LAPORAN PRAKTIKUM

METODE MULTIVARIATE TERAPAN

MODUL III

ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI

KEBAKARAN HUTAN DI ALGERIAN MENGGUNAKAN
KOMPONEN UTAMA DAN ANALISIS FAKTOR

Oleh :
Lidwina Galuh Wandira 10611910000023
Devina Haritsa Carmeilia 10611910000033

Asisten Dosen
Salsabila Anisa Nurani

Dosen :
Ir. Sri Pingit Wulandari, M.Si
Mike Prastuti, S.Si, M.Si

Program Studi Sarjana Terapan

Departemen Statistika Bisnis
Fakultas Vokasi
Institut Teknologi Sepuluh Nopember
Surabaya
2022
 ABSTRAK
Kebakaran hutan merupakan peristiwa terbakarnya hutan yang dapat
memicu terjadinya bahaya hingga bisa mendatangkan bencana. Kejadian
seperti ini bisa disebabkan oleh adanya aktivitas pembakaran yang tidak
terkendali, faktor kesengajaan, maupun proses alami. Faktor alami bisa
terjadi karena berbagai macam faktor seperti kelembapan udara, kecepatan
angin, curah hujan, indeks kekeringan, dan lain-lain. Berkaitan dengan hal
tersebut pada praktikum ini akan membahas tentang data faktor-faktor yang
mempegaruhi kebakaran hutan di Algerian menggunakan analisis komponen
utama dan analisis faktor. Praktikum ini menggunakan analisis komponen
utama dan analisis fator, yang sebelum itu perlu dilakukan uji asumsi
distribusi normal multivariate, uji bartlett, dan uji KMO. Analisis komponen
utama digunakan untuk membentuk kombinasi linear dari variabel observasi
yang tidak berhubungan dengan urutan komponen menjelaskan bahwa
semakin kecil porsi varian dan tidak ada korelasi satu dengan yang lainnya.
Sedangkan analisis faktor adalah suatu teknik interdependensi dengan tujuan
utama yaitu mendefinisikan struktur yang terletak di antara variabel-variabel
dalam analisis. Variabel yang digunakan dalam praktikum ini adalah
variabel kelembapan, kecepatan angin, curah hujan, indeks kekeringan,
indeks bahan bakar, indeks penumpukan. Hasil praktikum menunjukkan
bahwa data data telah cukup untuk difaktorkan, dependen dan data tidak
memenuhi asumsi berdistribusi normal multivariat. Analisis komponen
utama didapatkan semua data mampu menjelaskan variabel asal serta
terbentuk 2 komponen. Serta pada analisis faktor didapatkan bahwa data
tersebut membentuk dua komponen baru, dan didapatkan nama faktor baru
yaitu indikator faktor A dan faktor B.
Kata kunci: Analisis Faktor, Analisis Komponen Utama, Nilai Eigen.

ii
 DAFTAR ISI
Halaman
ABSTRAK..............................................................................................................ii
DAFTAR ISI.........................................................................................................iii
DAFTAR TABEL...................................................................................................v
DAFTAR GAMBAR.............................................................................................vi
DAFTAR LAMPIRAN........................................................................................vii
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang.........................................................................................1
1.2 Rumusan Masalah....................................................................................2
1.3 Tujuan......................................................................................................2
1.4 Manfaat....................................................................................................2
1.5 Batasan Masalah......................................................................................2
BAB II TINJAUAN PUSTAKA............................................................................3
2.1 Uji Kecukupan Data (KMO)...................................................................3
2.2 Uji Bartlett..............................................................................................3
2.3 Distribusi Normal Multivariat................................................................4
2.4 Analisis Komponen Utama.....................................................................5
2.4.1 Nilai Eigen....................................................................................5
2.4.2 Nilai Komunalitas.........................................................................5
2.4.3 Scree Plot......................................................................................5
2.4.4 Komponen yang Terbentuk...........................................................6
2.5 Analisis Faktor........................................................................................6
2.6 Scatterplot...............................................................................................6
2.7 Kelembaban............................................................................................7
2.8 Kecepatan Angin....................................................................................7
2.9 Curah Hujan............................................................................................7
2.10 Indeks Bahan Bakar..............................................................................7
2.11 Indeks Kekeringan................................................................................8
2.12 Indeks Penumpukan..............................................................................8
BAB III METODOLOGI PENELITIAN............................................................9
3.1 Sumber Data...............................................................................................9
iii
 3.2 Variabel Penelitian.....................................................................................9
3.3 Struktur Data..............................................................................................9
3.4 Langkah Analisis........................................................................................9
3.5 Diagram Alir............................................................................................10
BAB IV ANALISIS DAN PEMBAHASAN.......................................................11
4.1 Pengujian Asumsi....................................................................................11
4.1.1 KMO............................................................................................12
4.1.2 Uji Bartlett....................................................................................12
4.1.3 Uji Distribusi Normal Multivariate..............................................13
4.2 Analisis Komponen Utama......................................................................13
4.2.1 Nilai Communalities....................................................................13
4.2.2 Total Variance Explained.............................................................14
4.2.3 Scree Plot.....................................................................................14
4.2.4 Pengelompokkan Komponen ......................................................15
4.3 Analisis Fakor .........................................................................................15
4.3.1 Total Variance Rotation...............................................................15
4.3.2 Pengelompokkan Faktpr Baru......................................................16
4.3.3 Pemberian Nama Faktor...............................................................16
BAB V KESIMPULAN DAN SARAN...............................................................18
5.1 Kesimpulan..............................................................................................
5.2 Saran.........................................................................................................
DAFTAR PUSTAKA
LAMPIRAN

