TUGAS ANALISIS MULTIVARIAT

ANALISIS BIPLOT

OLEH :

Kelompok 7

Emmelia Safani (16030008)

Aziza Masli (16030038)

Diego Armando Piero (16030040)

Dosen : Admi Salma, S.Pd. M.Si

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI PADANG

2019
A. Pengertian dan Tujuan Analsis Biplot
Dalam analisis multivariat terdapat banyak metode yang dapat digunakan
untuk menyelesaikan masalah atau mengolah data yang didalamnya
melibatkan banyak variabel. Oleh karena itu, dibutuhkan suatu metode yang
dapat memudahkan dalam menginterpretasikan data yang telah kita miliki.
Salah satu metode yang dapat kita gunakan adalah metode analisis biplot.
Metode biplot ini dapat menjelaskan data yang terdapat di dalam tabel dengan
grafik dimensi dua. Analisis biplot ini bersifat deskriptif yaitu dengan
menyajikan secara visual suatu kumpulan objek dan variabel dalam suatu
grafik yang berbentuk bidang datar.
Menurut Sartono,dkk (2003), terdapat 4 informasi penting yang dapat
diperoleh dari output yang didapat pada biplot :
1. Kedekatan antar objek yang diamati.
Hal ini dapat digunakan untuk mengetahui objek yang memiliki
kemiripan karakteristik dengan objek lain. Dua objek dikatakan
memiliki karakteristik yang sama jika digambarkan sebagai dua titik
dengan posisi yang berdekatan.
2. Keragaman Variabel
Hal ini dapat digunakan untuk melihat apakah ada variabel yang
memiliki nilai keragaman yang hampir sama untuk semua objek.
Variabel yang memiliki nilai keragaman kecil digambarkan dengan
vektor yang pendek sedangkan variabel yang memiliki nilai keragaman
besar digambarkan dengan vektor panjang.
3. Korelasi Antar Variabel
Hal ini untuk mengetahui bagaimana suatu variabel mempengaruhi
atau dipengaruhi oleh variabel lain. Variabel akan digambarkan
sebagai garis berarah. Dua variabel yang memiliki nilai korelasi positif
digambarkan sebagai dua buah garis dengan arah yang sama atau
membentuk sudut sempit. Dua variabel yang memiliki nilai korelasi
negatif digambarkan sebagai dua buah garis dengan arah yang
berlawanan atau membentuk sudut yang lebar. Dua variabel yang tidak
berkorelasi digambarkan sebagai garis dengan sudut mendekati.
 4. Nilai Variabel Pada Suatu Objek
Melihan keunggulan dari setiap objek. Suatu objek dikatakan memiliki
nilai di atas rata-rata jika objek tersebut terletak searah dengan arah
vektor variabel. Jika objek terletak berlawanan dengan arah dari vektor
variabel maka objek tersebut dikatakan memiliki nilai di bawah rata-
rata. Jika objek hampir berada di tengah maka objek itu dikatakan
memiliki nilai yang dekat dengan rata-rata

Salah satu tujuan dari analisis biplot ini adalah untuk menyajikan secara
simultan n objek pengamatan dan p buah variabel dalam ruang bidang datar,
sehingga ciri-ciri variabel dan objek pengamatan serta posisi relatif antar
objek dapat dianalisis.

B. Asumsi Pada Analisis Biplot

Sebelum melakukan analisis terhadap data yang diperoleh, maka terlebih
dahulu harus dilihat apakah data tersebut layak digunakan atau tidak.
Kelayakan atau tidaknya suatu data untuk dilakukan analisis dapat dilihat dari
asumsi yang dipenuhi. Data yang baik dan layak untuk digunakan adalah data
yang memenuhi semua asumsi yang sebelumnya sudah ditetapkan. Di dalam
analisis biplot ini data yang akan dianalisis haruslah memenuhi beberapa
asumsi, yaitu:
1. Pengujian Kenormalan Galat
Sebuah data harus memenuhi kenormalan pada galat jika ingin di
analisa dengan menggunakan metode analisis biplot. Hipotesis yang
akan diuji adalah :
H0 : Galat berdistribusi normal
H1 : Galat tidak berdistribusi normal
Jika P-value yang diperoleh besar dari α maka H0 diterima sehingga
data berdistribusi normal.

2. Tidak terdapat korelasi antar variabel

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.

C. Contoh Penerapan Analisis Biplot

Data yang digunakan adalah data Indikator Pembangunan Berkelanjutan
Negara-Negara ASEAN.
 Data Indikator Kepuasan Pelanggan Toko Buku di Padang Utara

Nama Fasilitas Discount Pelayanan Lokasi Kelengkapan

Toko
SELAMAT 7,88 8,16 7,13 9,69 9,20
BERKAH 6,32 7,50 7,71 7,49 7,89
XAXUKU 4,20 6,94 5,18 6,72 4,25
MAJU 7,79 8,22 7,35 7,69 7,19
JAYA
GADING 7,79 7,27 6,85 5,34 6,59
RIOS 5,42 5,16 9,21 5,61 7,25
BOOK

Dari data di atas akan di cek apakah data tersebut memenuhi asumsi yang
ditentukan.

a. Data Berdistribusi Normal .

