PERBANDINGAN ANALISIS FAKTOR KLASIK DAN KELOMPOK BAHAN MAKANAN DI JAWA TENGAH

dokumen-dokumen yang mirip
PERBANDINGAN ANALISIS FAKTOR KLASIK DAN ANALISIS FAKTOR ROBUST UNTUK DATA INFLASI KELOMPOK BAHAN MAKANAN DI JAWA TENGAH

SKRIPSI. Disusun Oleh: Ana Kartikawati NIM. J2E009024

SKRIPSI. Oleh : LAILI ISNA NUR KHIQMAH NIM :

PERBANDINGAN TINGKAT EFISIENSI ANTARA METODE KUADRAT TERKECIL DENGAN METODE MINIMUM COVARIANCE DETERMINANT

BPS KOTA TEGAL. BULAN FEBRUARI 2014 KOTA TEGAL INFLASI 0,79 persen

KATA SAMBUTAN. Ungaran, Desember 2015 BAPPEDA KABUPATEN SEMARANG Kepala, Ir. YUSUF ISMAIL, MT Pembina Utama Muda NIP

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

0,25 persen PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI KABUPATEN SEMARANG BULAN FEBRUARI 2016 DEFLASI SEBESAR

BERITA RESMI STATISTIK

GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH

0,15 persen PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI KABUPATEN SEMARANG BULAN JULI 2017 INFLASI SEBESAR

0,58 persen PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI KABUPATEN SEMARANG BULAN MEI 2015 INFLASI SEBESAR

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

KERJASAMA BAPPEDA KABUPATEN SEMARANG BADAN PUSAT STATISTIK KABUPATEN SEMARANG

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

PERKEMBANGAN INDEKS HARGA KONSUMEN/ INFLASI KOTA BLORA JULI 2016 INFLASI 1,03 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

PERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE PADA ANALISIS FAKTOR-FAKTOR PENDAPATAN ASLI DAERAH (PAD) PROVINSI JAWA TENGAH

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

RANCANGAN D-OPTIMAL UNTUK REGRESI POLINOMIAL DERAJAT 3 DENGAN HETEROSKEDASTISITAS

PERKEMBANGAN INDEKS HARGA KONSUMEN/ INFLASI KOTA BLORA JUNI 2016 INFLASI 0,22 PERSEN

PEMODELAN PERSENTASE BALITA GIZI BURUK DI JAWA TENGAH DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENTS ANALYSIS (GWRPCA)


PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI KOTA KEBUMEN BULAN MARET 2015 INFLASI 0,03 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA BLORA AGUSTUS 2017 DEFLASI 0,21 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA BLORA JANUARI 2016 INFLASI 0,28 PERSEN

BERITA RESMI STATISTIK KABUPATEN SEMARANG

OPTIMALISASI PROSES PRODUKSI YANG MELIBATKAN BEBERAPA FAKTOR DENGAN LEVEL YANG BERBEDA MENGGUNAKAN METODE TAGUCHI SKRIPSI

BADAN PUSAT STATISTIK KOTA BOGOR

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI

PERKEMBANGAN INDEKS HARGA KONSUMEN/ INFLASI KOTA BLORA SEPTEMBER 2016 INFLASI 0,07 PERSEN

Peramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi, Minuman, Rokok dan Tembakau Menggunakan Model Variasi Kalender

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI

PEMODELAN VARIABEL-VARIABEL PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI TELUR ATAU SUSU DI KABUPATEN MAGELANG MENGGUNAKAN REGRESI TOBIT

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

REGRESI ROBUST MM-ESTIMATOR UNTUK PENANGANAN PENCILAN PADA REGRESI LINIER BERGANDA

BERITA RESMI STATISTIK

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA KEDIRI JANUARI TAHUN 2017 INFLASI 0,94 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN (IHK) KOTA BEKASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA BLORA MARET 2017 DEFLASI 0,07 PERSEN

BERITA RESMI STATISTIK KABUPATEN SEMARANG

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI

KATA PENGANTAR BADAN PERENCANAAN PEMBANGUNAN DAERAH KOTA SEMARANG. BADAN PUSAT STATISTIK KOTA SEMARANG K e p a l a,

Inflasi Empat Kota Di Jawa Tengah Mei 2008

PENERAPAN METODE LEAST MEDIAN SQUARE-MINIMUM COVARIANCE DETERMINANT (LMS-MCD) DALAM REGRESI KOMPONEN UTAMA

PERKEMBANGAN INDEKS HARGA KONSUMEN/DEFLASI KOTA BLORA FEBRUARI 2016 DEFLASI 0,25 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

