Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Seminar Tugas Akhir
Jalu Handoko13 10 100 002
Dosen Pembimbing :Dr. Sony Sunaryo,M.Si
ANALISIS PENGELOMPOKKAN NEGARA-NEGARA IMPORTIR PRODUK INDONESIA
BERDASARKAN FAKTOR BARANG INDUSTRIJURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMINSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA 2014
PENDAHULUAN
TINJAUAN PUSTAKA
METODOLOGI PENELITIAN
PENUTUP
Content
ANALISIS PEMBAHASAN
DAFTAR PUSTAKA
BAB I – Pendahuluan – Latar Belakang
• GDP• Cadang
an DevisaNegara
Maju
• Ekspor• Jasa• Pariwisata• Pinjaman
Luar Negeri• Hibah• TKI
Cadangan Devisa Ekspor
1
BAB I – Pendahuluan – Latar Belakang
EksporAmir,2004
Industri Tambang
Pertanian Migas
EKSPOR
“Penjualan ekspor adalah upaya untuk melakukan penjualan komoditi yang kita miliki kepada bangsa
lain dengan mengharapkan
pembayaran dalam bentuk valuta asing, serta
melakukan komunikasi dengan bahasa asing”
2
BAB I – Pendahuluan – Latar Belakang
Migas dan Tambang
1. Pencemaran Lingkungan2. Nonrenewable energy3. Dominasi asing
Kebijakan pembatasan kapasitas produksi
62%3%
17%
18%
Perkembangan Ekspor Triwulan 1 (2013)
IndustriPertanianTambangMigas
KEMENTERIAN PERENCANAAN PEMBANGUNAN NASIONAL/ BADAN PERENCANAAN PEMBANGUNAN NASIONAL (BAPPENAS) PERKEMBANGAN EKONOMI INDONESIA TRIWULAN I TAHUN 2013
3
BAB I – Pendahuluan – Latar Belakang“Menteri Perekonomian Hatta Rajasa mengatakan Indonesia akan menghentikan ekspor bahan mentah, terutama hasil pertambangan mulai tahun 2014. Alasannya, karena merugikan negara. Berdasarkan Undang-Undang Nomor 4 Tahun 2009 tentang Mineral dan Batubara menyebutkan bahwa perusahaan tambang dilarang menjual bahan mentah ke luar negeri dan larangan tersebut akan dilaksanakan pada 12 Januari 2014.” – Hatta Rajasa.info (web resmi Hatta Rajasa)
4
BAB I – Pendahuluan – Latar Belakang
31 Jenis Bahan Industri
125 Negara Dunia
KLASIFIKASI
KEBIJAKAN 5
BAB I – Pendahuluan –Permasalahan1. Bagaimana pengelompokkan negara-
negara eksportir produk Indonesia berdasarkan faktor produknya.
2. Bagaimana ketepatan pengelompokkan yang telah dilakukan.
6
BAB I – Pendahuluan – Tujuan
1. Mengetahui pengelompokkan negara-negara eksportir produk Indonesia berdasarkan faktor produknya.
2. Mengetahui ketepatan dan karakteristik pengelompokkan yang telah dilakukan.
7
BAB I – Pendahuluan – Manfaat
1. Mampu mengaplikasikan ilmu analisis multivariat yang pernah diperoleh selama masa perkuliahan, khususnya pada permasalahan yang bersifat multivariabel dimana aplikasinya pada perindustrian.
2. Memberikan masukan dan pertimbangan serta informasi tentang hasil analisis pengelompokkan negara-negara eksportir hasil industri Indonesia sebagai salah satu pertimbangan untuk menentukan kebijakan selanjutnya.
8
BAB I – Pendahuluan – Batasan
Batasan masalah penelitian ini dibatasi hanya pada data negara pengekspor hasil industri pada 10 bahan industri terbesar dari seluruh hasil ekspor industri di Indonesia.
9
BAB II – Tinjauan PustakaStatistika Deskriptif(R. E. Walpole,1995).
Statistik deskriptif merupakan metode-metode yangberkaitan dengan pengumpulan dan penyajian suatugugus data sehingga memberikan informasi yang berguna.Statistika deskriptif memberikan informasi hanya mengenaidata yang dipunyai dan sama sekali tidak menarikkesimpulan apapun tentang sekumpulan data yang lebihbesar.
10
BAB II – Tinjauan PustakaAnalisis Multivariat
(Johnson & Wichern, 2007).
