Dosen Pengampu :
Nurfitri Imro’ah M.si
DISUSUN OLEH :
KELOMPOK 8
1. Junaidi H1091151003
PRODI STATISTIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TANJUNGPURA
PONTIANAK
2016
Kata Pengantar
Puji dan syukur marilah kita panjatkan kehadirat Allah SWT yang telah memberikan
rahmat dan karunia-Nya sehingga makalah dapat terselesaikan walaupun jauh dari
kesempurnaan. Dalam penyusunan makalah ini tidak lupa kami mengucapkan banyak terima
kasih kepada rekan–rekan yang telah banyak membantu, dan tidak lupa kepada Dosen
Aljabar Linear Statistika yang telah membimbing kami sehingga makalah ini dapat
terselesaikan. Makalah ini berisi tentang materi matriks varians kovarian, matriks korelasi
dan matriks jacobians. Besar harapan kami, makalah ini dapat berguna khususnya bagi kami
penyusun dan umumnya para pembaca. Saran dan kritik yang sifatnya membangun sangat
kami harapkan.
Waalaikumsalam Wr.Wb
Pontianak,
Kelompok 8
Pendahuluan
Data multivariat lazimnya dinyatakan dalam bentuk matriks. Misalnya dalam suatu
penelitian diukur p variabel yaitu dari sebanyak n individu, maka dapat disajikan dalam
bentuk matriks sebagai berikut :
Matriks yang terdiri dari satu kolom atau matriks yang berordo 𝑛 × 1 disebut vektor
kolom dinyatakan dalam bentuk :
𝑥1
𝑥2
𝑋=[ ⋮ ]
𝑥𝑛
Sebuah matriks adalah susunan segi empat siku-siku dengan bilangan-bilangan yang
dinamakan entri matriks yang sering dinotasikan dengan 𝑋𝑖𝑗 yang berarti nilai tertentu di
variabel ke-𝑖 yang diamati pada item ke-𝑗.
A. Matriks Varians Kovarians
Varians adalah jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata
kelompok.
Interpretasi :
Kovarians adalah ukuran dari seberapa banyak dua set data yang berbeda-beda.
Kovarians menentukan sejauh mana dua variabel yang berkaitan atau bagaimana mereka
bervariasi bersama.Kovarians adalah rata-rata hasil dari penyimpangan dari titik data masing-
masing mean.
Interpretasi :
Matriks varians kovarians adalah matriks yang didalamnya terdapat varians dan
kovarians. Matriks varians kovarians disimbolkan dengan 𝑆 . MatriksVarians Kovarians akan
bersinggungan dengan vektor mean yang masing-masing variable bias dihitung meannya dan
disajikan dalam bentuk vektor
µ₁
µ₂
Jika 𝑋 = 𝑋1 𝑋2 … 𝑋𝑃 Maka vektor meannya µ = ( ⋮ )
µ𝑃
1
µj = 𝑛 ∑𝑛𝑖=1 𝑥ij
o Pembuktian rumus :
𝑥̅ = Rata-rata
𝑦𝑖
𝑥̅𝑖1 𝑛 𝑥11 𝑥12 … 𝑥1𝑛 1
𝑦𝑖 … 𝑥2𝑛 1
𝑥̅𝑖2 1 𝑥21 𝑥22
𝑥̅ = [ ] = 𝑛 = 𝑛 [ ⋮ ⋮ ⋮ ] [⋮]
⋮ ⋮ ⋱
𝑥̅𝑖𝑛 𝑦𝑝 𝑥𝑝1 𝑥𝑝2 … 𝑥𝑝𝑛 1
[𝑛]
1
𝑥̅ = 𝑛 𝑋1
1
𝑥̅ dihitung dari matriks data yang dikalikan dengan vektor 1 dan konstanta 𝑛.
