ANALISIS BIPLOT PADA PEMETAAN SPESIFIKASI KINERJA

SMARTPHONE DARI SETIAP MERK

DOSEN MATA KULIAH:

Dr. Erna Tri Herdiani, M.Si.

DISUSUN OLEH : KELOMPOK 4

Ihksan Heriansyah H051181022

M.H. Adhyaksa Machmud H051181310
Edward Timothy H051181329
Syahrul Mubarak Amir H051181331
Muh.Nurul Hidayat H051181332
Adhiaksa Prananda RS H051181510

PROGRAM STUDI STATISTIKA

DEPARTEMEN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
2021

i
 KATA PENGANTAR

Assalamualaikum Wr. Wb
Puji dan syukur kami panjatkan kehadirat Allah swt yang telah memberikan
hidayahnya sehingga kami dapat menyelesaikan tugas laporan ini. Tak lupa shalawat serta
salam kepada junjungan kita Nabi Besar Muhammad SAW yang kita nantikan syafaat nya di hari
kiamat nanti.

Ucapan terima kasih kami kepada Ibu Dr. Erna Tri Herdiani, M.Si. yang telah
memberikan tugas laporan ini kepada kami selaku mahasiswa/peserta mata kuliah Riset
Pasar. Hal ini sangatlah penting bagi kami, sebagai bekal dan pengalaman kami untuk
waktu yang akan datang. Serta rekan saya pada kelompok 4 yang telah kompak dalam
penyelesaian tugas ini, sehingga laporan ini bisa diselesaikan.
Kami berharap semoga dengan terselesaikannya laporan ini dapat menjadi titik tolak
kami untuk menjadi mahasiswa yang kedepannya lebih dan lebih baik lagi. Kami juga
berharap laporan ini semoga bisa bermanfaat, baik bagi kami sendiri maupun orang lain.
Dalam penulisan laporan ini tentunya masih banyak kekurangan, untuk itu kami
mohon maaf sebesar-besarnya karena kami masih dalam proses belajar. Saran dan kritik
dari pembaca sangat kami butuhkan untuk bahan evaluasi kami selanjutnya.
Wassalamu’alaikum Wr. Wb

Makassar, 5 juni 2021

Kelompok 4

ii
 DAFTAR ISI

HALAMAN SAMPUL...........................................................................................................i
KATA PENGANTAR...........................................................................................................ii
DAFTAR ISI.........................................................................................................................iii
BAB I PENDAHULUAN......................................................................................................1
1.1 Latar Belakang.....................................................................................................1
1.2 Rumusan Masalah................................................................................................2
1.3 Tujuan .................................................................................................................2
BAB II TINJAUAN PUSTAKA............................................................................................3
2.1 Analisis Biplot......................................................................................................3
2.2 Singular Value Decomposition............................................................................4
2.3 Parameter α..........................................................................................................5
2.4 Ukuran Kelayakan Biplot.....................................................................................5
BAB III METODE PENELITIAN.........................................................................................6
3.1 Data dan Variabel.................................................................................................6
3.2 Tahapan Analisis..................................................................................................6
BAB IV ANALISIS DAN INTERPRETASI.........................................................................7
4.1 Analisis Biplot......................................................................................................7
4.2 Visualisasi kedalam Plot....................................................................................10
4.3 Ukuran Kelayakan Biplot...................................................................................11
4.4 Interpretasi Plot..................................................................................................11
BAB V PENUTUP...............................................................................................................13
5.1 Kesimpulan........................................................................................................13
5.2 Saran...................................................................................................................13
DAFTAR PUSTAKA...........................................................................................................14

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

1.2 Rumusan Masalah
1.3 Tujuan

1
 BAB II
TINJAUAN PUSTAKA

2.1 Analisis Biplot

Analisis biplot adalah suatu metode multivariat yang mengunakan baris dan
kolom dalam suatu suatu grafik. Metode ini digunakan untuk menampilkan objek dan
variabel-variabel dengan objek yang diteliti. Bilpot merupakan teknik statistik deskriptif
dimensi ganda yang dapat menyajikan secara simultan segugus objek pengamatan dan
variabel dalam suatu grafik pada suatu bidang datar sehingga ciri-ciri variabel dan objek
pengamatan serta posisi relatif antara objek pengamatan serta posisi relatif antara objek
pengamatan dengan variabel dapat dianalisis.