iv
 DAFTAR TABEL

Halaman
Tabel 3.1 Variabel Penelitian..................................................................................9
Tabel 3.2 Struktur Data...........................................................................................9
Tabel 4.1 Uji KMO...............................................................................................11
Tabel 4.2 Uji Bartlett.............................................................................................12
Tabel 4.3 Uji Normal Multivariat..........................................................................13
Tabel 4.4 Nilai Communalities3
Tabel 4.5 Total Varians Explained
Tabel 4.6 Pengelompokan Komponen
Tabel 4.7 Roration Sums of Squared Loadings
Tabel 4.8 Rotated Component Matrix
Tabel 4.9 Pemberian Nama Faktor

v
 DAFTAR GAMBAR

Halaman
Gambar 2.1 Contoh Scree Plot............................................................................. 6
Gambar 2.2 Contoh Scatterplot..............................................................................7
Gambar 3.1 Diagram Alir.....................................................................................10
Gambar 4.1 Scatterplot Uji Distribusi Normal Multivariat..................................12
Gambar 4.2 Scree Plot

vi
 DAFTAR LAMPIRAN

.....................................................................................................................Halaman
Lampiran 1. Data Algerian Forest Fire
Lampiran 2. Output Software SPSS
Lampiran 3. Output Software Minitab
Lampiran 4. Dokumentasi

vii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Hutan merupakan suatu kesatuan ekosistem berupa hamparan lahan berisi
sumber daya alam hayati yang didominasi pepohonan dalam persekutuan alam
lingkungannya, yang satu dengan lainnya tidak dapat dipisahkan (menurut
Undang Undang Nomor 41 tahun 1999 tentang Kehutanan dalam Puspitasari
2011). Kebakaran hutan merupakan peristiwa terbakarnya hutan yang dapat
memicu terjadinya bahaya hingga bisa mendatangkan bencana. Kejadian seperti
ini bisa disebabkan oleh adanya aktivitas pembakaran yang tidak terkendali, faktor
kesengajaan, maupun proses alami. Faktor alami bisa terjadi karena berbagai
macam faktor seperti kelembapan udara, kecepatan angin, curah hujan, indeks
kekeringan, dan lain-lain. Berkaitan dengan hal tersebut pada praktikum ini akan
membahas tentang faktor-faktor yang memengaruhi kebakaran hutan di algerian
menggunakan analisis komponen utama dan analisis faktor.
Analisis komponen utama merupakan metode yang digunakan untuk
membentuk kombinasi linear dari variabel observasi yang tidak berhubungan
dengan urutan komponen menjelaskan bahwa semakin kecil porsi varian dan tidak
ada korelasi satu dengan yang lainnya. Sedangkan analisis faktor adalah suatu
teknik interdependensi (interdependence technique), dimana tidak ada pembagian
variabel menjadi variabel bebas dan variabel tergantung dengan tujuan utama
yaitu mendefinisikan struktur yang terletak di antara variabel-variabel dalam
analisis (Supranto, 2004). Sebelumnya perlu dilakukan uji asumsi telebih dahulu,
seperti uji asumsi distribusi normal multivariate, uji bartlett, dan uji KMO. Jika
ketiga asumsi tersebut terpenuhi maka dapat dilanjutkan pada analisis komponen
utama dan analisis faktor.
Data yang digunakan dalam penelitian ini adalah data sekunder dari UCL
Machine Learning dengan nama “Algerian Forest Fires Dataset”. Variabel yang
digunakan dalam penelitian ini terdapat enam variabel yaitu variabel kelembapan,
kecepatan angin, curah hujan, indeks kekeringan, indeks bahan bakar, dan indeks
penumpukan. Data yang diperoleh kemudian dianalisis menggunakan analisis

1
komponen utama, serta analisis faktor sehingga dapat dilakukan penarikan
kesimpulan dan saran.
1.2 Rumusan Masalah
Rumusan masalah berdasarkan latar belakang di atas pada praktikum ini
adalah sebagai berikut.
1. Bagaimana pengujian asumsi analisis komponen utama dan analisis faktor
pada data faktor-faktor yang mempengaruhi kebakaran hutan di Algerian?
2. Bagaimana hasil analisis komponen utama pada data faktor-faktor yang
mempengaruhi kebakaran hutan di Algerian?
3. Bagaimana hasil analisis faktor pada data faktor-faktor yang mempengaruhi
kebakaran hutan di Algerian?
1.3 Tujuan
Tujuan yang ingin dicapai berdasarkan rumusan masalah yang telah dibuat
adalah sebagai berikut.
1. Mengetahui hasil pengujian asumsi analisis komponen utama dan analisis
faktor pada data faktor-faktor yang mempengaruhi kebakaran hutan di
Algerian.
2. Mengetahui hasil analisis komponen utama pada data faktor-faktor yang
mempengaruhi kebakaran hutan di Algerian.
3. Mengetahui hasil analisis faktor pada data faktor-faktor yang mempengaruhi
kebakaran hutan di Algerian.
1.4 Manfaat
Manfaat dari praktikum ini bagi peneliti adalah dapat mengaplikasikan ilmu
mengenai analisis komponen utama dan analisis faktor pada data faktor-faktor
yang mempengaruhi kebakaran hutan di Algerian. Manfaat bagi pembaca adalah
agar pembaca mengetahui faktor apa saja yang dapat menyebabkan kebakaran
hutan.

1.5 Batasan Masalah

Batasan masalah pada praktikum ini mengunakan lima variabel antara lain
kelembaban, curah hujan, kecepatan angin, indeks bahan bakar, indeks
kekeringan, dan indeks penumpukan yang berjumlah 122 data dari 244 data.

