SOAL 1

 
Terdapat vektor random X T  ( X 1 X 2 X 3 ) dan Y T  (Y1Y2Y3 ) . Masing-masing vektor
T
random tersebut berdistribusi normal trivariat dan saling bebas dengan  X  (2 2 2) ,
3 2 1 4 2 0
T  4 1  , dan ΣY   2 4 2  . Karena X dan Y saling bebas
  
Y  (3 4 2) , Σ X   2
1 1 2   0 2 4 
0 0 0
 0 0  .
maka Σ X ,Y  ΣY , X  0
0 0 0 

Tentukan distribusi dari vektor random-vektor random berikut :

 
a) Distribusi dari X  Y  
  
 ( X  Y )   X  Y
 2  3
  2    4 
 2   2 
 1
  2 
 0 

Σ ( X Y )  Σ X  ΣY  Σ X ,Y
3 2 1  4 2 0  0 0 0
  2 4 1    2 4 2    0 0 0 
1 1 2   0 2 4   0 0 0 
7 4 1
  4 8 3
1 3 6 

  1 7 4 1  
     
 
Jadi, X  Y ~ N   2  ,  4 8 3  
  0  1 3 6  
   

 X 
T  T 
b) Distribusi dari YT  X YT

1
  
 XT YT  TX  YT
  2 2 2   3 4 2
  1 2 0

Σ XT YT  Σ X  ΣY  Σ X ,Y
3 2 1 4 2 0 0 0 0
  2 4 1    2 4 2    0 0 0 
 1 1 2   0 2 4   0 0 0 
7 4 1
  4 8 3
 1 3 6 

  
 XT YT  TX  TY
  2 2 2   3 4 2 
  5 6 4

Σ XT YT  Σ X  ΣY  Σ X ,Y
 3 2 1   4 2 0  0 0 0
  2 4 1    2 4 2    0 0 0 
1 1 2   0 2 4   0 0 0 
7 4 1 
  4 8 3
1 3 6 

 
 T T  
Misal X  Y  X T  Y T  L , maka
  
L   XT YT  XT YT 
  1 2 0 5 6 4 

 Σ XT YT Σ
X
T 

 
 Y T , X T Y T  
ΣL  
 Σ XT YT , XT YT Σ XT YT 
    

dimana

2
 Σ

 

 
X T  Y T , X T Y T 
E   X T

YT  X
T 
YT 
T
  E  X T

  X
YT E
T 
YT 
T


  
 

  XT YT  TXT YT   XT YT  TXT YT 
0
0 0 0 
 0 0 0 
0 0 0 

Σ

 

 
X T Y T , X T Y T 
E  XT 
YT X
T 
YT 
T
 
 
 E XT YT E   X
T 
Y T 
T


  
 

  XT YT  TXT YT   XT YT  TXT YT 
0
0 0 0 
 0 0 0 
0 0 0 

sehingga,
 Σ XT YT Σ
X
T 

 
 Y T , X T Y T  
ΣL  
 Σ XT YT , XT YT Σ XT YT 
    
7 4 1 0 0 0
4 8 3 0 0 0 

1 3 6 0 0 0
 
0 0 0 7 4 1
0 0 0 4 8 3
 
0 0 0 1 3 6

Jadi,
 7 4 1 0 0 0 
 4 8 3 
  0 0 0  
 1 3 6 0 
 X 
0 0
T  T 
YT  X YT ~ N   1 2 0 5 6 4  ,  .
 0 0 0 7 4 1 
 0 0 0 4 8 3 
  
 6  
 0 0 0 1 3

 T T
c) Distribusi dari X Y  
T T
Misal X 
Y  K , maka 

3
   
K  TX TY 
  2 2 2 3 4 2

 ΣX Σ X ,Y 
ΣK  
 ΣY , X ΣY 
3 2 1 0 0 0
2 4 1 0 0 0 

1 1 2 0 0 0
 
0 0 0 4 2 0
0 0 0 2 4 2
 
0 0 0 0 2 4

 3 2 1 0 0 0 
 2 4 
  1 0 0 0  
T   1 1 2 0 0 0 

Jadi, X YT  ~ N   2 2 2 3 4 2 ,  .
 0 0 0 4 2 0 
 0 0 0 2 4 2 
  
 0 0 2 4  
 0 0

SOAL 2
1 1 1 
 2 1 1   
Terdapat matriks A    dan B  1 1 0  , vektor random X dan
 0 1 1 0 1 1

vektor random Y seperti pada Soal 1.