1
Selanjutnya 𝑥̅ = 𝑛 𝑋1 dikalikan dengan vektor 1’, sehingga dihasilkan matriks 𝑥̅ 1′
Matriks (𝑛 − 1)𝑆 adalah perkalian silang antara matriks diatas dengan matriks
transposenya
(𝑛 − 1)𝑆 =
𝑥11 − 𝑥̅1 𝑥12 − 𝑥̅1 … 𝑥1𝑛 − 𝑥̅1 𝑥11 − 𝑥̅1 𝑥21 − 𝑥̅2 … 𝑥𝑝1 − 𝑥̅𝑝 ′
𝑥 − 𝑥̅2 𝑥22 − 𝑥̅2 … 𝑥2𝑛 − 𝑥̅2 𝑥 − 𝑥̅1 𝑥22 − 𝑥̅2 … 𝑥𝑝2 − 𝑥̅ 2
[ 21 ] 𝑥 12
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
𝑥𝑝1 − 𝑥̅𝑝 𝑥𝑝2 − 𝑥̅𝑝 … 𝑥𝑝𝑛 − 𝑥̅𝑝 [𝑥2𝑛 − 𝑥̅1 𝑥2𝑛 − 𝑥̅ 2 … 𝑥𝑝𝑛 − 𝑥̅𝑝 ]
1 1 ′ 1
= (𝑋 − 𝑛 11′ ) (𝑋 − 𝑛 11′ ) = 𝑋 (1 − 𝑛 11′) 𝑋′
Karena
1 1 ′ 1 1 1 1
= (1 − 𝑛 11′ ) (1 − 𝑛 11′ ) = 1 − 𝑛 11′ − 𝑛 11′ + 𝑛2 11′ 11′ = 1 − 𝑛 11′
Sehingga didapat
1 1
𝑆= 𝑋 (1 − 11′) 𝑋′
𝑛−1 𝑛
Persamaan diatas menunjukkan dengan jelas hubungan operasi perkalian matriks data
1
X dengan (1 − 𝑛 11′) dan transpose matriks data. Jika S telah diketahui maka S dapat
𝑛
1
𝑆𝑖𝑘 = ∑(𝑥𝑖𝑟 − 𝑥̅𝑖 )(𝑥𝑘𝑟 − 𝑥̅𝑘 )
𝑛−1
𝑟=1
Dengan :
Jadi, rumus yang digunakan untuk mengisi entri matriks varians kovarians adalah
1 1
Varians = 𝑆𝑖𝑖 = 𝑛−1 ∑𝑛𝑖=1(𝑥𝑖𝑟 − 𝑥̅ 𝑖 )(𝑥𝑖𝑟 − 𝑥̅𝑖 ) = 𝑆𝑖𝑖 = 𝑛−1 ∑𝑛𝑖=1(𝑥𝑖𝑟 − 𝑥̅ 𝑖 )2
1
Kovarians = 𝑆𝑖𝑘 = 𝑛−1 ∑𝑛𝑖=1(𝑥𝑖𝑟 − 𝑥̅𝑖 )(𝑥𝑘𝑟 − 𝑥̅𝑘 )
B. Matriks Korelasi
Korelasi adalah metode untuk mengetahui tingkat keeratan hubungan dua peubah atau
lebih yang digambarkan oleh besarnya koefisien korelasi. Koefisien korelasi adalah koefisien
yang menggambarkan hubungan sebab akibat antara dua peubah atau lebih, tetapi semata-
mata menggambarkan keterkaitan linear antarpeubah.
