UKURAN KESESUAIAN ANALISIS KORESPONDENSI MELALUI ANALISIS PROCRUSTES SARI RAHAYU
|
|
- Hartanti Vera Kusuma
- 7 tahun lalu
- Tontonan:
Transkripsi
1 UKURAN KESESUAIAN ANALISIS KORESPONDENSI MELALUI ANALISIS PROCRUSTES SARI RAHAYU DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
2 ABSTRAK SARI RAHAYU. Ukuran Kesesuaian Analisis Korespondensi Melalui Analisis Procrustes. Dibimbing oleh SISWADI dan TONI BAKHTIAR. Analisis korespondensi merupakan bagian analisis peubah ganda yang mempelajari hubungan dua atau lebih variabel dengan memeragakan baris dan kolom secara serempak dari tabel kontingensi dalam ruang berdimensi rendah dengan menggunakan jarak khi-kuadrat. Dari analisis korespondensi diperoleh matriks koordinat profil baris dan kolom. Studi ini bertujuan menghitung ukuran kesesuaian analisis korespondensi melalui analisis Procrustes dan mengaplikasikan analisis korespondensi pada dua contoh data yaitu hubungan antara kelompok pegawai dengan kebiasaan merokok dan hubungan antara provinsi dengan lapangan pekerjaan utama. Ukuran kesesuaian melalui analisis Procrustes ditentukan dari nilai perbedaan minimum ketiga transformasi geometri yaitu translasi, rotasi, dan dilasi. Ukuran kesesuaian dalam analisis korespondensi melalui analisis Procrustes untuk matriks koordinat profil baris dan kolom perlu dilakukan ketiga transformasi. Hasil analisis untuk hubungan kategori perokok dengan kelompok pegawai menghasilkan ukuran kesesuaian masing-masing untuk profil baris dan kolom sebesar 98.64% dan 99.53%. Sedangkan hasil analisis Procrustes untuk hubungan provinsi dengan lapangan pekerjaan utama menghasilkan ukuran kesesuaian masing-masing untuk profil baris dan kolom masing-masing sebesar 91.83% dan 88.25%. Kata kunci: analisis korespondensi, ukuran kesesuaian, analisis Procrustes
3 ABSTRACT SARI RAHAYU. Goodness-of-fit of Correspondence Analysis via Procrustes Analysis. Under supervision of SISWADI and TONI BAKHTIAR. Correspondence analysis is a part of multivariate analysis studying the relationship of two or more variables which are displayed in rows and columns simultaneously from contingency table in low dimensional space using the Chi-square distance. From correspondence analysis, it is obtained row and column profiles co-ordinate matrix. This study aims to calculate the goodness-of-fit of correspondence analysis via Procrustes analysis and applied to two examples of data, i.e. the relationships between categories of smokers and groups of employees and the relationship between the province and the main jobs. To obtain the Procrustes analysis, we need to determine minimum difference through three geometric transformations, i.e. translation, rotation, and dilation. In correspondence analysis, we need to do three transformations on Procrustes analysis to obtain goodness-of-fit in row and column profiles co-ordinate matrix. The result of Procrustes analysis for relationship between employee groups and smoking habits to row and column profiles is 98.64% and 99.53% respectively. While the result of Procrustes analysis for relationship between province and the main jobs to row and column profiles is 91.83% and 88.25% respectively. Keywords: correspondence analysis, goodness-of-fit, Procrustes analysis
4 UKURAN KESESUAIAN ANALISIS KORESPONDENSI MELALUI ANALISIS PROCRUSTES SARI RAHAYU Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
5 Judul Skripsi Nama NIM : Ukuran Kesesuaian Analisis Korespondensi Melalui Analisis Procrustes : Sari Rahayu : G Menyetujui, Pembimbing I, Pembimbing II, Prof Dr Ir Siswadi, MSc NIP Dr Toni Bakhtiar, MSc NIP Mengetahui, Ketua Departemen Matematika, Dr Toni Bakhtiar, MSc NIP Tanggal Lulus :
6 Judul Skripsi Nama NIM Ukuran Kesesuaian Analisis Korespondensi Melalui Analisis Procrustes Sari Rahayu G Menyetujui, Pembimbing I, Pembimbing II, Prof Dr If Siswadi, MSc NIP Dr Toni Bakhtiar, MSc NIP Mengetahui, Ketua Departemen Matematika, Bakhtiar, MSc a. 0 2 JAN 2014 Tangoal Lulus....
7 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala limpahan rahmat dan karunianya, sehingga karya ilmiah berjudul Ukuran Kesesuaian Analisis Korespondensi Melalui Analisis Procrustes ini dapat penulis selesaikan. Shalawat dan salam tak lupa penulis curahkan kepada Nabi Besar Muhammad SAW beserta seluruh keluarga, sahabat, dan para pengikutnya sampai akhir zaman. Ucapan terima kasih penulis haturkan kepada Prof Dr Ir Siswadi, MSc selaku dosen pembimbing I dan Dr Toni Bakhtiar, MSc selaku dosen pembimbing II atas semua ilmu, kesabaran, serta motivasi yang telah diberikan selama penulisan karya ilmiah ini. Ucapan terima kasih juga penulis haturkan kepada Ir Ngakan Komang Kutha Ardana, MSc selaku dosen penguji yang telah banyak memberi saran. Penulis juga ingin mengucapkan terima kasih kepada seluruh dosen di Departemen Matematika atas semua ilmu yang diberikan, serta staf dan pegawai di Departemen Matematika atas semua bantuan dan pelayanannya selama ini. Karya ilmiah ini penulis persembahkan untuk Bapak, Ibu, Adik tersayang dan Dzulkarnain. Penulis mengucapkan terima kasih atas doa, kesabaran, dukungan, motivasi, dan kasih sayang yang tiada henti kepada penulis. Tak lupa penulis mengucapkan terima kasih kepada teman-teman Matematika 44, adik-adik Matematika Angkatan 45 dan 46, serta seluruh pihak yang telah membantu penulis dalam penulisan karya ilmiah ini. Semoga karya ilmiah ini bermanfaat. Bogor, Desember 2013 Sari Rahayu
8 RIWAYAT HIDUP Penulis dilahirkan di Bogor, Jawa Barat pada tanggal 21 September 1989 dari pasangan bapak Jumadi dan ibu Sudarini. Penulis merupakan putri pertama dari tiga bersaudara. Pada tahun 2007, penulis lulus dari SMA Negeri 1 Cibinong dan pada tahun yang sama diterima sebagai mahasiswa IPB melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis memilih mayor Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, dengan minor Statistika Terapan sebagai mata kuliah penunjang. Selama mengikuti perkuliahan, penulis menjadi asisten mata kuliah Kalkulus pada semester ganjil tahun akademik Penulis mendapatkan beasiswa Perhimpunan Orang Tua Mahasiswa (POM) pada semester ganjil tahun akademik sampai dengan semester genap tahun akademik dan beasiswa Pengembangan Prestasi Akademik (PPA) pada semester ganjil tahun akademik sampai dengan semester genap tahun akademik Penulis juga pernah menjadi panitia dalam Pesta Sains Nasional 2009 dan 2010, Welcome Ceremony Mathematica, Math Expo, Reuni Akbar Matematika dan kegiatan kepanitian lainnya.
9 DAFTAR ISI DAFTAR TABEL... DAFTAR GAMBAR... Halaman PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 LANDASAN TEORI... 1 Dekomposisi Nilai Singular... 1 Analisis Korespondensi... 3 Ukuran Kesesuaian Analisis Korespondensi... 5 Analisis Procrustes... 5 Translasi... 5 Rotasi... 6 Dilasi... 6 PEMBAHASAN... 8 Ukuran Kesesuaian Analisis Korespondensi Melalui Analisis Procrustes... 8 Ukuran Kesesuaian Matriks Koordinat Profil Baris... 8 Ukuran Kesesuaian Matriks Koordinat Profil Kolom... 9 Contoh Aplikasi Analisis Korespondensi... 9 SIMPULAN DAFTAR PUSTAKA viii viii
10 DAFTAR TABEL Halaman 1 Bentuk umum tabel kontingensi Bentuk umum matriks korespondensi Data kategori perokok dengan kategori pekerjaan dari beberapa perusahaan Data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama pada DAFTAR GAMBAR Halaman 1 Plot analisis korespondensi data hasil pengamatan kategori perokok dengan kelompok pegawai dari beberapa perusahaan Plot analisis korespondensi data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama... 12