Analisis statistika multivariat adalah analisis statistika yangdikenakan pada data yang terdiri dari banyak variabeldan antar variabel saling berkorelasi. Teknik analisismultivariat secara dasar diklasifikasi menjadi dua, yaituanalisis dependensi dan analisis interdependensi
11
BAB II – Tinjauan PustakaAnalisis Biplot
Analisis biplot pertama kali diperkenalkan oleh Gabriel pada tahun 1971 yang dikembangkan dengan metode analisis komponen utama (PCA) yang awalnya dari bentuk matriks data ke bentuk grafik berdimensi dua (Gabriel, K, R. ,1971).
=
npnin
kpkik
pi
pn
xxx
xxx
xxx
1
1
1111
X
=
=
Tn
Tk
T
nn
kk
gg
gg
gg
g
g
g
G
1
21
21
1211
=
=
Tp
Ti
T
pp
ii
hh
hh
hh
H
h
h
h
1
21
21
1211
12
Analisis Cluster Non Hierarki
Metode ini dipakai jika banyaknya kelompok sudahdiketahui dan biasanya metode ini dipakai untukmengelompokkan data yang berukuran besar, yang termasuk dalam metode ini adalah metode K-means
BAB II – Tinjauan Pustaka
Uji Bartlett bertujuan untuk mengetahui apakah terdapathubungan antar variabel dalam kasus multivariat. Jikavariabel 𝑋𝑋1,𝑋𝑋2, … ,𝑋𝑋𝑝𝑝 independen, maka matriks korelasiantar variabel sama dengan matriks identitas(Morrison,1990)
Uji Bartlett
αχγ ;2/)2()1(2
1
22
2)(ˆ)(
)1()1(
−+
=<
>
−−−
−
−= ∑∑∑ pp
p
kk
kiik rrrr
rnT
Hipotesis :𝐻𝐻0: ρ = I𝐻𝐻1: ρ ≠ I
Tolak 𝐻𝐻𝐻𝐻 jika :
Statistik Uji
�̅�𝑟𝑘𝑘 =1
𝑝𝑝 − 1�𝑟𝑟𝑖𝑖𝑘𝑘
𝑝𝑝
𝑖𝑖=1
,𝑘𝑘 = 1, 2, … ,𝑝𝑝
�̅�𝑟 =2
𝑝𝑝(𝑝𝑝 − 1) ∑∑<kiikr )(
𝛾𝛾� =(𝑝𝑝 − 1)2�1 − (1 − 𝑟𝑟)� 2�𝑝𝑝 − (𝑝𝑝 − 2)(1 − 𝑟𝑟)� 2
13
BAB II – Tinjauan PustakaUji Asumsi Homogenitas
𝑘𝑘 = Total Frekuensi untuk masing-masing baris ke-i dan kolom ke-j
𝑆𝑆𝑖𝑖 = Taksiran nilai harapan (expected value)𝑉𝑉𝑖𝑖 = 1,2,3........ n (banyaknya baris)𝑛𝑛𝑖𝑖= 1,2,3.........p (banyaknya kolom)
Pengujian homogenitas berfungsi untuk mengetahui varians data bersifat homogen atauheterogen berdasarkan faktor tertentu. Sama halnya dengan kenormalan, asumsihomogenitas juga diperlukan pada beberapa analisis statistik parametrik. Uji homogenitasbertujuan untuk mencari tahu apakah dari beberapa kelompok data penelitian memilikivarians yang sama atau tidak. Dengan kata lain, homogenitas berarti bahwa himpunandata yang kita teliti memiliki karakteristik yang sama (Johnson and Winchern, 2002).
