JURNAL SAINS DAN SENI POMITS Vol. 3, No.

2, (2014) 2337-3520 (2301-928X Print) D-61

Analisis Pengelompokan Negara-Negara Importir

Produk Indonesia Berdasarkan Faktor Barang
Industri
Jalu Handoko dan Sony Sunaryo
Jurusan Statistika, FMIPA, ITS, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail : sony_s@statistika.its.ac.id
Abstrak—Bidang industri merupakan salah satu terpetakan dalam sebuah diagram 2 dimensi. Sehingga analisis
penyumbang pendapatan terbesar Negara Republik Indonesia. biplot cenderung dapat mudah dipahami dan di analisis
Ekspor merupakan salah satu cara bagi negara untuk dibandingkan metode klasifikasi yang lain. Hasil analisis
meningkatkan pendapatannya. Ekspor hasil industri menjadi biplot kemudian diukur tingkat ketepatan klasifikasinya yaitu
salah satu penyumbang pendapatan negara terbesar disamping dengan menggunakan analisis diskriminan. Analisis
ekspor mineral tambang. Negara importir yang terkait dengan
diskriminan juga bertujuan untuk mendapatkan tingkat
Indonesia total berjumlah ratusan, hal ini tentu memerlukan
klasifikasi yang baik agar strategi ekonomi dan peraturan signifikansi variabel-variabel dalam melakukan diskriminasi
pemerintah lebih akurat dalam memaksimalkan keuntungan terhadap hasil klasifikasi yang terbentuk.
ekonomi negara dari sektor ekspor industri. Analisis biplot dan
diskriminan merupakan salah satu metode klasifikasi yang baik
dan sederhana dalam melakukan klasifikasi secara tepat. II. TINJAUAN PUSTAKA
Analisis biplot bertujuan untuk melakukan pengelompokkan A. Statistika Deskripitif
awal secara visual untuk kemudian dilakukan analisis
diskriminan untuk melihat ketepatan klasifikasi yang dihasilkan. Statistik deskriptif merupakan metode-metode yang
Hasil dari analisis yang dilakukan menunjukkan bahwa dari 4 berkaitan dengan pengumpulan dan penyajian suatu gugus
kelompok benua yang dilakukan proses klasifikasi menunjukkan data sehingga memberikan informasi yang berguna. Statistika
bahwa 3 benua telah memiliki ketepatan klasifikasi sebesar deskriptif memberikan informasi hanya mengenai data yang
100% sedangkan satu benua sebesar 92,1%. Namun apabila dipunyai dan sama sekali tidak menarik kesimpulan apapun
diinginkan ketepatan klasifikasi yang lebih baik dapat dilakukan tentang sekumpulan data yang lebih besar [1].
metode analisis yang lebih advance .
B. Analisis Multivariat
Kata Kunci—Impor Industri, Analisis Biplot, Analisis Analisis statistika multivariat adalah analisis statistika yang
Diskriminan. dikenakan pada data yang terdiri dari banyak variabel dan
antar variabel saling berkorelasi [1].
I. PENDAHULUAN C. Distribusi Normal Multivariat

I
NDUSTRI ekspor impor di Indonesia merupakan salah Pengujian hipotesis asumsi distribusi multivariat normal
satu sektor yang harus diperkuat mengingat sektor adalah sebagai berikut.
penghasil devisa lain yang beberapa sudah tidak dapat H0: Data pengamatan berdistribusi multivariat normal
diandalkan terkendala oleh keberadaan sumber dayanya serta H1: Data pengamatan tidak berdistribusi multivariat normal
peraturan terkait pembatasan tersebut. Mineral dan tambang Pada nilai µ dan yang diestimasi dengan nilai dan
− −
merupakan sektor yang termasuk dalam sektor yang tidak
untuk
= − − , j =1,2,..., n
dapat diandalkan lagi dalam waktu yang lama. Melihat negara-
negara importir produk Indonesia yang berjumlah lebih dari (1)
seratus negara di dunia tentu klasifikasi diperlukan untuk Dimana:
kemudian dapat dijadikan dasar pertimbangan keputusan dan = banyaknya pengamatan
kebijakan yang akan diambil terkait dengan ekspor produk = objek pengamatan ke-j
Indonesia ke negara-negara tersebut. = invers matriks kovarians berukuran
Analisis biplot dan cluster merupakan salah satu metode Selanjutnya bandingkan masing-masing nilai dengan
statistika yang digunakan untuk melakukan klasifikasi data Chi-Square tabel ; . Jika terdapat minimal 50 % ≤ ;
berdasarkan variabel-variabel yang merupakan variabel
maka dapat dikatakan bahwa variabel ramdom x berdistribusi
pembedanya. Dari hasil klasifikasi yang dilakukan dengan
metode biplot dan cluster maka akan dilanjutkan dengan normal multivariat.