11 PENDAHULUAN Latar Belakang Analisis korespondensi diartikan sebagai sebuah teknik analisis eksplorasi data untuk memperlihatkan dengan grafik dari tabel kontingensi dan data kategori peubah ganda. Berdasarkan kegunaannya, analisis korespondensi dan analisis komponen utama memiliki kesamaan yaitu mereduksi dimensi data menjadi yang lebih sederhana sedangkan perbedaannya terletak pada data yang digunakan. Analisis komponen utama digunakan untuk data dengan skala pengukuran kontinu sedangkan analisis korespondensi digunakan untuk data kategori (Abdi dan Williams 2010). Tujuan dari analisis korespondensi ialah untuk mengubah data tabel menjadi dua kelompok nilai faktor yaitu satu untuk baris dan satu untuk kolom. Nilai faktor memberikan representasi terbaik dari struktur kesamaan baris dan kolom dari tabel. Analisis korespondensi memproyeksikan baris-baris dan kolom-kolom dari matriks data sebagai titik-titik ke dalam sebuah grafik berdimensi rendah, biasanya dua. Baris dan kolom dalam grafik ini diperlihatkan sebagai titik-titik di mana koordinatnya merupakan nilai faktor dan dimensinya disebut faktor. Nilai faktor baris dan kolom memiliki nilai eigen yang sama dan karena itu, kedua baris dan kolom dapat dengan mudah diwakili dalam satu peta tunggal (Abdi dan Williams 2010). Ukuran kesesuaian digunakan untuk mengukur seberapa baik analisis korespondensi menggambarkan data asli berdimensi tinggi melalui data pendekatan berdimensi rendah. Metode lain untuk mendapatkan ukuran kesesuaian ialah dengan analisis Procrustes. Analisis Procrustes adalah salah satu metode yang menyatakan perbedaan dua atau lebih konfigurasi n-titik sebagai suatu nilai numerik (Krzanowski 1990). Nilai numerik yang dihasilkan metode ini dapat digunakan untuk memperkirakan ukuran kesesuaian antar-konfigurasi (Sibson 1978). Dalam analisis Procrustes, nilai perbedaan minimum dari dua atau lebih konfigurasi dihitung dengan menggunakan tiga transformasi geometris yaitu translasi, rotasi, dan dilasi. Ketiga transformasi tersebut dapat digunakan untuk menentukan ukuran kesesuaian yang optimal. Tujuan Tujuan dari karya ilmiah ini ialah: 1. Menghitung ukuran kesesuaian analisis korespondensi melalui analisis Procrustes. 2. Mengaplikasikan analisis korespondensi pada dua contoh data, yaitu hubungan antara kategori perokok dengan kelompok pegawai serta hubungan antara provinsi dengan lapangan pekerjaan utama. LANDASAN TEORI Dekomposisi Nilai Singular Definisi 1 (Nilai Eigen dan Vektor Eigen) Misalkan A adalah suatu matriks n n. Skalar λ disebut sebagai nilai eigen atau nilai karakteristik dari A jika terdapat suatu vektor taknol x, sehingga Ax = λx. Vektor x disebut vektor eigen atau vektor karakteristik matriks A yang bersesuaian dengan λ (Leon 2001). Definisi 2 (Nilai Singular) Misalkan X adalah suatu matriks n p. Nilai-nilai singular dari X adalah akar dari nilai eigen yang positif dari matriks X T X atau XX T (Leon 2001). Definisi 3 (Dekomposisi Nilai Singular) Setiap matriks Y yang berdimensi n p dapat dinyatakan sebagai bentuk Dekomposisi Nilai Singular (DNS) sebagai berikut: T ny p = n U r L r W p (1) (Jolliffe 2002), di mana U dan W masingmasing dengan r kolom ortonormal, r merupakan pangkat matriks Y dengan r min n, p. U T U = W T W = I r, dengan I r merupakan matriks identitas berpangkat r. L = diag λ 1, λ 2,, λ r dengan λ 1 λ 2 λ r > 0 dan λ i, i = 1,2, r merupakan nilai singular dari matriks Y. Matriks W adalah matriks yang kolomkolomnya terdiri atas vektor eigen w i yang berpadanan dengan nilai eigen taknol i dari matriks Y T Y. Matriks U adalah matriks yang kolom-kolomnya merupakan vektor eigen yang berpadanan dengan nilai eigen taknol dari matriks YY T dalam bentuk U = u 1, u 2,, u r
12 2 = Yw 1 λ 1, Yw 2 λ 2,, Yw r λ r. (2) Untuk membuktikan persamaan (1), diperlukan fakta sebagai berikut: 1. Y T Y w = 0 Y w = 0, untuk sembarang w R p. 2. Y T Y dan YY T berpangkat r dan merupakan matriks semidefinit positif dengan r nilai eigen positif yang sama. 3. Nilai eigen matriks Y T Y dapat diurutkan menjadi λ 1 λ 2 λ r > λ r+1 = = λ p = 0 dengan vektor-vektor eigen yang bersesuaian adalah w 1, w 2,, w r, w r+1,, w p. Nilai eigen matriks YY T dapat diurutkan menjadi λ 1 λ 2 λ r > λ r+1 = = λ n = 0 dengan vektorvektor eigen yang bersesuaian adalah u 1 = Yw 1, u λ 2 = Yw 2,, u 1 λ r = Yw r, u 2 λ r+1, r, u n. Matriks U = u 1, u 2,, u r dan W = w 1, w 2,, w r merupakan matriks dengan kolom-kolom yang ortonormal. 4. Karena w 1, w 2,, w p merupakan p matriks ortogonal, maka i=1 w i w T i = I. p T p T 5. i=1 Y w i w i = Y i=1 w i w i, untuk sembarang w i R p. Bukti: Misalkan U = Yw 1 λ 1, Yw 2 λ 2,, Yw r λ r, W = w 1, w 2,, w r, L = diag λ 1, λ 2,, λ r. Diperoleh nu r L r W p T = Yw 1 λ 1, Yw 2 λ 2,, Yw r λ r = Yw 1, Yw 2,, Yw r r T = i=1 Y w i w i r T = Y i=1 w i w i r = Y w i w T i + 0 i=1 r i=1 p i=1 λ λ λ r W 1 T W 2 T W r T p W 1 T W 2 T W r T = Y w i w T T i + Y i=r+1 w i w i T = Y w i w i = YI = Y. Dekomposisi nilai singular tidak bersifat tunggal. Jika vektor-vektor kolom matriks U dan W ingin dilengkapi sehingga U dan W menjadi matriks-matriks ortogonal yang masing-masing memiliki dimensi n n dan p p, maka DNS dapat dituliskan ke dalam bentuk DNS Bentuk Lengkap (DNSBL). Definisi 4 (Dekomposisi Nilai Singular Bentuk Lengkap) Setiap matriks Y berdimensi n p dapat dinyatakan sebagai bentuk Dekomposisi Nilai Singular Bentuk Lengkap (DNSBL) sebagai berikut: T ny p = n U n L p W p (3) di mana U T U = I n, W T W = I p, dan L = diag λ 1, λ 2,, λ r r0 p r n r0 r n r 0 p r. Definisi 5 (Dekomposisi Nilai Singular Terampat) Jika diberikan matriks definit positif Ω ( n n) dan Φ ( p p) dan X merupakan matriks data berdimensi n p maka Dekomposisi Nilai Singular Terampat (DNS Terampat) dari matriks X dapat dinyatakan sebagai X = AD μ B T (4) dengan A T ΩA = B T ΦB = I dan D μ merupakan matriks diagonal nilai singular dengan μ 1 μ 2 μ r > 0. Matriks A dan B dapat dicari dengan DNS dari matriks Ω 1/2 XΦ 1/2 yaitu Ω 1/2 XΦ 1/2 = ULW T Ω 1/2 AD μ B T Φ 1/2 = ULW T di mana U T U = V T V = I sehingga diperoleh A = Ω 1/2 U, D μ = L, dan B = Φ 1/2 W. (6) Definisi 6 (Jarak Euclid) Jarak Euclid antara y i dan y j dari matriks ny p = y 1, y 2,, y n T didefinisikan sebagai d E y i, y j = y i y j T y i y j (Jolliffe 2002). Definisi 7 (Jarak Mahalanobis) Jarak Mahalanobis antara y i dan y j dari matriks ny p = y 1, y 2,, y n T didefinisikan sebagai d M y i, y j = y i y j T S 1 y i y j, (5) (7) (8) dengan S adalah matriks koragam yang diperoleh dari Y. Diasumsikan Y berpangkat p sehingga S 1 ada (Jolliffe 2002). Definisi 8 (Teras) Misalkan Y adalah suatu matriks n n. Teras dari matriks Y atau ditulis tr Y merupakan jumlah elemen-elemen diagonal utama dari Y: n tr Y = i=1 y ii (Leon 2001).
13 3 Definisi 9 (Jarak khi-kuadrat) Jarak khi-kuadrat didefinisikan sebagai χ 2 = n i=1 p j =1 O ij E ij 2 dengan O ij = nilai frekuensi pengamatan pada baris ke-i dan kolom ke-j (O ij = n ij ), E ij = nilai frekuensi harapan di mana E ij = n i.n.j n.. E ij n i. = jumlah frekuensi pada baris ke-i, n.j = jumlah frekuensi pada kolom ke-j, n = banyaknya baris, p = banyaknya kolom (Daniel 1990). (9) Analisis Korespondensi Analisis korespondensi ditemukan dan dikembangkan pertama kali tahun 1960-an di Perancis (Benzecri 1969). Analisis korespondensi merupakan bagian analisis peubah ganda yang memelajari hubungan antara dua atau lebih variabel dengan memeragakan baris dan kolom secara serempak dari tabel kontingensi dalam ruang berdimensi rendah dengan menggunakan jarak khi-kuadrat. Analisis korespondensi digunakan untuk mereduksi dimensi variabel dan menggambarkan profil vektor baris dan profil vektor kolom suatu matriks data dari tabel kontingensi (Greenacre 1984). Tujuan yang ingin dicapai dalam analisis korespondensi antara lain mengetahui hubungan antara satu kategori variabel baris dengan satu kategori kolom serta menyajikan setiap kategori variabel baris dan kolom dari tabel kontingensi sehingga dapat ditampilkan secara bersama-sama pada satu ruang vektor berdimensi kecil secara optimal. Andaikan N merupakan matriks data yang unsur-unsurnya bilangan tak negatif berukuran n p, di mana n menunjukkan banyaknya baris dan p menunjukkan banyaknya kolom. Tabel kontingensi dari N adalah tabel yang mencatat data hasil pengamatan dengan melibatkan dua variabel, variabel I dan variabel II. Variabel I sebagai variabel baris terdiri dari i kategori dan variabel II sebagai variabel kolom terdiri dari j kategori. Sel yang dibentuk baris ke-i dan kolom ke-j memunyai frekuensi pengamatan n ij yang ditunjukkan seperti pada Tabel 1. Tabel 1 Bentuk umum tabel kontingensi Variabel Variabel p Total 1 n 11 n n 1p n 1. 2 n 21 n n 2p n n n n1 n n2... n np n n. Total n.1 n.2... n.p n.. (Greenacre 1984) dengan p n i. = n.j = n.. = j =1 n ij n i=1 n ij n p i=1 j =1 n ij di mana i = 1, 2,..., n dan j = 1, 2,..., p. Matriks Korespondensi Matriks korespondensi P didefinisikan sebagai matriks yang unsur-unsurnya adalah unsur matriks N yang telah dibagi dengan jumlah total unsur matriks N. P = 1 N (11) n... dengan n.. = 1 T N1. Dari Tabel 1 diperoleh matriks korespondensi seperti pada Tabel 2 berikut. Tabel 2 Bentuk umum matriks korespondensi Variabel Variabel p Total 1 p 11 p p 1p p 1. 2 p 21 p p 2p p n p n1 p n2... p np p n. Total p.1 p.2... p.p 1 (Greenacre 1984) Vektor jumlah baris matriks P ialah r = P1 = p 1., p 2.,, p T n. = (r 1, r 2,, r n ) T. Vektor jumlah kolom matriks P ialah c = P T 1 = p.1, p.2,, p.p = c 1, c 2,, c p. (10) (12) (13) Matriks diagonal dari elemen-elemen vektor jumlah baris r adalah D r yang berukuran n n dan D c adalah matriks diagonal dengan ukuran p p dari elemen-elemen vektor jumlah kolom c dengan p D r = diag r = 0 p 2. 0 (14) 0 0 p n. dan