2
 BAB II
TINJAUAN PUSTAKA

2.1 Uji Kecukupan Data (KMO)

Keiser-Meyesr-Okliti (KMO) merupakan suatu uji untuk menunjukkan
apakah metode sampling (mengukur kecukupan sampel) yang digunakan sudah
memenuhi syarat atau tidak. Kriteria kesesuaian dalam pemakaian analisis faktor
adalah sebagai berikut.
1. Jika harga KMO sebesar 0,9 berarti sangat memuaskan

2. Jika harga KMO sebesar 0,8 berarti memuaskan

3. Jika harga KMO sebesar 0,7 berarti harga menengah

4. Jika harga KMO sebesar 0,6 berarti cukup

5. Jika harga KMO sebesar 0,5 berarti kurang memuaskan

6. Jika harga KMO kurang dari 0,5 tidak dapat diterima

Berikut ini adalah uji kecukupan data atau Keiser-Meyesr-Okliti (KMO)
sebagai berikut.
Hipotesis:
H0 : Jumlah data cukup untuk difaktorkan
H1 : Jumlah data tidak cukup untuk difaktorkan
Daerah Penolakan: Tolak Ho jika KMO < 0,5 (Suliyanto, 2005)

2.2 Uji Bartlett

Variabel X1, X2,…, Xp dikatakan bersifat saling bebas (independen) jika
matriks korelasi antar variabel membentuk matriks identitas (Morisson, 2005). Uji
Bartlett sphericity digunakan untuk menguji kebebasan antar variabel ini dapar
dilakukan berikut. Hipotesis :
H0 : R = I ( Korelasi pada data independen )
H1 : R  I ( Korelasi pada data dependen )
Statiistik uji :

{
❑2hitung =− n−1−
2 p+5
6 }ln |R| (2.1)

3
 Terima hipotesis H0 yang berarti antar variabel bersifat saling bebas jika
2 2
nilai ❑ hitung <❑ 1 P(P −1 ). Jika hipotesis ini yang diterima maka penggunanan
2

metode multivariate tidak layak terutama metode analisis komponen utama dan
analisis faktor.

2.3 Distribusi Normal Multivariat

Asumsi yang harus dipenuhi adalah data harus berdistribusi normal
multivariat. Variabel acak X dikatakan berdistribusi normal dengan rata-rata = µ,
dan varians = , dengan fungsi kepadatan probabilitas dari X tertentu sebagai
berikut.

1 2( )
−1 x−μ
σ (2.2)
f ( X )= e , ,−∞< X <∞
√2 π σ
Grafik dari y = f(x) merupakan kurva atau garis lengkung, yang lazim
dikatakan berbentuk lonceng (irisan bentuk lonceng). Pada data multivariat,
terlibat lebih dari satu variabel. Sekelompok variabel dikatakan berdistribusi
Normal p-variat dengan vektor rata-rata dan matriks varians-kovarians Σ jika
fungsi distribusi bersama dari p variabel ditentukan dengan rumus sebagai berikut.
(2.3)
1
f ( X1 , X 2, … , X p)=
¿¿
Jika X1, X2, …, Xp berdistribusi normal multivariat maka( X −μ ) ∑ −1 ( X −μ)
berdistribusi❑2 p.
Berdasarkan sifat ini maka pemeriksaan distribusi normal multivariat
dapat dilakukan dengan cara membuat q-q plot dari nilai:
(2.4)
d 2i =( X i− X ) S−1 ( X i− X )
Langkah-langkah pengujian hipotesis distibusi normal multivariat sebagai
berikut.
Hipotesis :
H0 : Data mengikuti distribusi normal multivariat
H1: Data tidak mengikuti distribusi normal multivariate
d 2i =( X i− X ) S−1 ( X i− X ) ≤ c =√❑p ; 0.5 (2.5)
2
Tolak H0 jika nilai d lebih dari 50%. Artinya, lebih dari 50% jarak
i

mahalanobis berada di dalam kontur normal multivariat (Morisson, 2005).

4
2.4 Analisis Komponen Utama
Analisis Komponen Utama (Principal Component Analysis) merupakan
metode yang digunakan untuk membentuk kombinasi linear dari variabel
observasi yang tidak berhubungan dengan urutan komponen menjelaskan bahwa
semakin kecil porsi varian dan tidak ada korelasi satu dengan yang lainnya.
Struktur komponen utama berbeda dengan analisis faktor. Struktur pada
komponen utama merupakan komposit linear dari variabel random X sedangkan
model faktor sebaliknya, tetapi model komponen utama memiliki komponen dan
domain yang sama. (Supranto, 2004)

1.
2.
2.1.
2.2.
2.3.
2.4.
2.4.1. Nilai Eigen
Tabel total variance explained, menunjukkan persentase varians yang dapat
dijelaskan oleh faktor secara keseluruhan. Nilai yang menjadi indikatornya
eigenvalues yang telah mengalami proses ekstrasi. Pada tabel akan tercantum nilai
extraction sum of square loading. Hal ini disebabkan nilai eigenvalues tidak lain
merupakan jumlah kuadrat dari faktor loading dari setiap variabel yang termasuk
ke dalam faktor. Factor loading ini merupakan nilai yang menghubungkan faktor-
faktor dengan variabel-variabel. Variabel yang masuk ke dalam faktor adalah
yang nilainya lebih dari satu. Dari sini akan terlihat pula jumlah faktor yang akan
terbentuk. (Supranto, 2004)

2.4.2. Nilai Komunalitas

Tabel communalities merupakan tabel yang menunjukkan persentase
variansi dari tiap variabel yang dapat dijelaskan oleh faktor yang terbentuk. Nilai
yang dilihat adalah extraction yang terdapat pada tabel communalities. Makin
kecil nilainya, makin lemah hubungan antara variabel yang terbentuk.
Communality adalah jumlah varian yang disumbangkan oleh suatu variabel
dengan seluruh variabel lainnya dalam analisis. Bisa juga disebut proporsi atau

5
bagian varian yang dijelaskan oleh common factor atau besarnya sumbangan suatu
faktor terhadap varian seluruh variabel. (Supranto, 2004)

2.4.3. Scree Plot

Scree plot menggambarkan tampilan grafik dari tabel total variance
explained. Grafik ini sebenarnya menunjukkan peralihan dari satu faktor ke faktor
lainnya garis menurun disepanjang sumbu y. Sumbu x menunjukkan jumlah
komponen faktor yang terbentuk, sedangkan sumbu y menunjukkan nilai
eigenvalues (Supranto, 2004).