o Pembuktian rumus :
Menghitung matriks baku yang isinya adalah simpangan baku, dengan asumsi (𝑖 tidak
sama dengan 𝑘 ) dihasilkan 𝐶𝑜𝑣(𝑖, 𝑘) =0 sehingga dapat ditulis kedalam bentuk matriks
sebagai berikut :
1⁄ −1
𝑅 = 𝐷− 2 𝑆𝐷 ⁄2
√𝑠₁₁ 0 … 0
𝐷1⁄2 = 0 √𝑠₂₂ … 0
⋮ ⋮ ⋱ ⋮
[ 0 0 … √𝑠 ]
1⁄
Menghitung invers dari matriks deviasi dengan cara 𝐷 − 2
1
0 … 0
√𝑆₁₁
1
0 … 0
𝐷−1⁄2 √𝑆₂₂
⋮ ⋮ ⋱ ⋮
1
[ 0 0 … √𝑆]
1 1
0 … 0 … 𝑆1𝑝 0 … 0
√𝑆₁₁ 𝑆11 𝑆12 √𝑆₁₁
1 1
0 … 0 𝑆21 𝑆22 … 𝑆2𝑝 0 … 0
R= √𝑆₂₂ √𝑆₂₂
⋮ ⋮ ⋱ ⋮
⋮ ⋮ ⋱ 1⋮ 𝑆 𝑆2𝑝 ⋮ ⋮ ⋱ ⋮
[ 1𝑝 … 𝑆 ] 1
[ 0 0 … √𝑆] [ 0 0 … √𝑆]
𝑆₁₁ 𝑆₁₂ 𝑆₁
…
√𝑆₁₁ √𝑆₁₁ √𝑆₁₁ √𝑆₁₂ √𝑠₁₁ √𝑠 1 𝑟12 … 𝑟1𝑝
𝑆₂₁ 𝑆₂₂ 𝑆₂ … 𝑟2𝑝
… 𝑟 1
𝑟= √𝑆₁₁ √𝑆₂₁ √𝑆₂₂ √𝑆₂₂ √𝑠₂₂ √𝑠 = [ 21
⋮ ⋮ ]
⋱ ⋮
⋮ ⋮ ⋱ ⋮
𝑆₁ 𝑆₂ 𝑆 𝑟1𝑝 𝑟2𝑝 … 1
[ √𝑠₁₁ √𝑠 √𝑠₂₂ √𝑠
… √𝑠 √𝑠 ]
dengan :
1 𝑛 𝑥𝑖𝑟 − 𝑥̅𝑖
𝑟𝑖𝑘 = ∑ ( )
𝑛 − 1 𝑟=1 √𝑆𝑖𝑖
Untuk 𝑖 = 𝑘 menghasilkan 𝑟 = 1
1 𝑟₁₁ … 𝑟1𝑝
r = [𝑟₂₁ 1 … 𝑟2𝑝 ]
… … ⋱ ⋮
𝑟1𝑝 𝑟2𝑝 … 1
Contoh Soal :
1. Dari empat mahasiswa pembeli pada sebuah toko buku dicatat total pembelian masing
- masing mahasiswa (dalam puluhan ribu rupiah) beserta jumlah buku yang di beli.
Total pembelian (dalam puluhan ribu rupiah) Jumlah buku yang dibeli
42 4
52 5
48 4
58 3
Tentukan :
a. Vektor mean
b. Matriks Varians Kovarians
c. Matriks Korelasi
Penyelesaian :
X1 42 52 48 58
X2 4 5 4 3
42 4
52 5
𝑋 = [48 4]
58 3
a) Vektor Mean
𝑛
1 1
𝑥1 = ∑ 𝑥𝑖1 = ( 42 + 52 + 48 + 58 ) = 50
𝑛 4
𝑖=1
𝑛
1 1
𝑥2 = ∑ 𝑥𝑖2 = ( 4 + 5 + 4 + 3 ) = 4
𝑛 4
𝑖=1
Jadi, vektor mean sampel adalah 𝑥 = [50 4]
1
𝑆11 = 𝑛−1 ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )2
1
= [(42 − 50) 2 + (52 – 50)2 + (48 – 50)2 + (58 – 50)2 ]
(4−1)
136
= 3
1
𝑆22 = 𝑛−1 ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )2
1
= (4−1) [(4 – 4)2 + (5 – 4)2 + (4 – 4)2 + (3 – 4)2 ]
2
=3
1
𝑆12 = (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥2 − 𝑥̅2 )
= −2
𝑆12 = 𝑆21
c) Matriks Korelasi
𝑆𝑖𝑘
𝑟𝑖𝑗 =
√𝑆𝑖𝑖 √𝑆𝑗𝑗
𝑆₁₁
𝑟11 = =1
√𝑆₁₁√𝑆₁₁
𝑆₂₂
𝑟22 = =1
√𝑆₂₂√𝑆₂₂
𝑆₁₂ −2
𝑟12 = = = -0,36
√𝑆₁₁√ 𝑆₂₂ 136 2
√ √
3 3
𝑟12 = 𝑟21
2. Bentuklah matriks varians dan kovarians serta matriks korelasi dari data dibawah ini :
𝑥1 𝑥2
20 30
23 32
23 35
22 31
Pembahasan :
20 + 23 + 23 + 22
𝑥̅1 = = 22
4
30 + 32 + 35 + 31
𝑥̅2 = = 32
4
1