14 4 D c = diag c = Matriks Profil Baris dan Kolom Matriks profil baris dan profil kolom dari P diperoleh dengan cara membagi vektor baris dan vektor kolom dengan masing-masing massanya. Matriks profil baris (R) dan profil kolom (C) dinyatakan dengan: R = D r 1 P = dan C = D c 1 P T = p 11 p 1. p 12 p 1. p n 1 p n. p n 2 p n. p 11 p.1 p 21 p.1 p 2p p 1p p.p p.p p 1p p 1. p np p n. = p n 1 p.1 p np p.p = r 1 T r n T c 1 T c p T Pemilihan Jarak Untuk menghitung jarak profil baris atau kolom dalam kategori yang sama digunakan jarak khi-kuadrat yang didefinisikan: jarak antara profil baris r i dan profil baris r j adalah d 2 r i, r j = r i r j T D c 1 r i r j jarak antara profil kolom c i dan profil kolom c j adalah d 2 c i, c j = c i c j T D r 1 c i c j Jika jarak khi-kuadrat antara dua baris atau kolom adalah nol, maka kedua baris atau kolom tersebut memiliki sebaran frekuensi sama. Semakin besar jarak antarkedua baris atau kolom, semakin besar pula perbedaan sebaran frekuensi relatif kedua baris atau kolom tersebut. Dekomposisi Inersia Keseluruhan perbedaan tiap ruang dari setiap himpunan baris/kolom diukur dari total inersianya. Total inersia adalah jumlah kuadrat jarak terbobot dari titik-titik (baris/kolom) terhadap sentroidnya. Total inersia untuk titik baris ialah n in I = i=1 r i r i c T 1 D c r i c. (20) Total inersia untuk titik kolom ialah p in J = j =1 c j c j r T 1 D r c j r. (21) Total inersia untuk titik baris dan titik kolom secara bersamaan adalah Inersia total = i j p p.2 0. (15) 0 0 p.p p ij r i c j 2 r i c j = χ2 n... (16). (17) (18) (19) (22) Dekomposisi Nilai Singular Terampat Untuk mereduksi dimensi data berdasarkan keragaman data (nilai eigen/ inersia) terbesar dengan mempertahankan informasi yang optimum diperlukan dekomposisi nilai singular. Dekomposisi nilai singular terampat dari matriks P adalah P rc T = AD μ B T (23) di mana A dan B diperoleh dari penguraian 1/2 nilai singular matriks D r P rc T 1/2 D c dan berlaku A T D 1 r A = B T D 1 c B = I; μ 1 μ 2 μ r > 0 dengan D μ merupakan matriks diagonal yang berukuran r r dari nilai singular μ dari P rc T, A dan B masing-masing merupakan sumbu utama dari baris dan kolom. Dengan demikian, matriks koordinat profil baris dan matriks koordinat profil kolom dinyatakan sebagai F = D 1 r AD μ (24) dan G = D 1 c BD μ. (25) Penggambaran dalam ruang berdimensi rendah, misalnya s, maka koordinat yang digunakan untuk menggambarkan profil-profil tersebut adalah s unsur pertamanya. Hubungan antarkategori ditelusuri melalui formula transisi, yaitu 1 F = RGD μ (26) dan G = CFD μ 1. Jumlah kuadrat terbobot dari titik-titik koordinat sekitar sumbu utama ke-s di setiap himpunan sama dengan μ 2 s, yang dinotasikan oleh λ s dan disebut inersia utama ke-s. Inersia utama baris dan kolom adalah F T D r F = D 2 μ D λ (28) G T D c G = D 2 μ D λ (29) (Greenacre 1984). Kontribusi mutlak memberikan informasi mengenai proporsi inersia yang dapat diterangkan oleh masing-masing kategori terhadap pembentukan sumbu utama. Rumus untuk menghitung kontribusi mutlak (KM) untuk baris dan kolom yaitu sebagai berikut: KM is = r 2 i f is (30) dan μ s 2 KM js = c j g js 2 dengan : KM is = kontribusi mutlak kategori baris ke-i terhadap pembentukan sumbu ke-s KM js = kontribusi mutlak kategori kolom ke-j μ s 2 (27) (31)
15 5 terhadap pembentukan sumbu ke-s f 2 is = koordinat baris ke-i pada sumbu ke-s 2 g js = koordinat kolom ke-j pada sumbu ke-s μ s = nilai singular ke-s. Kontribusi relatif atau koordinat kosinus digunakan untuk melihat proporsi inersia dari setiap kategori yang diterangkan oleh sumbu utama yang terbentuk. Rumus untuk menghitung masing-masing kontribusi relatif untuk baris dan kolom adalah KR is = f is 2 dan f is 2 s KR js = g js 2 (33) s g 2 js di mana KR is dan KR js adalah kontribusi relatif kategori ke-i dan kategori ke-j yang dijelaskan oleh sumbu ke-s. Kontribusi relatif yang tinggi pada suatu titik untuk sumbu utama ke-s, menunjukkan bahwa sumbu utama ke-s menjelaskan inersia titik tersebut dengan baik. Secara umum tingginya kontribusi titik terhadap inersia sumbu utama berimplikasi pada tingginya kontribusi relatif sumbu utama tersebut. Ukuran Kesesuaian Analisis Korespondensi Besaran α 2 2 1,, α r dapat diinterpretasikan sebagai besarnya kontribusi yang diberikan pada total inersia oleh dimensi pertama, kedua, dan seterusnya, sehingga besaran relatif untuk mengukur besarnya kehilangan informasi dapat dirumuskan sebagai berikut : GF AK X, Y = s 2 i=1 α i r α 2 i=1 i 100% (32) (34) dengan α i merupakan nilai singular dari matriks X dan s << r dengan s berdimensi rendah. Analisis Procrustes Misalkan X adalah matriks berukuran n p dan Y berukuran n q yang masingmasing merupakan representasi konfigurasi yang akan dibandingkan. Koordinat titik ke-i pada ruang Euclid diberikan oleh nilai-nilai pada baris ke-i matriks. Konfigurasi pertama berada pada ruang berdimensi p dan titik ke-i memiliki koordinat x i1, x i2,, x ip, sedangkan konfigurasi kedua berada pada ruang berdimensi q dan titik ke-i memiliki koordinat y i1, y i2,, y iq. Jika p > q maka konfigurasi kedua berada dalam subruang dari ruang berdimensi p. Perbedaan dimensi ruang ini dapat diselesaikan dengan memasangkan p q kolom nol di kolom mana saja termasuk memasangkan p q di kolom terakhir dari Y sehingga menjadi matriks berukuran n p (Siswadi et al. 2012). Dengan demikian, tanpa mengurangi keumuman dapat diasumsikan bahwa p = q. Untuk menentukan nilai perbedaan dari konfigurasi X dan Y, analisis Procrustes menggunakan jumlah kuadrat jarak antartitik yang bersesuaian, yaitu n p E X, Y = x ij y 2 i=1 j =1 ij = tr X Y T X Y. (35) Nilai perbedaan minimum dihitung dengan menggunakan tiga transformasi geometris yaitu translasi, rotasi, dan dilasi yang diberikan oleh Bakhtiar dan Siswadi (2011). 1. Translasi Definisi 10 (Sentroid) Misalkan X = x ij, maka sentroid kolom dari matriks X dinotasikan sebagai C X = (x 1, x 2,, x p ), di mana n x j = 1 x n i=1 ij, j = 1,2, p. Dalam analisis Procrustes, translasi diartikan sebagai proses pemindahan seluruh titik dengan jarak yang tetap dan arah yang sama. Penguraian persamaan (34) menghasilkan: E X, Y n i=1 n p j =1 p = x ij x j y ij y j 2 2 i=1 j =1 x ij x j y ij y j p x j y j +n x j y 2 j =1 j. (36) Penguraian persamaan (36) menghasilkan E X, Y = E X T, Y T + n Z XY (37) di mana X T = X 1 n C X, Y T = Y 1 n C Y, p Z XY = x j y 2 j =1 j. X T dan Y T merupakan konfigurasi X dan Y setelah ditranslasi. C X dan C Y masing-masing adalah sentroid kolom dari X dan Y, 1 n merupakan vektor kolom berukuran n 1 yang semua unsurnya bernilai 1, sedangkan Z XY merupakan jarak kuadrat dari kedua sentroid kolom X dan Y. Penyesuaian optimal dengan translasi dapat dilakukan dengan menghimpitkan sentroid kolom X dan Y sehingga Z XY = 0. Dengan demikian, nilai perbedaan minimum dari konfigurasi X dan Y setelah dilakukan penyesuaian optimal dengan translasi adalah E T X, Y = E X T, Y T n i=1 p j =1 = x ij x j y ij y j 2. (38)
16 6 2. Rotasi Rotasi merupakan proses pemindahan seluruh konfigurasi titik dengan sudut yang tetap tanpa mengubah jarak setiap titik terhadap sentroidnya. Rotasi Y terhadap X dilakukan dengan mengalikan matriks Y dengan matriks ortogonal Q, yaitu E X, Y = E X, YQ dengan Q T Q = QQ T = I. Nilai perbedaan minimum dari konfigurasi X dan Y setelah dilakukan penyesuaian dengan rotasi adalah E R X, Y = inf Q E X, YQ. (39) Berdasarkan persamaan (35), nilai perbedaan pada penyesuaian dengan rotasi dapat dituliskan sebagai E X, YQ = tr X YQ T X YQ = tr X T Q T Y T X YQ = tr X T X X T YQ Q T Y T X+Q T Y T YQ = tr X T X X T YQ X T YQ T +Q T Y T YQ = tr X T X) tr X T YQ tr X T YQ T + tr(q T Y T YQ = tr X T X) tr X T YQ tr X T YQ + tr(qq T Y T Y = tr X T X) 2 tr X T YQ + tr(y T Y = tr X T X + tr Y T Y 2 tr X T YQ. (40) Nilai tr X T YQ yang semakin besar akan meminimumkan E X, YQ. Jadi, harus dipilih matriks ortogonal Q yang memaksimumkan tr X T YQ. Teorema Jika X, Y dan Q matriks ortogonal dengan X R n p, Y R n p, dan Q R p p maka nilai tr X T YQ akan maksimum bila dipilih Q = WU T dengan ULW T merupakan hasil Dekomposisi Nilai Singular Bentuk Lengkap (DNSBL) dari matriks X T Y. Bukti: Misalkan ULW T merupakan hasil DNSBL dari matriks px T Y p, sehingga px T Y p = p U p L p W p T. L = (σ ij ) adalah matriks diagonal dengan σ ij R, U dan W masing-masing merupakan matriks ortogonal, sehingga tr X T YQ = tr QX T Y = tr QULW T = tr W T QUL. Karena Q merupakan matriks ortogonal, akibatnya W T QU juga ortogonal. Misalkan W T QU = P = p ij, maka berlaku 1 p ij 1, sehingga tr X T YQ = tr PL n = i=1 p ii (σ ii ) tr L. Jadi, tr PL akan maksimum jika PL = W T QUL = L. Kondisi ini dapat terpenuhi jika Q = WU T (Bakhtiar 1995). Berdasarkan teorema tersebut, penyesuaian optimal dengan rotasi dapat dilakukan dengan memilih matriks ortogonal Q = WU T. Nilai perbedaan minimum setelah penyesuaian optimal dengan rotasi dapat dituliskan menjadi E R X, Y = tr X T X) + tr(y T Y 2 tr L. (41) 3. Dilasi Dilasi merupakan proses penskalaan data melalui pembesaran/pengecilan jarak setiap titik dalam konfigurasi terhadap sentroidnya. Dilasi Y terhadap X dilakukan dengan cara mengalikan konfigurasi Y dengan suatu skalar c, yaitu E X, Y = E X, cy. Nilai perbedaan minimum dari dua konfigurasi X dan Y setelah dilakukan penyesuaian dengan dilasi adalah E D X, Y = inf Q E X, cy. (42) Berdasarkan persamaan (35), nilai perbedaan pada penyesuaian dengan dilasi dapat dituliskan sebagai E X, cy = tr X cy T X cy = tr X T cy T X cy = tr X T X cx T Y cy T X + c 2 Y T Y = tr X T X cx T Y c X T Y T + c 2 Y T Y = tr X T X c tr X T Y c tr X T Y T + c 2 tr Y T Y = tr X T X c tr X T Y c tr X T Y + c 2 tr Y T Y = tr X T X 2c tr X T Y + c 2 tr Y T Y.(43) Persamaan (43) merupakan bentuk fungsi kuadrat dengan variabel c sehingga untuk meminimumkan nilai E X, cy, turunan pertamanya harus sama dengan nol dan turunan keduanya lebih besar dari nol. de = 2 tr X T Y + 2c tr Y T Y dc 0 = 2 tr X T Y + 2c tr Y T Y 2c tr Y T Y = 2 tr X T Y c = tr XT Y tr Y T Y. (44)