Gambar 2.1 Scree plot

2.4.4. Komponen yang terbentuk
Tabel component matrix menunjukkan kategori variabel-variabel ke dalam
komponen faktor, atau dengan kata lain menunjukkan distribusi variabel-variabel
pada faktor yang terbentuk. Bila yang dijadikan acuan adalah nilai factor loading
yang ada dalam tabel, dimana nilai lebih besar menunjukkan korelasi yang cukup
kuat antara variabel-variabel tersebut dengan komponen faktor. Jumlah jasa
kuadrat factor loading dari tiap variabel tidak lain merupakan nilai extraction
untuk tiap variabel yang tercantum dalam tabel communalities (Supranto, 2004).

2.5 Analisis Faktor

Analisis faktor adalah teknik tentang variabel-variabel yang saling
ketergantungan dengan tujuan untuk menentukan variabel-variabel baru yang
lebih sedikit jumlahnya dari pada variabel semula dan yang menunjukkan mana
diantara variabel-variabel semula itu yang merupakan faktor-faktor persekutuan.
Proses penentuan variabel mana akan masuk ke faktor yang mana, dilakukan
6
dengan melakukan perbandingan besar korelasi pada setiap baris di dalam setiap
tabel. Pada tahap penamaan faktor akan diberikan nama-nama faktor yang telah
terbentuk berdasarkan factor loading suatu variabel terhadap faktor terbentuknya,
setelah tahapan pemberian nama faktor terbentuk (Suliyanto, 2005).

1
2
2.1
2.2
2.3
2.4

2.6 Scatterplot
Scatterplot merupakan cara yang paling sederhana untuk menentukan
hubungan antara sebab dan akibat dari dua variabel. Langkah-langkah yang
diambil juga sederhana, data dikumpulkan dalam bentuk pasangan titik (x,y). Dari
titik-titik tersebut dapat diketahui hubungan antara variabel x dan variabel y,
apakah terjadi hubungan positif atau negatif (Ariani, 2004).

Gambar 2.2 Scatterplot

2.7 Kelembaban
Kelembaban udara adalah banyaknya uap air yang terkandung dalam massa
udara pada saat dan tempat tertentu. Alat untuk mengukur kelembaban udara
adalah psychrometer atau hygrometer (Yudani, 2015).

2.8 Kecepatan Angin

Kecepatan angin merupakan jarak tempuh angin atau pergerakan udara per
satuan waktu dan dinyatakan dalam satuan meter per detik (m/d), kilometer per

7
jam (km/j), dan mil per jam (mil/j).Satuan mil (mil laut) per jam disebut juga knot
(kn) (BMKG, 2000).

2.9 Curah Hujan

Curah hujan adalah jumlah air yang yang jatuh di permukaan tanah selama
priode tertentu yang di ukur dengan satuan tinggi millimeter (mm) di atas
permukaan horizontal. Dalam penjelasan lain curah hujan juga dapat diartikan
sebagai ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak
menguap, tidak meresap dan tidak mengalir. Indonesia merupakan Negara yang
memiliki curah hujan yang bervariasi dikarenakan daerahnya yang berbeda pada
ketinggian yang berbeda-beda. (Sasrodarsono, 2003).

2.10 Indeks Bahan Bakar (FFMC)

Indeks bahan bakar atau disebut fine fuel moisture code adalah peringkat
numerik dari kadar air sampah dan bahan bakar halus lainnya (jarum, lumut,
ranting berdiameter kurang dari 1 cm). Bahan bakar FFMC dipengaruhi oleh
suhu, kecepatan angin, kelembaban, dan hujan (Lawson, 1977).

2.11 Indeks Kekeringan (DC)

Indeks kekeringan atau disebut dengan drought code merupakan indikator
kadar air di lapisan organik yang dalam dan padat. Suhu dan hujan mempengaruhi
DC, meskipun kecepatan angin dan kelembaban relatif tidak mempengaruhi
kedalaman lapisan bahan bakar ini. Bahan bakar DC memiliki tingkat pengeringan
yang sangat lambat, dengan jeda waktu 52 hari. Oleh karena itu, faktor panjang
hari musiman juga dimasukkan dalam fase pengeringan. DC menunjukkan kondisi
kelembaban jangka panjang dan dapat digunakan dalam memperkirakan kesulitan
pembersihan akibat kebakaran yang dalam. (Turner dan Lawson, 1978).

2.12 Indeks Penumpukan (BUI)

Indeks Penumpukan atau disebut buildup index adalah kombinasi
tertimbang dari DMC (Indeks kelembaban) dan DC (indeks kekeringan) untuk
menunjukkan jumlah total bahan bakar yang tersedia untuk pembakaran oleh
bagian depan api yang bergerak. DMC memiliki pengaruh paling besar terhadap

8
nilai BUI. Misalnya, nilai DMC nol selalu menghasilkan nilai BUI nol terlepas
dari apa nilai DC itu. DC memiliki pengaruh terkuat pada BUI pada nilai DMC
tinggi, dan efek terbesar yang dapat dimiliki DC adalah membuat nilai BUI sama
dengan dua kali nilai DMC. BUI sering digunakan untuk tujuan perencanaan
prasupresi (Stocks dan Walker, 1972).

