UNIVERSITAS SURABAYA

FAKULTAS TEKNIK .

UJIAN TENGAH SEMESTER GENAP TAHUN 2021/2022

Matakuliah : Applied Multivariate Analysis
Kode : 1604B341
Hari, Tanggal : Selasa, 29 Maret 2022
Sifat Ujian : Buku Terbuka
Waktu : 120 menit (10:30 - 12:30)
Pengampu : 205720 – NUR Iriawan, Prof. Drs. MIKom., Ph.D.

No Capaian Pembelajaran - Expected Learning outcome Soal

Nomor
CP 1 Mampu menjelaskan konsep analisis multivariat 1A, 1B, 1C,
2 dan 3
CP2 Mampu menjelaskan konsep pengujian hipotesis vektor rata-rata untuk satu dan dua 1A, 1B, 3
populasi dari distribusi multivariat normal
CP3 Mampu menjelaskan berbagai konsep metode analisis multivariat (MANOVA, regresi 1C, 2, dan 3
ganda dan multivariat, analisis kelompok, analisis komponen utama, analisis faktor,
analisis diskriminan, dan SEM) dan mengaplikasikan-nya dalam permasalahan nyata

Kerjakan tiga soal di bawah ini dengan teliti dan mandiri. Jawaban dikumpulkan via ULS,
dengan nama file “UTS_AMA_NRP_Nama.PDF”

1. (Bobot 50) Nyatakan beberapa pernyataan di bawah ini ‘BENAR’ atau ’SALAH’, dan
berikan alasan yang tepat atas pilihan jawaban anda tersebut, masing-masing berilah
alasan minimal tiga baris.

A. UNIVARIATE NORMAL (UVN)

a. Jika suatu pengujian kesamaan mean,  x , dari satu sampel pengamatan berukuran n
buah data berdistribusi Normal terhadap nilai acuan,  0 , diperoleh hasil seperti
dalam plot pada Gambar1 dan dengan menggunakan hipotesis berikut
H0: µx = µ0,
H1: µx ≠ µ0,
maka hipotesis NULL harus ditolak dengan kesimpulan bahwa mean data
pengamatan tidak sesuai dengan nilai acuan.

Gambar 1. Plot uji hipotesis satu populasi Normal

b. Diketahui dua buah sampel yang masing-masing berukuran n dan m (dengan n ≠ m)

buah data yang berdistribusi Normal dengan nilai mean 1 dan  2 seperti pada
 Gambar 2. Jika pengujian kesamaan kedua mean tersebut dilakukan menggunakan
hipotesis berikut
H0: µ1 = µ2,
H1: µ1 ≠ µ2,
maka hipotesis NULL harus ditolak dengan kesimpulan bahwa kedua mean data
pengamatan adalah tidak sama.

Gambar 2. Plot uji hipotesis dua populasi Normal

c. Diketahui 6 buah data yang diduga berdistribusi Normal satndar. Pengujian

kenormalan data dilakukan dengan membandingkan antara plot CDF data (namakan
̂ ),
𝐹(𝑥)) dan CDF distribusi Normal dengan mean=0 dan varians=1 (namakan 𝐹(𝑥)
seperti Gambar 3. Jika pengujian kenormalan data digunakan metode Kolmogorov-
Smirnov dengan hipotesis
H0: Dmaks = 0,
H1: Dmaks  0,
dimana Dmaks = maks(D+, D-), maka harus disimpulkan bahwa data tersebut benar
berdistribusi Normal.

̂)
Gambar 3. Plot CDF empiris data (𝐹(𝑥)) dan CDF Normal (𝐹(𝑥)

d. Kegagalan pengujian kenormalan data yang diduga berdistribusi UVN dapat

dikarenakan nilai skewness dan / atau kurtosis yang bernilai NOL.
e. Uji homogenitas variance pada 2 kelompok data yang masing-masing berdistribusi
UVN dengan standar deviasi σ1 dan σ2, dapat dilakukan dengan uji χ2 atau Chi-
Square dua sampel. Hipotesis yang digunakan adalah
  12
= 1,
H0:
 22
2
H1: 12  1 .
2
f. Sebanyak 16 siswa ditugasi untuk mengerjakan empat soal dari empat mata pelajaran
di SMA (fisika, biologi, kimia, dan matematika), yaitu masing-masing dikerjakan
oleh empat siswa. Waktu penyelesaiannya dianggap berdistribusi Normal. Pengujian
kesamaan rerata waktu penyelesaian tersebut harus dilakukan menggunakan
ANOVA dengan hipotesis
H0: µ1 = µ2 = µ3 = µ4,
H1: Terdapaat salah satu µi ≠ µj, i ≠ j dan i,j=1, 2 ,3, 4.
Jika dari pengujian tersebut diperoleh plot interval masing-masing waktu
penyelesaiannya seperti pada Gambar4, maka keputusan pengujian harus menolak
H0 yang berarti bahwa rerata waktu penyelesaian keempat soal dari keempat mata
pelajaran tersebut membutuhkan waktu yang tidak sama.