PENERAPAN DIAGRAM KONTROL PADA PROSES PRODUKSI MINUMAN KEMASAN RETURNABLE GLASS BOTTLE. (Studi Kasus di PT. Coca-cola Bottling Indonesia Central Java)

PENGAMBILAN SAMPEL BERDASARKAN PERINGKAT PADA ANALISIS REGRESI LINIER SEDERHANA

BERITA RESMI STATISTIK

PEMODELAN INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH TAHUN DENGAN MENGGUNAKAN REGRESI DATA PANEL

SKRIPSI. Disusun Oleh: MAS AD DEPARTEMEN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2016

PERKEMBANGAN INDEKS HARGA KONSUMEN KOTA PEKALONGAN

BADAN PUSAT STATISTIK KOTA BOGOR

DISKRIMINAN LINIER UNTUK KLASIFIKASI PERUSAHAAN MANIPULATOR DAN NON-MANIPULATOR. (Studi Kasus Di Bursa Efek Indonesia Tahun 2013)

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

SKRIPSI. Disusun Oleh : RAHMA NURFIANI PRADITA

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

KOTA METRO BULAN DESEMBER 2016 INFLASI SEBESAR 0,13 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI JEPARA BULAN APRIL 2017 INFLASI 0,55 PERSEN

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI JEPARA BULAN MARET 2017 DEFLASI 0,06 PERSEN

WARTA INDEKS HARGA KONSUMEN (IHK) BPS KABUPATEN KENDAL

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

BADAN PUSAT STATISTIK KOTA BOGOR

PERBANDINGAN METODE RUNTUN WAKTU FUZZY-CHEN DAN DI INDONESIA

PERBANDINGAN MODEL PERTUMBUHAN EKONOMI DI JAWA TENGAH DENGAN METODE REGRESI LINIER BERGANDA DAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION SKRIPSI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

ANALISIS LAPANGAN PEKERJAAN UTAMA DI JAWA TENGAH BERDASARKAN GRAFIK BIPLOT SQRT (SQUARE ROOT BIPLOT)

PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2k-p DENGAN METODE LENTH

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI

BADAN PUSAT STATISTIK PROVINSI KEPULAUAN RIAU

KLASIFIKASI RUMAH LAYAK HUNI DI KABUPATEN BREBES DENGAN MENGGUNAKAN METODE LEARNING QUANTIZATION DAN NAIVE BAYES

PEMODELAN REGRESI 2-LEVEL DENGAN METODE ITERATIVE GENERALIZED LEAST SQUARE (IGLS) (Studi Kasus: Tingkat pendidikan Anak di Kabupaten Semarang)

PREDIKSI INFLASI BEBERAPA KOTA DI JAWA TENGAH TAHUN 2014 MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)

Inflasi Empat Kota Di Jawa Tengah Januari 2008

Inflasi Empat Kota Di Jawa Tengah April 2008

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

SKRIPSI. Disusun Oleh: MARTA WIDYASTUTI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI



PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI KOTA MANOKWARI

BADAN PUSAT STATISTIK KOTA BOGOR

PEMODELAN LAJU INFLASI DI PROVINSI JAWA TENGAH MENGGUNAKAN REGRESI DATA PANEL

PERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/LAJU INFLASI KOTA SALATIGA

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI

PERKEMBANGAN INDEKS HARGA KONSUMEN/INFLASI DI JEPARA BULAN JULI 2017 DEFLASI 0,38 PERSEN

Transkripsi:

PERBANDINGAN ANALISIS FAKTOR KLASIK DAN ANALISIS FAKTOR ROBUST UNTUK DATA INFLASI KELOMPOK BAHAN MAKANAN DI JAWA TENGAH SKRIPSI Oleh: ERNA PUSPITASARI NIM :24010210130059 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2014