Analisis biplot merupakan salah satu teknik peubah ganda yang menyajikan plot
pengamatan 𝑛 dan variabel 𝑝 secara bersamaan dalam bidang dua dimensi. Penyajian
plot pengamatan 𝑛 dan variabel 𝑝 secara bersamaan dapat memberikan tambahan
informasi yang lebih baik tentang hubungan antara variabel dan pengamatan (Jollife,
2002). Biplot adalah salah satu upaya mengambatkan data-data yang ada pada tabel
ringkasan dalam grafik berdimensi dua. Informasi yang diberikan oleh biplot mencakup
objek dan variabel dalam satu gambar (Fitria dkk, 2013). Berdasarkan tampilan biplot
yang disajikan secara visual dan simultan sejumlah objek pengamatan dan variabel
dalam suatu grafik, maka ada empat hal penting yang bisa diperoleh, yakni kedekatan
antar objek yang diamati, keragaman variabel, korelasi antar variabel dan nilai variabel
pada suatu objek (Matjik dkk, 2011) . Penjelasan secara lengkap terkait empat hal
penting yang bisa di peroleh dari tampilan biplot antara lain:

i. Kedekatan antar objek yang diamati.

Kedekatan antar objek diinterprestasikan sebagai kemiripan sifat dua objek.
Semakin dekat letak dua objek maka kemiripan sifat dua objek tersebut semakin
tinggi.

ii. Keragaman varibel

Keragaman variabel bisa dilihat dari panjang vektor variabel. variabel dengan
nilai keragaman kecil akan digambar sebagai vektor pendek sedangkan variabel
dengan nilai keragaman yang tinggi akan digambarkan sebagai vektor panjang.

iii. Korelasi antar variabel.

Dua variabel dikatakan memiliki korelasi positif apabila digambarkan sebagai
dua buah vektor yang membentuk sudut lancip. Dua variabel dikatakan
memiliki korelasi negatif apabila digambarkan sebagai dua buah vektor yang
membentuk sudut tumpul. Sedangkan dua variabel dikatakan tidak memiliki

2
 korelasi apabila digambarkan sebagai dua buah vektor yang membentuk sudut
siku-siku.
iv. Nilai variabel pada suatu objek.
Objek yang terletak searah dengan arah dari vektor variabel, memiliki nilai di
atas rata-rata. Sebaliknya, objek yang terletak berlawanan dengan arah vektor
variabel, memiliki nilai di bawah rata-rata. Nilai variabel pada suatu objek
digunakan untuk melihat variabel penciri dari setiap objek. Nilai variabel pada
suatu objek dapat dilihat dengan melakukan proyeksi ortogonal dari objek ke
vektor peubah.

2.2 Singular Value Decomposition

Analisis biplot pertama kali diperkenalkan oleh Gabriel , menurut Jollife, analisis
ini didasarkan pada Singular Value Decomposisition (SVD). SVD bertujuan
menguraikan matriks X berukuran 𝑛 × 𝑝 dimana 𝑛 adalah banyaknya objek pengamatan
dan p adalah banyaknya variabel, menjadi 3 buah matriks. Persamaan yang digunakan
adalah matriks berukuran 𝑛 × 𝑝 yang berisi 𝑛 objek dan 𝑝 variabel, dapat ditulis:

X =ULA '
Dimana :

X = Matriks data berukuran 𝑛 × 𝑝

U = Matriks berukuran n x r yang kolom-kolomnya disebut vektor singular kolom.
L = Matriks diagonal berukuran r x r dengan unsur diagonal utamanya adalah nilai
singular matriks X, yaitu akar kuadrat dari nilai eigen matrik 𝑋 ′𝑋
A = Matriks berukuran p x r yang kolom-kolomnya adalah vektor eigen dari matriks 𝑋
′𝑋