H0 : Σ1 = Σ2 = ... = Σk H1 : Minimal satu Σi ≠Σj untuk i ≠ j
Hipotesis
Statistik Uji
𝜒𝜒2 = −2(1 − 𝐶𝐶1) �12�𝑣𝑣𝑖𝑖𝑙𝑙𝑛𝑛|𝑆𝑆𝑖𝑖|𝑘𝑘
𝑖𝑖=1
−12𝑙𝑙𝑛𝑛 �𝑆𝑆𝑝𝑝𝐻𝐻𝐻𝐻𝑙𝑙 ��𝑣𝑣𝑖𝑖
𝑘𝑘
𝑖𝑖=1
�
14
BAB II – Tinjauan PustakaMANOVA (Multivariate Analysis of Variance)
Multivariate analysis of variance (MANOVA) digunakan untukmelihat efek utama dan efek interaksi variabel kategorikpada variabel dependen. MANOVA menggunakan satuatau lebih variabel independen kategorik sebagai prediktor.MANOVA merupakan perluasan dari ANOVA
15
BAB II – Tinjauan PustakaMANOVA (Multivariate Analysis of Variance)
Hipotesis :H0 : μ1 = μ2 = ... = μgH1 : Minimal ada satu μi yang tidak sama, i = 1, 2, 3, ..., g
Tolak 𝐻𝐻𝐻𝐻 jika :
Statistik Uji
Λ∗ =|𝑊𝑊|
|𝐵𝐵 + 𝑊𝑊|
∑𝑗𝑗=1𝑔𝑔 𝑛𝑛𝑗𝑗−𝑔𝑔−1
𝑔𝑔−11− Λ∗Λ∗
> Ftabel
𝑊𝑊 = �𝑗𝑗=1
𝑔𝑔
�𝑖𝑖=1
𝑛𝑛𝑛𝑛
𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 ′
𝐵𝐵 = �𝑗𝑗=1
𝑔𝑔
𝑛𝑛𝑗𝑗 𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 ′
Dimana :
16
P = tr ( |𝑊𝑊||𝐵𝐵+𝑊𝑊|
)
BAB II – Tinjauan PustakaMANOVA (One Way MANOVA)
Source of Variation Matrix of SSP Df
Treatment 𝐵𝐵 = �𝑛𝑛=1
𝑔𝑔
𝑛𝑛𝑛𝑛 �𝑥𝑥𝑛𝑛 − �̅�𝑥 �𝑥𝑥𝑛𝑛 − �̅�𝑥 ′ 𝑔𝑔 − 1
Residual (error) 𝑊𝑊 = �𝑛𝑛=1
𝑔𝑔
�𝑗𝑗=1
𝑛𝑛𝑛𝑛
𝑥𝑥𝑛𝑛𝑗𝑗 − �𝑥𝑥𝑛𝑛 𝑥𝑥𝑛𝑛𝑗𝑗 − �𝑥𝑥𝑛𝑛 ′ �𝑛𝑛=1
𝑔𝑔
𝑛𝑛𝑛𝑛 − 𝑔𝑔
Total (corrected for themean)
𝐵𝐵 + 𝑊𝑊 = �𝑛𝑛=1
𝑔𝑔
�𝑗𝑗=1
𝑛𝑛𝑛𝑛
𝑥𝑥𝑛𝑛𝑗𝑗 − �̅�𝑥 𝑥𝑥𝑛𝑛𝑗𝑗 − �̅�𝑥 ′ �𝑛𝑛=1
𝑔𝑔
𝑛𝑛𝑛𝑛 − 1
Tabel One-way MANOVA
No.ofvariables
No.ofgroups
Sampling distribution for multivariate normaldata
P = 1 g ≥ 2 ∑𝑛𝑛𝑙𝑙 − 𝑔𝑔𝑔𝑔 − 1
1 − Λ ∗Λ ∗
~𝐹𝐹𝑔𝑔−1,∑ 𝑛𝑛𝑛𝑛−𝑔𝑔
P = 2 g ≥ 2 ∑𝑛𝑛𝑙𝑙 − 𝑔𝑔 − 1𝑔𝑔 − 1
1 − Λ ∗Λ ∗
~𝐹𝐹2(𝑔𝑔−1),2(∑ 𝑛𝑛𝑛𝑛−𝑔𝑔−1)
P ≥ 1 g = 2 ∑𝑛𝑛𝑙𝑙 − 𝑝𝑝 − 1𝑝𝑝
1 − Λ ∗Λ ∗
~𝐹𝐹𝑝𝑝,∑ 𝑛𝑛𝑛𝑛−𝑝𝑝−1
P ≥ 1 g = 3 ∑𝑛𝑛𝑙𝑙 − 𝑝𝑝 − 2𝑝𝑝
1 − Λ ∗Λ ∗
~𝐹𝐹2𝑝𝑝,2(∑ 𝑛𝑛𝑛𝑛−𝑝𝑝−2)
Tabel Distribution of Wilks’ Lambda
17
BAB II – Tinjauan PustakaAnalisis Diskriminan (Discriminant Analysis)
Analisis diskriminan merupakan teknik statistik yang tepatdalam menangani baik dua kelompok atau beberapakelompok (multianalisis diskriminan) variabel. Ini melibatkankombinasi liniear dari dua (atau lebih) variabel independenyang akan melakukan diskriminasi terbaik antara priorikelompok yang didefinisikan.
