Pendahuluan

Hubungan antar variabel yang telah dikenal:

 Dua arah
 1 var dependen vs 1 var independen  korelasi
sederhana (simple correlation): pearson, spearman, tau
kendall; tabel kontingensi (contingency table): uji khi-
kuadrat, analisis korespondesi (correspondency analysis)
 1 var dependen vs >1 var dependen  korelasi parsial
(parsial correlation), korelasi ganda (multiple
correlation), tabel multi arah: analisis korespondensi
ganda (multiple correspondency analysis)
Pendahuluan: lanjutan
Hubungan antar variabel yang telah dikenal:
 Satu arah
 1 var dependen vs 1 var independen  Analisis regresi
sederhana (simple regression analysis); Analisis
perancangan percobaan: faktor tunggal; dll
 1 var dependen vs >1 var dependen  Analisis regresi
berganda (multiple regression analysis); Analisis
perancangan percobaan: faktorial, split-plot; dll
Apa itu korelasi kanonik?

 Mengkaji hubungan
Y1, Y2, …, Yp X1, X2, …, Xq
antar gugus var
dependen dengan gugus
var independen
 Mengkaji struktur setiap
gugus var baik indepen
maupun dependen Fungsi Kanonik Y:
Fungsi Kanonik X:
Kombinasi linier
Kombinasi linier
Dari X1, …, Xq
Dari Y1, …, Yp

Cari korelasi
maksimum
Tahapan Analisis Korelasi Kanonik

Rumuskan Masalah Validasi hasil

Disain
Interpretasi hasil
Pengumpulan data

Y
-Duga fungsi kanonik
Cek Asumsi
-Hitung ukuran kesesuaiannya

T
- Eksplorasi data
- Transformasi
 Asumsi

Beberapa asumsi yang harus diperhatikan dalam analisis

korelasi kanonik yaitu:
a. Korelasi antar peubah asal didasarkan pada
hubungan linier
b. Korelasi kanonik adalah hubungan linier antar
variate
c. Multivariate normal (normal ganda), asumsi ini
diperlukan pada saat melakukan pengujian
terhadap fungsi kanonik.
 Pendugaan Fungsi Kanonik

Misal, gugus peubah dependen Y1, Y2, …, Yp dan

gugus peubah independen X1, X2 , …, Xq .
Misalkan, karakteristik dari vektor peubah acak
X dan Y adalah sebagai berikut:
E(Y) = Y Cov(Y)=Y.Y
E(X) = X Cov(Y)= X.X
Cov(X,Y) = X.Y = Y.X’
Pendugaan Fungsi Kanonik: lanjutin

 Kombinasi linier dari kedua gugus peubah tersebut dapat

dituliskan sebagai berikut:
U = a’ X = a 1 X1 + a 2 X2 + …. + a q Xq
V = b’ Y = b1 Y1 + b2 Y2 + …. + bp Yp
Sehingga,
Var (U) = a’Cov(X)a = a’ X.X a
Var (V) = b’Cov(Y)b = b’ Y.Y b
Cov (U,V) = a’ Cov(X,Y) b = a’ X.Yb
 Dari sini kita mencari vektor koefesien a dan b sehingga
korelasinya maksimum,
a'  X ,Y b
Corr (U ,V ) 
a'  X . X a b'  Y .Y b
Pendugaan Fungsi Kanonik: lanjutin
Definisi:
 Peubah kanonik pertama: korelasi terbesar pertama
U1 = a1’ X Var(U1) = 1
V1 = b1’ Y Var(V1) = 1
Maksimum Corr(U1,V1) = 1

 Peubah kanonik kedua: korelasi terbesar kedua

U2 = a2’ X Var(U2) = 1 Cov(U1,U2) = 0 Cov(U1,V2)=Cov(U2,V1)=0
V2 = b2’ Y Var(V2) = 1 Cov(V1,V2) = 0
Maksimum Corr(U2,V2) = 2

 Peubah kanonik ke-k:

U2 = ak’ X Var(Uk) = 1 Cov(Uk,Ul) = 0, kl Cov(Uk,Vl)= 0, kl
V2 = bk’ Y Var(Vk) = 1 Cov(Vl,Vk ) = 0, kl
Maksimum Corr(Uk,Vk) = k
Pendugaan Fungsi Kanonik: lanjutin

Dengan menggunakan ketaksamaan Cauchy-Schwarz atau metode langrange

maka diperoleh: (Pembuktiannya dapat dilihat Johnson, 1988 hal 441)
 12> 22> …> p2 adalah akar ciri-akar ciri (eigenvalues) dari matriks
YY1 / 2 YX  XX1  XY YY1 / 2
yang berpadanan dengan vektor ciri f1, f2, …, fp.
 12> 22> …> p2 juga merupakan akar ciri-akar ciri (eigenvalues) dari matriks
 XX1 / 2  XY  YY
1
 YX  XX1 / 2
yang berpadanan dengan vektor ciri e1, e2, …, ep.
Sehingga vektor koefesien a dan b diperoleh sebagai berikut:
1 / 2
b1  f 1  YY
a1  e1  XX1 / 2
1 / 2
b2  f 2  YY
a 2  e2  XX1 / 2
....
....
1 / 2
b p  f p  YY
a p  e p  XX1 / 2
Ukuran Kesesuaian Fungsi Kanonik

(1). Proporsi keragaman

r q

 r
r p

 r
r
r
Ui Z Xk
Vi Z Yk
RZ2 X |U1 ,...,U r  i 1 k 1
RZ2Y |V1 ,...,Vr  i 1 k 1
q p

(2). Inferensia
(i). Apakah secara keseluruhan peubah kanonik berhubungan ?
Bentuk hipotesisnya sebagai berikut:
H0 : XY = 0 vs H1: XY  0
Hipotesis nol ditolak jika nilai berikut besar,
 S XX S YY 
 
p
 2 ln   n ln    n ln  1  ˆ i2
S 
  i 1

 
p
 (n  1  1 / 2( p  q  1)) ln  1  ˆ i2   2pq ( )
i 1
Ukuran Kesesuaian Fungsi Kanonik: lanjutan

(ii). Apakah ada sebagian peubah kanonik berhubungan ?

Hipotesisnya dapat dituliskan sebagai berikut:
H0: 1  0, …, k  0, k+1 = 0, …., p = 0
H1: i  0 untuk beberapa i > k
Tolak hipotesis nol pada taraf , jika

 1  ˆ   
p
 (n  1  1 / 2( p  q  1)) ln i
2 2
( p  k )( q  k ) ( )
i  k 1
 Interpretasi
Koefesien kanonik yaitu a dan b yang telah
dibakukan dapat diinterpretasikan sebagai
besarnya kontribusi peubah asal terhadap
variate kanonik.
Loading kanonik dapat dihitung dari korelasi
antara peubah asal dengan masing-masing fungsi
kanonik.
 Validasi
a. Membagi sampel menjadi dua bagian, bagian
pertama digunakan untuk menduga fungsi
kanonik dan bagian kedua digunakan sebagai
validasi.
b. Analisis sensitivitas untuk peubah-peubah
independen, yaitu dengan membandingkan
loading kanonik apabila salah-satu dari
peubah independen disisihkan dari analisis.