MAKALAH

STATISTIKA MULTIVARIAT TERAPAN

“Analysis Biplot”

OLEH:

Kelompok 6

FITRIA DENA (17037018)

MUHAMMAD REYNALDI (17037036)

RIZKI WANDA VALRI (17037060)

PROGRAM STUDI D3 STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI PADANG

 ANALISIS BIPLOT

A. Pengertian

Analisis biplot merupakan upaya memberikan peragaan grafik dari matriks data x dalam
suatu plot dengan menumpang tindihkan vektor dalam ruang berdimensi rendah. Analisis ini
digunakan untuk positioning dan perceptual mapping dari sekumpulan objek (baris dari matriks
data x). Biplot merupakan teknik statistika deskriptif yang berguna untuk menyajikan secara
simultan n objek pengamatan dan p atribut dalam ruang bidang datar sehingga ciri-ciri atribut
dan objek pengamatan serta posisi relatif antar objek pengamatan dengan atribut dapat dianalisis.

B. Tujuan
Tujuan dari analisis biplot adalah untuk menyajikan secara simultan n objek pengamatan
dan p variabel dalam ruang bidang datar sehingga ciri-ciri variabel dan objek pengamatan serta
posisi relatif antar objek pengamatan dapat dianalisis.

C. Manfaat
Tiga hal penting yang bisa didapatkan dari tampilan biplot adalah (Sartono dkk, 2003):
1. Kedekatan antar objek yang diamati
Informasi ini dapat dijadikan panduan untuk mengetahui objek yang memiliki kemiripan
karakteristik dengan objek lain. Penafsiran ini mungkin akan berbeda untuk setiap bidang
terapan, namun inti dari penafsiran ini adalah bahwa dua objek yang memiliki karakteristik sama
akan digambarkan sebagai dua titik dengan posisi yang berdekatan.
2. Keragaman peubah
Informasi ini digunakan untuk melihat apakah ada variabel yang mempunyai nilai
keragaman yang hampir sama untuk setiap objek. Dengan informasi ini, bisa diperkirakan pada
variabel mana strategi tertentu harus ditingkatkan, dan juga sebaliknya. Dalam biplot, variabel
yang mempunyai nilai keragaman yang kecil digambarkan sebagai vektor pendek sedangkan
variable dengan nilai keragaman yang besar digambarkan sebagai vektor yang panjang.
3. Korelasi antar peubah
Dari informasi ini bisa diketahui bagaimana suatu variabel mempengaruhi ataupun
dipengaruhi variabel yang lain. Pada biplot, variabel akan digambarkan sebagai garis berarah.
Dua variabel yang memiliki nilai korelasi positif akan digambarkan sebagai dua buah garis
dengan arah yang sama atau membentuk sudut sempit yang mengapitnya kurang dari 90o.
Sementara itu, dua variabel yang memiliki nilai korelasi negatif akan digambarkan dalam bentuk
dua garis dengan arah yang berlawanan atau membentuk sudut lebar (tumpul) yang mengapitnya
lebih dari 90o. Sedangkan dua variabel yang tidak berkorelasi akan digambarkan dalam bentuk
dua garis dengan sudut yang mendekati 900 (siku-siku).

4. Nilai peubah pada suatu objek

Dalam informasi ini digunakan untuk melihat keunggulan dari setiap objek. Objek yang
terletak searah dengan arah vektor variabel dikatakan bahwa objek tersebut mempunyai nilai di
atas rata-rata. Namun jika objek terletak berlawanan dengan arah dari vektor variabel tersebut,
maka objek tersebut memiliki nilai di bawah rata-rata. Sedangkan objek yang hampir berada
ditengah-tengah berarti objek tersebut memiliki nilai dekat dengan rata -rata.
Perlu dipahami sebelumnya bahwa biplot adalah upaya membuat gambar di ruang
berdimensi banyak menjadi gambar di ruang berdimensi dua. Pereduksian dimensi ini
mengakibatkan menurunnya informasi yang terkandung dalam biplot. Biplot yang mampu
memberikan informasi sebesar 70% dari seluruh informasi dianggap cukup.