PERBANDINGAN ANALISIS FAKTOR KLASIK DAN ANALISIS FAKTOR ROBUST UNTUK DATA INFLASI KELOMPOK BAHAN MAKANAN DI JAWA TENGAH Oleh: ERNA PUSPITASARI NIM :24010210130059 Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Program Studi Statistika JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2014 i

ii

iii

KATA PENGANTAR Puji syukur penulis ucapkan atas kehadirat Allah SWT yang telah melimpahkan rahmat dan karunia-nya sehingga penulis dapat menyelesaikan skripsi berjudul Perbandingan Analisis Faktor Klasik dan Analisis Faktor Robust untuk Data Inflasi Kelompok Bahan Makanan di Jawa Tengah. Skripsi ini menerangkan suatu perbandingan metode analisis data yang dapat mereduksi data dan menemukan faktor baru untuk data inflasi kelompok bahan makanan di Jawa Tengah dengan menggunakan penaksir klasik dan penaksir robust. Keberhasilan penulis dalam menyelesaikan skripsi ini tentu bukan hanya usaha dan doa penulis seorang, tetapi banyak pihak yang telah berjasa dan membantu dalam penyusunan skripsi ini. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terima kasih kepada : 1. Dra. Hj. Dwi Ispriyanti, M.Si. selaku Ketua Jurusan Statistika FSM Universitas Diponegoro Semarang 2. Moch. Abdul Mukid, S.Si., M.Si. selaku dosen pembimbing I dan Drs. Sudarno, M.Si. selaku dosen pembimbing II yang dengan penuh kesabaran telah memberikan bimbingan, pengarahan dan petunjuk dalam penulisan skripsi ini. 3. Seluruh Bapak dan Ibu Dosen Jurusan Statistika, FSM Universitas Diponegoro yang telah memberikan ilmu yang sangat bermanfaat 4. Semua pihak yang telah memberikan bantuan, semangat dan doa sehingga penulis dapat menyelesaikan penulisan skripsi ini Penulis menyadari bahwa penulisan skripsi ini belumlah sempurna. Oleh karena itu, kritik dan saran yang bersifat membangun sangat penulis harapkan. Penulis berharap semoga skripsi ini dapat bermanfaat bagi penulis pada khususnya maupun pembaca pada umumnya. Semarang, Mei 2014 Penulis iv

ABSTRAK Analisis faktor merupakan suatu metode statistika yang digunakan untuk menjelaskan suatu himpunan variabel berdasarkan dimensi yang lebih umum. Analisis faktor yang sering digunakan adalah analisis faktor klasik dengan metode komponen utama. Analisis faktor klasik tidak dapat bekerja dengan baik jika data yang dianalisis mengandung banyak pencilan. Agar analisis faktor tetap optimal dalam menjelaskan suatu himpunan variabel meskipun dalam kondisi data yang mengandung banyak pencilan maka diperlukan suatu penaksir yang robust. Melalui analisis faktor robust diharapkan diperoleh ketepatan hasil analisis yang tinggi untuk data yang mengandung banyak pencilan. Penaksir fast-mcd merupakan salah satu penaksir robust yang bertujuan untuk mendapatkan determinan matriks kovariansi terkecil. Analisis faktor robust dengan metode fast-mcd pada penulisan tugas akhir ini diterapkan untuk menjelaskan banyaknya subkelompok bahan makanan pada tingkat inflasi bahan makanan di Jawa Tengah ke dalam dimensi yang lebih sederhana. Total proporsi variansi data yang dapat dijelaskan oleh faktor yang terbentuk melalui metode analisis faktor robust pada data inflasi kelompok bahan makanan di Jawa Tengah yaitu sebesar 72,9 persen lebih besar dari metode analisis faktor klasik yang menghasilkan sebesar 53,5 persen. Hal ini menunjukkan bahwa metode analisis faktor robust lebih mampu mengatasi data inflasi kelompok makanan di Jawa Tengah yang mengandung pencilan dari pada metode analisis faktor klasik. Kata Kunci : Inflasi, Pencilan, Analisis Faktor Robust, fast-mcd v