(Hair et al, 1990)
18
BAB II – Tinjauan PustakaTPM
�𝑑𝑑𝑖𝑖 𝑥𝑥 = �𝑋𝑋𝑖𝑖′𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛−1𝑋𝑋 −
12�𝑋𝑋𝑖𝑖′𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛−1 �𝑋𝑋𝑖𝑖 + 𝑙𝑙𝑛𝑛(𝑃𝑃𝑖𝑖)
Fungsi Diskriminan
𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛 =1
𝑛𝑛1 + 𝑛𝑛2 + ⋯+ 𝑛𝑛𝑔𝑔 − 𝑔𝑔𝑛𝑛1 − 1 𝑆𝑆1 + 𝑛𝑛2 − 1 𝑆𝑆2 + ⋯+ 𝑛𝑛𝑔𝑔 − 1 𝑆𝑆𝑔𝑔
Dimana :
�𝑑𝑑𝑘𝑘 𝑥𝑥 = 𝑚𝑚𝑚𝑚𝑥𝑥 �𝑑𝑑1 𝑥𝑥 , �𝑑𝑑2 𝑥𝑥 , �𝑑𝑑3 𝑥𝑥 , … , �𝑑𝑑𝑔𝑔 𝑥𝑥
Penentuan klasifikasi dengan nilai maksimum dari :
20
BAB II – Tinjauan PustakaFisher
�𝑦𝑦𝑖𝑖 = �𝑚𝑚𝑖𝑖′𝑥𝑥
Fungsi Diskriminan
𝑊𝑊 = �𝑖𝑖=1
4
�𝑗𝑗=1
𝑛𝑛𝑡𝑡
𝑥𝑥𝑖𝑖𝑗𝑗 − �̅�𝑥𝑖𝑖 𝑥𝑥𝑖𝑖𝑗𝑗 − �̅�𝑥𝑖𝑖′
= 𝑛𝑛1 + 𝑛𝑛2 + 𝑛𝑛3 + 𝑛𝑛4 − 4 𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛𝑝𝑝𝑝𝑝
𝐵𝐵 = �𝑖𝑖=1
𝐽𝐽
�̅�𝑥𝑖𝑖 − �̅�𝑥 �̅�𝑥𝑖𝑖 − �̅�𝑥 ′
𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛 =1
𝑛𝑛1 + 𝑛𝑛2 + ⋯+ 𝑛𝑛𝑔𝑔 − 𝑔𝑔𝑛𝑛1 − 1 𝑆𝑆1 + 𝑛𝑛2 − 1 𝑆𝑆2 + ⋯+ 𝑛𝑛𝑔𝑔 − 1 𝑆𝑆𝑔𝑔
Dimana :
𝜋𝜋 = min 𝑆𝑆𝑆𝑆𝑆𝑆𝑆; 𝑆𝑆𝑆𝑆𝑆𝑆𝑆;𝑆𝑆𝑆𝑆𝑆𝑆𝑆; . . ; 𝑆𝑆𝑆𝑆𝑆𝑆𝑔𝑔
Penentuan klasifikasi dengan nilai maksimum dari :
𝑊𝑊−1𝐵𝐵 − 𝜆𝜆𝜆𝜆 �𝑚𝑚1 = 0
�𝑚𝑚𝑖𝑖′ diperoleh dari :
21
BAB II – Tinjauan PustakaEkspor
22
Ekspor
Langsung
Tak Langsung
“Cara menjual barang atau jasa melalu perantara/eksportit yang bertempat di negara
lain atau negara tujuan ekspor. Penjualan dilakukan melalui distributor dan perwakilan
penjualan perusahaan. Keuntungan dari jenis ekspor ini adalah produksi terpusat di negara asal dan kontrol terhadap distribusi lebih baik. Kelemahannya adalah biaya tranportasi lebih
tinggi untuk produk dalam skala besar.”-Daniels-
teknik ekspor dimana barang dijual melalui perantara/eksportir negara asal kemudian dijual
oleh perantara tersebut. Proses penjualan ini melalui perusahaan manajemen ekspor ( export
management companies ) dan perusahaan pengekspor ( export trading companies ).