17 7 de dc = 2 tr X T Y + 2c tr Y T Y d 2 E dc 2 = 2 tr YT Y > 0. Dari (a) dan (b), diketahui bahwa nilai E X, cy minimum pada saat memiliki nilai c seperti pada persamaan (44). Dengan menyubstitusikan nilai c, nilai perbedaan minimum setelah penyesuaian optimal dengan dilasi menjadi: E D X, Y = tr X T X 2c tr X T Y + c 2 tr Y T Y = tr X T X 2 tr XT Y tr Y T Y tr XT Y + tr X T Y 2 tr Y T Y tr Y T Y = tr X T X 2 tr2 X T Y tr Y T Y = tr X T X tr2 X T Y tr Y T Y. + tr2 X T Y tr Y T Y (45) Dengan menggunakan aljabar sederhana, secara analitik telah dibuktikan bahwa dalam analisis Procrustes, urutan pengerjaan yang menghasilkan jarak paling minimum adalah translasi-rotasi-dilasi. Bukti dapat dilihat di Bakhtiar dan Siswadi (2011). Secara umum, ukuran kesesuaian analisis korespondensi dan analisis Procrustes diberikan sebagai berikut: 1. Analisis korespondensi GF AK X, Y = s 2 i=1 α i r α 2 i=1 i 100%, (46) dengan α i merupakan nilai singular dari matriks X. 2. Analisis Procrustes GF P X, Y = 1 E TRD X,Y, tr X T (47) X dengan E TRD X, Y merupakan nilai perbedaan minimum translasi, rotasi dan dilasi dari matriks X terhadap matriks Y.
18 8 PEMBAHASAN Ukuran Kesesuaian Analisis Korespondensi melalui Analisis Procrustes Ukuran kesesuaian analisis korespondensi untuk tampilan gambar (representasi) tanpa memperhitungkan massa akan dicari masingmasing menggunakan matriks koordinat profil baris dan kolom sebagai matriks data yang didefinisikan dengan F dan G dengan matriks pendekatannya masing-masing yaitu M dan N melalui analisis Procrustes dengan menentukan nilai perbedaan minimum yang dilakukan menggunakan tiga transformasi geometri, yaitu translasi, rotasi dan dilasi. Ukuran kesesuaian analisis korespondensi untuk setiap matriks menggunakan analisis Procrustes melalui transformasi geometri translasi, rotasi dan dilasi diberikan pada pembahasan berikut. Ukuran Kesesuaian Matriks Koordinat Profil Baris Penyesuaian dengan Translasi Nilai perbedaan minimum diperoleh ketika jarak kedua sentroid dari kedua matriks sama dengan nol Z FM = 0. Nilai perbedaan minimum melalui proses translasi adalah E F, M = E F T, M T + n Z FM. (48) Pada matriks data F diperoleh C F 0 T dan C M 0 T sehingga Z FM 0. Dengan demikian transformasi translasi perlu dilakukan. Ilustrasi bahwa C F 0 T dan C M 0 T diberikan pada Lampiran 3. Penyesuaian dengan Rotasi Misalkan F T merupakan matriks F yang telah ditranslasi dan M T merupakan matriks M yang telah ditranslasi sebagai matriks pendekatannya. Setelah penyesuaian dengan translasi, dilakukan rotasi dengan mengalikan matriks M T dengan matriks ortogonal Q. Nilai perbedaan pada penyesuaian dengan rotasi sesuai dengan persamaan (40) menjadi E F T, M T Q = tr F T T F T + tr M T T M T tr F T T M T Q. (49) Nilai E F T, M T Q tersebut akan minimum dengan memaksimumkan tr F T T M T Q dengan Q = WU T yang diperoleh dari DNSBL F T T M T = ULW T. Jika Q = I maka E R F T, M T = E F T, M T. Karena Q I sehingga perlu dicari matriks ortogonal Q untuk memperoleh E R F T, M T Q. Oleh karena itu, transformasi rotasi perlu dilakukan. Ilustrasi bahwa Q I diberikan pada Lampiran 4. Penyesuaian dengan Dilasi Transformasi dilasi dilakukan setelah transformasi translasi dan rotasi dilakukan. Dilasi F T terhadap M T dilakukan dengan mengalikan konfigurasi M T dengan suatu skalar c. Nilai perbedaan setelah penyesuaian dengan dilasi dapat ditulis sebagai: E F T, cm T Q = tr F T T F T + c 2 tr M T T M T 2c tr F T T M T Q. (50) Persamaan (50) merupakan bentuk dari fungsi kuadrat dengan variabel c, sehingga nilai c yang meminimumkan nilai E F T, cm T Q yaitu c = tr F T T M T Q tr M T T M. T Dengan menyubstitusikan nilai c ke persamaan (50), diperoleh nilai perbedaan minimum: E TRD F, M = tr F T T F T tr 2 F T T MT Q tr M T T MT. (51) Ukuran kesesuaian berdasarkan nilai perbedaan minimum diperoleh dengan perhitungan berikut: GF P F,M = 1 E TRD F, M F 2 = 1 tr F T T F T tr2 F T T M T Q tr M T T M T tr F T T F T tr 2 F T T M T Q = 1 1 tr F T T F T tr M T T M T = tr 2 F T T MT Q tr F T T FT tr M T T MT. (52) Dengan demikian, ketiga transformasi perlu dilakukan dalam analisis Procrustes untuk mendapatkan ukuran kesesuaian analisis korespondensi matriks profil baris dengan pendekatannya.
19 9 Ukuran Kesesuaian Matriks Koordinat Profil Kolom Penyesuaian dengan Translasi Nilai perbedaan minimum diperoleh ketika jarak kedua sentroid dari kedua matriks sama dengan nol Z GN = 0. Nilai perbedaan minimum melalui proses translasi adalah E G, N = E G T, N T + n Z GN. (53) Pada matriks data G diperoleh C G 0 T dan C N 0 T sehingga Z GN 0. Dengan demikian transformasi translasi perlu dilakukan. Ilustrasi bahwa C G 0 T dan C N 0 T diberikan pada Lampiran 5. Penyesuaian dengan Rotasi Misalkan G T merupakan matriks G yang telah ditranslasi dan N T merupakan matriks N yang telah ditranslasi sebagai matriks pendekatannya. Setelah penyesuaian dengan translasi, dilakukan rotasi dengan mengalikan matriks N T dengan matriks ortogonal Q. Nilai perbedaan pada penyesuaian dengan rotasi sesuai dengan persamaan (40) menjadi E G T, N T Q = tr G T T G T + tr N T T N T 2 tr G T T N T Q. (54) Nilai E G T, N T Q tersebut akan minimum dengan memaksimumkan tr G T T N T Q dengan Q = WU T yang diperoleh dari DNSBL G T T N T = ULW T. Jika Q = I maka E R G T, N T = E G T, N T. Karena Q I sehingga perlu dicari matriks ortogonal Q untuk memperoleh E R G T, N T Q. Oleh karena itu, transformasi rotasi perlu dilakukan. Ilustrasi bahwa Q I diberikan pada Lampiran 6. Penyesuaian dengan Dilasi Transformasi dilasi dilakukan setelah transformasi translasi dan rotasi dilakukan. Dilasi G T terhadap N T dilakukan dengan mengalikan konfigurasi N T dengan suatu skalar c. Nilai perbedaan setelah penyesuaian dengan dilasi dapat ditulis sebagai: E G T, cn T Q = tr G T T G T + c 2 tr N T T N T 2c tr G T T N T Q. (55) Nilai c yang meminimumkan nilai E G T, c N T Q ialah c = tr G T T N T Q tr N T T N T. Dengan menyubstitusikan nilai c ke persamaan (55), diperoleh nilai perbedaan minimum: E TRD G, N = tr G T T G T tr 2 G T T N T Q. (56) tr N T T N T Ukuran kesesuaian berdasarkan nilai perbedaan minimum diperoleh dengan perhitungan berikut: GF P G, N = 1 E TRD G, N G 2 = 1 tr G T T G T tr2 G T T N T Q tr N T T N T tr G T T G T tr 2 G T T N T Q = 1 1 tr G T T G T tr N T T N T tr 2 G T T N T Q = tr G T T G T tr N T T N. T (57) Dengan demikian, untuk mendapatkan ukuran kesesuaian analisis korespondensi diperlukan ketiga tahapan dalam analisis Procrustes yaitu translasi, rotasi dan dilasi. Contoh Aplikasi Analisis Korespondensi Data yang digunakan untuk contoh pertama aplikasi analisis korespondensi adalah data hasil pengamatan kategori perokok dengan kelompok pegawai dari beberapa perusahaan yang bersumber pada Greenacre (1984). Kategori perokok dari hasil pengamatan dibedakan menjadi empat kategori, yaitu kategori tidak merokok, perokok ringan yang merokok 1 s.d 10 batang perhari, perokok sedang yang merokok 11 s.d 20 batang perhari dan perokok berat yang merokok lebih dari 20 batang perhari. Untuk kelompok pegawai, dibedakan menjadi lima yaitu manager senior, manager yunior, pegawai senior, pegawai yunior dan sekretaris. Banyaknya sampel yang diamati adalah 193 orang (Tabel 3). Tabel 3 Banyaknya perokok dengan kelompok pegawai dari beberapa perusahaan Kelompok Pegawai Manager Senior (1) Manager Yunior (2) Pegawai Senior (3) Pegawai Yunior (4) Sekretaris (5) Kategori Perokok TIDAK RINGAN SEDANG BERAT