melakukan analisis diskriminan pada pengelompokkan data D. Analisis Biplot
yang telah terbentuk, sehingga diharapkan muncul kesimpulan Analisis biplot pertama kali diperkenalkan oleh Gabriel
mengenai ketepatan klasifikasi yang telah didapatkan dari pada tahun 1971 yang dikembangkan dengan metode analisis
analisis biplot. komponen utama (PCA) yang awalnya dari bentuk matriks
Pada analisis biplot, pengelompokkan yang muncul data ke bentuk grafik berdimensi dua [2]. Nilai-nilai yang
didasarkan pada kedekatan antar data yang sebelumnya
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-62

+
terdapat dalam matriks ini diperoleh dari Singular Value 1 1 2 +3 −1
# = %& − 03 7
'( ∑+(, '( 6( + 1)(1 − 1)
Decomposition (SVD) dari matriks awal. (5)
(,
E. Analisis Cluster Non Hierarki
Metode ini dipakai jika banyaknya kelompok sudah Gagal Tolak H0 jika :
diketahui dan biasanya metode ini dipakai untuk ≤ 9
(+ )( ; )
:
mengelompokkan data yang berukuran besar, yang termasuk
dalam metode ini adalah metode K-means. Metode ini dimulai H. MANOVA (Multivariate Analysis of Variance)
dengan proses penentuan jumlah cluster dan penentuan Asusmsi yang harus dipenuhi sebelum melakukan
centroid di masing-masing cluster terlebih dahulu. Selanjunya pengujian dengan MANOVA yaitu :
melakukan perhitungan jarang untuk setiap objek dengan 1. Data berasal dari populasi yang berdistribusi multivariat
setiap centroid. Proses tersebut terus diulangi sampai tidak normal.
terjadi pemindahan objek ke cluster lainnya. 2. Homogenitas matriks varian kovarian [1].
F. Uji Bartlett Hipotesis yang digunakan dalam menguji perbedaan
pengaruh perlakuan terhadap beberapa variabel respon.
Uji Bartlett bertujuan untuk mengetahui apakah terdapat
H0 : µ1 = µ2 = ... = µg
hubungan antar variabel dalam kasus multivariat. Jika variabel
, ,…,
H1 : Minimal ada satu µi yang tidak sama, i = 1, 2, 3, ..., g
independen, maka matriks korelasi antar variabel Statistik uji yang digunakan adalah Wilk’s Lambda (Λ*)
sama dengan matriks identitas [3]. Sehingga untuk menguji
|>|
dengan rumus sebagai berikut.
kebebasan antar 62ariable ini, Uji Bartlett menyatrakan
Λ∗ =
|? + >|
hipotesis sebagai berikut : (6)
:ρ=I
dimana B dan W masing-masing adalah matrik jumlah kuadrat
:ρ≠I
dan cross product antar kelompok dan dalam kelompok
Statistik Uji :
dengan derajat bebas g-1 dan ∑nl-g.
D C/
2 p + 5 > = && − − ′
 (2)
χ = n − 1 − ( @ ( A
2 (7)
ln |R|
 6  , (,
D
H0 ditolak jika nilai χ hitung > χ 2 1
?=& − − ′
2 .