𝑆11 = 𝑛−1 ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )2
1
= (4−1) [(20 − 22)2 + (23 – 22) 2 + (23 – 22) 2 + (22 – 22)2 ]
=2
1
𝑆22 = 𝑛−1 ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )2
1
= (4−1) [(30 – 32)2 + (32 – 32)2 + (35 – 32) 2 + (31 – 32)2 ]
= 4,67
1
𝑆12= (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥2 − 𝑥̅2 )
1
= [(20 − 22)(30 − 32) + (23 − 22)(32 − 32) + (23 − 22)(35 − 32) +
(4−1)
(22 − 22)(31 − 32)]
= −0.33
𝑆12= 𝑆21
2 −0,33
Jadi matriks varians kovariansnya adalah 𝑆 = [ ]
−0,33 4,67
𝑆₁₁
𝑟11 = = 1
√𝑆₁₁√𝑆₁₁
𝑆₂₂
𝑟22 = =1
√𝑆₂₂√𝑆₂₂
𝑆₁₂ −0,33
𝑟12 = = = −0,108
√𝑆₁₁√𝑆₂₂ √2√4,67
𝑟12 = 𝑟21
3. Terdapat tiga buah variabel data yaitu 𝑋1 , 𝑋2 dan 𝑋3 disajikan dalam matriks berikut:
Tentukan:
a) Vektor Mean
b) Matriks Varians Kovarians
c) Matriks korelasi
2 9 5
𝑋 = [3 2 6]
6 4 5
5 5 8
a. Vektor mean
2+3+6+5
𝑥̅1 = =4
4
9+2+4+5
𝑥̅2 = =5
4
5+6+5+8
𝑥̅3 = =6
4
Maka vektor mean nya adalah [4 5 6]
1
𝑆11 = 𝑛−1 ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )2
1
= (4−1) [(2 − 4)2 + (3 – 4)2 + (6 – 4)2 + (5 – 4)2 ]
= 3,33
1
𝑆22 = 𝑛−1 ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )2
1
= (4−1) [(9 – 5)2 + (2 – 5)2 + (4 – 5)2 + (5 – 5)2 ]
= 8,67
1
𝑆33 = 𝑛−1 ∑𝑛𝑖=1(𝑥3 − 𝑥̅3 )2
1
= [(5 − 6)2 + (6 − 6)2 + (5 − 6)2 + (8 − 6)2 ]
(4−1)
=2
1
𝑆12= (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥2 − 𝑥̅2 )
1
= [(2 − 4)(9 − 5) + (3 − 4)(2 − 5) + (6 − 4)(4 − 5) + (5 − 4)(5 − 5)]
(4−1)
= −2,33
𝑆12= 𝑆21
1
𝑆13 = (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥3 − 𝑥̅3 )
1
= [(2 − 4)(5 − 6) + (3 − 4)(6 − 6) + (6 − 4)(5 − 6) + (5 − 4)(8 − 6)]
(4−1)
= 0,67
𝑆13= 𝑆31
1
𝑆23 = (𝑛−1) ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )(𝑥3 − 𝑥̅ 3 )
1
= [(9 − 5)(5 − 6) + (2 − 5)(6 − 6) + (4 − 5)(5 − 6) + (5 − 5)(8 − 6)]
(4−1)
= −1
𝑆23 = 𝑆32
3,33 −2,33 0,67
Jadi matriks varians kovariansnya adalah 𝑆 = [−2,33 8,67 −1 ]
0,67 −1 2
𝑆₁₁
𝑟11 = = 1
√𝑆₁₁√𝑆₁₁
𝑆₂₂
𝑟22 = =1
√𝑆₂₂√𝑆₂₂
𝑆₂₂
𝑟33 = =1
√𝑆₂₂√𝑆₂₂
𝑆₁₂ −2,33
𝑟12 = = = −0,43
√𝑆₁₁√ 𝑆₂₂ √3,33√8,67
𝑟12 = 𝑟21
𝑆₁3 0,67
𝑟13 = = = 0,26
√ 𝑆₁₁√𝑆33 √3,33√2
𝑟13 = 𝑟31
𝑆23 −1
𝑟23 = = = 0,24
√𝑆22√𝑆33 √8,67√2
𝑟23 = 𝑟32
𝑟₁₁ 𝑟₁₂ 𝑟13 1 −0,43 0,26
Jadi matriks korelasinya adalah 𝑟 = [ 𝑟₂₁ 𝑟₂₂ 𝑟23 ] = [−0,43 1 0,24]