U dan A adalah matriks orthonormal, dimana U ' U = A' A=I X ' X =I dan X ' X=I ,
U adalah kolom dari A' berisi eigen vector dari matriks X ' X dan matriks diagonal L
yang berisi akar kuadrat dari nilai eigen X ' X atau XX ' , sehingga √ λ1 ≥ √ λ 2 ≥ … ≥ √ λ r
unsur-unsur diagonal matriks L disebut nilai singular dari matriks X . Kolom-kolom
matriks A adalah vector eigen dari X ' X atau XX ' yang berpadanan dengan λ . Lα untuk
0 ≤ α ≤ 1 merupakan matriks diagonal berukuran r ×r dengan unsur-unsur diagonalnya
α
α 1−α
λ 1 , λ2 , … , λr2 . Definisi L berlaku juga untuk L , sehingga diperoleh unsur-unsur
α/ 2 α /2

α
1−
diagonalnya λ 1−α /2 , λ1−α /2 , … , λ 2 . Misalkan U Lα dan H ' =L1−α A ' dengan 0 ≤ α ≤ 1.
1 2 r
Sehingga dapat ditulis (Jollife, 2002).

α 1−α '
X =U L L A =GH '

3
 Matriks 𝐺 skor komponen utama yang merupakan titik-titik koordinat dari 𝑛 objek
dan matriks 𝐻 memuat vektor eigen yang merupakan titik – titik koordinat dari 𝑝
peubah. Gambaran biplot dari matriks data 𝑋 diperoleh dengan mengambil dua kolom
pertama dari matriks 𝐺 dan dua kolom pertama dari matriks 𝐻.
2.3 Parameter α
Ada dua nilai α yang digunakan untuk mendefinisikan G=U La dan H ' =L1−α A '
yaitu α =0 dan α =1. Jika α =0 , maka diperoleh persamaan sebagai berikut :

G=U dan H ' =LA '

Dengan menggunakan α =1, tampilan biplot akan lebih memberikan gambaran

jarak antara pasangan barisan sehingga baik digunakan untuk melihat kedekatan objek-
objek. Jika α =1 yang digunakan, maka hasil pemfaktoran disebut RMP biplot (Row
Metric Preserving).

2.4 Ukuran Kelayakan Biplot

Biplot adalah upaya membuat gambar di ruang berdimensi banyak menjadi
gambar di ruang dimensi dua. Informasi data yang disajikan dalam biplot ditentukan
berdasarkan nilai ρ2, semakin mendekati nilai satu berarti biplot yang diperoleh dari
matriks pendekatan berdimensi dua akan memberikan penyajian data yang semakin
baik mengenai informasi yang terkandung pada data yang sebenarnya. Gabriel
mengemukakan ukuran pendekatan matriks X dengan biplot dalam bentuk:
λ +λ
ρ2= r1 2
∑ λk
k=1

Dengan ρ2 adalah ukuran kelayakan biplot dua dimensi untuk nilai 𝛼 bersesuaian,
λ 1 adalah nilai eigen terbesar pertama, λ 2 adalah nilai eigen terbesar kedua, dan λ k
adalah nilai eigen terbesar ke-𝑘 dengan 𝑘 = 1, 2, ⋯ , 𝑟. Apabila ρ2 mendekati nilai satu
( ≥ 70 % , ) ,maka biplot memberikan penyajian yang semakin baik mengenai informasi
data yang sebenarnya (Matjik dkk, 2011).

4
 BAB III
METODE PENELITIAN
3.1 Data dan Variabel
Data yang digunakan dalam pembuatan laporan ini adalah data sekunder yang
diambil dari penelitian yang telah dilakukan oleh Erika Fitria pada tahun 2021
mengenai persepsi masyarakat dalam skala likert yang dirata-ratakan mengenai
kinerja spesifikasi smartphone dari setiap merk. Adapun variabel penelitian yang
digunakan adalah Harga tiap merk (X1), Spesifikasi Kamera (X2), Kapasitas
Memori (X3) dan Jenis Processor (X4).