Bagaimanakah distribusi transformasi linear berikut :


a) Distribusi transformasi linear dari AX
 
 AX  A X
2
 2 1 1  
   2
 0 1 1  2 
 
0
 
0

4
 Σ AX  AΣ X AT
3 2 1  2 0 
 2 1 1 
    2 4 1    1 1 
 0 1 1  1 1 2   1 1
   
8 0 
 
0 4

  0 8 0  
Jadi, AX ~ N    ,  
 0  0 4 

b) Distribusi transformasi linear dari BX
 
 BX  B X
1 1 1   2 
 1 1 0    2 
0 1 1  2 
6
 0 
0 

Σ BX  BΣ X BT
1 1 1   3 2 1  1 1 0 
 1 1 0    2 4 1   1 1 1 
0 1 1 1 1 2  1 0 1
17 1 3 
  1 3 2 
 3 2 4 

  6  17 1 3  
    
Jadi, BX ~ N   0  ,  1 3 2  
  0   3 2 4  
   
T T 
c) Distribusi transformasi linear dari X A  Y T BT 

5
 
 XT AT  TX AT
2 0
  2 2 2  1 1 
 1 1
  0 0

Σ T  AΣ X AT
X AT

3 2 1   2 0 
 2 1 1 
    2 4 1    1 1 
 0 1 1 1 1 2   1 1
   
8 0 
 
0 4
 
YT BT  TY BT
1 1 0 
  3 4 2 1 1 1 
1 0 1
  9 1 2 

ΣYT BT  BΣY BT
1 1 1   4 2 0  1 1 0 
 1 1 0    2 4 2   1 1 1 
0 1 1  0 2 4  1 0 1
 20 2 2 
  2 4 0 
 2 0 4 

T T T T

Misal X A Y B  C , maka 
  
C   XT AT YT BT 
  0 0 9 1 2
 Σ XT AT Σ XT AT ,YT BT 
ΣC   
 ΣY T BT , X T AT
  ΣYT BT 

dimana

6
 Σ XT AT ,YT BT  AΣ X ,Y BT
0 0 0  1 1 0 
 2 1 1    
   0 0 0   1 1 1 
 0 1  1 0 0 0  1 0 1
   
0 0 0 
 
0 0 0 

ΣYT BT , XT AT  BΣY , X AT

1 1 1  0 0 0   2 0 
 1 1 0   0 0 0    1 1 
0 1 1 0 0 0   1 1
0 0
 0 0 
0 0 

sehingga,
 Σ XT AT Σ XT AT ,YT BT 
ΣC   
 ΣYT BT , XT AT ΣYT BT 
8 0 0 0 0 
0 4 0 0 0 
 
 0 0 20 2 2 
 
0 0 2 4 0 
0 0 2 0 4 

 8 0 0 0 0 
 0 4 0 0 
  0  
T T 

Jadi, X A Y T BT  ~ N   0 0 9 1 2  ,  0 0 20 2
 
2  .

