Group Project

Kelompok 8

2023-05-22
library(readxl)

Data <- read_excel("D:/Statind 2/Data Project Statin 2.xlsx")

data_umkm <- Data[,-(1:2)]

Matrix_covarian <- cov(data_umkm)

Matrix_corelation <- cor(data_umkm)
round(cor(data_umkm))

## Total Asset (Rp. Juta)

## Total Asset (Rp. Juta) 1
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0
## Jumlah Tenaga Kerja 0
## Jumlah Jam Kerja/hari 0
## Rating 0
## Gaji Karyawan 0
## Jumlah inventarory per unit 0
## Luas Lahan Produksi/m 0
## Pajak pertahun 0
## Penjualan Rata-rata Per Tahun
(Rp.Juta)
## Total Asset (Rp. Juta)
0
## Penjualan Rata-rata Per Tahun (Rp.Juta)
1
## Jumlah Tenaga Kerja
0
## Jumlah Jam Kerja/hari
0
## Rating
1
## Gaji Karyawan
1
## Jumlah inventarory per unit
1
## Luas Lahan Produksi/m
1
## Pajak pertahun
1
## Jumlah Tenaga Kerja
## Total Asset (Rp. Juta) 0
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0
## Jumlah Tenaga Kerja 1
## Jumlah Jam Kerja/hari 0
## Rating 0
## Gaji Karyawan 0
## Jumlah inventarory per unit 0
## Luas Lahan Produksi/m 0
## Pajak pertahun 0
## Jumlah Jam Kerja/hari Rating
## Total Asset (Rp. Juta) 0 0
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0 1
## Jumlah Tenaga Kerja 0 0
## Jumlah Jam Kerja/hari 1 0
## Rating 0 1
## Gaji Karyawan 0 1
## Jumlah inventarory per unit 0 1
## Luas Lahan Produksi/m 0 1
## Pajak pertahun 0 1
## Gaji Karyawan
## Total Asset (Rp. Juta) 0
## Penjualan Rata-rata Per Tahun (Rp.Juta) 1
## Jumlah Tenaga Kerja 0
## Jumlah Jam Kerja/hari 0
## Rating 1
## Gaji Karyawan 1
## Jumlah inventarory per unit 1
## Luas Lahan Produksi/m 1
## Pajak pertahun 1
## Jumlah inventarory per unit
## Total Asset (Rp. Juta) 0
## Penjualan Rata-rata Per Tahun (Rp.Juta) 1
## Jumlah Tenaga Kerja 0
## Jumlah Jam Kerja/hari 0
## Rating 1
## Gaji Karyawan 1
## Jumlah inventarory per unit 1
## Luas Lahan Produksi/m 1
## Pajak pertahun 1
## Luas Lahan Produksi/m Pajak
pertahun
## Total Asset (Rp. Juta) 0
0
## Penjualan Rata-rata Per Tahun (Rp.Juta) 1
1
## Jumlah Tenaga Kerja 0
0
## Jumlah Jam Kerja/hari 0
0
## Rating 1
1
## Gaji Karyawan 1
1
## Jumlah inventarory per unit 1
1
## Luas Lahan Produksi/m 1
1
## Pajak pertahun 1
1

pairs(data_umkm[6:7],
panel = function (x, y, ...) {
points(x, y, ...)
abline(lm(y ~ x), col = "red")
}, pch = ".", cex = 5)

boxplot(data_umkm[6], xlab = "Gaji Karyawan")

boxplot(data_umkm[7], xlab = "Jumlah Inventory per unit")
pca_Covarian <- princomp(Matrix_covarian, cor = TRUE)
summary(pca_Covarian, loadings = TRUE)