D. Asumsi
Sebelum melakukan analisis terhadap suatu data, maka terlebih dulu harus dilihat apakah
data itu layak digunakan atau tidak. Layak atau tidaknya suatu data untuk di analisis dapat dilihat
dari asumsi-asumsi yang dipenuhi. Data yang baik dan layak digunakan adalah data yang
memenuhi semua asumsi yang sudah ditetapkan. Pada analisis Biplot ini, data yang akan di
analisis harus memenuhi beberapa asumsi yaitu :
1. Normality test ( pengujian kenormalan galat )
Jika menggunakan analisis ini galat harus menyebar normal. Tidak terpenuhinya asumsi ini
akan mengakibatkan kesimpulan yang tidak akurat dan berbias.
Hipotesis yang akan diuji adalah :
H0 : galat menyebar normal
H1 : galat tidak menyebar normal.
Jika P-value > α maka ragam galat menyebar normal.
2. Melihat kebebasan galat ( tidak terdapat korelasi antar variabel ).
 Hipotesis :
𝐻0 = 𝜌 = 0 (tidak ada korelasi antar variabel)

𝐻1 = 𝜌 ≠ 0 (terdapat korelasi antar variabel)

Kriteria Uji:
p-value < α , Tolak H0

p-value > α, Terima H0

3. Pengujian kehomogenan ragam

Ragam yang heterogen merupakan penyimpangan asumsi dasar pada analisis ragam.
Keheterogenan galat akan mengakibatkan berkurangnya keefisienan pendugaan beda pengaruh
antar perlakuan.
Hipotesis:
H0 : galat menyebar normal
H1 : galat tidak menyebar normal.
Gunakan Test Equal Varians, jika P-value besar α maka ragam galat homogen.
4. Pengujian keaditifan model
Biasanya apabila data bersifat aditif, maka data tersebut mempunyai ragam yang
homogen. Sebaliknya apabila data bersifat tidak aditif, maka data tersebut mempunyai ragam
yang heterogen. Artinya data yang tidak memenuhi pengaruh aditif akan memiliki keragaman
galat yang besar. Untuk menguji keeaditifan model gunakan uji Tukey.

E. Prosedur dan Langkah-langkah Analisis Biplot

Langkah-langkah dalam analisis biplot adalah sbb:

1. Membentuk matriks observasi nxp

2. Melakukan transformasi terhadap matriks data X dengan mengurangi nilai data matriks
dengan rata – ratanya.
𝑥11 − 𝑥̃1 𝑥12 − 𝑥̃2 … 𝑥1𝑝 − 𝑥̃𝑝
𝑥 − 𝑥̃1 𝑥22 − 𝑥̃2
𝑋̃ = [ 21 … 𝑥2𝑝 − 𝑥̃𝑝 ]
⋮ ⋮ ⋱ ⋮
𝑥𝑛1 − 𝑥̃1 𝑥𝑛2 − 𝑥̃2 …
𝑥𝑛𝑝 − 𝑥̃𝑝
3. Cari 𝑋̃ ′ 𝑋̃
 4. Cari nilai eigen dan vektor eigen, kemudian urutkan dari yang terbesar.
5. Menentukan matriks L, A, dan U dengan metode Singular Value Decompotition (SVD).

√𝜆1 0 … 0
0
𝐿 = [ 0 √𝜆2 … ⋮ ]
⋮ ⋮ …⋱
0 0 √𝜆𝑟

𝐴 = [𝑎1 𝑎2 … 𝑎𝑟 ], (𝑣𝑒𝑘𝑡𝑜𝑟 𝑒𝑖𝑔𝑒𝑛)

1 1 1
𝑈={ 𝑋𝑎1 , 𝑋𝑎2 , … , 𝑋𝑎𝑟 }
√𝜆1 √𝜆2 √𝜆𝑟

Membuat matriks G = ULα dan matriks H = AL1-α

6. Mengambil 2 kolom pertama dari masing – masing matriks G dan H sehingga menjadi
matriks G2 dan H2 yang merupakan titik – titik koordinat dari grafik biplot, dimana setiap
baris matriks G2 merupakan koordinat (x,y) untuk masing – masing objek, sedangkan
setiap baris dari matriks H2 merupakan koordinat (x,y) untuk setiap variabel
7. Menghitung keragaman yang dapat diterangkan oleh biplot dengan rumus
(𝜆1 + 𝜆2 )
𝜌2 =
∑𝑟𝑘=1 𝜆𝑘