20 10 Gambar 1 Plot analisis korespondensi data hasil pengamatan kategori perokok dengan kelompok pegawai dari beberapa perusahaan Berdasarkan plot analisis korespondensi (Gambar 1) terlihat bahwa masing-masing kelompok pegawai memiliki letak yang relatif berjauhan, hal ini memberikan keterangan bahwa masing-masing kelompok tidak memiliki kemiripan dalam mengkonsumsi jumlah rokok. Perhitungan analisis korespondensi menghasilkan total inersia sebesar Dua dimensi pertama mampu menerangkan 99.5% dari total inersia (Lampiran 1). Kontribusi baris yang paling besar dalam pembentukan sumbu utama pertama diberikan oleh pegawai senior sebesar 51.2%. Sementara untuk sumbu utama kedua diberikan oleh manager yunior sebesar 55.1% (Lampiran 1). Kontribusi kolom yang paling besar dalam pembentukan sumbu utama pertama diberikan oleh kategori tidak pernah merokok sebesar 65.4% dan untuk sumbu utama kedua diberikan oleh kategori perokok berat sebesar 50.6% (Lampiran 1). Nilai kontribusi relatif baris kelompok manager yunior, pegawai senior, pegawai yunior, dan staf sekretaris lebih besar diterangkan oleh sumbu utama pertama, sementara kelompok manager senior lebih besar diterangkan oleh sumbu utama kedua. Kontribusi relatif kolom untuk kategori tidak merokok, perokok sedang dan perokok berat lebih besar diterangkan oleh sumbu utama pertama dan perokok ringan oleh sumbu utama kedua. Ukuran kesesuaian untuk data kategori perokok dengan kelompok pekerjaan dari beberapa perusahaan yang dihitung melalui analisis Procrustes masing-masing untuk profil baris dan kolom sebesar 98.64% dan 99.53% (Lampiran 1). Contoh data kedua aplikasi analisis korespondensi adalah data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama yang diolah dari Hasil Survei Angkatan Kerja Nasional (Sakernas) Agustus 2011 yang dilakukan oleh Badan Pusat Statistik. Kategori lapangan pekerjaan utama yaitu (A) pertanian-kehutanan-perburuanperikanan, (B) pertambangan-penggalian, (C) industri pengolahan, (D) listrik-gas-air, (E) bangunan, (F) perdagangan besar-eceranrumah makan-hotel, (G) angkutanpergudangan-komunikasi, (H) keuanganasuransi-usaha persewaan bangunan-tanahjasa perusahaan, dan (I) jasa kemasyarakatansosial-perorangan. Untuk kelompok provinsi dibedakan menjadi (1) Aceh, (2) Sumatera Utara, (3) Sumatera Barat, (4) Riau, (5) Kepulauan Riau, (6) Jambi, (7) Sumatera Selatan, (8) Kepulauan Bangka Belitung, (9) Bengkulu, (10) Lampung, (11) DKI Jakarta, (12) Jawa Barat, (13) Banten, (14) Jawa Tengah, (15) DI Yogyakarta, (16) Jawa Timur, (17) Bali, (18) Nusa Tenggara Barat, (19) Nusa Tenggara Timur, (20) Kalimantan Barat, (21) Kalimantan Tengah, (22) Kalimantan Selatan, (23) Kalimantan Timur, (24) Sulawesi Utara, (25) Gorontalo, (26) Sulawesi Tengah, (27) Sulawesi Selatan, (28) Sulawesi Barat, (29) Sulawesi Tenggara, (30) Maluku, (31) Maluku Utara, (32) Papua dan (33) Papua Barat. Banyaknya sampel yang diamati adalah orang (Tabel 5).
21 Tabel 5 Penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama pada 2011 No Provinsi Lapangan Pekerjaan Utama A B C D E F G H I Total 1 Aceh Sumatera Utara Sumatera Barat Riau Kepulauan Riau Jambi Sumatera Selatan Kep. Bangka Belitung Bengkulu Lampung DKI Jakarta Jawa Barat Banten Jawa Tengah DI Yogyakarta Jawa Timur Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara Gorontalo Sulawesi Tengah Sulawesi Selatan Sulawesi Barat Sulawesi Tenggara Maluku Maluku Utara Papua Papua Barat Total
22 12 Hasil plot analisis korespondensi dapat dilihat pada gambar 2. Gambar 2 Plot analisis korespondensi data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama Berdasarkan plot analisis korespondensi (Gambar 2) diketahui bahwa penduduk di provinsi 32, 19 dan 20 memiliki posisi yang relatif berdekatan, hal ini memberikan keterangan bahwa penduduk di provinsi tersebut memiliki kemiripan dalam menentukan lapangan pekerjaan utama yaitu di bidang pertanian-kehutanan-perburuanperikanan. Penduduk di provinsi 5, 11 dan 13 memiliki karakteristik yang sama dalam menentukan lapangan pekerjaan utama yaitu di bidang keuangan-asuransi-usaha persewaan bangunan-tanah-jasa perusahaan, hal ini terlihat dari posisi yang relatif berdekatan. Penduduk di provinsi 8 dan 23 memiliki karakteristik yang berbeda dengan penduduk di provinsi lainnya dalam menentukan bidang pekerjaan utama yaitu di bidang pertambangan-penggalian, hal ini terlihat dari posisi provinsi yang terletak berjauhan dengan provinsi lainnya. Perhitungan analisis korespondensi menghasilkan inersia sebesar Dua dimensi pertama mampu menerangkan 85.80% dari total inersia (Lampiran 2). Kontribusi baris yang besar dalam pembentukan sumbu utama pertama diberikan oleh provinsi 11 sebesar 22.6 % dan untuk sumbu utama kedua diberikan oleh provinsi 8 sebesar 53.7 % (Lampiran 2). Kontribusi kolom yang paling besar dalam pembentukan sumbu utama pertama diberikan oleh lapangan pekerjaan utama di bidang pertaniankehutanan-perburuan-perikanan (A) sebesar 55.1 % dan untuk sumbu utama kedua diberikan oleh lapangan pekerjaan utama di bidang pertambangan-penggalian (B) sebesar 86 % (Lampiran 2). Dari hasil perhitungan, nilai kontribusi relatif baris untuk provinsi 1, 2, 3, 4, 5, 6, 7, 9, 10, 11, 12, 13, 15, 17, 18, 19, 20, 21, 26, 27, 28, 29, 30, 31, 32 dan 33 lebih besar diterangkan oleh sumbu utama pertama, sementara provinsi 8, 14, 16, 22, 23, 24 dan 25 lebih besar diterangkan oleh sumbu utama kedua. Pada hasil perhitungan kontribusi relatif kolom, kategori lapangan pekerjaan utama di bidang pertanian-kehutananperburuan-perikanan (A), industri pengolahan (C), bangunan (E), perdagangan besar-eceranrumah makan-hotel (F), angkutanpergudangan-komunikasi (G), keuanganasuransi-usaha persewaan bangunan-tanahjasa perusahaan (H) dan jasa kemasyarakatansosial-perorangan (I) lebih besar diterangkan oleh sumbu utama pertama dan lapangan pekerjaan utama di bidang pertambanganpenggalian (B) dan listrik-gas-air (D) oleh sumbu utama kedua. Ukuran kesesuaian untuk data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama yang dihitung melalui analisis Procrustes untuk profil baris dan kolom masing-masing sebesar 91.83% dan 88.25% (Lampiran 2).
23 13 SIMPULAN Dalam analisis korespondensi, untuk mendapatkan ukuran kesesuaian bagi pendekatan matriks data F dan G untuk profil baris dan kolom dengan menggunakan analisis Procrustes, ketiga transformasi yaitu translasi, rotasi dan dilasi perlu dilakukan. Ukuran kesesuaian analisis korespondensi melalui analisis Procrustes diterapkan pada dua contoh data. Pertama yaitu data hasil pengamatan kategori perokok dengan kelompok pegawai dari beberapa perusahaan yang bersumber pada Greenacre (1984) yang menghasilkan ukuran kesesuaian melalui analisis Procrustes untuk setiap matriks profil baris dan kolom sebesar 98.64% dan 99.53%. Kedua yaitu data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama menghasilkan ukuran kesesuaian melalui analisis Procrustes untuk setiap matriks profil baris dan kolom sebesar 91.83% dan 88.25%.
24 DAFTAR PUSTAKA Abdi, H Singular Value Decomposition (SVD) and Generalized Singular Value Decomposition (GSVD). In N.J. Salkind (Ed.): Encyclopedia of Measurement and Statistics. Thousand Oaks (CA): Sage. Abdi H, Williams LJ Correspondence Analysis. In Neil Salkind (Ed.): Encyclopedia of Research Design. Thousand Oaks (CA): Sage. [BPS] Badan Pusat Statistik Statistik Indonesia Jakarta: BPS. Bakhtiar T Tinjauan terhadap Urutan Pengerjaan Transformasi Geometris pada Analisis Procrustes untuk Mencari Norma Kuadrat Perbedaan Minimum [Skripsi]. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Bakhtiar T, Siswadi Orthogonal Procrustes Analysis: Its Transformation Arrangement and Minimal Distance. International Journal of Applied. Mathematics and Statistics 20: Benzécri JP. (1969). Statistical analysis as a tool to make patterns emerge from data. In Watanabe(Ed.): Methodologies of Pattern Recognition. New York: Academic Press. Daniel WW Applied Nonparametric Statistics. 2 nd Ed. Boston: PWS-KENT. Greenacre MJ Theory and Applications of Correspondence Analysis. London: Academic Press. Greenacre MJ Correspondence Analysis in Practice. 2 nd Ed. London: Chapman and Hall. Jolliffe IT Principal Component Analysis. 2 nd Ed. Berlin: Springer-Verlag. Krzanowski WJ Principles of Multivariate Analysis, A User s Perspective. New York: Oxford University Press. Leon SJ Aljabar Linear dan Aplikasinya. Ed ke-5. Bondan A, penerjemah; Hardani HW, editor. Jakarta: Erlangga. Terjemahan dari: Linear Algebra with Applications. 5 th Ed. Sibson R Studies in the Robustness of Multidimensional Scaling: Procrustes Statistics. J. Roy. Statist. Soc. B 40(2): Siswadi, Bakhtiar T, Maharsi R Procrustes Analysis and the Goodness-offit of Biplots: Some Thoughts and Findings. Applied Mathematical Sciences 6(72): Siswadi, Suharjo B Analisis Eksplorasi Data Peubah Ganda. Bogor: Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor..