## Importance of components:
## Comp.1 Comp.2 Comp.3 Comp.4
## Standard deviation 2.9997504 0.0386996665 2.016735e-05 1.409173e-05
## Proportion of Variance 0.9998336 0.0001664071 4.519131e-11 2.206410e-11
## Cumulative Proportion 0.9998336 0.9999999999 1.000000e+00 1.000000e+00
## Comp.5 Comp.6 Comp.7 Comp.8
## Standard deviation 2.653790e-07 9.848359e-08 5.630715e-08 1.334548e-08
## Proportion of Variance 7.825111e-15 1.077669e-15 3.522772e-16 1.978909e-17
## Cumulative Proportion 1.000000e+00 1.000000e+00 1.000000e+00 1.000000e+00
## Comp.9
## Standard deviation 1.011801e-08
## Proportion of Variance 1.137490e-17
## Cumulative Proportion 1.000000e+00
##
## Loadings:
## Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
## Total Asset (Rp. Juta) 0.333 0.601 0.683 0.179
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0.333 -0.111 -0.188 -0.101 0.146
## Jumlah Tenaga Kerja -0.333 0.309 0.506 -0.314
## Jumlah Jam Kerja/hari 0.333 -0.641 0.515 0.246 -0.324
## Rating 0.333 0.128 -0.285 0.338 -0.311
## Gaji Karyawan 0.333 0.253 -0.125 -0.572 -0.438
## Jumlah inventarory per unit 0.333 0.165 -0.234 0.305 -0.301
## Luas Lahan Produksi/m 0.333 -0.212 0.357 0.585
## Pajak pertahun 0.333 -0.111 -0.188 -0.101 0.150
## Comp.6 Comp.7 Comp.8 Comp.9
## Total Asset (Rp. Juta) 0.144
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0.119 0.525 0.137 -0.708
## Jumlah Tenaga Kerja -0.395 0.515 0.129
## Jumlah Jam Kerja/hari -0.210
## Rating 0.460 -0.190 0.559 0.145
## Gaji Karyawan -0.507 0.164
## Jumlah inventarory per unit -0.156 -0.754 -0.167
## Luas Lahan Produksi/m -0.536 -0.255 0.145
## Pajak pertahun 0.566 -0.180 0.669

plot(pca_Covarian$sdev^2,type = "o", main = "scree diagram", xlab =

"component
number", ylab = "component variance")
pca_Corelation <- princomp(Matrix_corelation, cor = TRUE)
summary(pca_Corelation, loadings = TRUE)

## Importance of components:
## Comp.1 Comp.2 Comp.3 Comp.4
Comp.5
## Standard deviation 2.5232594 1.3798336 0.80920051 0.205631410
0.139999835
## Proportion of Variance 0.7074265 0.2115490 0.07275616 0.004698253
0.002177773
## Cumulative Proportion 0.7074265 0.9189755 0.99173162 0.996429870
0.998607642
## Comp.6 Comp.7 Comp.8 Comp.9
## Standard deviation 0.104933494 0.0389895063 5.304575e-06 3.514737e-08
## Proportion of Variance 0.001223449 0.0001689091 3.126501e-12 1.372597e-16
## Cumulative Proportion 0.999831091 1.0000000000 1.000000e+00 1.000000e+00
##
## Loadings:
## Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
## Total Asset (Rp. Juta) 0.178 0.449 0.793 0.190 0.211
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0.383 -0.310 0.208 0.142
## Jumlah Tenaga Kerja -0.295 -0.462 0.221 0.262 -0.416
## Jumlah Jam Kerja/hari 0.705 -0.268 -0.128 -0.479
## Rating 0.374 -0.224 -0.430 0.334
## Gaji Karyawan 0.383 -0.132 0.190 -0.352 -0.493
## Jumlah inventarory per unit 0.387 -0.126 0.128 -0.209 -0.328
## Luas Lahan Produksi/m 0.390 0.663 -0.225
## Pajak pertahun 0.383 -0.310 0.208 0.142
## Comp.6 Comp.7 Comp.8 Comp.9
## Total Asset (Rp. Juta) 0.196 0.130
## Penjualan Rata-rata Per Tahun (Rp.Juta) 0.400 0.178 -0.707
## Jumlah Tenaga Kerja 0.217 0.501 0.333
## Jumlah Jam Kerja/hari -0.136 0.295 0.284
## Rating -0.388 0.314 0.509
## Gaji Karyawan 0.342 -0.511 0.236
## Jumlah inventarory per unit -0.147 0.414 -0.688
## Luas Lahan Produksi/m -0.535 -0.226 0.120
## Pajak pertahun 0.400 0.178 0.707

plot(pca_Corelation$sdev^2,type = "o", main = "scree diagram", xlab =

"component
number", ylab = "component variance")

pca <- princomp(data_umkm[], cor = TRUE)

biplot(pca, col = c("red", "blue"), cex = 0.5)