ANALISIS PENGELOMPOKKAN NEGARA- NEGARA IMPORTIR...

58
Seminar Tugas Akhir Jalu Handoko 13 10 100 002 Dosen Pembimbing : Dr. Sony Sunaryo,M.Si ANALISIS PENGELOMPOKKAN NEGARA- NEGARA IMPORTIR PRODUK INDONESIA BERDASARKAN FAKTOR BARANG INDUSTRI JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014

Transcript of ANALISIS PENGELOMPOKKAN NEGARA- NEGARA IMPORTIR...

Seminar Tugas Akhir

Jalu Handoko13 10 100 002

Dosen Pembimbing :Dr. Sony Sunaryo,M.Si

ANALISIS PENGELOMPOKKAN NEGARA-NEGARA IMPORTIR PRODUK INDONESIA

BERDASARKAN FAKTOR BARANG INDUSTRIJURUSAN STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAMINSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA 2014

PENDAHULUAN

TINJAUAN PUSTAKA

METODOLOGI PENELITIAN

PENUTUP

Content

ANALISIS PEMBAHASAN

DAFTAR PUSTAKA

BAB I – Pendahuluan – Latar Belakang

• GDP• Cadang

an DevisaNegara

Maju

• Ekspor• Jasa• Pariwisata• Pinjaman

Luar Negeri• Hibah• TKI

Cadangan Devisa Ekspor

1

BAB I – Pendahuluan – Latar Belakang

EksporAmir,2004

Industri Tambang

Pertanian Migas

EKSPOR

“Penjualan ekspor adalah upaya untuk melakukan penjualan komoditi yang kita miliki kepada bangsa

lain dengan mengharapkan

pembayaran dalam bentuk valuta asing, serta

melakukan komunikasi dengan bahasa asing”

2

BAB I – Pendahuluan – Latar Belakang

Migas dan Tambang

1. Pencemaran Lingkungan2. Nonrenewable energy3. Dominasi asing

Kebijakan pembatasan kapasitas produksi

62%3%

17%

18%

Perkembangan Ekspor Triwulan 1 (2013)

IndustriPertanianTambangMigas

KEMENTERIAN PERENCANAAN PEMBANGUNAN NASIONAL/ BADAN PERENCANAAN PEMBANGUNAN NASIONAL (BAPPENAS) PERKEMBANGAN EKONOMI INDONESIA TRIWULAN I TAHUN 2013

3

BAB I – Pendahuluan – Latar Belakang“Menteri Perekonomian Hatta Rajasa mengatakan Indonesia akan menghentikan ekspor bahan mentah, terutama hasil pertambangan mulai tahun 2014. Alasannya, karena merugikan negara. Berdasarkan Undang-Undang Nomor 4 Tahun 2009 tentang Mineral dan Batubara menyebutkan bahwa perusahaan tambang dilarang menjual bahan mentah ke luar negeri dan larangan tersebut akan dilaksanakan pada 12 Januari 2014.” – Hatta Rajasa.info (web resmi Hatta Rajasa)

4

BAB I – Pendahuluan – Latar Belakang

31 Jenis Bahan Industri

125 Negara Dunia

KLASIFIKASI

KEBIJAKAN 5

BAB I – Pendahuluan –Permasalahan1. Bagaimana pengelompokkan negara-

negara eksportir produk Indonesia berdasarkan faktor produknya.

2. Bagaimana ketepatan pengelompokkan yang telah dilakukan.

6

BAB I – Pendahuluan – Tujuan

1. Mengetahui pengelompokkan negara-negara eksportir produk Indonesia berdasarkan faktor produknya.

2. Mengetahui ketepatan dan karakteristik pengelompokkan yang telah dilakukan.

7

BAB I – Pendahuluan – Manfaat

1. Mampu mengaplikasikan ilmu analisis multivariat yang pernah diperoleh selama masa perkuliahan, khususnya pada permasalahan yang bersifat multivariabel dimana aplikasinya pada perindustrian.