25 LAMPIRAN
26 Lampiran 1 Hasil analisis korespondensi untuk data hasil pengamatan kategori perokok dengan kategori pekerjaan Matriks Korespondensi P = Profil Baris Tidak Ringan Sedang Berat Margin Margin Profil Kolom Margin Tidak Ringan Sedang Berat Margin Dimensi Singular Value Inertia Proportion Cumulative Proportion Explained Total Koordinat Faktor baris Row Koor 1 Koor 2 Koor 3 Koor Koordinat Faktor kolom Column Koor 1 Koor 2 Koor 3 Koor 4 1 Tidak Rendah Sedang Berat Kontribusi relatif baris Marginal Dim Total Row Profile
27 Kontribusi relatif kolom Marginal Dim Total Column Profile Tidak Rendah Sedang Berat Kontribusi total baris Marginal Dim Row Profile Kontribusi total kolom Marginal Dim Column Profile Tidak Rendah Sedang Berat Ukuran kesesuaian analisis korespondensi melalui analisis Procrustes untuk data kategori perokok dengan kategori pekerjaan dari beberapa perusahaan disajikan dalam tabel berikut. Hubungan Peubah Matriks data F dan matriks pendekatannya (M) Ukuran kesesuaian analisis korespondensi Ukuran kesesuaian analisis Procrustes 98.64% 98.64% Matriks data G dan matriks pendekatannya (N) 99.53% 99.53% Pada tabel di atas ditunjukkan bahwa pendekatan matriks menggunakan analisis Procrustes memberikan ukuran kesesuaian yang cukup yaitu lebih dari 95%.
28 Lampiran 2 Hasil analisis korespondensi untuk data penduduk berumur 15 tahun ke atas yang bekerja selama seminggu yang lalu menurut provinsi dan lapangan pekerjaan utama. Matriks Korespondensi P =
PENDAHULUAN LANDASAN ANALISIS
10 PENDAHULUAN Latar Belakang Biplot merupakan metode eksplorasi analisis data peubah ganda yang dapat memberikan gambaran secara grafik tentang kedekatan antar objek, keragaman peubah, korelasi antar
Lebih terperinciPEMETAAN PROVINSI DI INDONESIA BERDASARKAN LAPANGAN PEKERJAAN UTAMA DENGAN ANALISIS KORESPONDENSI DESTY PUTRI SARI
i PEMETAAN PROVINSI DI INDONESIA BERDASARKAN LAPANGAN PEKERJAAN UTAMA DENGAN ANALISIS KORESPONDENSI DESTY PUTRI SARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciUKURAN KESESUAIAN DALAM ANALISIS BIPLOT BIASA DAN ANALISIS BIPLOT IMBUHAN MARIYAM
UKURAN KESESUAIAN DALAM ANALISIS BIPLOT BIASA DAN ANALISIS BIPLOT IMBUHAN MARIYAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 2 ABSTRAK MARIYAM.
Lebih terperinciBIPLOT BIASA DAN KANONIK UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB KUSNANDAR
BIPLOT BIASA DAN KANONIK UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB KUSNANDAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciBIPLOT DATA DISAGREGAT DAN AGREGAT DALAM PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB DEDE SAHRUL BAHRI
BIPLOT DATA DISAGREGAT DAN AGREGAT DALAM PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB DEDE SAHRUL BAHRI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciANALISIS KOMPONEN UTAMA KERNEL: SUATU STUDI EKSPLORASI PEMBAKUAN PEUBAH PUTRI THAMARA
ANALISIS KOMPONEN UTAMA KERNEL: SUATU STUDI EKSPLORASI PEMBAKUAN PEUBAH PUTRI THAMARA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciKONFIGURASI PROGRAM STUDI DI IPB BERDASARKAN PRESTASI MAHASISWA TPB IPB DEVITA HANDAYANI
KONFIGURASI PROGRAM STUDI DI IPB BERDASARKAN PRESTASI MAHASISWA TPB IPB DEVITA HANDAYANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 ABSTRAK
Lebih terperinciANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA
ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPENERAPAN ANALISIS KORESPONDENSI PADA DATA JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA
Jurnal Matematika UNAND Vol 5 No 2 Hal 56 64 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENERAPAN ANALISIS KORESPONDENSI PADA DATA JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA DI INDONESIA CITRA KOMANG
Lebih terperinciPENERAPAN BIPLOT PADA PEMETAAN SUMBER DAYA KESEHATAN ANTARPROVINSI DI INDONESIA SUWAIBATUL ASLAMIYAH
PENERAPAN BIPLOT PADA PEMETAAN SUMBER DAYA KESEHATAN ANTARPROVINSI DI INDONESIA SUWAIBATUL ASLAMIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Lebih terperinciDAFTAR ALAMAT MADRASAH TSANAWIYAH NEGERI TAHUN 2008/2009
ACEH ACEH ACEH SUMATERA UTARA SUMATERA UTARA SUMATERA BARAT SUMATERA BARAT SUMATERA BARAT RIAU JAMBI JAMBI SUMATERA SELATAN BENGKULU LAMPUNG KEPULAUAN BANGKA BELITUNG KEPULAUAN RIAU DKI JAKARTA JAWA BARAT
Lebih terperinciBIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB WARSITO
BIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB WARSITO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciAnalisis Hibrid Korespondensi Untuk Pemetaan Persepsi. Hybrid Correspondence Analysis for Mapping Perception
Jurnal EKSPONENSIAL Volume, Nomor, Mei ISSN 85-89 Analisis Hibrid Korespondensi Untuk Pemetaan Persepsi Hybrid Correspondence Analysis for Mapping Perception Fitriani, Rito Goejantoro, dan Darnah Andi
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciPROSIDING ISSN: M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI
M-19 PROFIL PROVINSI DI INDONESIA BERDASARKAN SARANA PELAYANAN KESEHATAN MENGGUNAKAN ANALISIS KORESPONDENSI Titi Purwandari 1, Yuyun Hidayat 2 1,2) Departemen Statistika FMIPA Universitas Padjadjaran email
Lebih terperinciAnalisis Korespondensi Terhadap Persepsi Alumni Program Studi Matematika FMIPA Universitas Sam Ratulangi Mengenai Kurikulum Dan Proses Pembelajaran
Analisis Korespondensi Terhadap Persepsi Alumni Program Studi Matematika FMIPA Universitas Sam Ratulangi Mengenai Kurikulum Dan Proses Pembelajaran 1 Prastika Tumilaar, 2 Djoni Hatidja, 3 Jantje D. Prang
Lebih terperinciAPLIKASI ANALISIS KORESPONDENSI UNTUK MELIHAT KARAKTERISTIK USAHA PARIWISATA DI PROVINSI BALI
E-Jurnal Matematika Vol. 5 (2), Mei 2016, pp. 76-81 ISSN: 2303-1751 APLIKASI ANALISIS KORESPONDENSI UNTUK MELIHAT KARAKTERISTIK USAHA PARIWISATA DI PROVINSI BALI Agust Wiras Ardi Kusuma 1, I Gusti Ayu
Lebih terperinciTransformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan
Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail: Desi_its@yahoo.com Mustika Hadijati Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciPemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi
Pemetaan Status Gizi Balita Terhadap Kecamatan-Kecamatan Di Kabupaten Trenggalek Dengan Metode Analisis Korespondensi Oleh : Teguh Purianto (0 09 06) Dosen Pembimbing : Wibawati, S.Si., M.Si. ABSTRAK Anak
Lebih terperinciBAB II TINJAUAN PUSTAKA. digunakan untuk menganalisis data dengan lebih dari satu peubah bebas
BAB II TINJAUAN PUSTAKA 2.1. Analisis Peubah Ganda Analisis peubah ganda merupakan salah satu jenis analisis statistika yang digunakan untuk menganalisis data dengan lebih dari satu peubah bebas (independen
Lebih terperinciJumlah Akomodasi, Kamar, dan Tempat Tidur yang Tersedia pada Hotel Bintang Menurut Provinsi,
yang Tersedia pada Menurut, 2000-2015 2015 yang Tersedia pada ACEH 17 1278 2137 SUMATERA UTARA 111 9988 15448 SUMATERA BARAT 60 3611 5924 RIAU 55 4912 7481 JAMBI 29 1973 2727 SUMATERA SELATAN 61 4506 6443
Lebih terperinciAplikasi Analisis Korespondensi Berganda terhadap Pemetaan Perkembangan Pembangunan Kota Ambon
Statistika, Vol. 17 No. 2, 89 97 November 2017 Aplikasi Analisis Korespondensi Berganda terhadap Pemetaan Perkembangan Pembangunan Kota Ambon Y. A. Lesnussa, H. Kelian, E.R. Persulessy, R. J. Djami, M.W.
Lebih terperinciPERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR
Jur. Ris. & Apl. Mat. I (207), no., xx-xx Jurnal Riset dan Aplikasi Matematika e-issn: 258-054 URL: journal.unesa.ac.id/index.php/jram PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN
Lebih terperinciANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN/KOTA PROVINSI JAWA TENGAH (STUDI KASUS IPM TAHUN 2008 DAN 2013)
ISSN: 339-541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 015, Halaman 755-764 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM)
Lebih terperinciAljabar Linear Elementer
BAB I RUANG VEKTOR Pada kuliah Aljabar Matriks kita telah mendiskusikan struktur ruang R 2 dan R 3 beserta semua konsep yang terkait. Pada bab ini kita akan membicarakan struktur yang merupakan bentuk
Lebih terperinciANALISIS KORESPONDENSI UNTUK MENDAPATKAN PETA PERSEPSI DAN VARIABEL BAGI KEGIATAN USAHA SKRIPSI
ANALISIS KORESPONDENSI UNTUK MENDAPATKAN PETA PERSEPSI DAN VARIABEL BAGI KEGIATAN USAHA (Studi Kasus Rumah Makan Spesial Sambal (SS) terhadap Pesaingnya) SKRIPSI Disusun oleh : SUSI EKAWATI J2E 008 054
Lebih terperinciPENGURANGAN PEUBAH DALAM ANALISIS KORELASI KANONIK FANNY NOVIKA
PENGURANGAN PEUBAH DALAM ANALISIS KORELASI KANONIK FANNY NOVIKA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI SKRIPSI DAN
Lebih terperinciPENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI
PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinci(M.1) HYBRID KORESPONDENSI UNTUK MENGANALISIS OBJEK BERDASARKAN KATEGORI KOLOM DAN KARAKTERISTIK OBJEK
MULTIVARIAT 4 (M.1) HYBRID KORESPONDENSI UNTUK MENGANALISIS OBJEK BERDASARKAN KATEGORI KOLOM DAN KARAKTERISTIK OBJEK Irlandia Ginanjar Jurusan Statistika, Universitas Padjadjaran, Bandung email: irlandia_g@unpad.ac.id
Lebih terperinciPEMETAAN PROVINSI DI INDONESIA BERDASARKAN PRODUK DOMESTIK REGIONAL BRUTO MENGGUNAKAN ANALISIS BIPLOT MEGA ERAWATI
PEMETAAN PROVINSI DI INDONESIA BERDASARKAN PRODUK DOMESTIK REGIONAL BRUTO MENGGUNAKAN ANALISIS BIPLOT MEGA ERAWATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK BIPLOT SQRT (SQUARE ROOT BIPLOT)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 41-50 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Statistika Multivariat Analisis statistika multivariat adalah teknik-teknik analisis statistik yang memperlakukan sekelompok variabel terikat yang saling berkorelasi sebagai
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciAbstrak. Keywords: correspondence analysis, alumni, service.
