folder **tools**, lalu buka folder **analysis**.  
+*  *Copy-paste* file **pls.R** ke dalam folder tersebut.   
+*  Selanjutnya, untuk menjalankan aplikasi FAST, pada folder Fast Beta, cari dan buka **fast.rproject**.  
+*  Pastikan lebih dulu bahwa semua package yang akan digunakan telah ter-install dalam system library. Daftar package yang dibutuhkan dapat dilihat dalam file **server.R**.  
+*  Jalankan file **server.R**  
+*  Muncul halaman FAST  
+
+# Panduan Penggunaan
+### *Input* data
+
+Pada menu Data, masukkan data yang akan dianalisis, baik dengan cara menempelkan data yang telah disalin sebelumnya ataupun dengan mencari lokasi direktori file yang akan di upload.  
+
+**Cara 1 (*Upload*):**
+*  Pada *sidebar*, sub-menu *“Load data”*, klik pada *checkbox* tipe file (.rda atau .csv) yang ingin di-*upload*.
+*  Klik *“Browse”*, maka akan muncul jendela pencarian file. 
+*  Tentukan lokasi direktori file yang ingin di-*upload*, dan pilih file tersebut kemudian tekan tombol *“Open”*.  
+
+**Cara 2 (Salin) :**
+*  Salin data dari sumber lain, kemudian akses sub-menu *“Load data”* lalu pilih *checkbox* “clipboard” dan tekan tombol *“paste data”* pada *sidebar*. 
+
+![load_data](/uploads/821b2e4628e47cdb9805eeb6127c8e9b/load_data.png)
+
+### *Running PLS Analysis*
+
+*  Tentukan dataset yang akan dianalisis dari daftar dataset yang telah dimasukkan dengan mengklik![](/uploads/61f44ca37d867974485ddabd0e3a9e23/ikon1.png) pada menu *“Data”*, sub-menu *“Datasets"*.   
+![Datasets](/uploads/fba9cf07115dad7451d07fbcd87a536c/Datasets.png)  
+*  Akses modul *Partial Least Square* : Klik menu *“Multivariate”*, pilih sub-menu *“Partial Least Square”* maka akan tampil halaman analisis PLS.  
+![pls](/uploads/fa471a4083cd9ba2745db17bdea1d8dc/pls.png)  
+*  Pada *sidebar*, tentukan *outer model* dengan masukkan nama variabel laten, tipe modelnya dan blok indikatornya lalu klik *“add construct”*. Ulangi langkah ini untuk setiap variabel laten yang ada.  
+![Input_Outer_Model](/uploads/c53ff232433b83e3c5f29bfa74a0fc6f/Input_Outer_Model.png)  
+*  Selanjutnya, tentukan *inner model* dengan menentukan pasangan variabel laten dependen serta variabel laten independennya, lalu klik *“add equation”*. Ulangi langkah ini untuk setiap model yang ada.  
+![Input_Inner_Model](/uploads/0ec84d9b821e17d357a0ff0405251de4/Input_Inner_Model.png)  
+*  Tentukan skema pembobotan yang ingin digunakan (*centroid, factorial*, atau *path*).  
+![Skema_Pembobotan](/uploads/6e253d8148eb2575d1803d8f3d18cec3/Skema_Pembobotan.png)  
+*  Tekan tombol ![](/uploads/92c7aa010cf59d82d9f038f79c9041da/RUN.png) pada *sidebar*.  
+
+### *Generate Report*
+
+Dalam kotak *“Export your Report”* pada sidebar, pilih format laporan pada *checkbox* yang tersedia (Word, PDF, atau HTML) kemudian tekan tombol *“Download”*.  
+![Generate_Report](/uploads/83ab692cfcb8c8661b8645a0de3e9357/Generate_Report.png)
\ No newline at end of file