2. Memberikan masukan dan pertimbangan serta informasi tentang hasil analisis pengelompokkan negara-negara eksportir hasil industri Indonesia sebagai salah satu pertimbangan untuk menentukan kebijakan selanjutnya.

8

BAB I – Pendahuluan – Batasan

Batasan masalah penelitian ini dibatasi hanya pada data negara pengekspor hasil industri pada 10 bahan industri terbesar dari seluruh hasil ekspor industri di Indonesia.

9

BAB II – Tinjauan PustakaStatistika Deskriptif(R. E. Walpole,1995).

Statistik deskriptif merupakan metode-metode yangberkaitan dengan pengumpulan dan penyajian suatugugus data sehingga memberikan informasi yang berguna.Statistika deskriptif memberikan informasi hanya mengenaidata yang dipunyai dan sama sekali tidak menarikkesimpulan apapun tentang sekumpulan data yang lebihbesar.

10

BAB II – Tinjauan PustakaAnalisis Multivariat

(Johnson & Wichern, 2007).

Analisis statistika multivariat adalah analisis statistika yangdikenakan pada data yang terdiri dari banyak variabeldan antar variabel saling berkorelasi. Teknik analisismultivariat secara dasar diklasifikasi menjadi dua, yaituanalisis dependensi dan analisis interdependensi

11

BAB II – Tinjauan PustakaAnalisis Biplot

Analisis biplot pertama kali diperkenalkan oleh Gabriel pada tahun 1971 yang dikembangkan dengan metode analisis komponen utama (PCA) yang awalnya dari bentuk matriks data ke bentuk grafik berdimensi dua (Gabriel, K, R. ,1971).

=

npnin

kpkik

pi

pn

xxx

xxx

xxx

1

1

1111

X

=

=

Tn

Tk

T

nn

kk

gg

gg

gg

g

g

g

G

1

21

21

1211

=

=

Tp

Ti

T

pp

ii

hh

hh

hh

H

h

h

h

1

21

21

1211

12

Analisis Cluster Non Hierarki

Metode ini dipakai jika banyaknya kelompok sudahdiketahui dan biasanya metode ini dipakai untukmengelompokkan data yang berukuran besar, yang termasuk dalam metode ini adalah metode K-means

BAB II – Tinjauan Pustaka

Uji Bartlett bertujuan untuk mengetahui apakah terdapathubungan antar variabel dalam kasus multivariat. Jikavariabel 𝑋𝑋1,𝑋𝑋2, … ,𝑋𝑋𝑝𝑝 independen, maka matriks korelasiantar variabel sama dengan matriks identitas(Morrison,1990)

Uji Bartlett

αχγ ;2/)2()1(2

1

22

2)(ˆ)(

)1()1(

−+

=<

>

−−−

−= ∑∑∑ pp

p

kk

kiik rrrr

rnT

Hipotesis :𝐻𝐻0: ρ = I𝐻𝐻1: ρ ≠ I

Tolak 𝐻𝐻𝐻𝐻 jika :

Statistik Uji

�̅�𝑟𝑘𝑘 =1

𝑝𝑝 − 1�𝑟𝑟𝑖𝑖𝑘𝑘

𝑝𝑝

𝑖𝑖=1

,𝑘𝑘 = 1, 2, … ,𝑝𝑝

�̅�𝑟 =2

𝑝𝑝(𝑝𝑝 − 1) ∑∑<kiikr )(

𝛾𝛾� =(𝑝𝑝 − 1)2�1 − (1 − 𝑟𝑟)� 2�𝑝𝑝 − (𝑝𝑝 − 2)(1 − 𝑟𝑟)� 2

13

BAB II – Tinjauan PustakaUji Asumsi Homogenitas

𝑘𝑘 = Total Frekuensi untuk masing-masing baris ke-i dan kolom ke-j

𝑆𝑆𝑖𝑖 = Taksiran nilai harapan (expected value)𝑉𝑉𝑖𝑖 = 1,2,3........ n (banyaknya baris)𝑛𝑛𝑖𝑖= 1,2,3.........p (banyaknya kolom)

