LAPORAN PRAKTIKUM ANALISIS MULTIVARIAT PRAKTIKUM 1 ANALISIS KOMPONEN UTAMA Asisten 1 : Erica Fera Juwita (0810953036) Asisten 2 : Mahardika

Dwi J. (0810950050)

Nama NIM Tanggal Praktikum

: Sofyani Wulansari : 0910950067 : 24 April 2012

LABORATORIUM STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2012

Data

Berikut nilai ujian 25 mahasiswa Matematika pada 5 mata kuliah, yakni : Diffgeom, Complex, Algebra, Reals, dan Statistics. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Diffgeom 36 62 31 76 46 12 39 30 22 9 32 40 64 36 24 50 42 2 56 59 28 19 36 54 14 Complex Algebra 58 43 54 50 42 41 78 69 56 52 42 38 46 51 51 54 32 43 40 47 49 54 62 51 75 70 38 58 46 44 50 54 42 52 35 32 53 42 72 70 50 50 46 49 56 56 57 59 35 38 Reals 36 46 40 66 56 38 54 52 28 30 37 40 66 62 55 52 38 22 40 66 42 40 54 62 29 Statistics 37 52 29 81 40 28 41 32 22 24 52 49 63 62 49 51 50 16 32 62 63 30 52 58 20

 Metodologi 1. Buka software SPSS versi 17. 2. Buat file baru dengan cara klik File-New-Data.

3. Masukkan data.

4. Langkah pertama adaah melakukan transformasi (standarisasi) dengan cara klik Analyze-Descriptive Statistics-Descriptives.

Pada dialog box Descriptives, pindahkan semua variable ke kolom variables. Kemudian centang save standardized values of variables.

Klik OK sehingga muncul hasil transformasi untuk masing-masing variable sebagai berikut:

5. Lakukan penguraian nilai singular dari data hasil transformasi diatas dengan cara klik AnalyzeDimension Reduction-Factor.

Pada dialog box, pindahkan hasil transformasi ke kotak variables.

Pada option Descriptives, aktifkan statistics initial solution.

Pada option Extraction, method menggunakan principal components, analyze dengan covariance matrix, no display, extraction gunakan number of factors sebanyak-banyaknya peubah asal yaitu 5. Pilih continue.

Pada option Rotation, pilih None. Klik continue.

Pada option Scores, aktifkan Save As Variables dan Display factor score coefficient matrix. Klik continue.

Klik OK. Maka akan muncul hasik Analisis Komponen Utama.

Pembahasan Berdasarkan metodologi, diperoleh output sebagai berikut :

Total Variance Explained Compo nent Total 4.081 .374 .217 .205 .124 4.081 .374 .217 .205 .124 Initial Eigenvalues % of Variance 81.623 7.477 4.331 4.096 2.473 81.623 7.477 4.331 4.096 2.473
a

Cumulative % 81.623 89.100 93.431 97.527 100.000 81.623 89.100 93.431 97.527 100.000

Raw

1 2 3 4 5

Rescaled

1 2 3 4 5

Extraction Method: Principal Component Analysis. a. When analyzing a covariance matrix, the initial eigenvalues are the same across the raw and rescaled solution.

Interpretasi : Ada dua pertimbangan dalam menentukan komponen yang dipakai. Pertimbangan pertama dilihat dari nilai eigen masingmasing komponen. Berdasarkan output diatas, kolom total

menyatakan nilai eigen. Terlihat bahwa hanya PC1 yang memiliki nilai eigen lebih dari 1, yaitu 4.081, komponen pertama (PC1) ini dapat menjelaskan 81.62% keragaman data. Pertimbangan kedua adalah melihat total keragaman yang ditunjukkan oleh kolom Cumulative %. Jika komponen memiliki total keragaman antara 80%-100% maka komponen tersebut dipakai. Berdasarkan output diatas, terlihat bahwa komponen 1 dan komponen 2 mampu menjelaskan keragaman data sebesar 89.1%. Pemilihan komponen yang dipakai sangat subjektif, bisa dikatakan bahwa cukup komponen 1 saja yang dipakai karena komponen 1 dianggap cukup menangkap struktur data dengan 81.62% keragaman data yang mampu dijelaskan. Sedangkan komponen lainnya memiliki proporsi keragaman kecil dan dianggap tidak penting.

Component Score Coefficient Matrix Component 1 Zscore(Diffgeom) Zscore(Complex) Zscore(Algebra) Zscore(Reals) Zscore(Statistics) .220 .216 .229 .220 .222 2 .773 1.007 -.451 -.769 -.518 3 -.756 .790 .451 1.009 -1.483

4 1.359 -.937 -.747 1.052 -.703

5 -.794 .965 -2.114 1.043 .986

Extraction Method: Principal Component Analysis. Component Scores. a. Coefficients are standardized.

Interpretasi : Pada output sebelumnya telah ditentukan bahwa komponen yang dipilih adalah komponen 1. Berdasarkan pada output diatas, skor komponen dapat dituliskan sebagai berikut :