( A ( A

 α , p ( p −1 )  (8)
 2 
,
G. Uji Asumsi Homogenitas
Uji homogenitas bertujuan untuk mencari tahu apakah dari dimana:
( : vektor pengamatan ke-i pada kelompok j
̅ : vektor rata-rata kelompok ke-j
beberapa kelompok data penelitian memiliki varians yang
sama atau tidak. Dengan kata lain, homogenitas berarti bahwa
himpunan data yang kita teliti memiliki karakteristik yang : jumlah individu kelompok pada kelompok ke-j
sama [1]. ̅ : vektor rata-rata semua kelompok
/ : jumlah sampel kelompok ke-l
Uji homogen data univariat dapat dilakukan melalui uji
Bartlet dan Lavene. Sedangkan untuk data multivariat
pengujian homogenitas dilakukan dengan uji Box-M dengan Statistika Wilk’s Lambda ini mendekati statistik uji F,
G
hipotesis sebagai berikut. ∑FH9 CF D √J∗
D J∗
H0 : Σ1 = Σ2 = ... = Σk jika lebih besar dari F(v1,v2),α dimana
H1 : Minimal satu Σi ≠Σj untuk i ≠ j ' = 2(K − 1) dan ' = 2(∑ / − K − 1) maka H0 ditolak
Statistik uji : yang berarti terdapat perbedaan rata-rata antar kelompok.
+
1
= −2(1 − #1) % & '( ) | ( |
2 (3) I. MANOVA Satu Arah (One Way MANOVA)
(,
+
1
Model One-Way MANOVA adalah sebagai berikut.
− ) - ../ - & '( 0 L/ = M + N( + O(
2 (9)
(,
Dimana: dimana P = 1, 2, … , K, Q = 1, 2, … , )
1 = banyaknya kelompok L/ : nilai pengamatan (respon) dari perlakuan ke-l dan
( = varians data pada kelompok ke-i
'( = ( − 1
ulangan ke-j
) : grup yang terbentuk
( = banyaknya data pada kelompok ke-i M : nilai rataan umum
∑+(, '( ( N( : pengaruh dari perlakuan ke-i terhadap respon
=
(4)
../
∑+(, '( O( : pengaruh error yang berdistribusi R (0, ∑) untuk data
multivariat.
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-63

Dalam One-way MANOVA, hipotesis yang digunakan 1) Negara Importir, yaitu negara-negara di dunia yang
adalah sebagai berikut. melakukan aktivitas impor terhadap produk industri yang
H0 : τ1 = τ2 = ... = τg = 0 berada di Indonesia.
H1 : minimal terdapat satu τi ≠ 0 , i = 1,2,...,g 2) Variabel X1-X10 merupakan produk-produk ekspor yang
Pillai’s Trace, sttatistik uji ini paling cocok digunakan jika diteliti. Variabel adalah nilai transaksi (dalam US Dollar) yang
asumsi homogenitas matriks varians-kovarians tidak dipenuhi. dilakukan negara importir terhadap produk Indonesia.
Karena statistik uji ini paling robust [6]. Statistik uji Pilllai’s
C. Langkah Penelitian
Trace dirumuskan sebagai:
V( |Z|
Langkah-langkah yang akan dilakukan pada penelitian
T = &U W = XY
1 + V( |Z + [|
(10) tugas akhir ini adalah dimulai dengan proses pengumpulan
(,
data. Kemudian dilanjutkan dengan melakukan separasi
dimana V , V , … , V adalah akar-akar karakteristik dari terhadap data menjadi 4 benua besar dunia untukmendapatkan
([) (Z). hasil analisis yang lebih detail. Kemudian dilanjutkan dengan
([) = matriks varians-kovarians error pada MANOVA analisis biplot dan cluster. Setelah hasil pengelompokkan
(Z) = matriks varians-kovarians perlakuan pada MANOVA didapat dilanjutkan dengan analisis manova untuk mengetahui
perbedaan nyata masing-masing grup tiap benua. Terakhir
J. Analisis Diskriminan melakukan analisis diskriminan untuk mengetahui variabel
Metode atau prosedur untuk pengelompokkan suatu data yang paling berpengaruh dan ketepatan klasifikasi.
dikelompokkan dengan benar pada kelompoknya antara lain:
pattern recognition, cluster analysis, discrimination, atau IV. HASIL DAN PEMBAHASAN
supervised learning [4].