Interval Plot of WaktuPengerjaan vs MataPelajaran

95% CI for the Mean
25

20
WaktuPengerjaan

15

10

5
biologi fisika kimia matematika
MataPelajaran
The pooled standard deviation is used to calculate the intervals.

Gambar 4. Interval plot waktu penyelesaian soal empat mata pelajaran.

g. Jika permasalahan yang ada di soal 1.A.f. mempunyai hasil analisis varians
(ANOVA) seperti pada Tabel 1, maka seharusnya H0 tidak ditolak.

Tabel 1: Hasil penghitungan ANOVA

Analysis of Variance
Source DF SS MS F-Value P-Value
MatPel 3 205,08 68,361 8,32 0,003
Error 12 98,62 8,218
Total 15 303,70

B. MATRIKS
 Diketahui sebuah multivariate normal (MVN), X = ( X1 , X 2 , X3 ) , atau dapat ditulis sebagai
X N 3 ( μ X ,Σ X ) dengan parameter:
μ 'X =  2, 1, 4 dan
 1 a b
Σ X =  −2 5 c  .
 0 0 2 

Pertanyaan:
a. X1 dan X3 adalah dua variabel yang independen yang masing-masing sebagai UVN.
b.Jika Z = ( X1 , X 2 ) , maka Z akan independent terhadap X3 .
c. Rerata dari X1 dan X 2 akan independent terhadap X3 .
d. Cov ( X 2 , X3 ) adalah sebesar a = 0.
e. Cov ( X 2 ) adalah -2.
f. Matriks korelasi MVN ini adalah
1 −0,89443 0 
ρ X =  d 1 0 
 e f 1 

C. MULTIVARIATE NORMAL (MVN)

a. Diketahui sebuah tabel dalam suatu database terdiri atas 5 field yang mencatat 100
baris data pengamatan, namakan X = ( X1 , X 2 , X3 , X 4 , X5 ) , masing-masing data adalah
kontinyu dan memenuhi sifat UVN yang saling independen. Dari informasi tersebut,
X dapat dipastikan sebagai X N 5 ( μ X ,Σ X ) dan X berukuran (100  5).
b. Varians-covarians data X pada permasalahan 1.C.a. akan seperti matriks berikut:
 12 0 0 0 0
 
 0 2 0
2
0 0
ΣX =  0 0  32 0 0
 
0 0 0 4 0 
2

0 0  52 
 0 0
c. Nilai eigen data X pada permasalahan 1.C.a. yang dihitung berdasarkan matriks
korelasinya, ρ X , akan mempunyai sebanyak lima macam eigen yang masing-masing
bernilai satu.
d. Perbedaan pokok antara ANOVA dan MANOVA adalah adanya respon pengamatan
yang lebih dari satu dan antar responnya berkorelasi.

2. (Bobot 20%) Suatu eksperimen dilakukan pada benda kerja yang dibuat dari campuran
beberapa bahan bakunya. Disain benda kerjanya dibuat dengan 3 macam jenis komposisi
campuran. Namakan masing-masing jenis komposisi campurannya dengan C1, C2, dan C3.
Setiap jenis campuran dibuatkan 16 benda kerja, sehingga eksperimen dilakukan pada 48
benda kerja. Benda kerja ini kemudian diuji kelenturan dan kekuatan tariknya. Setelah
dilakukan analisis covarians, korelasi, ANOVA, dan MANOVA diperoleh hasil seperti pada
Tabel 1 s/d Tabel 5 yang diberikan dalam Lampiran 1.
Pertanyaan:
A. Tentukan nilai “VV” pada Tabel 1.
 B. Tentukan nilai “WW” pada Tabel 2.
C. Tentukan nilai “XX1” dan “XX2” pada Tabel 3.
D. Tentukan nilai “YY1” dan “YY2” pada Tabel 4.
E. Berdasarkan pada Tabel 1 dan Tabel 2, jelaskan informasi apa yang bisa anda
peroleh dan bisa anda simpulkan?
F. Berdasarkan pada Tabel 3 dan Tabel 4, jelaskan informasi apa yang bisa anda
peroleh dan bisa anda simpulkan?
G. Berdasarkan pada Tabel 5, jelaskan informasi apa yang bisa anda peroleh dan bisa
anda simpulkan?