8. Menganalisis biplot.
9. Membuat kesimpulan.

F. Contoh Kasus
Saat ini sudah banyak bank indonesia.Semakin banyak yang beroperasi,akan
meningkatkan suatu persaingan di antara mereka.Persaingan untuk menarik pasar dilakukan
dengan berbagai cara baik dalam bentuk fasilitas yang diberikan,hadiah,pelayan,lokasi,dan
penggunan ATM. Untuk mengantisipasi persaingan ini pihak bank terkait perlu mengetahui
posisi pesaing mereka.Berikut ini adalah rata-rata nilai yang diberikan responden :

Nama BANK Fasilitas Hadiah Pelayanan Lokasi ATM

BCA 9,88 9,16 7,13 9,69 9,20
 BNI 6,32 7,50 7,71 7,49 7,89
MANDIRI 4,20 5,94 5,18 6,72 4,25
BI 7,79 8,22 7,24 7,69 7,09
MEGA 7,79 7,27 6,95 5,34 6,59
UNIVERSAL 5,42 5,06 9,11 5,61 7,25
MUAMALAT 6,18 5,69 6,25 6,01 6,26
SYARI’AH 7,36 6,98 6,08 7,41 6,99

Jawab:
Sebelim melakukan analisis biplot, maka asumsi harus terpenuhi.
a. Asumsi yang harus dipenuhi :
1. Uji normalitas
 Menggunakan software minitab

Probability Plot of fasilitas

Normal
99
Mean 6,868
StDev 1,732
95 N 8
KS 0,172
90
P-Value >0,150
80
70
Percent

60
50
40
30
20

10

1
2 3 4 5 6 7 8 9 10 11
fasilitas
 Probability Plot of hadiah
Normal
99
Mean 6,978
StDev 1,367
95 N 8
KS 0,151
90
P-Value >0,150
80
70
Percent

60
50
40
30
20

10

1
3 4 5 6 7 8 9 10 11
hadiah

Probability Plot of pelayanan

Normal
99
Mean 6,956
StDev 1,180
95 N 8
KS 0,155
90
P-Value >0,150
80
70
Percent

60
50
40
30
20

10

1
4 5 6 7 8 9 10
pelayanan

Probability Plot of lokasi

Normal
99
Mean 6,995
StDev 1,407
95 N 8
KS 0,186
90
P-Value >0,150
80
70
Percent

60
50
40
30
20

10

1
3 4 5 6 7 8 9 10 11
lokasi
 Probability Plot of atm
Normal
99
Mean 6,94
StDev 1,412
95 N 8
KS 0,190
90
P-Value >0,150
80
70
Percent

60
50
40
30
20

10

1
3 4 5 6 7 8 9 10 11
atm

Berdasarkan normality test untuk kelima variabel diatas terlihat bahwa p value > α dimana α yang
digunakan sebesar 0,05, sehingga keputusan terima H0. Ini artinya, kelima variabel di atas berdistribusi
normal.

2. Melihat kebebasan galat ( tidak ada korelasi antara variabel).

 Menggunakan software minitab.

Correlations: fasilitas; hadiah; pelayanan; lokasi; atm

fasilitas hadiah pelayanan lokasi

hadiah 0,853
0,070

pelayanan 0,143 -0,023

0,736 0,957

lokasi 0,620 0,797 -0,096

0,101 0,071 0,821

atm 0,778 0,636 0,604 0,593

0,053 0,090 0,113 0,121

Cell Contents: Pearson correlation

P-Value

Berdasarkan hasil di atas terlihat bahwa tidak terdapat korelasi antar variabel, Hal ini dikarenakan
dengan nilai p-value > α, dengan α= 0,05.

3. Pengujian keaditifan model

 Diasumsikan untuk kasus di atas datanya mempinyai ragam yang homogen, sehingga data
bersifat aditif. Dari pengujian asumsi di atas didapatkan hasil bahwa tidak terjadi pelangaran asumsi atau
uji asumsi terpenuhi, maka analisis biplot dapat dapat dilakukan.
Berikut ini analisis datanya:

b. Analisis Biplot menggunakan software Minitab

Berikut ini merupakan langkah-langkah analisi biplot dengan minitab :
1. Tuliskan kembali data di atas ke dalam minitab
2. Selanjutnya kita gunakan analisis yang ada pada Minitab yaitu : Stat→Multivariate→
Principal Component.
3. Lakukan Analisis. Masukan variabel yang akan dijadikan biplot, caranya adalah :
 Pilih nama variabel yang ada di kolom kiri lalu tekan tombol Select di bagian bawahnya.
 Setelah itu kita klik tombol Graphs.. untuk menampilkan biplot dari minitab. Beri tanda
centang untuk pilihan Biplot for first 2 components lalu klik OK.
 Untuk menampilkan data yang digunakan oleh Minitab dalam membuat biplot, klik
pilihan storage, lalu tuliskan kolom yang akan kita sisipkan data hasil perhitungan
Minitab untuk membuat biplot yaitu 2 kolom untuk Coefficients dan 2 kolom untuk
Scores. (Di sini digunakan kolom C7, C8, C9 dan C10 karena kolom tersebut masih
kosong. Lalu klik OK
4. Setelah itu klik tombol OK
5. Maka akan muncul grafik biplot seperti berikut:
 Biplot of Fasilitas, ..., ATM
2