A. Statistika Deskriptif Nilai Ekspor Produk Industri
K. Ekspor Indonesia merupakan salah satu negara dengan nilai ekspor
Penjualan ekspor adalah upaya untuk melakukan penjualan terbesar di dunia. Berdasarkan rilis dari Kementerian
komoditi yang kita miliki kepada bangsa lain dengan Perindustrian Republik Indonesia, Indonesia memiliki 31 tipe
mengharapkan pembayaran dalam bentuk valuta asing, serta produk industri yang di ekspor ke seluruh dunia ke lebih dari
melakukan komunikasi dengan bahasa asing [5]. 100 negara dunia untuk tiap-tiap produknya. Berikut ini
merupakan statistika deskriptif dari nilai ekspor Indonesia dan
negara-negara importirnya.
III. METODOLOGI PENELITIAN Tabel 2.
Statistika Deskriptif
A. Sumber Data
Variabel Rata-Rata Standar
Data yang digunakan pada penelitian ini adalah data Deviasi
sekunder dari Pusat Data dan Informasi (Pusdatin) Kelapa/Kelapa Sawit 8.530.100 24.707.722
Kementerian Perindustrian. Data merupakan data hasil impor Pengolahan Karet 60.595.369 256.076.115
dan negara importir barang industri Indonesia. Data yang Tekstil 227.032.895 1.007.712.697
digunakan adalah data ekspor Indonesia untuk barang Industri Besi baja, Mesin-
mulai tahun 2007-2012. mesin, dan Otomotif 1.997.660.739 7.282.936.079
Elektronika 623.559.852 2.641.749.196
B. Variabel Penelitian
Pengolahan
Variabel yang diteliti pada penelitian ini adalah 10 barang Tembaga,Timah, dll 90.456.405 314.554.258
Industri yang diteliti dan negara-negara tujuan ekspor barang Kimia Dasar 612.732.328 1.703.760.487
industri tersebut : Pulp dan Kertas
Tabel 1. 135.995.480 293.294.449
Variabel Penelitian Makanan dan
Minuman 259.153.933 762.239.859
Varia Faktor Barang Industri
Pengolahan Kayu 22.774.458 86.256.786
bel
ID Negara Importir Dari Tabel 2 dapat terlihat karakteristik dari keseluruhan
X1 Pengolahan Kelapa/Kelapa Sawit data bahwa rata-rata nilai ekspor terbesar adalah pada variabel
X2 Pengolahan Karet X4 (Besi Baja, Mesin, dan Otomotif ) sedangkan rata-rata nilai
X3 Tekstil terendahnya adalah pada variabel X1 (Pengolahan Kelapa
X4 Besi baja, Mesin-mesin, dan Otomotif Sawit).
X5 Elektronika B. Analisis Biplot dan Cluster
X6 Pengolahan Tembaga,Timah, dll
Analisis biplot dilakukan terhadap 128 negara yang
X7 Kimia Dasar
menjadi importir produk industri Indonesia. Analisis biplot
X8 Pulp dan Kertas
terhadap keseluruhan negara di dunia menghasilkan hasil
X9 Makanan dan Minuman
analisis yang kurang detail dan teliti. Oleh karena itu
X10 Pengolahan Kayu
dilakukan pemisahan analisis tiap benua.
Penjelasan tentang variabel penelitian pada Tabel 1
sebagai berikut : C. Analisis Biplot Per Benua
Berikut adalah analisis biplot pada negara Benua Eropa
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-64

bahwa kelompok negara ini merupakan kelompok negara yang

I AKU1 memiliki nilai impor besar untuk 2 sektor tersebut.
60000
Tabel 5.
