Analisis Multivariat

Dr. Eko Pujiyanto, S.Si., M.T.

Program Studi Teknik Industri - UNS

E-mail : ekopujiyanto@ft.uns.ac.id
HP atau WA : 081 2278 3991
Homepage : eko.staff.uns.ac.id/analisismutivariat
Agenda hari ini
• Tentang kelas ini
• Silabus, Penilaian dan Referensi
• Tentang saya
• Materi ke – 1 :
– Pendahuluan
– Review matriks dan ruang vektor

Teknik Industri - Universitas Sebelas Maret

Tentang kelas ini
• Waktu kuliah :
Jum’at, 09.20 – 11.00
• Waktu konsultasi :
24 Jam via on line
• Homepage mata kuliah:
https://spada.uns.ac.id/course/view.php?id=3165
• Silabus, penilaian dan referensi
• Rencana kuliah

Teknik Industri - Universitas Sebelas Maret

Silabus, Penilaian
dan Referensi
Silabus dan Rencana Kuliah

Teknik Industri - Universitas Sebelas Maret

Silabus, Penilaian
dan Referensi

Teknik Industri - Universitas Sebelas Maret

Tentang saya
Academics Background
1993 : Undergraduate, Mathematics ITB
1998 : Graduate , Industrial Engineering ITB
2012 : Doctoral , Mechanical Engineering, UGM

Research Interest :
Biomaterial , Quality Engineering and Optimization

Status : Married , 4 boys

Hobbies : Iqro’
Teknik Industri - Universitas Sebelas Maret
Materi ke - 1
• Pendahuluan
• Review matrik dan ruang vektor

Teknik Industri - Universitas Sebelas Maret

Definisi Analisis Multivariat ?
Analisis Multivariat adalah metode
pengolahan variabel dalam jumlah
yang banyak, dimana tujuannya adalah
untuk mencari pengaruh variabel-
variabel tersebut terhadap suatu obyek
secara simultan atau serentak.

Catatan : Variabel adalah atribut yang bervariasi

(kalau tak bervariasi, tak memenuhi syarat sbg
variabel)
Teknik Industri - Universitas Sebelas Maret 11
Mengapa analisis multivariat ?
• Masalah di dunia nyata ( real problem )
selalu melibatkan banyak variabel dan
sebaiknya dianalisis secara simultan.
• Masalah di dunia nyata relatif kompleks
dan tersedia banyak data (BIG DATA).
• Saat ini tersedia banyak software statistika
yang dapat digunakan untuk mengolah
data dengan mudah.

Teknik Industri - Universitas Sebelas Maret 12

Definisi Analisis Multivariat ?

Teknik Industri - Universitas Sebelas Maret 13

 Mengapa analisis multivariat ?

Rencher, A.C. and Christensen, W.F. ( 2012 )

Teknik Industri - Universitas Sebelas Maret
Mengapa Analisis Multivariat ?

Perwita dkk., 2017

Teknik Industri - Universitas Sebelas Maret 15
Mengapa analisis multivariat ?
Prasyarat
• Memahami matrik dan ruang vektor.
• Memahami statistik dasar seperti
distribusi normal, uji t , interval
kepercayaan, regresi dan analisis
variansi.

Teknik Industri - Universitas Sebelas Maret 16

Jenis Skala
• Skala Nominal
• Skala Ordinal
• Skala Interval
• Skala Rasio

Teknik Industri - Universitas Sebelas Maret

 Skala Nominal
• Skala pengukuran yang menyatakan
kategori (penamaan; nomos=nama),
kelompok atau klasifikasi dari konstruk
yang diukur dalam bentuk variabel.
• Contoh:
– Jenis kelamin merupakan variabel yang terdiri dari dua
ketegori: pria dan wanita.
– Skala pengukuran jenis kelamin dapat dinyatakan
dengan angka: 1 = Pria, 2 = Wanita

Teknik Industri - Universitas Sebelas Maret

 Skala Ordinal
• Merupakan salah satu jenis data
berdasarkan urutan dari objek.
• Skala ini tidak menunjukan jarak dan
interval
• Contoh :
– Angka 1 untuk mewakili mahasiswa tahun
pertama, 2 untuk tahun kedua, 3 untuk tahun
ketiga, dan 4 untuk mahasiswa senior.

Teknik Industri - Universitas Sebelas Maret

 Skala Interval
• Skala yang menyatakan kategori, urutan
dan jarak.
• Skala ini menggunakan konsep jarak yang
sama (equality interval).
• Contoh
Misalnya temperature yang rendah pada suatu
hari adalah 40oF dan temperature yang tinggi
adalah 80oF.