Pengujian homogenitas berfungsi untuk mengetahui varians data bersifat homogen atauheterogen berdasarkan faktor tertentu. Sama halnya dengan kenormalan, asumsihomogenitas juga diperlukan pada beberapa analisis statistik parametrik. Uji homogenitasbertujuan untuk mencari tahu apakah dari beberapa kelompok data penelitian memilikivarians yang sama atau tidak. Dengan kata lain, homogenitas berarti bahwa himpunandata yang kita teliti memiliki karakteristik yang sama (Johnson and Winchern, 2002).

H0 : Σ1 = Σ2 = ... = Σk H1 : Minimal satu Σi ≠Σj untuk i ≠ j

Hipotesis

Statistik Uji

𝜒𝜒2 = −2(1 − 𝐶𝐶1) �12�𝑣𝑣𝑖𝑖𝑙𝑙𝑛𝑛|𝑆𝑆𝑖𝑖|𝑘𝑘

𝑖𝑖=1

−12𝑙𝑙𝑛𝑛 �𝑆𝑆𝑝𝑝𝐻𝐻𝐻𝐻𝑙𝑙 ��𝑣𝑣𝑖𝑖

𝑘𝑘

𝑖𝑖=1

14

BAB II – Tinjauan PustakaMANOVA (Multivariate Analysis of Variance)

Multivariate analysis of variance (MANOVA) digunakan untukmelihat efek utama dan efek interaksi variabel kategorikpada variabel dependen. MANOVA menggunakan satuatau lebih variabel independen kategorik sebagai prediktor.MANOVA merupakan perluasan dari ANOVA

15

BAB II – Tinjauan PustakaMANOVA (Multivariate Analysis of Variance)

Hipotesis :H0 : μ1 = μ2 = ... = μgH1 : Minimal ada satu μi yang tidak sama, i = 1, 2, 3, ..., g

Tolak 𝐻𝐻𝐻𝐻 jika :

Statistik Uji

Λ∗ =|𝑊𝑊|

|𝐵𝐵 + 𝑊𝑊|

∑𝑗𝑗=1𝑔𝑔 𝑛𝑛𝑗𝑗−𝑔𝑔−1

𝑔𝑔−11− Λ∗Λ∗

> Ftabel

𝑊𝑊 = �𝑗𝑗=1

𝑔𝑔

�𝑖𝑖=1

𝑛𝑛𝑛𝑛

𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 ′

𝐵𝐵 = �𝑗𝑗=1

𝑔𝑔

𝑛𝑛𝑗𝑗 𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 𝑥𝑥𝑗𝑗𝑖𝑖 − �𝑥𝑥𝑗𝑗 ′

Dimana :

16

P = tr ( |𝑊𝑊||𝐵𝐵+𝑊𝑊|

)

BAB II – Tinjauan PustakaMANOVA (One Way MANOVA)

Source of Variation Matrix of SSP Df

Treatment 𝐵𝐵 = �𝑛𝑛=1

𝑔𝑔

𝑛𝑛𝑛𝑛 �𝑥𝑥𝑛𝑛 − �̅�𝑥 �𝑥𝑥𝑛𝑛 − �̅�𝑥 ′ 𝑔𝑔 − 1

Residual (error) 𝑊𝑊 = �𝑛𝑛=1

𝑔𝑔

�𝑗𝑗=1

𝑛𝑛𝑛𝑛

𝑥𝑥𝑛𝑛𝑗𝑗 − �𝑥𝑥𝑛𝑛 𝑥𝑥𝑛𝑛𝑗𝑗 − �𝑥𝑥𝑛𝑛 ′ �𝑛𝑛=1

𝑔𝑔

𝑛𝑛𝑛𝑛 − 𝑔𝑔

Total (corrected for themean)