50000
Pengelompokkan Negara Benua Amerika
40000
Kelompok 1 Amerika Serikat
30000
Kelompok 2 Chili, Brazil, Kanada
20000
Kelompok 3 Honduras, Kolumbia, Meksiko, Paraguay,
10000
Peru, Suriname, Uruguay, Argentina,
0
Bahama, Costa Rica, Ekuador, Guatemala,
- 10000
Haiti, Panama, Puerto Rico, Trinidad &
- 20000
Tobago, Venezuela, El Salvador, Kuba,
- 10000 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 100000 110000

Gambar 1. Grafik Biplot Negara-Negara Benua Eropa Bolivia, Nikaragua

Berdasarkan hasil analisis biplot maka terlihat untuk
Gambar 1 menunjukkan grafik biplot dari negara-negara di kelompok 1 yang hanya berisi negara Amerika Serikat
Benua Eropa. Dalam grafik tersebut menunjukkan bahwa memiliki kedekatan variabel dengan Besi Baja, Mesin-Mesin,
terdapat dua bentuk kelompok besar yaitu data yang dan Otomotif. Sehingga dapat disimpulkan bahwa kelompok 1
cenderung mengikuti sumbu x dan sisanya yaitu mengikuti merupakan kelompok negara yang memiliki nilai impor tinggi
sumbu y. Keempat benua yang dianalisis menggunakan untuk sektor tersebut dibanding sektor lainnya.
metode biplot juga menunjukkan kecenderungan bentuk yang Tabel 6
Pengelompokkan Negara Benua Afrika
sama meskipun tidak sama persis struktur grafiknya. Namun
Kelompok 1 Afrika Selatan
dengan menggunakan analisis klaster untuk data negara- Kelompok 2 Gambia, Ghana, Kongo, Liberia, Libya,
negara Benua Eropa didapat hasil yang menunjukkan Madagascar, Maroko, Mesir, Namibia,
pengelompokkan yang tidak terlalu berbeda dengan analisis Tanzania, Uganda, Zambia. Angola,
secara visual menggunakan biplot. Analisis klaster dilakukan Kamerun, Kenya, Mali, Nigeria, Pantai
bertujuan untuk dapat memetakan dengan jelas data-data yang Gading, Senegal, Sudan, Togo, Tunisia,
pada analisis biplot saling tumpang tindih antara satu dengan Afghanistan, Aljazair, Gabon
yang lain Kelompok 3 Maroko
Berikut adalah hasil pengelompokkan dari masing-masing Berdasarkan hasil analisis biplot maka terlihat bahwa
benua : kelompok 1 yang hanya beranggotakan Afrika Selatan
Tabel 3. memiliki karakteristik khusus yaitu kedekatan dengan variabel
Pengelompokkan Negara Benua Eropa nilai impor Pulp dan Kertas. Sehingga dapat disimpulkan
Kelompok 1 Andorra, Austria, Belgia, Bulgaria, Fedderasi bahwa kelompok 1 memiliki nilai impor yang cukup tinggi
Russia, Inggris, Italia, Jerman, Prancis, untuk sektor produk industri Pulp dan Kertas.
Swaziland, Ukraine
Kelompok 2 Belanda, Cekoslovakia, Croatia, Denmark, D. Bartlett Test
Estonia, Finlandia, Georgia, Hongaria, Irlandia,
Uji bartlett ini bertujuan untuk melihat apakah antara
Israel, Latvia, Lithuania, Luksemburg, Malta,
Norwegia, Polandia, Portugal, Republik Czech,
variabel yang satu dengan yang lain telah saling bebas atau
Rumania, Siprus, Slovakia, Slovenia, Spanyol, tidak.
Swedia, Swiss, Turki, Yunani. Hipotesis :
Kelompok 1 apabila dilihat analisis biplot yang terbentuk H0 : ρ = I
maka terlihat bahwa kelompok negara ini cenderung memiliki H1 : ρ ≠ I
kedekatan dengan variabel Kimia Dasar, Makanan dan α = 0,05.
Minuman, serta yang terbesar adalah Besi Baja, Mesin, dan Berdasarkan perhitungan menggunakan software
Otomotif. Artinya kelompok ini melakukan aktivitas impor Macro Minitab maka didapatkan nilai χ hitung
2
dari
terbesar di 3 sektor ini.
Tabel 4. keseluruhan benua telah χ2 1 dimana nilai
Pengelompokkan Negara Benua Asia > (α , p ( p −1)
2
Kelompok 1 Australia, Taiwan, India, Malaysia,
Saudi Arabia, Brunai Darussalam, χ2 1 adalah 61,656. Sehingga dapat disimpulkan
Afghanistan, Bahrain, Bangladesh, (α , p ( p −1)
2
Hongkong, Irak, Iran, Kamboja,
bahwa variabel yang satu dengan yang lain telah saling bebas.