9
 BAB III
METODOLOGI PENELITIAN

3.1 Sumber Data

Data yang digunakan dalam praktikum ini adalah data sekunder yang
diperoleh dari website Kaggle dengan judul ‘Algerian Forest Fire” pada Selasa,
22 Maret 2022 pukul 07.56 WIB di Surabaya, Jawa Timur.

3.2 Variabel Penelitian

Variabel penelitian yang digunakan dalam praktikum ini disajikan pada
Tabel 3.1 berikut.
Tabel 3.1 Variabel Penelitian
Variabe
Keterangan Skala Satuan
l
X1 Kelembaban Rasio Persen
X2 Kecepatan Angin Rasio km/h
X3 Curah Hujan Rasio mm
X4 Indeks Kekeringan Rasio -
X5 Indeks Bahan Bakar Rasio -
X6 Indeks Penumpukan Rasio -
3.3 Struktur Data
Struktur data yang digunakan pada praktikum ini adalah sebagai berikut.
Tabel 3.2 Struktur Data
Observasi X1 X2 X3 X4 X5 X5
1 X1.1 X2.1 X3.1 X4.1 X5.1 X6.1
2 X1.2 X2.2 X3.2 X4.2 X5.2 X6.2
3 X1.3 X2.3 X3.3 X4.3 X5.3 X6.3

122 X1.122 X2.122 X3.122 X4.122 X5.122 X6.122

3.4 Langkah Analisis
Langkah analisis yang dilakukan pada penelitian ini adalah sebagai berikut.
1. Melakukan pengumpulan data.
2. Menganalisis karakteristik data faktor-faktor yang mempengaruhi kebakaran
hutan di Algerian.
3. Menganalisis asumsi analisis komponen utama dan analisis faktor dengan
menggunakan asumsi uji kecukupan data (KMO), uji bartlett, dan uji
distribusi normal multivariat pada data faktor-faktor yang mempengaruhi
kebakaran hutan di Algerian.

10
 4. Melakukan analisis komponen utama pada data faktor-faktor yang
mempengaruhi kebakaran hutan di Algerian.
5. Melakukan uji analisis faktor pada data faktor-faktor yang mempengaruhi
kebakaran hutan di Algerian.
6. Menarik kesimpulan dan saran.

3.5 Diagram Alir

Langkah analisis tersebut divisualisasikan dalam bentuk diagram alir yang
ditunjukkan oleh Gambar 3.1 berikut.

Mulai

Mengumpulkan Data

Tolak H0
Uji Asumsi

Gagal Tolak H0

Analisis Komponen Utama

Diasumsikan

Analisis Faktor

Kesimpulan dan
Saran

Selesai

Gambar 3.1 Diagram Alir

11
 BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Pengujian Asumsi Analisis Komponen Utama dan Analisis Faktor

Asumsi-asumsi yang dilakukan sebelum melakukan pengujian analisis
komponen utama dan analisis faktor pada data faktor-faktor yang memengaruhi
kebakaran hutan di Algerian adalah sebagai berikut.

4.1.1 Pengujian KMO

Pengujian KMO digunakan untuk mengetahui apakah data faktor – faktor yang
mempengaruhi faktor-faktor kebakaran hutan di Algerian sudah memenuhi kecukupan
sampel. Pengujian KMO adalah sebagai berikut.
Hipotesis :
H0 : Data faktor – faktor yang mempengaruhi faktor-faktor kebakaran hutan di
Algerian cukup untuk difaktorkan
H1 : Data faktor – faktor yang mempengaruhi faktor-faktor kebakaran hutan di
Algerian tidak cukup untuk difaktorkan
Ditetapkan taraf signifikan (α) sebesar 0,05 dengan daerah penolakan tolak
H0 jika nilai KMO < 0,5. Berikut merupakan hasil statistik uji yang ditunjukkan
pada Tabel 4.1.
Tabel 4.1 Uji KMO
KMO
0,672
Tabel 4.1 menunjukan bahwa nilai KMO sebesar 0,672 lebih besar 0,5
sehingga dapat diputuskan gagal tolak H0 yang artinya data faktor – faktor yang
mempengaruhi kebakaran hutan di Algerian sudah cukup untuk difaktorkan.
4.1.2 Pengujian Bartlett
Pengujian Bartlett digunakan untuk menguji data faktor – faktor yang
mempengaruhi kebakaran hutan di Algerian independen atau tidak. Analisis
pengujian bartlett adalah sebagai berikut.
Hipotesis :

H0 : (Data faktor – faktor yang mempengaruhi kebakaran hutan di

Algerian independen)

12
H1 : (Data faktor – faktor yang mempengaruhi kebakaran hutan di
Algerian dependen)
Ditetapkan taraf signifikan (α) sebesar 0,05 dengan daerah penolakan tolak
2 2
H0 jika χ > χ (α ,df ) atau P-value < α. Berikut merupakan hasil statistik uji yang
ditunjukkan pada Tabel 4.2.
Tabel 4.2 Uji Bartlett
χ2 χ20,05;15 P-
value
287,84 24,996 0,00
7
Tabel 4.2 menunjukkan bahwa nilai χ2 sebesar 287,847 lebih kecil dari
χ20,05;15 sebesar 24,996 dan diperkuat oleh nilai P-value sebesar 0,00 lebih kecil
dari α sebesar 0,05 sehingga diperoleh keputusan tolak H0 yang artinya data
faktor – faktor yang mempengaruhi kebakaran hutan di Algerian dependen dan
dapat dilanjutkan ke analisis komponen utama dan analisis faktor.
4.1.3 Pengujian Distribusi Normal Multivariat
Pemeriksaan distribusi normal multivariat dilakukan untuk menguji apakah
data faktor – faktor yang mempengaruhi kebakaran hutan di Algerian berdistribusi
normal multivariat atau tidak. Pemeriksaan distribusi normal multivariat
dilakukan dengan dua cara yaitu secara visual dan pengujian t-proporsi.
Pemeriksaan distribusi normal multivariat disajikan pada Gambar 4.1 sebagai
berikut.