𝐵𝐵 + 𝑊𝑊 = �𝑛𝑛=1

𝑔𝑔

�𝑗𝑗=1

𝑛𝑛𝑛𝑛

𝑥𝑥𝑛𝑛𝑗𝑗 − �̅�𝑥 𝑥𝑥𝑛𝑛𝑗𝑗 − �̅�𝑥 ′ �𝑛𝑛=1

𝑔𝑔

𝑛𝑛𝑛𝑛 − 1

Tabel One-way MANOVA

No.ofvariables

No.ofgroups

Sampling distribution for multivariate normaldata

P = 1 g ≥ 2 ∑𝑛𝑛𝑙𝑙 − 𝑔𝑔𝑔𝑔 − 1

1 − Λ ∗Λ ∗

~𝐹𝐹𝑔𝑔−1,∑ 𝑛𝑛𝑛𝑛−𝑔𝑔

P = 2 g ≥ 2 ∑𝑛𝑛𝑙𝑙 − 𝑔𝑔 − 1𝑔𝑔 − 1

1 − Λ ∗Λ ∗

~𝐹𝐹2(𝑔𝑔−1),2(∑ 𝑛𝑛𝑛𝑛−𝑔𝑔−1)

P ≥ 1 g = 2 ∑𝑛𝑛𝑙𝑙 − 𝑝𝑝 − 1𝑝𝑝

1 − Λ ∗Λ ∗

~𝐹𝐹𝑝𝑝,∑ 𝑛𝑛𝑛𝑛−𝑝𝑝−1

P ≥ 1 g = 3 ∑𝑛𝑛𝑙𝑙 − 𝑝𝑝 − 2𝑝𝑝

1 − Λ ∗Λ ∗

~𝐹𝐹2𝑝𝑝,2(∑ 𝑛𝑛𝑛𝑛−𝑝𝑝−2)

Tabel Distribution of Wilks’ Lambda

17

BAB II – Tinjauan PustakaAnalisis Diskriminan (Discriminant Analysis)

Analisis diskriminan merupakan teknik statistik yang tepatdalam menangani baik dua kelompok atau beberapakelompok (multianalisis diskriminan) variabel. Ini melibatkankombinasi liniear dari dua (atau lebih) variabel independenyang akan melakukan diskriminasi terbaik antara priorikelompok yang didefinisikan.

(Hair et al, 1990)

18

BAB II – Tinjauan PustakaAnalisis Diskriminan (Discriminant Analysis)

Fisher

TPM

19

BAB II – Tinjauan PustakaTPM

�𝑑𝑑𝑖𝑖 𝑥𝑥 = �𝑋𝑋𝑖𝑖′𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛−1𝑋𝑋 −

12�𝑋𝑋𝑖𝑖′𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛−1 �𝑋𝑋𝑖𝑖 + 𝑙𝑙𝑛𝑛(𝑃𝑃𝑖𝑖)

Fungsi Diskriminan

𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛 =1

𝑛𝑛1 + 𝑛𝑛2 + ⋯+ 𝑛𝑛𝑔𝑔 − 𝑔𝑔𝑛𝑛1 − 1 𝑆𝑆1 + 𝑛𝑛2 − 1 𝑆𝑆2 + ⋯+ 𝑛𝑛𝑔𝑔 − 1 𝑆𝑆𝑔𝑔

Dimana :

�𝑑𝑑𝑘𝑘 𝑥𝑥 = 𝑚𝑚𝑚𝑚𝑥𝑥 �𝑑𝑑1 𝑥𝑥 , �𝑑𝑑2 𝑥𝑥 , �𝑑𝑑3 𝑥𝑥 , … , �𝑑𝑑𝑔𝑔 𝑥𝑥

Penentuan klasifikasi dengan nilai maksimum dari :

