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
+*  <a href="#konten1">Penjelasan Sistem</a>
+    *  <a href="#konten1.1">Forum Analisis Statistik</a>
+    *  *<a href="#konten1.2">Partial Least Square Module</a>*
+    *  <a href="#konten1.3">Kelebihan Modul PLS</a>
+*  <a href="#konten2">Instalasi</a>
+    *  <a href="#konten2.1">Persyaratan Sistem</a>
+    *  <a href="#konten2.2">Instalasi</a>
+*  <a href="#konten3">Panduan Penggunaan</a>
+    *  *<a href="#konten3.1">Input data</a>*
+    *  *<a href="#konten3.2">Running PLS Analysis</a>*
+    *  *<a href="#konten3.3">Generate Report</a>*  
+
+# <a name="konten1">Penjelasan Sistem</a>  
+### <a name="konten1.1">Forum Analisis Statistik</a>
 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*
+### *<a name="konten1.2">Partial Least Square Module</a>*
 
 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
+### <a name="konten1.3">Kelebihan Modul PLS</a>
 
-# Instalasi  
-### Persyaratan Sistem
+# <a name="konten2">Instalasi</a>  
+### <a name="konten2.1">Persyaratan Sistem</a>
 
 **Server**
 *  Windows Vista/7/8/10
-*  R versi 3.0 atau lebih
+*  R version 3.0 or more
 *  Rstudio IDE
 *  Shiny 1.0.3 Web Application Framework
 
 **Client**
-*  Browser Google Chrome v60 atau yang lebih baru
+*  Browser Google Chrome v60 (minimal)
 
-### Instalasi
+### <a name="konten2.2">Instalasi</a>
 
 Pastikan dalam laptop/komputer telah ter-install :  
 *  R version 3.0 or higher  
@@ -54,8 +54,8 @@ atau bisa juga dengan menjalankan perintah *install.packages(“shiny”)* pada
 *  Jalankan file **server.R**  
 *  Muncul halaman FAST  
 
-# Panduan Penggunaan
-### *Input* data
+# <a name="konten3">Panduan Penggunaan</a>
+### <a name="konten3.1">*Input* data</a>
 
 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.  
 
@@ -69,7 +69,7 @@ Pada menu Data, masukkan data yang akan dianalisis, baik dengan cara menempelkan
 
 ![load_data](/uploads/821b2e4628e47cdb9805eeb6127c8e9b/load_data.png)
 
-### *Running PLS Analysis*
+### <a name="konten3.2">*Running PLS Analysis*</a>
 
 *  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)  
@@ -83,7 +83,7 @@ Pada menu Data, masukkan data yang akan dianalisis, baik dengan cara menempelkan
 ![Skema_Pembobotan](/uploads/6e253d8148eb2575d1803d8f3d18cec3/Skema_Pembobotan.png)  
 *  Tekan tombol ![](/uploads/92c7aa010cf59d82d9f038f79c9041da/RUN.png) pada *sidebar*.  
 
-### *Generate Report*
+### <a name="konten3.3">*Generate Report*</a>
 
 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