𝑟31 𝑟32 𝑟33 0,26 0,24 1
4. Terdapat dua buah variabel data yaitu X1 dan X2 disajikan dalam matriks berikut:
Tentukan:
a) Vekktor Mean
b) Matriks Varians Kovarians
c) Matriks korelasi
30 15
25 10
𝑋 = 28 12
32 14
[22 13]
a. Vektor mean
30 + 25 + 28 + 32 + 22
𝑥̅1 = = 27,4
5
15 + 10 + 12 + 14 + 13
𝑥̅2 = = 12,8
5
Maka vektor meannya adalah [27,4 12,8]
1
𝑆11 = 𝑛−1 ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )2
1
= (5−1) [(30 − 27,4)2 + (25 – 27,4)2 + (28 – 27,4)2 + (32 – 27,4)2 +
(22 − 27,4)2 ]
= 15,8
1
𝑆22 = 𝑛−1 ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )2
1
= (5−1) [(15 – 12,8)2 + (10 – 12,8)2 + (12 – 12,8)2 + (14 – 12,8)2 +
(13 − 12,8)2 ]
= 3,7
1
𝑆12 = (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥2 − 𝑥̅2 )
1
= [(30 − 27,4)(15 − 12,8) + (25 − 27,4)(10 − 12,8) + (28 −
(5−1)
27,4)(12 − 12,8) + (32 − 27,4)(14 − 12,8) + (22 − 27,4)(13 − 12,8)]
= 4,1
𝑆12 = 𝑆21
15,8 4,1
Jadi matriks varians kovariansnya adalah 𝑆 = [ ]
4,1 3,7
c. Matriks korelasi
𝑆₁₁
𝑟11 = = 1
√𝑆₁₁√𝑆₁₁
𝑆₂₂
𝑟22 = =1
√𝑆₂₂√𝑆₂₂
𝑆₁₂ 4,1
𝑟12 = = = 0,54
√𝑆₁₁√𝑆₂₂ √15,8√3,7
𝑟12 = 𝑟21
𝑟₁₁ 𝑟₁₂ 1 0,54
Jadi matriks korelasinya 𝑟 = [𝑟₂₁ 𝑟₂₂] = [ ]
0,54 1
5. Diketahui suatu penelitian terhadap hubungan antara nilai biaya periklanan dengan
tingkat penjualan dari sebuah koperasi adalah sebagai berikut : (dalam ribuan rupiah)
No Biaya periklanan Tingkat penjualan
1 50 40
2 51 46
3 52 44
4 53 55
5 54 49
1
𝑆11 = 𝑛−1 ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )2
1
= (5−1) [(50 − 52)2 + (51 – 52)2 + (52 – 52)2 + (53 – 52)2 + (54 − 52)2 ]
= 2,5
1
𝑆22 = 𝑛−1 ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )2
1
= (5−1) [(40 – 46,8)2 + (46 – 46,8)2 + (44 – 46,8)2 + (55 – 46,8)2 +
(49 − 46,8)2 ]
= 31,7
1
𝑆12 = (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥2 − 𝑥̅2 )
1
= [(50 − 52)(40 − 46,8) + (51 − 52)(46 − 46,8) + (52 − 52)(44 −
(5−1)
46,8) + (53 − 52)(55 − 46,8) + (54 − 52)(49 − 46,8)]
= 6,75
𝑆12= 𝑆21
2,5 6,75
Jadi matriks varians kovariansnya adalah 𝑆 = [ ]
6,75 31,7
𝑆₁₁
𝑟11 = = 1
√𝑆₁₁√𝑆₁₁
𝑆₂₂
𝑟22 = =1
√𝑆₂₂√𝑆₂₂
𝑆₁₂ 6,75
𝑟12 = = = 0,76
√𝑆₁₁√𝑆₂₂ √2,5√31,7
𝑟12 = 𝑟21
𝑟₁₁ 𝑟₁₂ 1 0,76
Jadi matriks korelasinya adalah 𝑟 = [𝑟₂₁ 𝑟₂₂] = [ ]