  0 0 2 4 0 
  0 0 2 0 4  


T T 
d) Distribusi transformasi linear dari X A  X T BT 

7
 
 XT AT  TX AT
2 0
  2 2 2   1 1 
 1 1
  0 0

Σ XT AT  AΣ X AT
3 2 1  2 0 
 2 1 1 
    2 4 1    1 1 
 0 1 1  1 1 2   1 1
   
8 0 
 
0 4 
 
 XT BT  TX BT
1 1 0 
  2 2 2  1 1 1 
1 0 1
  6 0 0

Σ XT BT  BΣ X BT
1 1 1   3 2 1  1 1 0 
 1 1 0    2 4 1   1 1 1 
 0 1 1  1 1 2  1 0 1
17 1 3 
  1 3 2 
 3 2 4 

T T T T
Misal X A 
X B  D , maka
  
 D   XT AT  XT BT 
  0 0 6 0 0

 Σ XT AT Σ XT AT , XT BT 

ΣD   
 Σ XT BT , XT AT Σ XT BT 

dimana

8
 Σ XT AT , XT BT  AΣ X BT
 3 2 1  1 1 0 
 2 1 1    
    2 4 1   1 1 1 
 0 1 1  1 1 2  1 0 1
   
1 4 0 
 
3 2 4 

Σ XT BT , XT AT  BΣ X AT
1 1 1   3 2 1   2 0 
 1 1 0    2 4 1    1 1 
0 1 1 1 1 2   1 1
1 3 
  4 2 
 0 4 

sehingga,
 Σ XT AT Σ XT AT , XT BT 
ΣD   
 Σ XT BT , XT AT Σ XT BT 
8 0 1 4 0
0 4 3 2 4 

 1 3 17 1 3 
 
 4 2 1 3 2 
 0 4 3 2 4 

 8 0 1 4 0  
  0 4 3 2 4  
T T    

Jadi, X A X T BT  ~ N   0 0 6 0 0 ,  1 3 17 1 3   .
  
  4 2 1 3 2 
  0 4 3 2 4  


SOAL 3
 
Terdapat vektor random X yang berdistribusi multinormal N 4  , Σ  .
1  5 0 2 6 
1  0 5 6 2 
  
 dan Σ   
0   2 6 20 12 
   
2  6 2 12 20 

9
 
Tunjukkan bahwa X berdistribusi singular dengan menujukkan bahwa rank nya !

a) Pembuktian bahwa X berdistribusi singular dengan menunjukkan rank nya.
Mencari rank matriks menggunakan operasi baris elementer.

5 0 2 6 Baris 1 (b1 )
0 
5 6 2  Baris 2 (b2 )
Σ 
2 6 20 12  Baris 3 (b3 )
 
6 2 12 20  Baris 4 (b4 )

 Langkah 1
2 6
Melakukan operasi b3  b1 dan b4  b1 pada matriks Σ sehingga diperoleh
5 5
5 0 2 6 
0 5 6 2 
matriks A   .
0 6 19, 2 9, 6 
 
0 2 9, 6 12,8

 Langkah 2
6 2
Melakukan operasi b3  b2 dan b4  b2 pada matriks A sehingga diperoleh
5 5
5 0 2 6 
0 5 6 2 
matriks B   .
0 0 12 7, 2 
 
0 0 7, 2 12 

 Langkah 3
7, 2
Melakukan operasi b4  b3 pada matriks B sehingga diperoleh matriks
12
5 0 2 6 
0 5 6 2 
C .
0 0 12 7, 2 
 
0 0 0 7, 68

Matriks C pada Langkah 3 merupakan hasil rank dari matriks Σ . Berdasarkan

hasil tersebut terlihat bahwa banyak baris tak nol ada 4 sehingga rank dari matriks
Σ adalah 4. Karena rank dari matriks Σ adalah 4 yaitu sama dengan ukuran
matriks atau ordo matriksnya (ukuran matriks Σ adalah 4×4) sehingga vektor
 
random X tidak berdistribusi singular artinya vektor random X berdistribusi
non-singular atau multivariat.

b) Tentukan distribusi bersyarat dari X3, X4, jika X1, X2 tertentu !

10
Distribusi bersyarat dari X3, X4 jika X1, X2 tertentu.
T T T
 
T T
Misal X  X 1 X 2 dimana X 1   X 1 X 2  dan X 2   X 3 X4  .
Maka,
 
1T  (1  2 ) T2  (3  4 )
 (1 1)  (0 2)
5 0 2 6  20 12 
Σ11    Σ12  Σ 21    Σ 22   
0 5 6 2 12 20 
 
Vektor random X 2 dengan syarat X 1 tertentu akan berdistribusi multivariat

normal N 2   2.1 , Σ 22.1  .
 