Kelebihan dari ekspor jenis ini adalah sumber daya produksi terkonsentrasi dan tidak perlu
menangani ekspor secara langsung. Kerugiannya adalah kontrol terhadap distribusi kurang dan pengetahuan terhadap operasi di
negara lain kurang.-Daniels-
BAB III – Metodologi – Sumber DataSumber Data
Data yang digunakan pada penelitian ini adalah data sekunder dari Pusat Data dan
Informasi (Pusdatin) Kementerian Perindustrian. Data merupakan data ekspor dan negara
pengekspor barang industri Indonesia. Data yang digunakan adalah data ekspor Indonesia
untuk barang Industri mulai tahun 2007-2012
23
BAB III – Metodologi – Variabel Penelitian
Variabel
Keterangan
ID Negara EksportirX1 Pengolahan Kelapa/Kelapa SawitX2 Pengolahan KaretX3 TekstilX4 Besi baja, Mesin-mesin, dan OtomotifX5 ElektronikaX6 Pengolahan Tembaga,Timah, dllX7 Kimia DasarX8 Pulp dan KertasX9 Makanan dan Minuman
X10 Pengolahan Kayu
Variabel yang digunakan dalam penelitian :Dimana :
1. Negara Eksportir, yaitu negara-negara di dunia yang melakukan aktivitas ekspor terhadap produk industri yang berada di Indonesia.2. Variabel X1-X10 merupakan produk-produk ekspor yang diteliti.
24
BAB III – Metodologi – Sumber DataFlow Chart
Manova One Way
Analisis Diskriminan
Analisis Biplot dan Cluster
Kelompok Negara Importir
Ketepatan Klasifikasi
Studi Literatur
Perumusan Masalah
Identifikasi Variabel
Mulai
Uji Normal MultivariatUji Homogenitas
Pengumpulan Data
Tidak
Ya
25
BAB IV – Analisis dan Pembahasan
Statistika Deskriptif Nilai Ekspor Produk IndustriVariabel Rata-Rata
US (dollar)Standar Deviasi
Kelapa/Kelapa Sawit 3.753.244 16.995.498
Pengolahan Karet 50.415.347 235.617.775
Tekstil 216.135.316 988.388.716Besi baja, Mesin-mesin, dan Otomotif
1.997.660.739 7.312.243.787
Elektronika 598.658.347 2.601.685.644Pengolahan Tembaga Timah 79.601.636 297.731.871
Kimia Dasar 549.093.415 1.630.080.041Pulp dan Kertas 120.763.987 280.815.752
Makanan dan Minuman 215.616.072 704.813.128
Pengolahan Kayu 18.219.566 77.999.009 26
BAB IV – Analisis dan Pembahasan
Analisis Biplot Dunia
IAKU1
-80000-70000-60000-50000-40000-30000-20000-10000
0100002000030000400005000060000700008000090000
100000110000120000130000
Rataan
-100000 0 100000 200000 300000
Analisis dilakukan pada masing-masing benua yang ada di dunia, yaitu Asia, Eropa, Amerika, dan Afrika.
27
BAB IV – Analisis dan Pembahasan
Analisis Biplot dan Cluster Benua Eropa
IAKU1
-20000
-10000
0
10000
20000
30000
40000
50000
60000
Rataan
-10000 0 10000 20000 30000 40000 50000 60000 70000 80000 90000100000110000
Kelompok 1 Kelompok 2
ANDORRA BELANDA
AUSTRIA CEKOSLOVAKIA
BELGIA CROATIA
BULGARIA DENMARK
FEDERASI RUSIA ESTONIA
INGGRIS FINLANDIA
ITALIA GEORGIA
JERMAN HONGARIA
PRANCIS IRLANDIA
SWAZILAND ISRAEL
UKRAINE LATVIA
LITHUANIA
LUKSEMBURG
MALTA
NORWEGIA
POLANDIA
PORTUGAL
REPUBLIK CZECH
RUMANIA
SIPRUS
SLOVAKIA
SLOVENIA
SPANYOL
SWEDIA
SWISS
TURKI
YUNANI28
BAB IV – Analisis dan PembahasanAnalisis Biplot dan Cluster Benua Asia
IAKU1
-100000
0
100000
200000
Rataan
-100000 0 100000 200000 300000
Kelompok 1 Kelompok 2 Kelompok 3AUSTRALIA JEPANG THAILANDTAIWAN CHINAINDIA SINGAPURAMALAYSIASAUDI ARABIABRUNAI DARUSSALAMAFGHANISTANBAHRAINBANGLA DESHHONGKONGIRAKIRANKAMBOJAKAZAKHSTANKOREA SELATANKOREA UTARAKUWAITKYRGYZSTANLAOSMACAUMONGOLIAMYANMAROMANPAKISTANPAPUA NUGINIPILIPINAQATARSELANDIA BARUSIRIASRI LANGKAUNI EMIUZBEKISTVIETNAMYAMANYORDANIA