Persepsi Alumni Matematika Terhadap Layanan dan Fasilitas Akademik Serta Penelitian dan Pengabdian kepada Masyarakat Di Program Studi Matematika FMIPA UNSRAT dengan Menggunakan Analisis Korespondensi 1
Lebih terperinciJumlah Akomodasi, Kamar, dan Tempat Tidur yang Tersedia pada Hotel Bintang Menurut Provinsi,
Menurut, 2000-2016 2015 ACEH 17 1.278 2.137 20 1.503 2.579 SUMATERA UTARA 111 9.988 15.448 116 10.732 16.418 SUMATERA BARAT 60 3.611 5.924 61 3.653 6.015 RIAU 55 4.912 7.481 58 5.206 7.832 JAMBI 29 1.973
Lebih terperinciDIAGONALISASI MATRIKS KOMPLEKS
Buletin Ilmiah Mat Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 337-346 DIAGONALISASI MATRIKS KOMPLEKS Heronimus Hengki, Helmi, Mariatul Kiftiah INTISARI Matriks kompleks merupakan matriks
Lebih terperinciPENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO
PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciWara Pramesti. Program Studi Statistika Universitas PGRI Adi Buana Surabaya ABSTRAK
J-Statistika Vol 4 No ANALISIS KORESPONDENSI UNUK MENGEAHUI KEERKAIAN INDAK PIDANA DENGAN USIA, JENIS KELAMIN, INGKA PENDIDIKAN, PEKERJAAN DAN ALASAN MELAKUKAN INDAK PIDANA Wara Pramesti Program Studi
Lebih terperinciMETODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE
METODE LEAST MEDIAN OF SQUARES (LMS) PADA ANALISIS REGRESI DENGAN PENCILAN AMIR A DALIMUNTHE DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2010 RINGKASAN
Lebih terperinciKode Makalah M-5. Kata Kunci : Posisioning, Analisis Hubungan, Kerusakan Trafo
Kode Makalah M-5 POSISIONING CABANG-CABANG PLN (PERSERO) DI JAWA TIMUR BERDASARKAN JENIS KERUSAKAN TRAFO Oleh : Muhammad Sjahid Akbar Jurusan Statistika Institut Teknologi Sepuluh Nopember (ITS) ABSTRAK
Lebih terperinciSELEKSI PEUBAH DENGAN ANALISIS KOMPONEN UTAMA DAN PROCRUSTES ACHMAD MUSLIM
SELEKSI PEUBAH DENGAN ANALISIS KOMPONEN UTAMA DAN PROCRUSTES ACHMAD MUSLIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciANALISIS PROCRUSTES SKRIPSI. Oleh: Kartika Andriyani J2A
ANALISIS PROCRUSTES SKRIPSI Oleh: Kartika Andriyani J2A 605 064 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 2010 ABSTRAK Konfigurasi
Lebih terperinciKAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR
E-Jurnal Matematika Vol. 4 (2), Mei 2015, pp. 37-42 ISSN: 2303-1751 KAJIAN TERHADAP TINGKAT PEMERATAAN PENDIDIKAN MENGGUNAKAN ANALISIS BIPLOT KLASIK DAN BIPLOT KEKAR Ni Luh Ardila Kusumayanti 1, I Komang
Lebih terperinciSOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2014), hal 91 98. SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Febrianti,
Lebih terperinciANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK BIPLOT SQRT (SQUARE ROOT BIPLOT)
ANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK BIPLOT SQRT (SQUARE ROOT BIPLOT) SKRIPSI Disusun Oleh : ANIK NURUL AINI 240 102 111 300 28 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciInterpretasi Geometri Dari Sebuah Determinan
Jurnal Sains Matematika dan Statistika Vol No Juli 5 ISSN 46-454 Interpretasi Geometri Dari Sebuah Determinan Riska Yeni Syamsudhuha M D H Gamal 3 Jurusan Matematika Fakultas Mipa Universitas Riau Jl HR
Lebih terperinciPopulasi Ternak Menurut Provinsi dan Jenis Ternak (Ribu Ekor),
Babi Aceh 0.20 0.20 0.10 0.10 - - - - 0.30 0.30 0.30 3.30 4.19 4.07 4.14 Sumatera Utara 787.20 807.40 828.00 849.20 871.00 809.70 822.80 758.50 733.90 734.00 660.70 749.40 866.21 978.72 989.12 Sumatera
Lebih terperinciANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA
ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciEFEKTIFITAS PENGGUNAAN DANA BANTUAN OPERASIONAL SEKOLAH (BOS) JENJANG SEKOLAH DASAR (SD) DI SELURUH
ANALISIS KORESPONDENSI EFEKTIFITAS PENGGUNAAN DANA BANTUAN OPERASIONAL SEKOLAH (BOS) JENJANG SEKOLAH DASAR (SD) DI SELURUH WILAYAH SURABAYA Ika Estuningtyas 1307 030 047 www.wondershare.com LOGO Pendahuluan
Lebih terperinciKompresi Citra Menggunakan Truncated Singular Value Decomposition (TSVD), Sebuah Eksplorasi Numerik
Kompresi Citra Menggunakan Truncated Singular Value Decomposition (TSVD), Sebuah Eksplorasi Numerik Grace Reni Agustina, AD. Garnadi, Sri Nurdiati Abstrak Citra atau image memiliki representasi sebagai
Lebih terperinciSEBUAH TELAAH ELIPS DAN LINGKARAN MELALUI SEBUAH PENDEKATAN ALJABAR MATRIKS
SEBUAH TELAAH ELIPS DAN LINGKARAN MELALUI SEBUAH PENDEKATAN ALJABAR MATRIKS Rahmat Sagara Sekolah Tinggi Keguruan dan Ilmu Pendidikan Kebangkitan Nasional Sampoerna School of Education Building Jl. Kapten
Lebih terperinciKata Pengantar. Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan.
i Kata Pengantar Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan. Modul ajar ini dimaksudkan untuk membantu penyelenggaraan kuliah jarak
Lebih terperinciANALISIS BIPLOT DAN PROCRUSTES TERHADAP PERUBAHAN KURIKULUM TPB IPB ANGKATAN 2010/2011 DAN 2011/2012 ABRAHAM MADISON MANURUNG
ANALISIS BIPLOT DAN PROCRUSTES TERHADAP PERUBAHAN KURIKULUM TPB IPB ANGKATAN 2010/2011 DAN 2011/2012 ABRAHAM MADISON MANURUNG DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciAnalisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali
Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali I Gusti Ayu Made Srinadi Jurusan Matematika, Fakultas
Lebih terperinciPENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI
PENGGEROMBOLAN DUA TAHAP DESA-DESA DI JAWA TENGAH ALIFTA DIAH AYU RETNANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 RINGKASAN ALIFTA DIAH AYU RETNANI.
Lebih terperinciBIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB WARSITO
BIPLOT DENGAN DEKOMPOSISI NILAI SINGULAR BIASA DAN KEKAR UNTUK PEMETAAN PROVINSI BERDASARKAN PRESTASI MAHASISWA IPB WARSITO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciMatriks. Modul 1 PENDAHULUAN
Modul Matriks Dra. Sri Haryatmi Kartiko, M.Sc. I PENDAHULUAN lmu pengetahuan dewasa ini menjadi semakin kuantitatif. Data numerik dengan skala besar, hasil pengukuran berupa angka sering dijumpai oleh
Lebih terperinciMODEL VEKTOR DAN MATRIKS DARI DOKUMEN SERTA SUDUT ANTARA DUA VEKTOR DAN DUA SUBRUANG UNTUK MENDUGA DINI PLAGIARISME DOKUMEN
MODEL VEKOR DAN MARIKS DARI DOKUMEN SERA SUDU ANARA DUA VEKOR DAN DUA SUBRUANG UNUK MENDUGA DINI PLAGIARISME DOKUMEN Prasetyaning Diah R. Lestari, R. Agustian, R. Gafriadi, A.Febriyanti, dan A.D. Garnadi
Lebih terperinciSEGMENTASI DAN ANALISIS CITRA PRODUK OBAT BATUK MUHAMMAD KHOIRUL FITRIANTO
SEGMENTASI DAN ANALISIS CITRA PRODUK OBAT BATUK MUHAMMAD KHOIRUL FITRIANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciDidin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)
(M.2) ANALISIS BIPLOT UNTUK MENGETAHUI KARAKTERISTIK PUTUS SEKOLAH PENDIDIKAN DASAR PADA MASYARAKAT MISKIN ANTAR WILAYAH KECAMATAN DI KABUPATEN OGAN ILIR Didin Astriani P, Oki Dwipurwani, Dian Cahyawati
Lebih terperinciPENGENALAN POLA SECARA STATISTIKA DENGAN PENDEKATAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS SKRIPSI RINA WIDYASARI
PENGENALAN POLA SECARA STATISTIKA DENGAN PENDEKATAN ANALISIS DISKRIMINAN LINIER 2-DIMENSI SIMETRIS SKRIPSI RINA WIDYASARI 060803052 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciJUMLAH PENEMPATAN TENAGA KERJA INDONESIA ASAL PROVINSI BERDASARKAN JENIS KELAMIN PERIODE 1 JANUARI S.D 31 OKTOBER 2015
JUMLAH PENEMPATAN TENAGA KERJA INDONESIA ASAL PROVINSI BERDASARKAN JENIS KELAMIN NO PROVINSI LAKI-LAKI PEREMPUAN Total 1 ACEH 197 435 632 2 SUMATERA UTARA 1,257 8,378 9,635 3 SUMATERA BARAT 116 476 592
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari
BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis
Lebih terperinciAbstract. Abstrak. Keywords : Correspondence Analysis, Lecturer, Student, Service
Analisis Korepondensi Terhadap Karakteristik Kinerja Dosen Berdasarkan Faktor Penentu Mutu Pelayanan Di Jurusan Matematika Fmipa Universitas Sam Ratulangi 1 Djaka Liputo, 2 Djoni Hatidja, 3 Yohanes A.R.