20

BAB II – Tinjauan PustakaFisher

�𝑦𝑦𝑖𝑖 = �𝑚𝑚𝑖𝑖′𝑥𝑥

Fungsi Diskriminan

𝑊𝑊 = �𝑖𝑖=1

4

�𝑗𝑗=1

𝑛𝑛𝑡𝑡

𝑥𝑥𝑖𝑖𝑗𝑗 − �̅�𝑥𝑖𝑖 𝑥𝑥𝑖𝑖𝑗𝑗 − �̅�𝑥𝑖𝑖′

= 𝑛𝑛1 + 𝑛𝑛2 + 𝑛𝑛3 + 𝑛𝑛4 − 4 𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛𝑝𝑝𝑝𝑝

𝐵𝐵 = �𝑖𝑖=1

𝐽𝐽

�̅�𝑥𝑖𝑖 − �̅�𝑥 �̅�𝑥𝑖𝑖 − �̅�𝑥 ′

𝑆𝑆𝑝𝑝𝑝𝑝𝑝𝑝𝑛𝑛 =1

𝑛𝑛1 + 𝑛𝑛2 + ⋯+ 𝑛𝑛𝑔𝑔 − 𝑔𝑔𝑛𝑛1 − 1 𝑆𝑆1 + 𝑛𝑛2 − 1 𝑆𝑆2 + ⋯+ 𝑛𝑛𝑔𝑔 − 1 𝑆𝑆𝑔𝑔

Dimana :

𝜋𝜋 = min 𝑆𝑆𝑆𝑆𝑆𝑆𝑆; 𝑆𝑆𝑆𝑆𝑆𝑆𝑆;𝑆𝑆𝑆𝑆𝑆𝑆𝑆; . . ; 𝑆𝑆𝑆𝑆𝑆𝑆𝑔𝑔

Penentuan klasifikasi dengan nilai maksimum dari :

𝑊𝑊−1𝐵𝐵 − 𝜆𝜆𝜆𝜆 �𝑚𝑚1 = 0

�𝑚𝑚𝑖𝑖′ diperoleh dari :

21

BAB II – Tinjauan PustakaEkspor

22

Ekspor

Langsung

Tak Langsung

“Cara menjual barang atau jasa melalu perantara/eksportit yang bertempat di negara

lain atau negara tujuan ekspor. Penjualan dilakukan melalui distributor dan perwakilan

penjualan perusahaan. Keuntungan dari jenis ekspor ini adalah produksi terpusat di negara asal dan kontrol terhadap distribusi lebih baik. Kelemahannya adalah biaya tranportasi lebih

tinggi untuk produk dalam skala besar.”-Daniels-

teknik ekspor dimana barang dijual melalui perantara/eksportir negara asal kemudian dijual

oleh perantara tersebut. Proses penjualan ini melalui perusahaan manajemen ekspor ( export

management companies ) dan perusahaan pengekspor ( export trading companies ).

Kelebihan dari ekspor jenis ini adalah sumber daya produksi terkonsentrasi dan tidak perlu

menangani ekspor secara langsung. Kerugiannya adalah kontrol terhadap distribusi kurang dan pengetahuan terhadap operasi di

negara lain kurang.-Daniels-

BAB III – Metodologi – Sumber DataSumber Data

Data yang digunakan pada penelitian ini adalah data sekunder dari Pusat Data dan

Informasi (Pusdatin) Kementerian Perindustrian. Data merupakan data ekspor dan negara

pengekspor barang industri Indonesia. Data yang digunakan adalah data ekspor Indonesia

untuk barang Industri mulai tahun 2007-2012

23

BAB III – Metodologi – Variabel Penelitian

Variabel

Keterangan

ID Negara EksportirX1 Pengolahan Kelapa/Kelapa SawitX2 Pengolahan KaretX3 TekstilX4 Besi baja, Mesin-mesin, dan OtomotifX5 ElektronikaX6 Pengolahan Tembaga,Timah, dllX7 Kimia DasarX8 Pulp dan KertasX9 Makanan dan Minuman

X10 Pengolahan Kayu

Variabel yang digunakan dalam penelitian :Dimana :

1. Negara Eksportir, yaitu negara-negara di dunia yang melakukan aktivitas ekspor terhadap produk industri yang berada di Indonesia.2. Variabel X1-X10 merupakan produk-produk ekspor yang diteliti.