29
BAB IV – Analisis dan PembahasanAnalisis Biplot dan Cluster Benua Amerika
IAKU1
-10000
0
10000
20000
30000
40000
Rataan
-20000 0 20000 40000 60000 80000 100000 120000 140000 160000
Kelompok 1 Kelompok 2 Kelompok 3
AMERIKA SERIKAT CHILI HONDURAS
BRASIL KOLUMBIA
KANADA MEKSIKO
PARAGUAY
PERU
SURINAME
URUGUAY
ARGENTIN
BAHAMA
COSTA RI
EKUADOR
GUATEMAL
HAITI
PANAMA
PUERTO R
TRINIDAD
VENEZUEL
EL SALVA
KUBA
BOLIVIA
NIKARAGUA 30
BAB IV – Analisis dan PembahasanAnalisis Biplot dan Cluster Benua Afrika
IAKU1
-3000-2000-1000
0100020003000400050006000700080009000
10000110001200013000140001500016000
Rataan
-10000 0 10000 20000 30000 40000
Kelompok 1 Kelompok 2 Kelompok 3AFRIKA SELATAN GAMBIA MAROKO
GHANAKONGOLIBERIALIBIAMADAGASCARMAROKOMESIRNAMIBIATANZANIAUGANDAZAMBIAANGOLAKAMERUNKENYAMALINIGERIAPANTAI GSINEGALSUDANT O G OTUNISIAAFGANISTALJAZAIRGABON
31
BAB IV – Analisis dan PembahasanUji BartlettUji bartlett bertujuan untuk mengidentifikasi apakah analisis multivariatyang akan dilakukan untuk penelitian ini layak atau tidak untukdigunakan.
Benua P-Value
Eropa 0,000
Asia 0,000
Amerika 0,000
Afrika 0,000
32
BAB IV – Analisis dan PembahasanUji Asumsi Normal Multivariat dan HomogenitasUji ini digunakan untuk memenuhi asumsi dari analisis multivariat yangakan digunakan .
Multivariat Normal
Benua ProporsiEropa 0,657895Asia 0,666667Amerika 0,600000Afrika 0,615385
Homogenitas Varians Kovarians
Benua KeputusanEropa Tidak HomogenAsia Tidak HomogenAmerika Tidak HomogenAfrika Tidak Homogen
33
BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way)
Analisis ini digunakan untuk mengetahui apakahmasing-masing grup terdapat perbedaan yangsignifikan atau tidak.
34
BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) EropaBerikut adalah output Manova One Way
Effect Value P-valueIntercept Pillai's Trace ,612 ,001
Wilks' Lambda ,388 ,001Hotteling Trace 1,578 ,001
Roy's Largest Root 1,578 ,001
Group Pillai's Trace ,587 ,003Wilks' Lambda ,413 ,003Hotteling Trace 1,422 ,003
Roy's Largest Root 1,422 ,003
Kesimpulan : Perbedaan antar kelompok dari Benua Eropa benarterjadi.
35
BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) AsiaBerikut adalah output Manova One Way
Kesimpulan : Perbedaan antar kelompok dari Benua Asia benar terjadi.
Effect Value P-ValueIntercept Pillai's Trace ,999 ,000
Wilks' Lambda ,001 ,000Hotteling Trace 968,633 ,000
Roy's Largest Root 968,633 ,000
Group Pillai's Trace 1,929 ,000
Wilks' Lambda ,000 ,000Hotteling Trace 963,546 ,000
Roy's Largest Root 950,319 ,000
36
BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) AmerikaBerikut adalah output Manova One Way
Kesimpulan : Perbedaan antar kelompok dari Benua Amerika benarterjadi.
Effect Value P-ValueIntercept Pillai's Trace 1,000 ,000
Wilks' Lambda ,000 ,000
Hotteling Trace 717149,008 ,000
Roy's Largest Root 717149,008 ,000
Group Pillai's Trace 2,000 ,000Wilks' Lambda ,000 ,000
Hotteling Trace 690986,985 ,000
Roy's Largest Root 684237,083 ,000
37
BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) AfrikaBerikut adalah output Manova One Way
Kesimpulan : Perbedaan antar kelompok dari Benua Afrika benarterjadi.