 

1
 2.1   2  Σ 21Σ11 X 1  1 
 0   2 6  0, 2 0   X 1  1
     
 2   6 2   0 0, 2   X 2  1
 0  0, 4 X 1  1, 2 X 2  1, 6 
   
 2  1, 2 X 1  0, 4 X 2  1, 6 
 0, 4 X 1  1, 2 X 2  1, 6 
 
1, 2 X 1  0, 4 X 2  0, 4 

1
Σ 22.1  Σ 22  Σ 21Σ11 Σ12
 20 12   2 6  0, 2 0   2 6 
    
12 20   6 2   0 0, 2   6 2 
 20 12   8 4,8
  
12 20   4,8 8 
 12 7, 2 
 
7, 2 12 
 
Jadi, dengan syarat X 1 tertentu maka X 2 akan berdistribusi multivariat normal
  0, 4 X 1  1, 2 X 2  1, 6   12 7, 2  
N2    , 7, 2 12   . Artinya dengan probabilitas 1, maka
 1, 2 X 1  0, 4 X 2  0, 4   
   0, 4 X 1  1, 2 X 2  1, 6  
X 2   2.1    jika X 1 tertentu.
1, 2 X 1  0, 4 X 2  0, 4 

11
 Dengan probabilitas sama dengan 1, akan dicari nilai aij dari persamaan berikut.
X 3  a30  a31 X 1  a32 X 2
X 4  a40  a41 X 1  a42 X 2

Berdasarkan penyelesaian pada poin Soal 3(b) diperoleh

   0, 4 X 1  1, 2 X 2  1, 6 
X 2   2.1   
1, 2 X 1  0, 4 X 2  0, 4 

Maka, a30  1, 6

a31  0, 4
a32  1, 2
a40  0, 4
a41  1, 2
a42  0, 4

d. Dari jawaban c., hitung P(X1 + X2 + X3 + X4 < 0) !

Nilai P  X 1  X 2  X 3  X 4  0 
P  X 1  X 2  X 3  X 4  0   P  X 1  X 2   0, 4 X 1  1, 2 X 2  1, 6    1, 2 X 1  0, 4 X 2  0, 4   0 
 P  2, 6 X 1  2, 6 X 2  1, 2  0 
 P  2, 6 X 1  2, 6 X 2  1, 2 
 1, 2 
 P  X1  X 2 
 2,6 
  X1    1
Karena X 1    berdistribusi multinormal N 2  1 , Σ11  dimana 1    dan
X2  1
5 0
Σ11    , maka
0 5

E  X1  X 2   E  X1   E  X 2 
  X1  X 2
 11
2

var  X 1  X 2   var  X 1   var  X 2   2 cov  X 1 , X 2 

 5  5  (2  0)
 10

12
 Sehingga,  X 1  X 2  ~ N  2,10  . Sekarang dapat dicari nilai z untuk menghitung
nilai probabilitas tadi.

1, 2
 E  X1  X 2 
2, 6
z
var  X 1  X 2 
1, 2
2
2, 6

10
 0, 487

Dengan menggunakan tabel distribusi normal maka didapatkan nilai probabilitas

untuk z = -0,487 adalah 0,313.

 1, 2 
Jadi, P  X 1  X 2  X 3  X 4  0   P  X 1  X 2   0,313.
 2, 6 

SOAL 4
T
Terdapat variabel random X   X 1 , X 2 , X 3 , X 4  dengan matriks varians-kovarians
2 5 2 6
5 2 6 2 
Σ .
2 6 10 12 
 
6 2 12 10 

a a) Dapatkan eigen value dan eigen vektornya

b b) Tuliskan persamaan komponennya
c c) Dapatkan proporsi komulatifnya
d d) Dapatkan korelasi komponen dengan variabel aslinya

JAWAB :

a) nilai Eigenvalue dan eigenvector

Eigenvalue
Σ  I =0
2 5 2 6 1 0 0 0
5 2 6 2  0 1 0 0 
  =0
2 6 10 12  0 0 1 0
   
6 2 12 10  0 0 0 1

13
2 5 2 6
5 2 6 2
=0
2 6 10   12
6 2 12 10  

2 5 2 6 a b c d
5 2 6 2 e f g h
Misal, 
2 6 10   12 i j k l
6 2 12 10   m n o p

Maka, nilai determinan dari matriks tersebut dapat dihitung dengan cara sebagai
berikut.
A  afkp  bglm  chin  dejo  ahkn  belo  cfip  dgjm
 (2   )(2   )(10   )(10   )  (5)(6)(12)(6)  (2)(2)(2)(2)  (6)(5)(6)(12)
(2  )(2)(10  )(2)  (5)(5)(12)(12)  (2)(2  )(2)(10  )  (6)(6)(6)(6)
  4  24 3  176 2  384  832