Scatterplot of qc vs dj2
30

25

20

15
qc

10

0
0 10 20 30 40 50 60
dj2

Gambar 4.1 Scatterplot Uji Distribusi Normal Multivariate

13
 Gambar 4.1 menunnjukkan bahwa plot – plot tidak mengikuti garis normal yang
berarti bahwa data faktor – faktor yang mempengaruhi kebakaran hutan di Algerian tidak
berdistribusi normal. Hasil dari pemeriksaan secara visual pada gambar diatas diperkuat
dengan dilakukannya pengujian normal multivariat dengan uji t-proporsi sebagai berikut.
Hipotesis :
H0 : Data faktor – faktor yang mempengaruhi kebakaran hutan di Algerian
berdistribusi normal
H1 : Data faktor – faktor yang mempengaruhi kebakaran hutan di Algerian tidak
berdistribusi normal
Ditetapkan taraf signifikan (α) sebesar 0,05 dengan daerah penolakan tolak
H 0jika nilai t-proporsi berada diluar 50%±5%. Berikut merupakan hasil statistik uji
yang ditunjukkan pada Tabel 4.3.
Tabel 4.3 Uji Normal Multivariat
t-proporsi
0,639
Tabel 4.3 menunjukkan bahwa nilai t-proporsi sebesar 0.639 atau 63,9%
dimana nilai tersebut tidak berada diantara 50% ± 5% sehingga diperoleh
keputusan tolak H0 yang berarti bahwa data faktor – faktor yang mempengaruhi
kebakaran hutan di Algerian tidak berdistribusi normal.
4.2 Analisis Komponen Utama
Analisis komponen utama pada data faktor - faktor yang mempengaruhi
kebakaran hutan di Algerian terdiri dari nilai communalities, total, scree plot, dan
pengelompokan komponen. Adapun analisis komponen utama dijelaskan sebagai
berikut.
4.2.1 Nilai Communalities
Nilai comumunalities pada data faktor - faktor yang mempengaruhi
kebakaran hutan di Algerian sebagai beikut.
Tabel 4.4 Nilai Communalities
Variabel Initial Extraction
Kelembaban 1,000 0,562
Kecepatan Angin 1,000 0,667
Curah Hujan 1,000 0,605
Indeks Kekeringan 1,000 0,825
Indeks Bahan Bakar 1,000 0,826
Indeks
1,000 0,794
Penumpukan
14
 Tabel 4.4 menunjukkan bahwa variabel kelembaban, kecepatan angin, curah
hujan, indeks kekeringan, indeks bahan bakar, dan indeks penumpukan memiliki
nilai communalities sebesar 0,562; 0,667; 0,605; 0,825; 0,826; 0,794 di mana nilai
tersebut lebih dari 0.5 yang artinya data kelembaban, kecepatan angin, curah
hujan, indeks kekeringan, indeks bahan bakar, dan indeks penumpukan mampu
menjelaskan variabel asal.
4.2.2 Total Varians Explained
Nilai eigen pada data faktor - faktor yang mempengaruhi kebakaran hutan di
Algerian sebagai berikut.
Tabel 4.5 Total Varians Explained
Ekstraksi
Komponen Varians
Total Kumulatif (%)
(%)
1 2,787 46,444 46,444
2 1,492 24,861 71,305
Tabel 4.5 menunjukan komponen 1 memiliki total keragaman sebesar 2.787
dengan persen keragaman sebesar 46,444% sehingga komponen 1 mampu
menjelaskan variabel asal sebesar 46,444%. Komponen 2 memiliki total
keragaman sebesar 1,492 dengan persen keragaman sebesar 24,861% sehingga
komponen 2 mampu menjelaskan variabel asal sebesar 71,305%.
4.2.3 Scree Plot
Scree plot pada data faktor - faktor yang mempengaruhi kebakaran hutan di
Algerian sebagai berikut.

15
 Gambar 4.2 Scree plot
Gambar 4.2 menunjukan pergerakan titik 1 ke titik 2 mengalami penurunan
yang paling curam sedangkan dari titik 2 ke titik 3 penurunan yang terjadi sudah
landai dan begitu juga titik 3 ke 4 dan titik 4 ke 5 penurunan yang terjadi landai,
sehingga komponen yang terbentuk sebanyak 2.
4.2.4 Pengelompokkan Komponen
Pengelompokkan komponen pada data faktor - faktor yang mempengaruhi
kebakaran hutan di Algerian sebagai berikut.
Tabel 4.6 Pengelompokkan Komponen
Variabel Komponen
1 2
Kelembaban 0,7 0,268
Kecepatan Angin 0,229 0,784
Curah Hujan 0,63 0,456
Indeks Kekeringan 0,773 0,477
Indeks Bahan Bakar 0,901 0,121
Indeks 0,662 0,597
Penumpukan