ABSTRACT Factor analysis is a statistical method used to describe a set of variables based on common dimensions. Factor analysis that is often used is the classical factor analysis with principal components method. Classical factor analysis can not work properly if the data contained many outliers. In order factor analysis remains optimal in explaining a set of variables even in conditions of data containing many outliers, we need a robust estimator. Through factor analysis is expected to obtain robust high accuracy analysis results for data containing many outliers. Estimator fast-mcd is one of the robust estimator that aims to get the smallest determinant of the covariance matrix. Robust factor analysis with fast-mcd method in this thesis is applied to explain the many subgroups of food at food inflation rate in Central Java into a more modest dimensions. The total proportion of the data variance can be explained by factors that are formed through a robust method of factor analysis in foodstuffs inflation data in Central Java that is equal to 72.9 percent larger than the classical factor analysis method which generates at 53.5 percent. This suggests that a more robust factor analysis method is able to cope with food inflation data in Central Java group containing outliers of the classical factor analysis method. Keywords: Inflation, Outlier, Robust Factor Analysis, fast-mcd. vi

DAFTAR ISI Halaman HALAMAN JUDUL. HALAMAN PENGESAHAN.. KATA PENGANTAR.. ABTRAK... ABSTRACT.. DAFTAR ISI. DAFTAR GAMBAR DAFTAR TABEL. DAFTAR LAMPIRAN i ii iv v vi vii x xi xii BAB I PENDAHULUAN. 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah.. 1.4 Tujuan Penulisan. BAB II TINJAUAN PUSTAKA.. 2.1 Inflasi. 2.2 Bahan Makanan.. 2.3 Asumsi. 2.3.1 Identifikasi Kecukupan Data... 2.3.2 Multikolinieritas.. 1 1 3 3 4 5 5 6 9 9 11 v

2.4 Pencilan... 2.5 Analisis Faktor 2.5.1 Metode Komponen Utama (The Principal Component Method) untuk Model Faktor. 2.5.2 Rotasi Faktor 2.5.3 Menghitung Nilai Residual.. 2.6 Metode Penaksir Minimum Covariance Determinant (MCD) 2.7 Analisis Faktor Robust. BAB III METODOLOGI PENELITIAN 3.1 Sumber Data 3.2 Variabel Penelitian.. 3.3 Langkah-langkah Analisis... 3.4 Diagram Alir Analisis Data. BAB IV PEMBAHASAN. 4.1 Data Inflasi Kelompok Bahan Makanan Provinsi Jawa Tengah. 4.1.1 Padi-padian, Umbi-umbian dan Hasilnya.. 4.1.2 Daging dan Hasil-hasilnya... 4.1.3 Ikan Segar 4.1.4 Ikan Diawetkan 4.1.5 Telur, Susu dan Hasil-hasilnya 4.1.6 Sayur-sayuran.. 4.1.7 Kacang-kacangan 4.1.8 Buah-buahan 4.1.9 Bumbu-bumbuan. 4.1.10 Lemak dan Minyak.. 4.1.11 Bahan Makanan Lainnya. 4.2 Pengujian Asumsi 4.2.1 Uji Kecukupan Data 12 12 15 16 18 19 22 23 23 23 24 25 27 27 27 28 29 30 30 31 32 32 33 34 34 35 35 vi

4.2.2 Uji Multikolinieritas 4.3 Pencilan... 4.4 Analisis Faktor Klasik. 4.4.1 Penaksir Parameter.. 4.4.2 Menentukan Metode Faktor 4.4.3 Menentukan Banyaknya Faktor.. 4.4.4 Metode Rotasi Faktor. 4.4.5 Interpretasi Faktor Matriks.. 4.4.6 Menghitung Matriks Residual. 4.5 Analisis Faktor Robust... 4.5.1 Penaksir Parameter.. 4.5.2 Menentukan Banyaknya Faktor.. 4.5.3 Metode Rotasi Faktor. 4.5.4 Interpretasi Faktor Matriks.. 4.5.5 Menghitung Matriks Residual. 4.6 Perbandingan Hasil Analisis Faktor Klasik dan Analisis Faktor Robust.. 38 39 40 40 41 41 43 43 45 45 45 46 48 48 49 50 BAB V PENUTUP.... 5.1 Kesimpulan.. 5.2 Saran DAFTAR PUSTAKA LAMPIRAN... 52 52 53 54 55 vii