Teknik Industri - Universitas Sebelas Maret

 Skala Rasio
• Skala yang memiliki nol alamiah, sehingga
memungkinkan kita membandingkan
angka-angka.
• Skala yang menunjukan kategori,
peringkat, jarak dan perbandingan objek
yang diukur.
• Contoh
– Tinggi dan berat mahasiswa TI UNS

Teknik Industri - Universitas Sebelas Maret

Manfaat Jenis Skala/Data
• Membantu menentukan jenis analisis
yang tepat untuk digunakan.
• Jenis skala tertentu tidak
memungkinkan terpenuhinya asumsi
mengenai distribusi data yang
diperlukan.
• Membantu menentukan metode koreksi
atas hasil pengukuran yang tepat.

Teknik Industri - Universitas Sebelas Maret

Manfaat Jenis Skala/Data

Teknik Industri - Universitas Sebelas Maret

Manfaat Jenis Skala/Data

Teknik Industri - Universitas Sebelas Maret

Ciri-ciri hubungan sebab akibat
• Dua variabel sama-sama berubah
(kovarians)
• Penyebab terjadi sebelum yang disebabkan
(time order)
• Variabel lain yang menjadi penyebab sudah
dihilangkan (ruled out other factors)

Teknik Industri - Universitas Sebelas Maret

Peran sebuah variabel dalam
sebuah model sebab akibat
• Variabel dependen (VD)
• Variabel independen (VI)
– Main
– Moderating
– Intervening

Teknik Industri - Universitas Sebelas Maret

Peran sebuah variabel dalam
sebuah model sebab akibat
Main Moderate
X1 X1 Y
Y
X2 X2

Intervening

X1 X2 Y

Teknik Industri - Universitas Sebelas Maret

Peran sebuah variabel dalam
sebuah model sebab akibat

http://maaw.info/ArticleSummaries/ArtSumLuftShields03.htm
Teknik Industri - Universitas Sebelas Maret
Pemodelan Sistem
• Model : Penyerderhanaan hubungan
antar variabel dalam dunia nyata.
• Model yang bagus : Hemat
(parsimony) atau hanya memasukan
variabel yang benar-benar diperlukan.
• Hanya variabel mempunyai tujuan
jelas (by purpose) yang dimasukan
dalam model  Teori memerankan
peran yang sangat penting.
Teknik Industri - Universitas Sebelas Maret
Pemodelan Sistem
• Jenis model
– Berbasis teori (theory-based
models)
– Berbasis data (data-based models)
• Model berbasis data hanya digunakan
sebagai alternatif dari model berbasis
teori.

Teknik Industri - Universitas Sebelas Maret

Jenis model

• Model matematis

• Model statistis

Teknik Industri - Universitas Sebelas Maret

Tipe Analisis Multivariat
• Analisis dependensi: variabel
dikelompokkan menjadi variabel bebas
(X) yang mempengaruhi dan variabel
tidak bebas (Y) yang dipengaruhi.
• Analisis interdependensi: variabel
tidak dibedakan menjadi variabel
bebas (X) dan variabel tidak bebas (Y)

Teknik Industri - Universitas Sebelas Maret

Tipe Analisis Multivariat
• Analisis dependensi:
• Regresi
• Manova
• Survival analysis
• Analisis diskriminan
• Conjoint analysis
• Multiple discriminant analysis
• Analisis interdependensi:
• Analisis korelasi
• Analisis faktor
• Tabel kontinjensi
• Principal component analysis
Teknik Industri - Universitas Sebelas Maret
Review Matriks dan Vektor
• Mengapa Matriks dan vektor ?
• Beberapa definisi
• Operasi pada matriks
• Vektor
• Konsep Jarak

Teknik Industri - Universitas Sebelas Maret

 Mengapa membahas MATRIKS?

• Pengolahan data dengan Matriks lebih

efisien.
• Software statistika menggunakan teknik
operasi matriks untuk pengolahan
datanya.
• Secara natural data biasanya sudah
tertata berdasarkan kolom dan baris.

Teknik Industri - Universitas Sebelas Maret

Definisi: Matriks, vektor, skalar, matrik
kolom, matrik baris?