24

BAB III – Metodologi – Sumber DataFlow Chart

Manova One Way

Analisis Diskriminan

Analisis Biplot dan Cluster

Kelompok Negara Importir

Ketepatan Klasifikasi

Studi Literatur

Perumusan Masalah

Identifikasi Variabel

Mulai

Uji Normal MultivariatUji Homogenitas

Pengumpulan Data

Tidak

Ya

25

BAB IV – Analisis dan Pembahasan

Statistika Deskriptif Nilai Ekspor Produk IndustriVariabel Rata-Rata

US (dollar)Standar Deviasi

Kelapa/Kelapa Sawit 3.753.244 16.995.498

Pengolahan Karet 50.415.347 235.617.775

Tekstil 216.135.316 988.388.716Besi baja, Mesin-mesin, dan Otomotif

1.997.660.739 7.312.243.787

Elektronika 598.658.347 2.601.685.644Pengolahan Tembaga Timah 79.601.636 297.731.871

Kimia Dasar 549.093.415 1.630.080.041Pulp dan Kertas 120.763.987 280.815.752

Makanan dan Minuman 215.616.072 704.813.128

Pengolahan Kayu 18.219.566 77.999.009 26

BAB IV – Analisis dan Pembahasan

Analisis Biplot Dunia

IAKU1

-80000-70000-60000-50000-40000-30000-20000-10000

0100002000030000400005000060000700008000090000

100000110000120000130000

Rataan

-100000 0 100000 200000 300000

Analisis dilakukan pada masing-masing benua yang ada di dunia, yaitu Asia, Eropa, Amerika, dan Afrika.

27

BAB IV – Analisis dan Pembahasan

Analisis Biplot dan Cluster Benua Eropa

IAKU1

-20000

-10000

0

10000

20000

30000

40000

50000

60000

Rataan

-10000 0 10000 20000 30000 40000 50000 60000 70000 80000 90000100000110000

Kelompok 1 Kelompok 2

ANDORRA BELANDA

AUSTRIA CEKOSLOVAKIA

BELGIA CROATIA

BULGARIA DENMARK

FEDERASI RUSIA ESTONIA

INGGRIS FINLANDIA

ITALIA GEORGIA

JERMAN HONGARIA

PRANCIS IRLANDIA

SWAZILAND ISRAEL

UKRAINE LATVIA

LITHUANIA

LUKSEMBURG

MALTA

NORWEGIA

POLANDIA

PORTUGAL

REPUBLIK CZECH

RUMANIA

SIPRUS

SLOVAKIA

SLOVENIA

SPANYOL

SWEDIA

SWISS

TURKI

YUNANI28

BAB IV – Analisis dan PembahasanAnalisis Biplot dan Cluster Benua Asia

IAKU1

-100000

0

100000

200000

Rataan

-100000 0 100000 200000 300000

Kelompok 1 Kelompok 2 Kelompok 3AUSTRALIA JEPANG THAILANDTAIWAN CHINAINDIA SINGAPURAMALAYSIASAUDI ARABIABRUNAI DARUSSALAMAFGHANISTANBAHRAINBANGLA DESHHONGKONGIRAKIRANKAMBOJAKAZAKHSTANKOREA SELATANKOREA UTARAKUWAITKYRGYZSTANLAOSMACAUMONGOLIAMYANMAROMANPAKISTANPAPUA NUGINIPILIPINAQATARSELANDIA BARUSIRIASRI LANGKAUNI EMIUZBEKISTVIETNAMYAMANYORDANIA

