STATISTIKA LINGKUNGAN
Dosen Pengampu : DR. Farikhin, M.Si
Oleh :
Kelompok V MIL 45
Ayunda Puti Andini (30000215410022)
Naema Pratini S (30000215410032)
Mochammad Yenny (30000215410035)
M. Andra Perdana (30000215410034)
Topo Budi (30000215410019)
2. Kaiser Meyer Olkin Measure of Sampling (KMO) adalah indek perbandingan jarak antara
koefisien korelasi dengan koefisien korelasi parsialnya. Jika jumlah kuadrat koefisen korelasi
parsial di antara seluruh pasangan variabel bernilai kecil jika dibandingkan dengan jumlah
kuadrat koefisien korelasi, maka akan menghasilkan nilai KMO mendekati 1. Nilai KMO
dianggap mencukupi jika lebih dari 0,5. Hasil penelitian menunjukkan bahwa nilai Kaiser
Meyer Olkin Measure of Sampling sebesar 0,635. Dengan demikian persyaratan KMO
memenuhi persyaratan karena memiliki nilai di atas 0,5.
Rumus yang digunakan untuk Bartlett Test of Sphericity adalah sebagai berikut:
Bartlett Test
Rumus Bartlett
Dimana
R = Nilai determinan n = Jumlah data p = jumlah variabel
Hasil perhitungan dengan SPSS dihasilkan nilai Barlett Test of Spehricity sebesar
149,614 dengan signifikansi sebesar 0,000. Dengan demikian Bartlett Test of
Spehricity memenuhi persyaratan karena signifikansi di bawah 0,05 (5%).
Nilai MSA pada tabel di atas ditunjukkan pada baris Anti Image Correlation dengan tanda
"a". Misal X1 nilai MSA = 0,568 dimana > 0,5 maka X1 memenuhi syarat MSA, MSA X2 =
0.583 dimana > 0,5 maka X2 memenuhi syarat MSA, MSA X3 = 0.984 dimana > 0,5 maka X3
memenuhi syarat MSA dan MSA X4 = 0.578 dimana > 0,5 maka X4 memenuhi syarat MSA.
Dari tabel di atas menunjukkan bahwa 4 variabel diuji memenuhi persyaratan MSA yaitu di atas
0,5 sehingga dapat digunakan untuk pengujian selanjutnya.
Communalities
Initial Extraction
X1 1.000 .782
X2 1.000 .964
X3 1.000 .791
X4 1.000 .890
Dari tabel di atas menujukkan 4 variabel diuji memenuhi persyaratan komunalitas yaitu lebih
besar dari 0,5 (komunalitas > 0,5). Perlu diingat bahwa jika ada variabel dengan nilai
Extraction pada tabel Communalities < 0,5, maka variabel tersebut tidak memenuhi syarat
komunalitas dan harus dikeluarkan dari pengujian serta anda harus mengulangi langkah analis
faktor dari awal tanpa mengikutsertakan variabel yang tidak memenuhi syarat komunalitas.
Pengulangan tersebut sama dengan cara pengulangan pada syarat MSA yang telah dijelaskan di
atas.
Tabel Total Variance Explained di bawah ini berguna untuk menentukan berapakah faktor yang mungkin dapat
dibentuk.
Berdasarkan tabel di atas, lihat kolom "Component" yang menunjukkan bahwa ada 4 komponen yang dapat
mewakili variabel. Perhatikan kolom "Initial Eigenvalues" yang dengan SPSS kita tentukan nilainya 1 (satu).
Varians bisa diterangkan oleh faktor 1 adalah 3,427/4x 100% = 85,675. Sehingga total faktor akan mampu
menjelaskan variabel sebesar 85,675 %. Dengan demikian, karena nilai Eigenvalues yang ditetapkan 1, maka
nilai Total yang akan diambil adalah yang > 1 yaitu component 1 saja.