0,76 1
6. Akan dilakukan investigasi hubungan antara merokok dan daya tahan jantung.
Dilakukan survey ke sekelompok orang tentang kebiasaan merokok dan mengukur
daya tahan jantung
No Cigarettes Lung capacity
1 0 45
2 5 42
3 10 33
4 15 31
5 20 29
Tentukan matriks varians kovarians serta matriks korelasinya dari investigasi diatas
Mean :
0 + 5 + 10 + 15 + 20
𝑥̅ = = 10
5
45 + 42 + 33 + 31 + 29
𝑦̅ = = 36
5
1
𝑆11 = 𝑛−1 ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )2
1
= (5−1) [(0 − 10)2 + (5 – 10)2 + (10 – 10)2 + (15 – 10)2 + (20 − 10)2 ]
= 62.5
1
𝑆22 = 𝑛−1 ∑𝑛𝑖=1(𝑥2 − 𝑥̅2 )2
1
= (5−1) [(45 – 36)2 + (42 – 36)2 + (33 – 36)2 + (31 – 36)2 + (29 − 36)2 ]
= 50
1
𝑆12 = (𝑛−1) ∑𝑛𝑖=1(𝑥1 − 𝑥̅1 )(𝑥2 − 𝑥̅2 )
1
= [(0 − 10)(45 − 36) + (5 − 10)(42 − 36) + (10 − 10)(33 − 36) +
(5−1)
(15 − 10)(31 − 36) + (20 − 10)(29 − 36)]
= −53,75
𝑆12= 𝑆21
62,5 −53,75
Jadi matriks varians kovariansnya adalah 𝑆 = [ ]
−53,75 50
𝑆₁₁
𝑟11 = = 1
√𝑆₁₁√𝑆₁₁
𝑆₂₂
𝑟22 = =1
√𝑆₂₂√𝑆₂₂
𝑆₁₂ −53,75
𝑟12 = = = −0,96
√𝑆₁₁√𝑆₂₂ √62,5√50
𝑟12 = 𝑟21
𝑟₁₁ 𝑟₁₂ 1 −0,96
Jadi matriks korelasinya adalah 𝑟 = [𝑟₂₁ 𝑟₂₂] = [ ]
−0,96 1
C. Matriks jacobians
Matriks Jacobian adalah matriks dari derivatif parsial orde pertama dari fungsi vektor
yang memiliki nilai . Secara khusus, misalkan f: ℝ n → ℝ m adalah fungsi dengan x ∈
n m.