Kazakhstan, Korsel, Korut, Kuwait,
Kyrgystan, Laos, Macau, Mongolia, E. Pengujian Asumsi Distribui Normal
Myanmar, Oman, Pakistan, Papua
Nugini, Pilipina, Qatar, Selandia Baru, Pengujian asumsi multivariat normal pada data jumlah
Siria, Sri Lanka, UEA, Uzbekistan, impor negara-negara di Benua Asia, Eropa, Amerika, dan
Vietnam, Yaman, Yordania. Afrika menggunakan hipotesis sebagai berikut:
Kelompok 2 Jepang H0: Data jumlah impor negara-negara dunia berdistribusi
Kelompok 3 Thailand, China, Singapura multivariat normal.
Berdasarkan hasil analisis biplot maka terlihat kelompok 1 H1: Data jumlah impor negara-negara dunia tidak
merupakan kelompok negara yang memiliki kedekatan dengan berdistribusi multivariat normal
variabel Tekstil dan Elektronika. Sehingga dapat disimpulkan α= 0,05
 JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-65

Berdasarkan hasil pengujian yang dilakukan maka pengelompokkan ID terhadap ke 10 variabel impor cukup
didapatkan hasil pengujian asumsi normal multivariat dalam besar.
tabel berikut ini : Tabel 10.
Tabel 7. Multivariate Test Kelompok Benua Asia
Hasil Tes Uji Normal Multivariat Effect Value P-Value
Benua Proporsi Keputusan Intercept Pillai's Trace ,999 ,000
Eropa 0,648649 Data Multinormal ,001 ,000
Wilks' Lambda
Asia 0,666667 Data Multinormal
Amerika 0,523810 Data Multinormal Hotteling Trace 968,633 ,000
Afrika 0,615385 Data Multinormal Roy's Largest Root 968,633 ,000
Group Pillai's Trace 1,929 ,000
F. Pengujian Asumsi Homogenitas ,000 ,000
Wilks' Lambda
Pengujian homogenitas terhadap data jumlah impor 10 Hotteling Trace 963,546 ,000
variabel dengan faktor negara-negara importir sebagai berikut: 950,319 ,000
Roy's Largest Root
H0 : ∑1 = ∑2 = ∑3 = ∑4 = 0
(Varians-kovarians pada data jumlah impor 10 variabel Berdasarkan Tabel 10 terlihat bahwa dari keempat
dengan faktor negara-negara importir adalah homogen) statistik uji menunjukkan, kelompok ID ( Negara-Negara
H1 : minimal terdapat satu ∑i ≠ 0 , i = 1, 2, 3, 4 Benua Asia) berpengaruh signifikan terhadap ke 10 variabel
(Varians-kovarians pada data jumlah impor 10 variabel impor dengan nilai α= 0,05 . Melihat nilai Pillai’s Trace yang
dengan faktor negara-negara importir adalah tidak cukup besar menunjukkan bahwa pengaruh yang diberikan
homogen) group terhadap ke 10 variabel impor cukup besar.
Tabel 11.
α =0,05 Multivariate Test Kelompok Benua Amerika
Berdasarkan hasil pengujian maka didapatkan hasil Effect Value P-Value
pengujian asumsi homogenitas sebagai berikut :
Tabel 8. Intercept Pillai's Trace 1,000 ,000
Homogenitas Matriks Varian Kovarian Wilks' Lambda ,000 ,000
Benua Keputusan Hotteling Trace 717149,008 ,000
Eropa Tidak Homogen Roy's Largest Root 717149,008 ,000
Asia Tidak Homogen Group Pillai's Trace 2,000 ,000
Amerika Tidak Homogen Wilks' Lambda ,000 ,000
Afrika Tidak Homogen 690986,985 ,000
Hotteling Trace
Keseluruhan hasil pengujian menunjukkan bahwa data 684237,083 ,000
Roy's Largest Root
pengelompokkan importir produk Indonesia yang terbagi
menjadi 4 benua berbeda tidak homogen. Hal ini berarti Berdasarkan Tabel 11 terlihat bahwa dari keempat
asumsi matriks varian kovarian homogen tidak terpenuhi. statistik uji menunjukkan, kelompok ID ( Negara-Negara
Benua Amerika) berpengaruh signifikan terhadap ke 10
G. Multivariate Analysis of Variance variabel impor dengan nilai α= 0,05 . Nilai Pillai’s Trace juga
One-way MANOVA dapat digunakan untuk menguji cukup besar yang juga mengindikasikan pengaruh yang cukup
apakah ke-g populasi (dari satu faktor yang sama) besar terhadap 10 variabel impor yang diteliti.