Tabel data harga saham dari 8 sektor
Correlation Matrixa
Perdagang Pertania Industri_das Aneka_indust Barang_konsu Keuanga Pertambang Proper
an n ar ri msi n an ti
Correlatio Perdagangan 1.000 .927 .801 .714 .692 .578 .891 .902
n Pertanian .927 1.000 .849 .708 .724 .615 .973 .933
Barang_konsu
.692 .724 .969 .784 1.000 .781 .770 .531
msi
Barang_konsu
.000 .000 .000 .000 .000 .000 .002
msi
a. Determinant = 2.039E-7
df 28
Sig. .000
2. Berdasarkan perhitungan dengan menggunakan SPSS diperoleh nilai Kaiser Meyer Olkin
Measure of Sampling sebesar 0,846. Dengan demikian perbandingan jarak antara koefisien
korelasi dengan koefisien korelasi parsialnya memenuhisyarat karena memiliki nilai >0,5.
Rumus yang digunakan untuk Bartlett Test of Sphericity adalah sebagai berikut:
Bartlett Test
Rumus Bartlett
Dimana
R = Nilai determinan n = Jumlah data p = jumlah variabel
Hasil perhitungan dengan SPSS dihasilkan nilai Barlett Test of Spehricity sebesar
149,614 dengan signifikansi sebesar 0,000. Dengan demikian Bartlett Test of
Spehricity memenuhi persyaratan karena signifikansi di bawah 0,05 (5%).
3. Measures of Sampling Adequacy (MSA)
Pengujian persyaratan MSA terhadap 8 variabel, dijelaskan pada tabel di bawah ini:
Hasil Uji Persyaratan MSA
Anti-image Matrices
Perdagang Pertania Industri_das Aneka_indust Barang_konsu Keuanga Pertambang Proper
an n ar ri msi n an ti
Anti- Perdagangan .086 -.018 .003 -.033 -.012 .036 .022 -.034
image Pertanian -.018 .028 -.008 .008 .008 .015 -.015 -.004
Covarian Industri_dasar .003 -.008 .015 -.004 -.015 -.004 .000 -.002
ce
Aneka_industri -.033 .008 -.004 .325 -.005 -.006 -.009 .004
Barang_konsu
-.012 .008 -.015 -.005 .020 -.018 -.006 .012
msi
Barang_konsu
-.280 .325 -.882 -.064 .761a -.220 -.272 .423
msi
Nilai MSA pada tabel di atas ditunjukkan pada baris Anti Image Correlation dengan tanda
"a". Pada bagian tersebut terlihat bahwa nilai MSA untuk masing-masing variabel bernilai
diatas 0,5 (>0,5) sehingga 8 variabel yang diuji memenuhi persyaratan MSA yaitu di atas 0,5
sehingga dapat digunakan untuk pengujian selanjutnya.
Communalities
Initial Extraction
Dari tabel Communalities diatas menujukkan bahwa 8 variabel yang diuji memenuhi persyaratan
komunalitas yaitu lebih besar dari 0,5 (komunalitas > 0,5).
Tabel Total Variance Explained berguna untuk menentukan berapakah factor/komponen yang
mungkin dapat dibentuk.
Berdasarkan tabel Total Variance Explained, pada kolom "Component" terdapat 8 variabel
yang diuji. Perhatikan kolom "Initial Eigenvalues" yang dengan SPSS kita tentukan nilainya 1
(satu). Varians bisa diterangkan oleh faktor 1 adalah 6,374/8x 100% = 75,676. Sehingga total
faktor akan mampu menjelaskan variabel sebesar 79,676 %. Dengan demikian, karena nilai
Eigenvalues yang ditetapkan 1, maka nilai Total yang akan diambil adalah yang > 1 yaitu
component 1 saja.