Effect Value P-ValueIntercept Pillai's Trace 1,000 ,000
Wilks' Lambda ,000 ,000Hotteling Trace 25514,424 ,000Roy's Largest Root 25514,424 ,000
Group Pillai's Trace 1,995 ,000Wilks' Lambda ,000 ,000Hotteling Trace 62748,057 ,000Roy's Largest Root 62549,198 ,000
38
BAB IV – Analisis dan PembahasanAnalisis Diskriminan
Tujuan utama analisis diskriminan • Mengetahui variabel yang paling berpengaruh
terhadap proses diskriminasi grup• Mengetahui ketepatan klasifikasi dari
pengelompokkan yang dilakukan.
39
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua Eropa
VariabelFunction
1Kelapa_Sawit -1,609Karet -,683Tekstil -,762Besi_Baja ,874Elektronika -1,503Timah ,063Kimia_Dasar ,057Pulp_kertas 1,556Makanan_Minuman ,344Kayu 2,226
Standardized Canonical Discriminant Function Coefficients BenuaEropa
40
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua EropaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Eropa
Group Predicted Group MembershipTotal
1 2
OriginalCount
1 8 3 112 0 27 27
%1 72,7 27,3 100,02 ,0 100,0 100,0
Cross-validatedb Count1 6 5 112 0 27 27
% 1 54,5 45,5 100,02 ,0 100,0 100,0
41
BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Eropa
Group Predicted Group MembershipTotal
1 2
OriginalCount 1 8 3 11
2 0 27 27
% 1 72,7 27,3 100,02 ,0 100,0 100,0
Cross-validatedb Count1 6 5 112 0 27 27
% 1 54,5 45,5 100,02 ,0 100,0 100,0
𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =3 + 0
11 + 27= 0,0789
42
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AsiaStandardized Canonical Discriminant Function Coefficients BenuaAsia
VariabelFunction Function
1 2Kelapa_Sawit 1,879 ,320
Karet -3,694 -1,026
Tekstil 4,147 -,256
Besi_Baja -2,343 2,504
Elektronika -,775 ,673
Timah ,364 -2,122
Kimia_Dasar 2,293 ,735
Pulp_kertas -1,260 ,407
Makanan_Minuman 1,490 1,619
Kayu ,105 -1,519
43
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AsiaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Asia
Group Predicted Group Membership Total
1 2 3Original Count 1 35 0 0 35
2 0 1 0 13 0 0 3 3
%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0
Cross-validatedb
Count1 33 0 2 352 0 0 1 13 2 0 1 3
%1 94,3 ,0 5,7 100,02 ,0 ,0 100,0 100,03 66,7 ,0 33,3 100,0
44
BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Asia
Group Predicted Group Membership Total
1 2 3Original Count 1 35 0 0 35
2 0 1 0 13 0 0 3 3
%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0
Cross-validatedb
Count1 33 0 2 352 0 0 1 13 2 0 1 3
%1 94,3 ,0 5,7 100,02 ,0 ,0 100,0 100,03 66,7 ,0 33,3 100,0
𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =0 + 0 + 0
35 + 1 + 3= 0 45
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AmerikaStandardized Canonical Discriminant Function Coefficients BenuaAmerika
Function Function
1 2Kelapa_Sawit ,218 ,151
Karet 13,723 10,691
Tekstil 6,871 -3,251
Besi_Baja ,612 ,365
ELektronika -6,119 ,077
Timah 10,382 3,226
Kimia_Dasar -,978 1,470
Makanan_Minuman -7,039 -8,269
Kayu -,232 ,53146
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AmerikaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Amerika
Group Predicted Group Membership Total
1 2 3
Original
Count1 1 0 0 12 0 3 0 33 0 0 21 21
%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0
Cross-validatedb
Count1 0 1 0 12 0 3 0 33 0 1 20 21
%1 ,0 100,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 4,8 95,2 100,0
47
BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Amerika
𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =0 + 0 + 0
1 + 3 + 21= 0
Group Predicted Group Membership Total
1 2 3
Original
Count1 1 0 0 12 0 3 0 33 0 0 21 21
%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0
Cross-validatedb
Count1 0 1 0 12 0 3 0 33 0 1 20 21