menghasilkan vektor rata-rata yang sama untuk p variabel Tabel 12.
Multivariate Test Kelompok Benua Afrika
respon atau variabel dependen yang diamati dalam penelitian.
Effect Value P-Value
Berikut adalah analisis MANOVA untuk masing-masing
kelompok benua : Intercept Pillai's Trace 1,000 ,000
Tabel 9. Wilks' Lambda ,000 ,000
Multivariate Test Kelompok Benua Eropa Hotteling Trace 25514,424 ,000
Effect Value P-Value Roy's Largest Root 25514,424 ,000
Intercept Pillai's Trace ,612 ,001 Group Pillai's Trace 1,995 ,000
Wilks' Lambda ,388 ,001 Wilks' Lambda ,000 ,000
Hotteling Trace 1,578 ,001 Hotteling Trace 62748,057 ,000
Roy's Largest Root 1,578 ,001 Roy's Largest Root 62549,198 ,000
Group Pillai's Trace ,587 ,003 Berdasarkan Tabel 12 terlihat bahwa dari keempat statistik
Wilks' Lambda ,413 ,003 uji menunjukkan, kelompok ID ( Negara-Negara Benua
Hotteling Trace 1,422 ,003 Afrika) berpengaruh signifikan terhadap ke 10 variabel impor
Roy's Largest Root 1,422 ,003 dengan nilai α= 0,05 . Nilai Pillai’s Trace juga cukup besar
Berdasarkan Tabel 9 terlihat bahwa dari keempat statistik yang juga mengindikasikan pengaruh yang cukup besar
uji menunjukkan, kelompok ID ( Negara-Negara Benua terhadap 10 variabel impor yang diteliti.
Eropa) berpengaruh signifikan terhadap ke 10 variabel impor
dengan nilai α= 0,05 .Melihat nilai Pillai’s Trace yang cukup H. Analisis Diskriminan
besar juga menunjukkan bahwa pengaruh yang diberikan Analisis diskriminan merupakan salah satu metode yang
digunakan untuk mengetahui ketepatan klasifikasi dari
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-66

beberapa kelompok yang terbentuk. Analisis diskriminan Berdasarkan tabel 16 maka dapat kita lihat bahwa impor
merupakan metode yang cukup baik dalam melakukan Besi Baja dan Kimia Dasar merupakan 2 variabel dengan
perhitungan ketepatan klasifikasi dan kekuatan diskriminasi kekuatan diskriminasi terbesar di antara variabel yang lain,
masing-masing variabel dalam kasus pengelompokkan yang sedangkan impor Tekstil dan Kelapa Sawit merupakan 2
dilakukan. variabel dengan kekuatan diskriminasi yang terkecil di antara
Berdasarkan tabel 13 maka dapat kita lihat bahwa impor 10 variabel lainnya.
Kayu, dan Pulp_Kertas merupakan 2 variabel dengan Tabel 16.