2 3
A 
4 1
B  2 0 3
 2 Matriks dg satu baris saja

C  0  atau satu kolom saja
disebuk vektor. Sebuah
3 angka disebut skalar.
Teknik Industri - Universitas Sebelas Maret
Definisi: trace dan diagonal
matriks dari square matrix

1 3 10

A  0 2 9  
5 11 3 
Diagonal A adalah: 1, 2, dan 3. Trace
matriks A adalah 1+2+3=6
Teknik Industri - Universitas Sebelas Maret
Matriks Transpose

1 2 
A 
 4 3
T  1 4 
A'  A   
2 3
Teknik Industri - Universitas Sebelas Maret
Zero Matrix dan Identity Matrix

0 0
A0 
0 0
1 0 0

I  0 1 0
0 0 1

Teknik Industri - Universitas Sebelas Maret

Symmetric matrix

A  A'    aij  a ji
1 4 6 

A   4 2 0
6 0 3

Teknik Industri - Universitas Sebelas Maret

Ortogonal Matrix
• Matrix U disebut Ortogonal,jika:
• UU’ = U’U=I, yaitu jika
• U’=U-1

Teknik Industri - Universitas Sebelas Maret

Involutory Matrix

Teknik Industri - Universitas Sebelas Maret

Operasi Matriks:
Perkalian dg Skalar

Teknik Industri - Universitas Sebelas Maret

Operasi Matriks: Penjumlahan
• Kedua matriks harus berdimensi sama.
• Berlaku hukum komutatif ( A+B = B+A )

1 2 3 1 1 2   1  1 2  1 3  2 
4 5 6  3 3 2  4  3 5  3 6  2 

3 4 5 4 4 5 3  4 4  4 5  5 
2 3 5
7 8 8 

7 8 10
Teknik Industri - Universitas Sebelas Maret
Operasi Matriks: Perkalian

Teknik Industri - Universitas Sebelas Maret

Dot product untuk vektor

1 

A   2 
3 Hasil perkalian dot product
A.B =1(3)+2(2)+3(1) = 10
 3

B   2 
1 

Teknik Industri - Universitas Sebelas Maret

Operasi Matrix:
Invers Matriks
Matriks B merupakan invers matriks A jika
A.B=B.A=I.

=A-1

Teknik Industri - Universitas Sebelas Maret

Teknik membuat matriks invers
(matriks 2x2)

a b   d  b
A   A2   
c d   c a 

1 1 1
A  * A2  * A2
determinan A

Teknik Industri - Universitas Sebelas Maret

Teknik membuat matriks invers
(matriks 2x2)

1 1  1  3
A   
(1* 2)  (3 * 4)  4 2 

Tidak setiap matriks punya invers, yg tdk punya

invers disebut matrik singular.
Teknik Industri - Universitas Sebelas Maret
Eigen value & Eigen vector
Matriks square A dikatakan memiliki eigen
value λ dengan eigen vector x (≠ 0) yg
terkait jika: A x = λ x

Teknik Industri - Universitas Sebelas Maret

Matriks untuk Statistika:
menghitung “Sum” dan “Mean”

Teknik Industri - Universitas Sebelas Maret

Matriks untuk Statistika:
Sum of square and cross product SSCP (∑)
dan Covar (S) matrix
k n
2
SSCP   ( X ij  X j )
j 1 i 1

1
Covar  S  ( SSCP )
df

Teknik Industri - Universitas Sebelas Maret

Matriks untuk Statistika :
SSCP (∑)

Teknik Industri - Universitas Sebelas Maret

Matriks untuk Statistika:
Analisis regresi sederhana

Teknik Industri - Universitas Sebelas Maret

Vektor dan Analisis Geometris
A = [2 3]
A(2,3)

Teknik Industri - Universitas Sebelas Maret

Vektor 3D

Teknik Industri - Universitas Sebelas Maret

Penjumlahan Vektor

Teknik Industri - Universitas Sebelas Maret

Konsep Jarak

Teknik Industri - Universitas Sebelas Maret

Konsep Jarak
• “Jarak” merupakan hal yg penting,
karena menjadi pertanda apakah dua
hal (obyek) berbeda atau tidak.
• Ada beberapa konsep jarak
– Euclidean distance
– Statistical distance
– Mahalanobis distance

Teknik Industri - Universitas Sebelas Maret

Euclidean Distance
jarak  D AB  ( x 2  x1 ) 2  ( y 2  y1 ) 2

Teknik Industri - Universitas Sebelas Maret

Stastitical Distance

where si is the standard deviation of

the xi and yi over the sample set.

Teknik Industri - Universitas Sebelas Maret

Mahalanobis Distance
The Mahalanobis distance of an observation

from a group of observations with mean

and covariance matrix ( S )

Teknik Industri - Universitas Sebelas Maret

Pekan Depan
• Deteksi missing value dan cara
mengatasi
• Deteksi outlier
• Pengujian normalitas data multivariate
– Untuk satu populasi
– Untuk dua populasi

Ref # 1 , hal 47 - 161

Teknik Industri - Universitas Sebelas Maret