Component Matrixa
Component
Pertambangan .961
Industri_dasar .950
Pertanian .949
Perdagangan .917
Barang_konsumsi .875
Properti .861
Aneka_industri .836
Keuangan .776
𝑿𝒌 − 𝒎𝒌
𝒁𝐤 =
√𝝈
Z
Industri Aneka Barang
Pertanian Keuangan Pertambangan Properti Perdagangan
Dasar Industri Konsumsi
-0.84192 -1.09091 -0.88878 -0.9562 -0.93904 -1.54251 -0.58595 0.54514
2.67679 0.38383 0.32652 -0.64539 -0.00268 2.30043 3.56294 2.48107
-0.22096 -0.83422 -0.62443 -1.03537 -0.99453 -0.06256 0.0417 0.31794
-1.94194 -1.65713 -1.41803 -1.45929 -1.88893 -1.2752 -1.28022 -1.37691
-1.79142 -1.62032 -1.31834 -1.46656 1.56365 -1.60142 -1.14246 -1.72358
-1.5283 -1.28727 -1.32387 -1.4242 -1.4634 -1.63403 -1.21134 -1.54926
-1.41227 -1.42671 -1.12494 -1.34568 -1.72506 -1.56088 -1.45145 -1.56132
-1.23543 -1.46417 -1.28947 -1.28641 -1.99019 -1.49225 -1.4344 -1.55636
-1.12561 -1.29262 -0.865 -1.23905 -1.52617 -1.35835 -1.30629 -1.33379
-0.57899 -1.02524 -0.68406 -1.03565 -0.4334 -0.70193 -0.92713 -0.93408
-0.02181 -0.5242 -0.39443 -0.66187 -0.57351 -0.08604 -0.3262 -0.60938
-0.13523 -0.34794 -0.05801 -0.21969 -0.2959 -0.03739 0.11798 -0.40069
0.16836 0.13656 0.49791 0.46119 0.20922 0.45 0.58816 0.13089
0.48344 0.23904 0.70828 0.23283 0.34222 0.44264 0.54188 0.29348
0.45388 0.39048 1.00332 0.50705 0.69318 0.60407 0.68125 0.58347
0.54295 0.68835 0.923 0.46447 0.47851 0.59218 0.58244 0.4997
0.33757 0.7524 0.67935 0.49193 0.57371 0.32428 0.48555 0.24209
0.39879 0.73213 -0.99242 0.58165 0.6181 0.42422 0.38095 0.23614
0.45985 0.80039 0.96338 0.74732 0.64983 0.59056 0.41281 0.36437
0.36451 0.6243 -1.0328 0.70746 0.56799 0.42527 0.08096 0.10544
0.5784 0.74753 -0.9672 0.96321 0.71139 0.62058 0.21969 0.21995
0.56258 0.81223 1.02017 0.88818 0.68659 0.55882 0.18461 0.3062
0.45683 0.88195 1.09087 0.9135 0.61862 0.46278 0.10156 0.42435
0.3826 0.96562 1.10716 1.03253 0.70567 0.54633 0.18267 0.55638
0.83861 1.1328 1.07835 1.12646 0.78925 0.88565 0.29758 0.74243
0.80073 1.1195 1.25055 1.16775 0.86901 0.82845 0.42279 1.07241
0.7227 1.09777 1.06816 1.25426 0.87265 0.69585 0.38191 0.97625
0.60527 1.06583 1.26477 1.23557 0.88323 0.60046 0.398 0.94766
2. Uji Determinant of Correlation Matrix
Correlation Matrixa
Zscore(Industri_dasa
.849 1.000 .807 .969 .781 .877 .688 .801
r)
Zscore(Aneka_indus
.708 .807 1.000 .784 .634 .734 .599 .714
tri)
Correlation
Zscore(Barang_kons
.724 .969 .784 1.000 .781 .770 .531 .692
umsi)
Zscore(Pertambanga
.973 .877 .734 .770 .666 1.000 .917 .891
n)
Zscore(Perdagangan
.927 .801 .714 .692 .578 .891 .902 1.000
)
Zscore(Industri_dasa
.000 .000 .000 .000 .000 .000 .000
r)
Zscore(Aneka_indus
.000 .000 .000 .000 .000 .000 .000
tri)
Sig. (1-tailed)
Zscore(Barang_kons
.000 .000 .000 .000 .000 .002 .000
umsi)
Zscore(Pertambanga
.000 .000 .000 .000 .000 .000 .000
n)
Zscore(Perdagangan
.000 .000 .000 .000 .001 .000 .000
)
a. Determinant = 2.039E-7
Hasil perhitungan menunjukkan nilai Determinant of Correlation Matrix (lihat Tabel Correlation
Matrixa) sebesar 2.039E-7. Nilai ini jauh melebihi nilai 0, dengan demikian matrik korelasi antara
variabel memiliki keterkaitan yang sangat erat. Hasil ini sama dengan hasil Determinant of Correlation
Matrix tanpa normalisir.