Tabel 1. Data

Atribut
Harg
Merk a Kamera Memori Processor
Oppo 3.67 3.94 2.97 2.64
Samsun
g 3.94 2.97 2.86 2.81
Realme 3.92 2.22 2.56 3.33
Xiaomi 4.22 2.56 3.33 2.06
Asus 3.89 2.44 1.97 3.39

3.2 Tahapan Analisis

Tahapan analisis yang digunakan adalah sebagi berikut:
1. Menyiapkan data dalam bentuk matriks X ¿
2. Melakukan transformasi pada matriks X ¿ ke Matriks X dengan mengurangi
nilai data matriks dengan rata-ratanya.
3. Cari X ' X
4. Cari nilai eigen dan vector eigen kemudian urutkan dari yang terbesar
5. Dengan menggunakan metode Singular Value Decompotition (SVD), tentukan
matriks L, A, dan U.
6. Membuat matriks G=U Lα dan matriks H= A L1−α
7. Membuat Plot G dan H dimana G sebagai nilai dari objek, sedangkan H
sebagai nilai dari variable.
8. Interpretasi Plot

5
 BAB IV
ANALISIS DAN INTERPRETASI
4.1 Analisis Biplot
¿
1. Data Dalam Matriks (X )

[ ]
3,67 3,94 2,97 2,64
3,94 2,97 2,86 2,81
¿
X = 3,92 2,22 2,56 3,33
4,22 2,56 3,33 2,06
3,89 2,44 1,97 3,39

2. Transformasi ke matriks (X)

Data dalam matriks X ¿ selanjutnya ditransfromasi menjadi matriks X. Matriks X
merupakan X* yang telah terkoreksi terhadap rataan setiap kolom matriksnya.

[ ][ ]
3,67 3,94 2,97 2,64 3,928 2,826 2,738 2,846
3,94 2,97 2,86 2,81 3,928 2,826 2,738 2,846
X = 3,92 2,22 2,56 3,33 − 3,928 2,826 2,738 2,846
4,22 2,56 3,33 2,06 3,928 2,826 2,738 2,846
3,89 2,44 1,97 3,39 3,928 2,826 2,738 2,846

[ ]
−0,258 1,114 0,232 −0,206
0,012 0,114 0,122 −0,036
X = −0,008 −0,606 −0,178 0,484
0,292 −0,266 0,592 −0,786
−0,038 −0,386 −0,768 0,544

3. Nilai eigen dan vector eigen.

Operasi X’X dilakukan untuk membentuk matriks yang bersifat simetris, untuk diketahui
nilai eigen dan vector eigennya. Diperoleh matriks sebagai berikut:

[ ]
0,15348 −0,34384 0,14508 −0,20134
'−0,34384 1,84872 0,52286 −0,52888
X X=
0,14508 0,52286 1,04068 −1,02144
−0,20134 −0,52888 −1,02144 1,19172

6
Dari matriks X ' X , terbentuk matriks yang memuat nilai eigen sebagai berikut:

[ ]
0,002 0 0 0
E= 0 0,097 0 0
0 0 1,382 0
0 0 0 2,752

Dengan mensubsitusikan masing-masing nilai eigennya, diperoleh Matriks yang memuat

Vektor eigen (V) sebagai berikut:

[ ]
2,954 −0,374 −0,709 0,021
0,787 −0,134 1,548 −1,138
V=
0,175 1,125 −0,867 −0,943
1 1 1 1

4. Normalisasi Matriks Vektor Eigen

Selanjutnya matriks yang memuat vector eigen diatas dinormalisasi dengan persamaan:
1
a i= [v i ]
||v i||
dimana:
A=[ a1 a2 a 3 a 4 ]

Dari persamaan diatas menghasilkan matriks A yang memuat vector-vektor eigen yang
telah dinormalisasi sebagai berikut:

[ ]
0,91705 −0,23044 −0,32485 0,011767
0,244319 −0,08256 0,725764 −0,63768
A=
0,054328 0,748624 −0,39725 −0,52841
0,310444 0,616151 0,458184 0,560355

5. Matriks Singular Value Decomposition (U)

Selanjutnya mencari matriks U dengan persamaan:
1
ui = X ai
Lii

dimana:
U =[ u1 u2 u 3 u4 ]

Sedangkan untuk matriks L merupakan elemen elemen dari matriks E yang diakarkan:

7
 [ ]
√0,002 0 0 0
L=
0 √ 0,097 0 0
0 0 √1,382 0
0 0 0 √2,752

[ ]
0,044721 0 0 0
0 0,311448 0 0
L=
0 0 1,175585 0
0 0 0 1,659217

Dari persamaan diatas menghasilkan matriks U sebagai berikut:

[ ]
−0,35274 0,045692 0,600353 −0,57343
0,931066 0,174977 0,030328 −0,10627
U = −0,33115 0,69623 −0,12312 0,452992
−0,20252 −0,27753 −0,7513 −0,34968
−0,04466 −0,63937 0,24374 0,576389

6. Koordinat Plot untuk objek (G) dan atribut (H)

Selanjutnya akan dicari koordinat titik untuk membentuk plot dari objek beserta variabel
atributnya dengan persamaan:
Untuk objek:
α
G=U L
Untuk variabel atribut:
' 1−α '
H =L A
Karena kita ingin melihat plot objek dan variabel atributnya maka gunakan α=0,5

[ ]
√ 0,044721 0 0 0
Lα =L1−α =L0,5 = 0 √ 0,311448 0 0
0 0 √1,175585 0
0 0 0 √1,659217

[ ]
0,211474 0 0 0
0,5 0 0,558075 0 0
L =
0 0 1,084244 0
0 0 0 1,288106

Sehingga Matriks titik koordinat untuk objek:

8
 0,05
G=U L

[ ][ ]
−0,35274 0,045692 0,600353 −0,57343
0,211474 0 0 0
0,931066 0,174977 0,030328 −0,10627
G= −0,33115 0,69623 −0,12312 0,452992 0 0,558075 0 0
0 0 1,084244 0
−0,20252 −0,27753 −0,7513 −0,34968
0 0 0 1,288106
−0,04466 −0,63937 0,24374 0,576389

[ ]
−0,07459 0,025499 0,650929 −0,73864
0,196897 0,09765 0,032883 −0,13689
G= −0,07003 0,388549 −0,1335 0,583502
−0,04283 −0,15488 −0,81459 −0,45043
−0,00945 −0,35682 0,264273 0,742451

Dan matriks titik koordinat untuk variabel atribut:

' 0,05 '
H =L A

[ ][ ]
0,211474 0 0 0 0,91705 0,244319 0,054328 0,310444
H '= 0 0,558075 0 0 −0,23044 −0,08256 0,748624 0,616151
0 0 1,084244 0 −0,32485 0,725764 −0,39725 0,458184
0 0 0 1,288106 0,011767 −0,63768 −0,52841 0,560355

[ ]
0,193933 −0,1286 −0,35222 0,015158
'0,051667 −0,04608 0,786905 −0,8214
H=
0,011489 0,417789 −0,43071 −0,68065
0,065651 0,343859 0,496784 0,721797

Dari matriks G dan H’ diperoleh titik-titik dengan hanya mengambil 2 kolom pertama,
sebagai berikut:
Koordinat
dim1 (x) dim2 (y)
objek Oppo -0.07459 0.025499
Samsung 0.196897 0.09765
realme -0.07003 0.388549
Xiaomi -0.04283 -0.15488
Asus -0.00945 -0.35682
atribut Hrga 0.193933 -0.1286
Kamera 0.051667 -0.04608
Memori 0.011489 0.417789
Prosesor 0.065651 0.343859

9
4.2. Visualisasi kedalam Plot
Berikut visualisasi tabel diatas dengan menggunakan plot:

4.3. Ukuran Kelayakan Biplot

Didapat nilai λ 1=2,752 dan λ 2=1,382 sehingga perhitungan nilai ρ2 sebagai berikut :

2 λ 1 + λ2
ρ= 4

∑ λk
k=1
2,752+1,382
ρ 2=
4,233

2 4,134
ρ=
4,233

ρ2 ≈ 0,98

10
Karena nilai ρ2 yang diperoleh mendekati 1, maka biplot yang dihasilkan sangat baik.
Informasi yang diberikan oleh biplot sebesar 98 % dari keseluruhan informasi yang
terkandung dalam data.