DAFTAR GAMBAR Halaman Gambar 3.1 Diagram Alir Analisis Data Penelitian. 26 Gambar 4.1 Tingkat Inflasi Subkelompok Padi-padian, Umbi-umbian dan Hasilnya. Gambar 4.2 Tingkat Inflasi Subkelompok Daging dan Hasil-hasilnya. Gambar 4.3 Tingkat Inflasi Subkelompok Ikan Segar.. Gambar 4.4 Tingkat Inflasi Subkelompok Ikan Diawetkan.. Gambar 4.5 Tingkat Inflasi Subkelompok Telur, Susu dan Hasil-hasilnya... Gambar 4.6 Tingkat Inflasi Subkelompok Sayur-sayuran. Gambar 4.7 Tingkat Inflasi Subkelompok Kacang-kacangan... Gambar 4.8 Tingkat Inflasi Subkelompok Buah-buahan.. Gambar 4.9 Tingkat Inflasi Subkelompok Bumbu-bumbuan Gambar 4.10 Tingkat Inflasi Subkelompok Lemak dan Minyak... Gambar 4.11 Tingkat Inflasi Subkelompok Bahan Makanan Lainnya.. 28 29 29 30 31 31 32 33 33 34 35 viii

DAFTAR TABEL Halaman Tabel 4.1 Keputusan Uji MSA Tabel 4.2 Nilai Eigen.. Tabel 4.3 Hasil Pengelompokkan... Tabel 4.4 Nilai Eigen untuk Analisis Faktor Robust Tabel 4.5 Hasil Pengelompokkan Analisis Faktor Robust.. 37 42 44 47 50 Tabel 4.6 Perbandingan Hasil Proporsi Kumulatif Varian Analisis Faktor Klasik dengan Analisis Faktor Robust.. 50 ix

DAFTAR LAMPIRAN Halaman Lampiran I Lampiran II Lampiran III Lampiran IV Lampiran V Lampiran VI Lampiran VII Lampiran VIII Lampiran IX Lampiran X Data Inflasi Kelompok Bahan Makanan di Jawa Tengah. Identifikasi Kecukupan Sampel Data dan Pengujian Multikolinieritas Perhitungan untuk Mendeteksi Pencilan Menggunakan Minitab 14... Hasil Pendeteksi Pencilan. Paket Program untuk Mendapat Penaksir Klasik dengan Menggunakan R 2.14.0. Perhitungan Analisis Faktor Klasik dengan Menggunakan SPSS dan Ms Excel. Paket Program untuk Mendapat Penaksir fast-mcd dengan Menggunakan R 2.14.0. Perhitungan Analisis Faktor Robust dengan Menggunakan R 2.14.0. dan Ms Excel. Perbandingan Hasil Analisis Faktor Klasik dengan Hasil Analisis Faktor Robust.. Tabel Distribusi Chi-Kuadrat 55 58 61 63 64 65 68 69 72 73 x

BAB I PENDAHULUAN 1.1 Latar Belakang Inflasi merupakan bagian dari keadaan perekonomian yang terjadi di setiap Negara. Inflasi yang terus meningkat dapat memperlambat pertumbuhan ekonomi di Negara itu sendiri. Di provinsi Jawa Tengah, laju inflasi selama 5 tahun terakhir masih naik turun dengan angka inflasi tertinggi terjadi pada bulan Juli tahun 2013 yakni sebesar 3,41 (BPS, 2013). Untuk mengukur tingkat inflasi dapat menggunakan Indeks Harga Konsumen (IHK) yang dihitung dari pengeluaran masyarakat berupa konsumsi rumah tangga terhadap jenis barang dan jasa. Menurut Badan Pusat Statistik (BPS), pengeluaran tersebut dibagi menjadi tujuh kelompok yakni : 1. Kelompok bahan makanan, 2. Kelompok makanan jadi, minuman, rokok dan tembakau, 3. Kelompok perumahan, air, listrik, gas dan bahan bakar, 4. Kelompok sandang, 5. Kelompok kesehatan, 6. Kelompok pendidikan, rekreasi dan olah raga, 7. Kelompok transportasi, komunikasi dan jasa keuangan. Dari tujuh kelompok tersebut masing-masing kelompok dibagi lagi menjadi beberapa subkelompok dan kelompok yang memiliki jumlah subkelompok paling banyak adalah kelompok bahan makanan, yang dibagi menjadi sebelas subkelompok yang selanjutnya subkelompok ini menjadi faktor penjelas yang mempengaruhi 1