%1 ,0 100,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 4,8 95,2 100,0
48
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AfrikaStandardized Canonical Discriminant Function Coefficients BenuaAfrika
Function Function1 2
Kelapa_Sawit -,591 ,315Karet 7,634 -4,307Tekstil -7,819 3,489Besi_Baja ,068 ,346ELektronika -,117 ,103Timah -,042 ,145Kimia_Dasar ,053 ,493Pulp_kertas 2,581 -,443Makanan_Minuman -,115 ,931Kayu ,479 -,049 49
BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AfrikaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Afrika
Group Predicted Group MembershipTotal
1 2 3Original Count 1 1 0 0 1
2 0 24 0 243 0 0 1 1
%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0
Cross-validatedb
Count1 0 1 0 12 0 23 1 243 0 1 0 1
%1 ,0 100,0 ,0 100,02 ,0 95,8 4,2 100,03 ,0 100,0 ,0 100,0
50
BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Afrika
𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =0 + 0 + 0
1 + 24 + 1= 0
Group Predicted Group MembershipTotal
1 2 3Original Count 1 1 0 0 1
2 0 24 0 243 0 0 1 1
%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0
Cross-validatedb
Count1 0 1 0 12 0 23 1 243 0 1 0 1
%1 ,0 100,0 ,0 100,02 ,0 95,8 4,2 100,03 ,0 100,0 ,0 100,0
51
BAB V – PenutupKesimpulanBerdasarkan hasil analisis dan pembahasan pada bab sebelumnya, maka dapat disimpulkan bahwa:1. Pengelompokkan yang terbentuk menunjukkan bahwa masing-
masing benua membentuk pengelompokkan yang berbeda. Benua Eropa dengan 2 kelompok dan 3 benua lain yang membentuk 3 kelompok.
2. Ketepatan klasifikasi dari keempat benua yang dilakukan pengelompokkan menunjukkan prosentase ketepatan klasifikasiyang cukup tinggi terutama hasil pengelompokkan Benua Asia, Amerika, dan Afrika. Dimana tingkat ketepatan klasifikasinya mencapai 100%. Sedangkan Benua Eropa ketepatan klasifikasinya adalah sebesar 92,1%.
52
BAB V – PenutupPembahasan Non Statistik
Hasil Analisis
Perubahan kebijakan
Pendapatan negara meningkat
53
Daftar Pustaka
Daniels,et all. International Business. 12Th Ed. 2009. New Jersey. Pearson Education International. hal 548 – 551
Gabriel, K, R. (1971), The Biplot Graphic Display of Matrices with Aplication to Principal Component Analysis, Journal of Biometrica. 58, 453-
467Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit Universitas DiponegoroHair, IF., Rolph E. Anderson, and Ronald 1.. Tatham (1990). Multivariate Data
AnalySIS with Readings. 2nd ed. Macmillan Publishing Co. New York.Johnson, Richard A and Dean W. Wichern. 2007. Applied Multivariate Statistical
Analysis. United State of America. Pearson Education. IncKemenperin.go.id (diakses pada 27 Januari 2014)Kattre & Naik (2000)R. E. Walpole, Pengantar Statistika. Jakarta: PT Gramedia Pustaka Utama,
(1995). Michie, D., Spiegelhalter, D.J. and Taylor C.C. 1994. Machine Learning, Neural
and Statistical Classification. 54
Daftar Pustaka
Morrison, D. F. (1990). Multivariate Statistical Methods (3rd ed.). USA: McGraw-Hill, Inc.
M.S, Amir, 1990 Ekspor-Impor Teori dan Penerapannya, PT Pusaka Binaman Presindo : Jakarta.
Nur S. (2011) Analisis Performansi Perusahaan Syariah di Bursa Efek Indonesia (BEI) Menggunakan Metode Discriminant Analysis dan Support Vector Machine (SVM). Tugas Akhir S1 yang tidak dipublikasikan, Jurusan Statistika, Institut Teknologi Sepuluh Nopember.
Rizky N. (2012) Analisis Kepuasan PT PLN Unit Pembangkitan Jawa Bali Terhadap Kinerja PT PJB dalam Pelayanan Jasa Operation & Maintenance di PLTU Rembang. Tugas Akhir S1 yang tidak dipublikasikan, Jurusan Statistika, Institut Teknologi Sepuluh Nopember.Williams, B. K., Titus, K., Hines, J. E. (1991). Stability and bias of classification rates
in biological applications of discriminant analysis. The Journal of Wildlife Management, 54, 331-341.
55