3. (Bobot 25%) Diketahui data 100 siswa yang baru lulus dari salah satu SMA favorit dan
diterima di 11 PTN ternama melalui berbagai program penerimaan mahasiswa baru, a.l.
Penelusuran Bakat dan Minat, BIDIKMISI, dan Ujian bersama nasional. Tabel 6 pada
Lampiran 2 memberikan 15 baris pertama data nilai matematika, fisika, kimia, dan biologi
(MAFIKIB) serta cluster/grup ekstrakurikuler (ada 11 macam ekstrakurikuler) siswa selama
di SMA dan peringkat PTN yang menerima siswa tersebut. Berdasarkan pada beberapa
pengolahan data menggunakan MINITAB terhadap hasil studi siswa tersebut diberikan
dalam Lampiran 2, maka jawablah beberapa pertanyaan berikut:
a. Apakah keempat respon MAFIKIB tersebut berdistribusi MVN (“YA/TIDAK”)? Jika
jawaban anda “YA”, maka tuliskan distribusi tersebut lengkap dengan karakteristiknya.
b. Berdasarkan pada hasil uji One-way ANOVA pada setiap MAFIKIB terhadap faktor
perbedaan cluster (grup) ekstrakurikuler yang diikuti, apakah capaian nilai masing-
masing MAFIKIB dapat dikatakan benar dipengaruhi oleh perbedaan grup
ekstrakurikuler yang diikuti?
c. Berdasarkan pada hasil uji One-way ANOVA pada setiap MAFIKIB terhadap faktor
perbedaan PTN ternama yang menerimanya, apakah capaian nilai masing-masing
MAFIKIB dapat dikatakan benar dicirikan oleh perbedaan PTN yang menerimanya?
d. Berdasarkan pada hasil uji One-way MANOVA terhadap keempat respon MAFIKIB
dapat dilakukan dua macam, yatu terhadap faktor perbedaan cluster (grup)
ekstrakurikuler dan terhadap faktor perbedaan PTN ternama yang menerimanya.
Jelaskan apa kesimpulan anda atas pengaruh masing-masing faktor terhadap capaian
nilai MAFIKIB tersebut.
e. Jelaskan, apabila dibandingkan dengan acuan  = 0,05, mengapa besaran nilai P_value
dari statistik uji yang diperoleh dari ANOVA semuanya berbeda kesimpulan
hipotesisnya pada hasil uji One-way MANOVA pada faktor perbedaan cluster (grup)
ekstrakurikuler yang diikuti, baik terhadap nilai P_value dari Wilks’, Lawley-Hotelling,
Pillai’s, maupun Roy’s.
f. Jelaskan, apabila dibandingkan dengan acuan  = 0,05, mengapa besaran nilai P_value
dari statistik uji yang diperoleh dari ANOVA semuanya sama kesimpulan hipotesisnya
pada hasil uji One-way MANOVA pada faktor perbedaan PTN ternama yang
menerimanya, baik terhadap nilai P_value dari Wilks’, Lawley-Hotelling, Pillai’s, maupun
Roy’s.
Selamat bekerja dan berkarya
-----ooo0ooo-----
Lampiran 1: Hasil pengolahan MINITAB soal nomor 2.
Tabel 1. Covarians kelenturan dan kekuatan Tarik

UjiTarik UjiKelenturan
UjiTarik 0,00024545 “VV”
UjiKelenturan 0,00021889 0,00023353

Tabel 2. Korelasi kelenturan dan kekuatan Tarik

Pearson correlation “WW”

P-value 0,000

Tabel 3. ANOVA pada kelenturan

Source DF Seq SS Adj SS Adj MS F P

Campuran 2 0,0000390 0,0000390 “XX1” “XX2” 0,923
Error 45 0,0109369 0,0109369 0,0002430
Total 47 0,0109760

Tabel 4. ANOVA pada kekuatan Tarik

Source DF Seq SS Adj SS Adj MS F P

Campuran 2 0,0006822 0,0006822 0,0003411 “YY2” 0,254
Error 45 0,0108538 0,0108538 “YY1”
Total 47 0,0115360

Tabel 5. MANOVA pada campuran

DF
Test
Criterion Statistic F Num Denom P
Wilks’ 0,51094 8,778 4 88 0,000
Lawley-Hotelling 0,95577 10,275 4 86 0,000
Pillai’s 0,48977 7,297 4 90 0,000
Roy’s 0,95431
s=2 m = -0,5 n = 21,0
Lampiran 2: Data dan hasil pengolahan MINITAB soal nomor 3.