B  aflo  bgip  chjm  dekn  ahjo  bekp  cflm  dgin

 (2  )(2  )(12)(12)  (5)(6)(2)(10  )  (2)(2)(6)(6)  (6)(5)(10   )(2)
 (2  )(2)(6)(12)  (5)(5)(10  )(10   )  (2)(2  )(12)(6)  (6)(6)(2)(2)
 169 2  668  1588

C  agln  bhio  cejp  dfkm  agjp  bhkm  celn  dfio

 (2  )(6)(12)(2)  (5)(2)(2)(12)  (2)(5)(6)(10  )  (6)(2   )(10   )(6)
(2  )(6)(6)(10  )  (5)(2)(10   )(6)  (2)(5)(12)(2)  (6)(2   )(2)(12)
 72 2  456  144

Sehingga,
2 5 2 6
5 2 6 2
=0
2 6 10   12
6 2 12 10  
A+B+C =0
 4  24 3  176 2  384  832  169 2  668  1588  78 2  456  144 =0
 4  24 3  65 2  740  900 =0

Kemudian dicari akar-akar dari persamaan tersebut dan diperoleh hasil untuk
eigenvalue yaitu 1  25, 466 ,  2  3,534 ,  3  1,531 , dan  4  6,531 .

Eigenvector

14
 Untuk 1  25, 466
 
Σe1  1e1
2 5 2 6   e11   e11 
5  
2 6 2   e21   e 
  25, 466  21 
2 6 10 12   e31   e31 
    
6 2 12 10   e41  e41 

2e11  5e21  2e31  6e41  25, 466e11

5e11  2e21  6e31  2e41  25, 466e21
2e11  6e21  10e31  12e41  25, 466e31
6e11  2e21  12e31  10e41  25, 466e41

Misal e41  1 , maka akan diperoleh e11  0, 433 , e21  0, 433 , dan e31  1 .
0, 433
 
 0, 433
e
Jadi, 1 
 1 
 
 1 

 Untuk  2  3,534
 
Σe2   2 e2
2 5 2 6   e12   e12 
5 2 6 2   e22  e 
  25, 466  22 
2 6 10 12   e32   e32 
    
6 2 12 10   e42   e42 

2e12  5e22  2e32  6e42  25, 466e12

5e12  2e22  6e32  2e42  25, 466e22
2e12  6e22  10e32  12e42  25, 466e32
6e12  2e22  12e32  10e42  25, 466e42

Misal e42  1 , maka akan diperoleh e12  2,308 , e22  2,308 , dan e32  1 .
 2,308
 
  2,308
Jadi, e2 
 1 
 
 1 

 Untuk  3  1,531

15
  
Σe3   3e3
2 5 2 6   e13   e13 
5  
2 6 2   e23   e 
  25, 466  23 
2 6 10 12   e33   e33 
    
6 2 12 10   e43  e43 

2e13  5e23  2e33  6e43  25, 466e13

5e13  2e23  6e33  2e43  25, 466e23
2e13  6e23  10e33  12e43  25, 466e33
6e13  2e23  12e33  10e43  25, 466e43

Misal e43  1 , maka akan diperoleh e13  0,883 , e23  0,883 , dan e33  1 .
 0,883 
 
  0,883
Jadi, e3 
 1 
 
 1 

 Untuk  4  6,531
 
Σe4   4 e4
2 5 2 6   e14   e14 
5  
2 6 2   e24   e 
  25, 466  24 
2 6 10 12   e34   e34 
    
6 2 12 10   e44   e44 

2e14  5e24  2e34  6e44  25, 466e14

5e14  2e24  6e34  2e44  25, 466e24
2e14  6e24  10e34  12e44  25, 466e34
6e14  2e24  12e34  10e44  25, 466e44