Tabel 4.6 menunjukan variabel kelembaban, curah hujan, indeks

kekeringan, indeks bahan bakar, dan indeks pemupukan sebesar 0,7, 0,63, 0,773,
0,901, dan 0,662 memiliki nilai komponen 1 yang lebih besar dari komponen 2
yang artinya variabel kelembaban, curah hujan, indeks kekeringan, indeks bahan
bakar, dan indeks pemupukan termasuk dalam komponen 1. Variabel kecepatan
angin sebesar 0,784 memiliki nilai komponen 2 yang lebih besar dari komponen 1
yang artinya variabel kecepatan angin termasuk dalam komponen 2.
4.3 Analisis Faktor
Analisis faktor pada data faktor - faktor yang mempengaruhi kebakaran
hutan di Algerian terdiri dari total variance rotation, pengelompokan faktor baru,
dan pemberian nama faktor baru. Adapun analisis komponen utama dijelaskan
sebagai berikut.
4.3.1 Total Variance Rotation
Total varians pada data faktor – faktor yang mempengaruhi kebakaran hutan
di Algerian adalah sebagai berikut.
Tabel 4.7 Rotation Sums of Squared Loadings

16
 Rotasi
Komponen Total Varians Kumulatif (%)
(%)
1 2,167 36,112 36,112
2 2,112 35,193 71,305
Tabel 4.7 menunjukan bahwa jika terbentuk 1 faktor dengan nilai total
keragaman sebesar 2,167 dan persen keragaman sebesar 36,112% maka faktor
tersebut mampu menjelaskan variabel asalnya yaitu sebesar 36,112%. jika
terbentuk 2 faktor dengan nilai total keragaman sebesar 2,112 dengan persen
keragaman sebesar 35,193% maka komponen 2 mampu menjelaskan variabel
asalnya yaitu sebesar 71,305%.
4.3.2 Pengelompokan Faktor Baru
Pengelompokan faktor baru pada data faktor – faktor yang mempengaruhi
kebakaran hutan di Algerian adalah sebagai berikut.
Tabel 4.8 Rotated Component Matrix
Komponen
Variabel
1 2
Kelembaban 0,32 0,678
Kecepatan Angin 0,377 0,724
Curah Hujan 0,14 0,765
Indeks Kekeringan 0,888 0,191
Indeks Bahan Bakar 0,566 0,711
Indeks
0,891 0,027
Penumpukan
Tabel 4.8 menunjukan bahwa variabel indeks kekeringan dan indeks
penumpukan sebesar 0,888 dan 0,891 memiliki nilai komponen 1 yang lebih besar
dari komponen 2 yang artinya variabel indeks kekeringan dan indeks penumpukan
termasuk dalam komponen 1. Variabel kelembaban, kecepatan angin, curah hujan
sebesar 0,678, 0,724, 0,765, dan 0,711 memiliki nilai komponen 2 yang lebih
besar dari komponen 1 yang artinya variabel kelembaban, kecepatan angin, curah
hujan termasuk dalam komponen 2.
4.3.3 Pemberian Nama Faktor
Pemberian nama faktor pada data faktor – faktor yang mempengaruhi
kebakaran hutan di Algerian adalah sebagai berikut.
Tabel 4.9 Pemberian Nama Faktor
No Nama Faktor Baru Variabel
1 Faktor A Kelembaban
Kecepatan Angin
Curah Hujan

17
 Indeks Bahan Bakar
Indeks Kekeringan
2 Faktor B
Indeks Penumpukan
Tabel 4.9 menunjukkan bahwa pemberian nama faktor untuk variabel
kelembaban, kecepatan angin, curah hujan, dan indeks bahan bakar adalah faktor
A, sedangkan pemberian nama faktor untuk variabel indeks kekeringan dan indeks
penumpukan adalah faktor B.

18
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Hasil analisis data pengaruh tingkat pendidika orang tua terhadap nilai
membaca dan nilai menulis didapatkan kesimpulan sebagai berikut.
1. Uji asumsi analisis komponen utama dan analisis faktor data faktor – faktor
yang mempengaruhi kebakaran hutan di Algerian didapatkan bahwa data
telah cukup untuk difaktorkan, dependen dan data tidak memenuhi asumsi
berdistribusi normal multivariat.
2. Analisis komponen utama data faktor – faktor yang mempengaruhi
kebakaran hutan di Algerian didapatkan semua data mampu menjelaskan
variabel asal serta terbentuk 2 komponen.
3. Analisis faktor data faktor – faktor yang mempengaruhi kebakaran hutan di
Algerian didapatkan bahwa data tersebut membentuk dua komponen baru,
dan didapatkan nama faktor baru yaitu indikator faktor A dan faktor B.

5.2 Saran
Saran untuk instansi pemerintahan supaya melakukan pencegahan dan
penanganan terhadap kasus kebakaran hutan di Algerian serta perlu melakukan
penyebaran informasi mengenai faktor apa saja yang bisa menyebabkan
kebakaran hutan di Algerian kepada masyarakat. Saran untuk praktikum ini
supaya lebih cermat dalam memilih data serta dapat memahami dan menerapkan
konsep multivariat supaya keputusan yang diambil sesuai dengan kenyataan.