2 besarnya inflasi pada kelompok bahan makanan. Dari banyaknya subkelompok tersebut, ingin ditemukan subkelompok (faktor) yang lebih ringkas yang paling mampu menjelaskan tingkat inflasi pada kelompok bahan makanan sehingga laju inflasi pada kelompok bahan makanan dapat disajikan dengan lebih efisien. Metode yang digunakan untuk permasalahan tersebut ialah analisis faktor. Analisis faktor merupakan suatu analisis statistik yang berfungsi untuk mereduksi atau meringkas beberapa variabel independen menjadi lebih sedikit variabel (Baroroh, 2013). Analisis faktor yang sering digunakan adalah analisis faktor klasik, dengan dua metode dasar analisis yang sering digunakan yakni principal component analysis dan common factor analysis yang sering disebut principal axis factoring (Simamora, 2005). Tujuan kedua metode ini berbeda, principal component analysis bertujuan untuk mengetahui jumlah faktor minimal yang dapat diekstrak sedangkan common factor analysis bertujuan untuk mengetahui dimensi-dimensi laten atau konstruk yang mendasari variabel-variabel asli. Analisis faktor klasik tidak dapat bekerja dengan baik jika data yang dianalisis mengandung pencilan. Hal ini dikarenakan rata-rata sampel dan matriks varian kovarian sampel sangat sensitif terhadap pencilan dan berpengaruh pada keakuratan hasil analisis faktor. Agar analisis faktor tetap optimal dalam penganalisisan meskipun dalam kondisi data yang mengandung pencilan maka diperlukan suatu penaksir yang robust. Analisis faktor yang mengandung penaksir robust selanjutnya disebut sebagai analisis faktor robust.

3 Metode yang akan digunakan dalam analisis faktor robust pada penulisan tugas akhir ini adalah metode fast minimum covariance determinant (fast-mcd). Metode ini belum begitu banyak digunakan dalam mengatasi data pencilan serta lebih unggul dari metode lain baik dari segi efisiensi dan kecepatan perhitungan statistik (Rousseeuw dan Driessen, 1999). Selain itu, metode analisis faktor klasik yang digunakan dalam penulisan tugas akhir ini adalah principal component analysis. Penelitian ini diharapkan dapat bermanfaat untuk mengetahui faktor-faktor baru yang lebih ringkas. Faktor-faktor baru tersebut diharapkan dapat menjelaskan tingkat inflasi kelompok bahan makanan di provinsi Jawa Tengah serta untuk mengetahui perbandingan hasil yang didapat dari metode analisis faktor klasik dan metode analisis faktor robust. 1.2 Rumusan Masalah Dari latar belakang yang telah diuraikan di atas, dapat ditarik suatu rumusan masalah yang menjadi fokus dari penelitian ini adalah bagaimana menentukan faktorfaktor (subkelompok) yang lebih ringkas dan mampu menjelaskan tingkat inflasi kelompok bahan makanan di provinsi Jawa Tengah berdasarkan analisis faktor klasik dan analisis faktor robust serta bagaimana perbandingan hasil analisis faktor klasik dan analisis faktor robust pada data inflasi kelompok bahan makanan di provinsi Jawa Tengah. 1.3 Batasan Masalah Mengingat topik yang akan dibahas mencakup aspek yang luas dan untuk memperkembangkan pengetahuan yang mendalam mengenai objek yang diteliti sehingga perlu diberikan batasan masalah. Masalah dibatasi hanya pada sebelas

4 variabel yang akan dianalisis yakni sebelas subkelompok pada kelompok bahan makanan serta data yang digunakan adalah data inflasi selama lima tahun dari bulan November 2008 sampai Oktober 2013. Masalah juga dibatasi pada metode yang digunakan dalam analisis faktor klasik yaitu principal component analysis dan dalam analisis faktor robust yaitu metode fast-mcd. 1.4 Tujuan Penulisan Tujuan dari penelitian dalam penulisan tugas akhir ini adalah: 1. Menentukan faktor baru pada data inflasi kelompok bahan makanan di provinsi Jawa Tengah berdasarkan analisis faktor klasik 2. Menentukan faktor baru pada data inflasi kelompok bahan makanan di provinsi Jawa Tengah berdasarkan analisis faktor robust 3. Membandingkan hasil analisis faktor klasik dengan hasil analisis faktor robust pada data inflasi kelompok bahan makanan di provinsi Jawa Tengah