ℝ dan f (x) ∈ ℝ Kemudian J matriks Jacobian dari f adalah m × n matriks,
biasanya didefinisikan dan diatur sebagai berikut:
𝜕𝑓₁ 𝜕𝑓𝑛
⋯
𝑑𝒇 𝜕𝒇1 𝜕𝒇𝑛 𝜕𝑥₁ 𝜕𝑥𝑛
𝑱 = = [ … ] = ⋮ ⋱ ⋮
𝑑𝒙 𝜕𝑥₁ 𝜕𝑥𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛
⋯
[𝜕𝑥₁ 𝜕𝑥𝑛 ]
atau,
𝜕𝑓𝑖
𝐽𝑖,𝑗 =
𝜕𝑥𝑗
Matriks Jacobian ini penting karena jika fungsi f adalah terdiferensialkan pada titik x,
maka matriks Jacobian mendefinisikan linear peta ℝ n → ℝ m, yang merupakan pendekatan
linear terbaik dari fungsi f di dekat titik x. Peta linear ini disebut turunan atau diferensial dari
f di x.
𝑋 𝑋𝑣 𝝏𝒙 𝝏𝒚 𝝏𝒙 𝝏𝒚
𝒅𝒆𝒕 (𝑱) = | 𝑢 |= −
𝑌𝑢 𝑌𝑣 𝝏𝒖 𝝏𝒗 𝝏𝒗 𝝏𝒖
Contoh soal
𝑥2𝑦
F(x,y) = [ ]
5𝑥 + sin 𝑦
Pembahasan :
f₂(x,y) = 5x + sin y
𝜕𝑓₁ 𝜕𝑓₁
𝜕𝑥 𝜕𝑦 2𝑥𝑦 𝑥2
Jf(x,y) = [𝜕𝑓₂ 𝜕𝑓₂
] =[ ]
5 cos 𝑦
𝜕𝑥 𝜕𝑦
2. Transformasi dari koordinat polar (r, φ) ke koordinat Cartesian (x, y), diberikan oleh
fungsi F: ℝ + × [0, 2 π) → ℝ 2 dengan komponen:
x = r cos 𝜑
y = r sin 𝜑
Pembahasan :
𝜕𝑥 𝜕𝑥
𝜕𝑟 𝜕𝜑 𝑐𝑜𝑠 𝜑 −𝑟 𝑠𝑖𝑛 𝜑
𝑱(𝑟, 𝜑) = = [ ]
𝜕𝑦 𝜕𝑦 𝑠𝑖𝑛 𝜑 𝑟 𝑐𝑜𝑠 𝜑
[ 𝜕𝑟 𝜕𝜑]
3. Transformasi dari koordinat bola (r, θ, φ) ke koordinat Cartesian (x, y, z) dengan
komponen :
𝑥 = 𝑟 𝑠𝑖𝑛 𝜃 𝑐𝑜𝑠 𝜑
𝑦 = 𝑟 𝑠𝑖𝑛 𝜃 𝑠𝑖𝑛 𝜑
𝑧 = 𝑟 𝑐𝑜𝑠 𝜃
Tentukan matriks jacobiansnya!
Pembahasan :
𝜕𝑥 𝜕𝑥 𝜕𝑥
𝜕𝑟 𝜕𝜃 𝜕𝜑
𝜕𝑦 𝜕𝑦 𝜕𝑦
𝑱𝑭 (𝑟, 𝜃, 𝜑) =
𝜕𝑟 𝜕𝜃 𝜕𝜑
𝜕𝑧 𝜕𝑧 𝜕𝑧
[ 𝜕𝑟 𝜕𝜃 𝜕𝜑]
𝑦1 = 5𝑥 2
𝑦3 = 𝑥2 𝑥3
Pembahasan :
Pembahasan :
1 0 0
0 0 5
= [ 0 −2 ]
8𝑥2
𝑥3 𝑐𝑜𝑠𝑥1 0 𝑠𝑖𝑛𝑥1
Daftar pustaka
Johnson, R,A. Dan Wichern, D,W. 2002. Applied Multivariate Statistical Analysis. Fifth Edition.
http://www.slideshare.net/dyahanindita/multivariate-analysis
Mathai, A.M. 1997. Jacobians of matrix transformations and functions of matrix .world scientific
math.etsu.edu/multicalc/prealpha/Chap3/Chap3-3/printversion.pdf
informatika.stei.itb.ac.id/.../Variansi%20dan%20Kovariansi.pdf
irma.lecturer.pens.ac.id/Statistik/Kovarian%20dan%20Korelasi.pdf