19
 DAFTAR PUSTAKA

Ariani, Dorothea Wahyu. 2004. “Pengendalian Kualitas Statistik”. Yogyakarta:

Penerbit Andi
BMKG. 2000. Kecepatan Angin. Jakarta: Badan Meteorologi, Klimatologi dan
Geofisika.
J. Supranto. 2004. Analisis Multivariat: Arti dan Interpretasi. Jakarta: PT. Rineka
Cipta.
Lawson, B.D. 1977. Fire Weather Index - the basis for fire danger rating in British
Columbia. Canadian Fisheries and Environment Canada. Canadian Forestry
Service, Pacific Forest Research Centre, Victoria, B.C. Report BC-P-17. 24
p.
Morisson, Donald F. 2005. Multivariat Statistical Methods. Aukland: Mc_Graw
Hill.
Sasrodarsono, A dan Takeda, K. 2003. Hidrologi Untuk Pengairan. Jakarta:
Pradnya Paramita
Stocks, B.J.; Walker, J.D. 1972. Fire behavior and fuel consumption in jack pine
slash in Ontario. Environment Canada, Canadian Forestry Service, Great
Lakes Forest Research Centre, Sault Ste. Marie, Ontario, Infor~ation .,.
Report O-X-169. 19 p.
Suliyanto. 2005. Analisis Data Dalam Aplikasi Pemasaran. Bogor: Ghalia
Indonesia.
Turner, J.A.; Lawson, B.D. 1978. Weather in the Canadian Forest Fire Danger
Rating System: a user guide to national standards and practices.
Environment Canada, Canadian Forestry Service, Pacific Forest Research
Centre, Victoria, B.C. Information Report BC-X-177. 40 p.
Yudani. 2015. Pengertian, Unsur, dan Klasifikasi Iklim. Yogyakarta: Universitas
Muhammadiyah Yogyakarta.

20
 LAMPIRAN

Lampiran 1. Data Algerian Forest Fire

Kelembaba Kecepatan Curah Indek Bahan Indeks Indeks
No
n Angin Hujan Bakar Kekeringan Penumpukan
1 57 18 0 65,7 7,6 3,4
2 61 13 1,3 64,4 7,6 3,9
3 82 22 13,1 47,1 7,1 2,7
4 89 13 2,5 28,6 6,9 1,7
5 77 16 0 64,8 14,2 3,9
6 67 14 0 82,6 22,2 7
7 54 13 0 88,2 30,5 10,9
8 73 15 0 86,6 38,3 13,5
9 88 13 0,2 52,9 38,8 10,5
10 79 12 0 73,2 46,3 12,6
: : : : : : :
91 70 17 0,8 72,7 180,4 37,4
92 80 21 16,8 52,5 8,7 8,3
93 76 17 7,2 46 7,5 1,8
94 86 15 10,1 30,5 7 1,1
95 78 15 3,8 42,6 7,5 1,7
96 73 17 0,1 68,4 15,7 2,9
97 75 16 0 80,8 24 5,1
98 74 19 0,1 75,8 32,2 5,6
99 71 17 0,3 69,6 30,1 5,1
100 73 17 0,9 62 8,4 3
: : : : : : :
115 54 11 0,5 73,7 30,4 9,6
116 65 19 0,6 68,3 15,2 5,8
117 81 21 5,8 48,6 7,7 3
118 54 11 0 82 16,3 6,2
119 66 11 0 85,7 24,9 9
120 47 14 0,7 77,5 8,8 6,8
121 80 16 1,8 47,4 7,7 3
122 78 14 1,4 45 7,5 2,4

21
Lampiran 2. Output Software SPSS
 KMO dan Uji Bartlet
KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .672

Bartlett's Test of Sphericity Approx. Chi-Square 287.847

df 15

Sig. .000
 Nilai Communalities
Communalities

Initial Extraction

Kelembaban 1.000 .562

Kecepatan_Angin 1.000 .667
Curah_Hujan 1.000 .605
Indeks_Kekeringan 1.000 .825
Indeks_Bahan_Bakar 1.000 .826
Indeks_Penumpukan 1.000 .794

Extraction Method: Principal Component Analysis.

 Total Variance Explained
Total Variance Explained

Extraction Sums of Squared Rotation Sums of Squared

Initial Eigenvalues Loadings Loadings

% of Cumulative % of Cumulative % of Cumulative

Component Total Variance % Total Variance % Total Variance %

1 2.787 46.444 46.444 2.787 46.444 46.444 2.167 36.112 36.112

2 1.492 24.861 71.305 1.492 24.861 71.305 2.112 35.193 71.305

3 .676 11.268 82.573

4 .583 9.709 92.282

5 .244 4.062 96.345

6 .219 3.655 100.000

Extraction Method: Principal Component Analysis.

22
Lampiran 2. Output Software SPSS (Lanjutan)
 Component Matrix
Component Matrixa

Component

1 2

Kelembaban -.700 .268

Kecepatan_Angin -.229 .784
Curah_Hujan -.630 .456
Indeks_Kekeringan .773 .477
Indeks_Bahan_Bakar .901 -.121
Indeks_Penumpukan .662 .597

Extraction Method: Principal Component Analysis.

a. 2 components extracted.

 Rotated Component Matrix

Rotated Component Matrixa

Component

1 2

Kelembaban -.320 .678

Kecepatan_Angin .377 .724
Curah_Hujan -.140 .765
Indeks_Kekeringan .888 -.191
Indeks_Bahan_Bakar .566 -.711
Indeks_Penumpukan .891 -.027

Extraction Method: Principal Component Analysis.

Rotation Method: Varimax with Kaiser Normalization. a
a. Rotation converged in 3 iterations.

Lampiran 3. Output Software Minitab

 Uji Distribusi Normal Multivariat
Data Display
Prop    0,639344
Lampiran 4. Dokumentasi

23
 LEMBAR ASISTENSI
PRAKTIKUM METODE MULTIVARIATE TERAPAN
SEMESTER GENAP 2021/2022

Modul Ke-/Judul : 3/ ANALISIS FAKTOR-FAKTOR YANG

MEMPENGARUHI KEBAKARAN HUTAN DI
ALGERIAN
Nama Asdos : Salsabila Anisa Nurani
Nama Praktikan 1/NRP : Lidwina Galuh Wandira/10611910000023
Nama Praktikan 2/NRP : Devina Haritsa Carmeilia /10611910000033
ASISTENSI 1
1. Lidwina Galuh W
Kehadiran
2. Devina Haritsa Carmeilia

Materi yang
direvisi

24