Tabel 6: Lima belas baris pertama dari 100 baris data siswa yang diterima di 11 PTN
ternama dengan cluster/grup ekstrakirikulernya (terdapat 11 macam
ekstrakurikuler).
no matematika fisika kimia biologi PeringkatPTN Cluster(grup)
1 86,22827 80,48104 96,23084 94,38938 2 1
2 84,70326 80,72013 95,23639 92,80632 2 2
3 85,05623 80,77385 94,86159 92,62588 6 2
4 84,89361 80,3987 95,41613 92,33619 4 2
5 84,59714 80,10423 95,64682 91,63254 4 2
6 86,59738 80,74031 97,68709 93,36167 3 3
7 85,37255 79,04326 96,40318 89,92034 6 4
8 84,46235 78,5822 93,22021 93,43648 4 2
9 82,32477 79,88186 92,20869 91,6247 2 5
10 84,64066 77,61942 94,81661 90,05873 1 4
11 82,70978 81,14577 91,4316 94,11923 1 6
12 85,83161 81,25096 96,14836 90,44073 3 3
13 86,99911 81,63328 97,89397 91,224 9 3
14 87,29682 81,22547 97,48811 92,02316 1 3
15 85,78127 81,83162 96,73189 92,8064 3 3

Beberapa analisis dari MINITAB:

Covariances
matematika fisika kimia biologi
matematika 2,65173
fisika 1,71470 2,35034
kimia 2,85448 1,99087 3,83176
biologi 1,54051 1,92694 1,45377 3,07387

Correlations
matematika fisika kimia
fisika 0,687
0,000
kimia 0,895 0,663
0,000 0,000
biologi 0,540 0,717 0,424
0,000 0,000 0,000
Cell Contents
Pearson correlation
P-Value
Distribution Identification for matematika

Goodness of Fit Test

Distribution AD P
Normal 0,302 0,571

ML Estimates of Distribution Parameters

Distribution Location Shape Scale Threshold
Normal* 85,19468 1,62841
* Scale: Adjusted ML estimate

Distribution Identification for fisika

Goodness of Fit Test

Distribution AD P
Normal 0,427 0,308

ML Estimates of Distribution Parameters

Distribution Location Shape Scale Threshold
Normal* 80,17008 1,53308
* Scale: Adjusted ML estimate

Distribution Identification for kimia

Goodness of Fit Test

Distribution AD P
Normal 0,258 0,710

ML Estimates of Distribution Parameters

Distribution Location Shape Scale Threshold
Normal* 95,19156 1,95749
* Scale: Adjusted ML estimate

Distribution Identification for biologi

Goodness of Fit Test
Distribution AD P
Normal 0,210 0,858

ML Estimates of Distribution Parameters

Distribution Location Shape Scale Threshold
Normal* 92,09321 1,75324
* Scale: Adjusted ML estimate

Analysis of Variance for matematika, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Cluster 10 218,309 200,840 20,084 40,34 0,000
PeringkatPTN 10 4,879 4,879 0,488 0,98 0,468
Error 79 39,333 39,333 0,498
Total 99 262,521
Analysis of Variance for fisika, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P
Cluster 10 183,2067 162,9625 16,2963 28,49 0,000
PeringkatPTN 10 4,2904 4,2904 0,4290 0,75 0,675
Error 79 45,1869 45,1869 0,5720
Total 99 232,6840

Analysis of Variance for kimia, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Cluster 10 327,009 299,874 29,987 48,99 0,000
PeringkatPTN 10 3,977 3,977 0,398 0,65 0,767
Error 79 48,358 48,358 0,612
Total 99 379,344

Analysis of Variance for biologi, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Cluster 10 240,770 210,907 21,091 29,09 0,000
PeringkatPTN 10 6,261 6,261 0,626 0,86 0,570
Error 79 57,281 57,281 0,725
Total 99 304,313

MANOVA Tests for Cluster

Test DF
Criterion Statistic Approx F Num Denom P
Wilks’ 0,01695 14,001 40 290 0,000
Lawley-Hotelling 15,16080 28,237 40 298 0,000
Pillai’s 1,85628 6,841 40 316 0,000
Roy’s 12,45134
s = 4 m = 2,5 n = 37,0

MANOVA Tests for PeringkatPTN

Test DF
Criterion Statistic Approx F Num Denom P
Wilks’ 0,67987 0,777 40 290 0,832
Lawley-Hotelling 0,40817 0,760 40 298 0,853
Pillai’s 0,36531 0,794 40 316 0,810
Roy’s 0,16489
s = 4 m = 2,5 n = 37,0