Dalam hal ini akan diuji kenormalan pada data dengan menggunakan SPSS.
Langkah pertama yaitu persiapkan data lalu input ke dalam Variable View
dan Data View pada SPSS. Pilih Menu analyze lalu klik Nonparametric
Tests dan pilih Legacy Dialogs dan pilih 1-Sample K-S. Sehingga muncul
data sebagai berikut . pindahkan variable ke sebelah kanan, centang normal
lalu klik ok.
 Dari proses ini akan didapat output :

Dari output terlihat bahwa nilai sig semua variabel memiliki nilai yang besar
dari dari α = 0,05. Sehingga dapat dikatakan data berdistribusi normal.

b. Melihat Kebebasan Galat (tidak ada korelasi antar variabel)

Dalam hal ini akan dilihat korelasi pada variabel dengan menggunakan
SPSS. Pilih menu analyze lalu klik correlate dan pilih bivariate. Seperti
gambar dibawah
Setelah itu, akan muncul kotak dialog seperti di bawah. Pindahkan semua
variabel ke dalam kolom sebelah kanan. Centang Pearson dan pilih Two
Tailed dan centang Flag Significant Correlations.

Dari Proses ini akan muncul output seperti di bawah.

Dari output terlihat bahwa tidak terdapat korelasi antar variabel. Hal ini
dikarenakan nilai sig yang besar dari α, dengan α= 0,05.
 c. Melihat Keaditifan Model
Diasumsikan untuk kasus di atas datanya mempunyai ragam yang homogen
sehingga data bersifat aditif.

Dari pengujian asumsi yang sudah dilakukan di atas dapat diketahui bahwa
asumsi sudah dipenuhi sehingga analisis biplot dapat dilakukan. Pada tahapan ini
dilakukan analisis dengan menggunakan Minitab. Berikut adalah langkah –
langkahnya.

1. Input data ke dalam software minitab.

2. Gunakan analisis dengan memilih menu Stat-Multivariate-Principal

Component. Pilih nama variabel yang ada di kolom kiri atas. Lalu tekan
tombol select. Seperti gambar di bawah
 Klik tombol Graph lalu beri tanda centang padang pilihan Biplot for first 2
components lalu klik OK. Seperti gambar di bawah ini

Untuk menampilkan data yang digunakan oleh minitab dalam membuat

biplot, klik pilihan storage lalu tuliskan kolom yang akan kita sisipkan data
hasil perhitungan minitab yaitu 2 kolom untuk coefficient dan 2 kolom
untuk scores. Lalu klik ok.

3. Setelah tahapan di atas dilakukan, akan muncul grafik biplot seperti pada
gambar di bawah ini.
 Biplot of Fasilitas; ...; Kelengkapan

Pelayanan

1
Second Component

Kelengkapan

Fasilitas

0
Location

Discount

-1

-2
-2 -1 0 1 2
First Component

Dari analisis yang telah dilakukan dapat dilihat bahwa :

a. Kedekatan Antar Objek

Pada grafik di atas dapat di lihat terdapat tiga buah toko buku yang terletak
berdekatan dan tiga toko buku lagi dengan posisi yang sedikit menyebar.
Plot toko buku yang berdekatan menunjukkan bahwa toko buku tersebut
memiliki ciri yang hampir sama dalam meningkatkan kepuasan pelanggan.
b. Keragaman Peubah
Nilai keragaman ini dapat dilihat dari panjang vektor yang terbentuk. Jika
vektor yang terbentuk pendek, berarti tingkat kepuasan yang diberikan itu
kecil sedangkan vektor panjang menunjukkan bahwa cara yang dilakukan
setiap toko buku lebih beragam dalam memberikan kepuasan pada
pelanggan. Pada grafik di biplot terlihat bahwa terdapat 4 variabel yang
digambarkan dengan vektor dengan panjang hampir setara yaitu
Kelengkapan, Fasilitas, Location dan Discount. Sedangkan variabel
pelayanan terlihat memiliki vektor yang lebih pendek dari ke empat
 variabel lainnya. Hal ini menunjukkan bahwa tingkat persaingan toko
buku tersebut di dalam memberikan kepuasan yang disajikan dalam data
terkait dengan beberapa cara yang dilakukan tersebut tidak terlalu
beragam.
c. Korelasi Antar Peubah
Dua variabel yang berkorelasi positif ditandai dengan besar sudut yang
terbentuk dan 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 discount dan fasilitas adalah kurang dari 90o. Ini berarti bahwa
terdapat korelasi positif diantara kedua variabel. Artinya jika terjadi
peningkatan fasilitas oleh toko buku maka jumlah discount yang diberikan
juga meningkat.
Berbeda dengan itu, di antara variabel pelayanan dan discount terbentuk
sudut sekitar 90o. Ini berarti bahwa tidak terdapat korelasi diantara variabel
tersebut.