4.4. Interpretasi Plot

Berdasarkan Plot yang telah dianalisis maka interpretasi yang dapat diperoleh sebagai
berikut:
a. Dari biplot diatas terlihat bahwa Panjang vector dari variabel atribut bervariasi yang
mengartikan bahwa keragaman dari keempat atribut cenderung berbeda satu sama
lain.
b. Peubah harga memiliki keragaman yang tertinggi dari peubah lainnya, artinya faktor
harga pada kelima merk smartphone relatif bervariasi. Sebaliknya faktor kamera
memiliki keragaman yang paling rendah.
c. Semakin sempit sudut yang dibuat antara dua peubah maka korelasinya semakin
positif, seperti: Kamera – Harga dan Memori – Prosesor. Sebaliknya jika sudut yang
dibentuk semakin tumpul maka korelasinya semakin negative, pada plot terlihat
tidak ada atribut yang memiliki kecenderungan berkorelasi negatif. Dan jika sudut
yang dibentuk mendekati 90 ° maka atribut tidak saling berkorelasi, seperti: Harga –
Memori dan Kamera – Memori.
d. Semakin dekat letak objek dengan arah yang ditunjuk oleh suatu peubah maka
semkain tinggi pula nilai peubah tersebut untuk objek itu, Seperti: Samsung –
Harga, berarti Samsung rata-rata memiliki harga yang relatif tinggi. Sebaliknya jika
arahnya berlawanan, maka nilai rendah, Seperti: Xiaomi, Oppo – Harga.
e. Semakin dekat letak dua buah objek maka sifat yang ditunjukkan oleh nilai-nilai
peubahnya mirip, seperti: Xiaomi dan Oppo atau bahkan Asus. Sedangkan Realme
dan Samsung sifat objeknya cenderung berbeda satu sama lain.

11
 BAB V
PENUTUP

5.1 Kesimpulan
Berdasarkan tujuan penelitian, maka kesimpulan yang dapat diperoleh adalah:
1. Hasil Interpretasi pada grafik plot memuat poin-poin berikut:
a. Pada tingkat keragaman nilai atribut, diperoleh bahwa atribut Harga
mempunyai keragaman tertinggi dan atribut Kamera mempunyai keragaman
terendah.
b. Pada korelasi antar atribut, atribut Kamera – Harga dan Memori – Prosesor
cenderung berkorelasi positif tinggi. Atribut Memori, Prosesor terhadap
Harga cenderung tidak memiliki korelasi. Dan tidak terdapat atribut yang
berkorelasi negatif.
c. Pada hubungan antara objek dan atribut, diperoleh bahwa Samsung memiliki
pengaruh terhadap harga tertinggi dibandingkan dengan objek lain.
d. Pada kemiripan nilai atribut antar objek, diperoleh Xiaomi dan Oppo
cenderung memiliki nilai yang sama. Sedangkan Realme dan Samsung
nilainya cenderung berbeda satu sama lain.
2. Ukuran kelayakan Biplot memuat sebesar 98 % dari keseluruhan informasi yang
terkandung dalam data, sehingga dapat disimpulkan bahwa ukuran representasi data
yang diperoleh dapat dikategorikan sangat baik,

5.2 Saran
Diperlukannya pendekatan lain untuk mengenalisis data agar dapat diketahui
kelebihan atau kekurangan yang dapat ditinjau dari analisis tersebut, seperti : Analisis
Korespondensi, dsb.

12
 DAFTAR PUSTAKA
I. T. Jollife, Principal Component Analysis, New York: Springer-Verlag, 2002.
E. Fitria, H. Diyah and A. Yasin, “Analisis Principal Component Biplot pada Bank Umum
Persero yang Beroperasi di Jawa Tengah,” in Prosiding Seminar Nasional Statistika, 2013.
A. A. Matjik, I. Sumertajaya and M. Sidik, Peubah Ganda dengan Menggunakan SAS,
Bogor: IPB Press, 2011.
K. R. Gabriel, “The Biplot Graphic Display of Matrices with Application to Principal
Component Analysis,” Biometrika, vol. 58, pp. 453-467, 1997.

13