1
Second Component

Lok asi
Hadiah

Fasilitas
0
A TM

Pelay anan
-1

-2

-3 -2 -1 0 1 2 3
First Component

Perhatikan grafik di atas. Terlihat bahwa output Minitab memiliki grafik R. Untuk melihat
berapa besar keragaman yang dapat dijelaskan oleh analisis biplot dapat dilihat pada output
berikut:
Principal Component Analysis: Fasilitas, Hadiah, Pelayanan, Lokasi, ATM

Eigenanalysis of the Correlation Matrix

Eigenvalue 3.2116 1.3037 0.3515 0.1032 0.0300

Proportion 0.642 0.261 0.070 0.021 0.006
Cumulative 0.642 0.903 0.973 0.994 1.000

Variable PC1 PC2 PC3 PC4 PC5

Fasilitas 0.512 0.045 -0.622 -0.323 -0.495
Hadiah 0.505 0.292 -0.179 0.736 0.294
Pelayanan 0.168 -0.822 0.155 0.388 -0.348
Lokasi 0.455 0.325 0.741 -0.120 -0.352
ATM 0.497 -0.362 0.092 -0.436 0.651

Pada output di atas, yaitu dengan menggunakan Minitab dengan total keragaman yang dapat
dijelaskan oleh kedua komponen sebesar 90,3% (64,2%+26,1%= 90,3%).
Interpretasi biplot:
a. Kedekatan antar objek
 Pada tampilan gafik di atas dapat dilihat bahwa posisi Bank BI dan Syariah saling
berdekatan, begitu pula dengan Bank BNI, Mega dan Muamalat. Hal ini menunjukkan bahwa
kedua surat kabar tersebut memiliki ciri yang hampir sama dalam menerbitkan berita.
b. Keragaman Peubah
Nilai keragaman dilihat dari panjang vektor yang terbentuk. Jika vektor yang terbentuk
pendek, berarti tingkat persaingan yang diberikan kecil, sedangkan vektor yang panjang
menunjukkan bahwa cara yang dilakukan bank lebih beragam (keragamannya besar). Pada
gambar terlihat bahwa terdapat empat variabel (cara yang digunakan bank untuk bersaing) yang
digambarkan dengan vektor yang panjang, yaitu ATM, fasilitas, Hadiah dan Lokasi. Sedangkan
untuk pelayanan yang diberikan oleh bank digambarkan dengan vektor yang pendek, ini
menunjukkan bahwa tingkat persaingan yang disajikan terkait cara tersebut tidak terlalu
beragam.
c. Korelasi antar peubah
Dua variabel yang berkorelasi positif ditandai dengan besar sudut yang mengapitnya kurang
dari 90o, sedangkan dua peubah yang yang berkorelasi negatif ditandai dengan besar sudut
yang mengapitnya lebih dari 90o dan apabila sudut yang terbentuk 90o maka kedua variabel
tersebut tidak berkorelasi.
Pada gambar dapat dilihat bahwa sudut yang terbentuk antara variabel pelayanan dan atm
adalah sudut yang kurang dari 90o. Ini berarti bahwa terdapat korelasi positif anatara kedua
variabel tersebut. Artinya, jika terjadi peningkatan pelayanan oleh bank, maka jumlah atm juga
akan meningkat. Hal yang sama juga ditunjukkan oleh fasilitas, hadiah dan lokasi yang juga
berkorelasi positif, dimana failitas yang diberikan oleh bank akan meningkat jika hadiah dan
lokasi bank juga meningkat.
Lain halnya dengan lokasi dan pelayanan yang diberikan oleh bank. Pada gambar dapat
dilihat bahwa sudut yang terbentuk antara variabel lokasi dan pelayanan adalah sudut 90o. Ini
berarti bahwa tidak terdapat korelasi diantara variabel tersebut