kekuatan diskriminasi terbesar di antara variabel yang lain, Standardized Canonical Discriminant Function Coefficients
Benua Afrika
sedangkan impor Kelapa _Sawit dan Elektronika merupakan 2 Variabel Function Function
variabel dengan kekuatan diskriminasi yang terkecil di antara 1 2
10 variabel lainnya. Kelapa_Sawit -0,591 0,315
Tabel 13. Karet 7,634 -4,307
Standardized Canonical Discriminant Function Coefficients Tekstil -7,819 3,489
Benua Eropa Besi_Baja 0,068 0,346
Variabel Function Elektronika -0,117 0,103
1 Timah -0,042 0,145
Kelapa_Sawit -1,609 Kimia_Dasar 0,053 0,493
Karet -0,683 Pulp_kertas 2,581 -0,443
Tekstil -0,762 Makanan_Minuman -0,115 0,931
Besi_Baja 0,874 Kayu 0,479 -0,049
Elektronika -1,503
Timah 0,063 V. KESIMPULAN
Kimia_Dasar 0,057
Pulp_kertas 1,556 Pengelompokkan yang terbentuk menunjukkan bahwa
Makanan_Minuman 0,344 masing-masing benua membentuk pengelompokkan yang
Kayu 2,226
berbeda. Benua Eropa dengan 2 kelompok dan 3 benua lain
Berdasarkan tabel 14 maka dapat kita lihat bahwa impor yang membentuk 3 kelompok.
Makanan Minuman dan Kimia Dasar merupakan 2 variabel Ketepatan klasifikasi dari keempat benua yang dilakukan
dengan kekuatan diskriminasi terbesar di antara variabel yang pengelompokkan menunjukkan prosentase ketepatan
lain, sedangkan impor Karet dan Elektronika merupakan 2 klasifikasiyang cukup tinggi terutama hasil pengelompokkan
variabel dengan kekuatan diskriminasi yang terkecil di antara Benua Asia, Amerika, dan Afrika. Dimana tingkat ketepatan
10 variabel lainnya. klasifikasinya mencapai 100%.
Tabel 14.
Standardized Canonical Discriminant Function Coefficients Selain itu didapatkan kesimpulan bahwa beberapa
Benua Asia kelompok negara memiliki nilai impor yang cukup tinggi
Variabel Function Function untuk beberapa variabel teretentu. Sehingga hal ini dapat
1 2 menjadi pertimbangan dalam melakukan keijakan reduksi
Kelapa_Sawit 1,879 0,32 pajak untuk variabel impor yang masih kurang atau kecil nilai
Karet -3,694 -1,026
Tekstil 4,147 -0,256 impornya.
Besi_Baja -2,343 2,504
Elektronika -0,775 0,673 DAFTAR PUSTAKA
Timah 0,364 -2,122
Kimia_Dasar 2,293 0,735 [1] Johnson, Richard A and Dean W. Wichern. 2007. Applied Multivariate
Pulp_kertas -1,26 0,407 Statistical Analysis. United State of America. Pearson Education. Inc.
Makanan_Minuman 1,49 1,619 [2] Gabriel, K, R. (1971), The Biplot Graphic Display of Matrices with
Kayu 0,105 -1,519 Aplication to Principal Component Analysis, Journal of Biometrica. 58,
Berdasarkan tabel 15 maka dapat kita lihat bahwa impor 453-467
Karet dan Timah merupakan 2 variabel dengan kekuatan [3] Morrison, D. F. (1990). Multivariate Statistical Methods (3rd ed.). USA:
diskriminasi terbesar di antara variabel yang lain, sedangkan McGraw-Hill, Inc.
[4] Michie, D., Spiegelhalter, D.J. and Taylor C.C. 1994. Machine Learning,
impor Makanan Minuman dan Kayu merupakan 2 variabel
Neural and Statistical Classification. McNeil, A.J. (1999). Extreme
dengan kekuatan diskriminasi yang terkecil di antara 10 Value Theory for Risk Managers. Zurich: Departement Mathematic ETH
variabel lainnya. Zentrum.
Tabel 15.
[5] M.S, Amir, 1990 Ekspor-Impor Teori dan Penerapannya, PT Pusaka
Standardized Canonical Discriminant Function Coefficients
Benua Amerika Binaman Presindo : Jakarta.
Variabel Function Function [6] Olson, C. L (1974), Comparative Robustness of Six Test in Multivariate
1 2 Analysis of Variance.
Kelapa_Sawit 0,218 0,151
Karet 13,723 10,691
Tekstil 6,871 -3,251
Besi_Baja 0,612 0,365
Elektronika -6,119 0,077
Timah 10,382 3,226
Kimia_Dasar -0,978 1,47
Makanan_Minuman -7,039 -8,269
Kayu -0,232 0,531