Lebih terperinciANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA
ANALISIS KORESPONDENSI KABUPATEN/KOTA DI JAWA TIMUR BERDASARKAN PENYEBARAN PENYAKIT ISPA IKO PUTRI TYASHENING 1311 030 013 Dosen Pembimbing : Dr Santi Wulan Purnami, MSi PENDAHULUAN PENDAHULUAN RUMUSAN
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciMATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 6, No. (17), hal 7 34. MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER Ardiansyah, Helmi, Fransiskus Fran INTISARI Pada
Lebih terperinciJumlah Ternak yang dipotong di rumah potong hewan (RPH) menurut Provinsi dan Jenis Ternak (ekor),
Sapi ACEH 25055 25902 18002 23456 22172 19693 9931 27698 26239 35601 36014 36287 30145 11316 10986 13231 SUMATERA UTARA 22557 22578 17050 21686 20380 19275 20816 24077 19676 28901 31926 32163 21761 24434
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN PROVINSI BERDASARKAN PEUBAH-PEUBAH PENDIDIKAN FUKA ANING LESTARI
0 ANALISIS BIPLOT UNTUK PEMETAAN PROVINSI BERDASARKAN PEUBAH-PEUBAH PENDIDIKAN FUKA ANING LESTARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013
Lebih terperinci(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66
MATRIKS Departemen Matematika FMIPA-IPB Bogor, 2012 (Departemen Matematika FMIPA-IPB) Matriks Bogor, 2012 1 / 66 Topik Bahasan 1 Matriks 2 Operasi Matriks 3 Determinan matriks 4 Matriks Invers 5 Operasi
Lebih terperinciBPS PROVINSI SUMATERA SELATAN
BADAN PUSAT STATISTIK BPS PROVINSI SUMATERA SELATAN No.53/09/16 Th. XVIII, 01 September 2016 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SUMATERA SELATAN MARET 2016 GINI RATIO SUMSEL PADA MARET 2016 SEBESAR
Lebih terperinciΛ = DATA DAN METODE. Persamaan Indeks XB dinyatakan sebagai berikut. XB(c) = ( ) ( )
Indeks XB (Xie Beni) Penggerombolan Fuzzy C-means memerlukan indeks validitas untuk mengetahui banyak gerombol optimum yang terbentuk. Indeks validitas yang digunakan dalam penelitian ini adalah Indeks
Lebih terperinciTabel Lampiran 1. Produksi, Luas Panen dan Produktivitas Padi Per Propinsi
Tabel., dan Padi Per No. Padi.552.078.387.80 370.966 33.549 4,84 4,86 2 Sumatera Utara 3.48.782 3.374.838 826.09 807.302 4,39 4,80 3 Sumatera Barat.875.88.893.598 422.582 423.402 44,37 44,72 4 Riau 454.86
Lebih terperinciPENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO
PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciAPLIKASI ANALISIS KORESPONDENSI UNTUK MELIHAT KARAKTERISTIK USAHA PARIWISATA DI PROVINSI BALI KOMPETENSI STATISTIKA [SKIPSI]
APLIKASI ANALISIS KORESPONDENSI UNTUK MELIHAT KARAKTERISTIK USAHA PARIWISATA DI PROVINSI BALI KOMPETENSI STATISTIKA [SKIPSI] AGUST WIRAS ARDI KUSUMA 0908405042 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciTABEL 1 GAMBARAN UMUM TAMAN BACAAN MASYARAKAT (TBM) KURUN WAKTU 1 JANUARI - 31 DESEMBER 2011
TABEL 1 GAMBARAN UMUM No. Provinsi Lembaga Pengelola Pengunjung Judul Buku 1 DKI Jakarta 75 83 7.119 17.178 2 Jawa Barat 1.157 1.281 72.477 160.544 3 Banten 96 88 7.039 14.925 4 Jawa Tengah 927 438 28.529
Lebih terperinciMATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG
MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI
Lebih terperinciIV. PERBANDINGAN KONFIGURASI MATRIKS INTERAKSI: METODE PROCRUSTES
IV. PERBANDINGAN KONFIGURASI MATRIKS INTERAKSI: METODE PROCRUSTES 4.1 Pendahuluan Dua pendekatan dalam menangani ketaknornalan data pada pemodelan bilinier telah dibicarakan pada bab-bab sebelumnya. Bab
Lebih terperinciTINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SULAWESI TENGGARA MARET 2017 MENURUN TERHADAP MARET 2016
BADAN PUSAT STATISTIK BADAN PUSAT STATISTIK No.39/07/Th.XX, 17 Juli 2017 TINGKAT KETIMPANGAN PENGELUARAN PENDUDUK SULAWESI TENGGARA MARET 2017 MENURUN TERHADAP MARET 2016 GINI RATIO PADA MARET 2017 SEBESAR
Lebih terperinciANALISIS ORIENTASI FASHION WANITA DI JABODETABEK MENGGUNAKAN KORESPONDENSI BERGANDA YOHANES BELLA KURNIAWAN
ANALISIS ORIENTASI FASHION WANITA DI JABODETABEK MENGGUNAKAN KORESPONDENSI BERGANDA YOHANES BELLA KURNIAWAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPEMETAAN AREA PELAYANAN DAN JARINGAN PT. PLN (PERSERO) DISTRIBUSI JAWA TIMUR BERDASARKAN GOLONGAN PELANGGARAN PELANGGAN
PEMETAAN AREA PELAYANAN DAN JARINGAN PT. PLN (PERSERO) DISTRIBUSI JAWA TIMUR BERDASARKAN GOLONGAN PELANGGARAN PELANGGAN Muhammad Sjahid Akbar dan Saiful Amin Jurusan Statistika ITS Kampus ITS Sukolilo
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Sebagai acuan penulisan penelitian ini diperlukan beberapa pengertian dan teori yang berkaitan dengan pembahasan. Dalam sub bab ini akan diberikan beberapa landasan teori berupa pengertian,
Lebih terperinciRuang Baris, Ruang Kolom, dan Ruang Null (Kernel)
Ruang Baris, Ruang Kolom, dan Ruang Null (Kernel) Kuliah Aljabar Linier Semester Ganjil 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U November 2015 MZI (FIF Tel-U) Ruang Baris, Kolom,
Lebih terperinciGERSHGORIN DISK FRAGMENT UNTUK MENENTUKAN DAERAH LETAK NILAI EIGEN PADA SUATU MATRIKS. Anggy S. Mandasary 1, Zulkarnain 2 ABSTRACT
GERSHGORIN DISK FRAGMENT UNTUK MENENTUKAN DAERAH LETAK NILAI EIGEN PADA SUATU MATRIKS Anggy S. Mandasary 1, Zulkarnain 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN/KOTA PROVINSI JAWA TENGAH (STUDI KASUS IPM TAHUN 2008 DAN 2013)
ANALISIS PROCRUSTES PADA INDIKATOR INDEKS PEMBANGUNAN MANUSIA (IPM) DI KABUPATEN/KOTA PROVINSI JAWA TENGAH (STUDI KASUS IPM TAHUN 2008 DAN 2013) SKRIPSI Disusun Oleh : BUNGA MAHARANI 24010211120008 JURUSAN
Lebih terperinciRUMAH KHUSUS TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN TARGET ANGGARAN
Pembangunan Perumahan Dan Kawasan Permukiman Tahun 2016 PERUMAHAN PERBATASAN LAIN2 00 NASIONAL 685.00 1,859,311.06 46,053.20 4,077,857.49 4,523.00 359,620.52 5,293.00 714,712.50 62,538.00 1,344,725.22
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Uji Hipotesis
BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang pengujian hipotesis, metode klasifikasi berstruktur pohon, metode-metode statistika yang menjadi dasar pada metode QUEST, dan algoritme QUEST..1
Lebih terperinciANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU. Oleh : Heru Novriyadi G
ANALISIS KORELASI KANONIK ANTARA CURAH HUJAN GCM DAN CURAH HUJAN DI INDRAMAYU Oleh : Heru Novriyadi G4004 PROGRAM STUDI STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciSILABUS. Mengenal matriks persegi. Melakukan operasi aljabar atas dua matriks. Mengenal invers matriks persegi.
SILABUS Nama Sekolah Mata Pelajaran Kelas / Program Semester : SMA NEGERI 2 LAHAT : MATEMATIKA : XII / IPA : GANJIL STANDAR KOMPETENSI: 3. Menggunakan konsep matriks, vektor, dan transformasi dalam pemecahan
Lebih terperinciBAB III MENENTUKAN PRIORITAS DALAM AHP. Wharton School of Business University of Pennsylvania pada sekitar tahun 1970-an
BAB III MENENTUKAN PRIORITAS DALAM AHP Pada bab ini dibahas mengenai AHP yang dikembangkan oleh Thomas L Saaty di Wharton School of Business University of Pennsylvania pada sekitar tahun 970-an dan baru
Lebih terperinciPENGUKURAN KONTRIBUSI ITS DALAM MEMBENTUK MUTU SARJANA BARU ITS MENURUT PERSEPSI WISUDAWAN TAHUN 2004
B-17-1 PENGUKURAN KONTRIBUSI ITS DALAM MEMBENTUK MUTU SARJANA BARU ITS MENURUT PERSEPSI WISUDAWAN TAHUN 2004 Arie Kismanto dan Muhammad Sjahid Akbar Jurusan Statistik ITS ABSTRAK Sarjana baru dapat dipakai
Lebih terperinciOleh : Amilia Firda Rahmana ( ) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D
Analisis Pola Hubungan Besarnya Kerugian Negara Akibat Korupsi Dengan Demografi Koruptor di Jawa Timur Oleh : Amilia Firda Rahmana (1311 105 008) Dosen Pembimbing : Santi Puteri Rahayu, M.Si, Ph.D Seminar
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
23 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Model Migrasi Secara umum persamaan model skedul migrasi model penuh yang dikemukakan oleh Rogers (1978) dapat digambarkan menjadi sebuah grafik yang diberikan
Lebih terperinci