Misal e44  1 , maka akan diperoleh e14  1,133 , e24  1,133 , dan e34  1 .
 1,133
 
  1,133 
e
Jadi, 4 
 1 
 
 1 

b) Persamaan komponen

16
 PC1  0, 433 X 1  0, 433 X 2  X 3  X 4
PC2  2,308 X 1  2,308 X 2  X 3  X 4
PC3  0,883 X 1  0,883 X 2  X 3  X 4
PC4  1,133 X 1  1,133 X 2  X 3  X 4

c) Proporsi kumulatif
1   2   3   4  25, 466  3,534  1,531  6,531
 24

25, 466
Proporsi kumulatif PC1  100%
24
 106,11%

3,534
Proporsi kumulatif PC2  100%
24
 14, 73%
1,531
Proporsi kumulatif PC3   100%
24
 6,38%

6,531
Proporsi kumulatif PC4  100%
24
 27, 21%  0%

d) Korelasi komponen dengan variabel aslinya

PC1 dengan X1
e  0, 433 25, 466
11  11 1  1
11 2
e21 1 0, 433 25, 466
21   1
 22 2
e31 1 1 25, 466
31   1
33 10
e41 1 1 25, 466
41   1
 44 10

PC2 dengan X2

17
 e12  2 2,308 3,534
12    1
11 2
e22  2 2,308 3,534
22    1
 22 2
e32  2 1 3,534
32    0,594
33 10
e42  2 1 3,534
42    0,594
 44 10

PC3 dengan X3
e  0,883 1,531
13  13 3   0, 773
11 2
e23  3 0,883 1,531
23    0, 773
 22 2
e33  3 1 1,531
33    0,391
33 10
e43  3 1 1,531
43    0,391
 44 10

PC4 dengan X4
e  1,133 6,531
14  14 4  0
11 2
e24  4 1,133 6,531
24   0
 22 2
e34  4 1 6,531
34   0
33 10
e44  4 1 6,531
44   0
 44 10

SOAL 5
a a) Kapan digunakan metode multivariate? Jelaskan dan beri contoh.
b b) Kejadian COVID-19 merupakan kejadian Multtivariat. (BENAR / SALAH),
Jelaskan.

18
JAWAB :

a) Metode multivariat digunakan ketika terdapat banyak variabel dan antar variabel
tersebut saling ada keterkaitan (dependensi). Variabel-variabel tersebut minimal
harus memiliki skala data interval dan variabel randomnya adalah kontinu.
Contoh:
Akan dilakukan suatu analisis untuk mengetahui pengaruh kelembaban tanah dan
kadar nitrogen dalam tanah terhadap produksi tembakau dan kadar nikotin dalam
tembakau. Variabel-variabel yang digunakan adalah
X1 = Kelembaban tanah (%)
X2 = Kadar nitrogen dalam tanah (%)
Y1 = Produksi tembakau (kg/ha)
Y2 = Kadar nikotin dalam tembakau (%)
Antar variabel X1 dan X2 saling ada keterkaitan (dependensi) serta antar variabel
Y1 dan Y2 juga saling ada keterkaitan (dependensi). Skala data variabel X1, X2, dan
Y2 adalah interval (0% sampai dengan 100%) serta skala data variabel Y1 adalah
rasio. Selain itu, ke-empat variabel tersebut merupakan variabel random kontinu.

b) Benar, kejadian Covid-19 merupakan kejadian multivariat. Hal ini karena jumlah
kasus positif Covid-19 setiap harinya bergantung pada jumlah kasus sembuh dan
jumlah kasus meninggal. Ketiga variabel tersebut (jumlah kasus positif, jumlah
kasus sembuh, dan jumlah kasus meninggal) saling memiliki keterkaitan
(dependensi). Selain itu, juga dapat dilakukan pengelompokkan negara-negara di
dunia berdasarkan jumlah positif Covid-19 dimana pengelompokkan ini bisa
menggunakan analisis komponen utama atau analisis faktor yang merupakan
metode multivariat. Pengelompokkan tersebut bisa digunakan untuk mengetahui
negara-negara yang masuk kategori darurat Covid-19, waspada Covid-19 atau
lainnya. Hal ini mendukung bahwa kejadian Covid-19 merupakan kejadian
multivariat.

19