df 28
Sig. .000
3. Berdasarkan perhitungan dengan menggunakan SPSS diperoleh nilai Kaiser Meyer Olkin Measure of
Sampling sebesar 0,846. Dengan demikian perbandingan jarak antara koefisien korelasi dengan
koefisien korelasi parsialnya memenuhisyarat karena memiliki nilai >0,5. Nilai tersebut juga sama
dengan hasil tanpa normalisir.
Zscore(Industri_das
-.008 .015 -.004 -.015 -.004 .000 -.002 .003
ar)
Zscore(Aneka_indu
.008 -.004 .325 -.005 -.006 -.009 .004 -.033
Anti-image Covariance
stri)
Zscore(Barang_kon
.008 -.015 -.005 .020 -.018 -.006 .012 -.012
sumsi)
Zscore(Pertambang
-.015 .000 -.009 -.006 .010 .028 -.019 .022
an)
Zscore(Perdaganga
-.018 .003 -.033 -.012 .036 .022 -.034 .086
n)
Anti- Zscore(Pertanian) .866a -.404 .088 .325 .155 -.538 -.124 -.369
image Zscore(Industri_das
-.404 .834a -.059 -.882 -.062 .011 -.070 .077
Correlat ar)
ion
Zscore(Aneka_indu
.088 -.059 .982a -.064 -.019 -.093 .036 -.200
stri)
Zscore(Barang_kon
.325 -.882 -.064 .761a -.220 -.272 .423 -.280
sumsi)
Zscore(Pertambang
-.538 .011 -.093 -.272 .108 .840a -.587 .456
an)
Zscore(Perdaganga
-.369 .077 -.200 -.280 .218 .456 -.578 .839a
n)
Dari tabel Communalities diatas menujukkan bahwa 8 variabel yang diuji memenuhi persyaratan
komunalitas yaitu lebih besar dari 0,5 (komunalitas > 0,5).
Tabel Total Variance Explained berguna untuk menentukan berapakah factor/komponen yang
mungkin dapat dibentuk.
Berdasarkan tabel Total Variance Explained, pada kolom "Component" terdapat 8 variabel
yang diuji. Perhatikan kolom "Initial Eigenvalues" yang dengan SPSS kita tentukan nilainya 1
(satu). Varians bisa diterangkan oleh faktor 1 adalah 6,374/8x 100% = 75,676. Sehingga total
faktor akan mampu menjelaskan variabel sebesar 79,676 %. Dengan demikian, karena nilai
Eigenvalues yang ditetapkan 1, maka nilai Total yang akan diambil adalah yang > 1 yaitu
component 1 saja. Hasil tersebut juga sama dengan variabel tanpa normalisir.
Component Matrixa
Component
Zscore(Pertambangan) .961
Zscore(Industri_dasar) .950
Zscore(Pertanian) .949
Zscore(Perdagangan) .917
Zscore(Barang_konsumsi) .875
Zscore(Properti) .861
Zscore(Aneka_industri) .836
Zscore(Keuangan) .776
Kesimpulan : Berdasarkan hasil olah data menggunakan SPSS, diperoleh hasil bahwa baik tanpa
normalisasi atau dengan normalisasi tidak menunjukan perbedaan, dan hasil akhir dari uji PCA
menunjukan bahwa diperoleh 1 komponen yang dapat mewakili seluruh variabel yakni variabel
pertambangan