29

BAB IV – Analisis dan PembahasanAnalisis Biplot dan Cluster Benua Amerika

IAKU1

-10000

0

10000

20000

30000

40000

Rataan

-20000 0 20000 40000 60000 80000 100000 120000 140000 160000

Kelompok 1 Kelompok 2 Kelompok 3

AMERIKA SERIKAT CHILI HONDURAS

BRASIL KOLUMBIA

KANADA MEKSIKO

PARAGUAY

PERU

SURINAME

URUGUAY

ARGENTIN

BAHAMA

COSTA RI

EKUADOR

GUATEMAL

HAITI

PANAMA

PUERTO R

TRINIDAD

VENEZUEL

EL SALVA

KUBA

BOLIVIA

NIKARAGUA 30

BAB IV – Analisis dan PembahasanAnalisis Biplot dan Cluster Benua Afrika

IAKU1

-3000-2000-1000

0100020003000400050006000700080009000

10000110001200013000140001500016000

Rataan

-10000 0 10000 20000 30000 40000

Kelompok 1 Kelompok 2 Kelompok 3AFRIKA SELATAN GAMBIA MAROKO

GHANAKONGOLIBERIALIBIAMADAGASCARMAROKOMESIRNAMIBIATANZANIAUGANDAZAMBIAANGOLAKAMERUNKENYAMALINIGERIAPANTAI GSINEGALSUDANT O G OTUNISIAAFGANISTALJAZAIRGABON

31

BAB IV – Analisis dan PembahasanUji BartlettUji bartlett bertujuan untuk mengidentifikasi apakah analisis multivariatyang akan dilakukan untuk penelitian ini layak atau tidak untukdigunakan.

Benua P-Value

Eropa 0,000

Asia 0,000

Amerika 0,000

Afrika 0,000

32

BAB IV – Analisis dan PembahasanUji Asumsi Normal Multivariat dan HomogenitasUji ini digunakan untuk memenuhi asumsi dari analisis multivariat yangakan digunakan .

Multivariat Normal

Benua ProporsiEropa 0,657895Asia 0,666667Amerika 0,600000Afrika 0,615385

Homogenitas Varians Kovarians

Benua KeputusanEropa Tidak HomogenAsia Tidak HomogenAmerika Tidak HomogenAfrika Tidak Homogen

33

BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way)

Analisis ini digunakan untuk mengetahui apakahmasing-masing grup terdapat perbedaan yangsignifikan atau tidak.

34

BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) EropaBerikut adalah output Manova One Way

Effect Value P-valueIntercept Pillai's Trace ,612 ,001

Wilks' Lambda ,388 ,001Hotteling Trace 1,578 ,001

Roy's Largest Root 1,578 ,001

Group Pillai's Trace ,587 ,003Wilks' Lambda ,413 ,003Hotteling Trace 1,422 ,003

Roy's Largest Root 1,422 ,003

Kesimpulan : Perbedaan antar kelompok dari Benua Eropa benarterjadi.

35

BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) AsiaBerikut adalah output Manova One Way

Kesimpulan : Perbedaan antar kelompok dari Benua Asia benar terjadi.

Effect Value P-ValueIntercept Pillai's Trace ,999 ,000

Wilks' Lambda ,001 ,000Hotteling Trace 968,633 ,000

Roy's Largest Root 968,633 ,000

Group Pillai's Trace 1,929 ,000

Wilks' Lambda ,000 ,000Hotteling Trace 963,546 ,000

Roy's Largest Root 950,319 ,000

36

BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) AmerikaBerikut adalah output Manova One Way

Kesimpulan : Perbedaan antar kelompok dari Benua Amerika benarterjadi.

Effect Value P-ValueIntercept Pillai's Trace 1,000 ,000

Wilks' Lambda ,000 ,000

Hotteling Trace 717149,008 ,000

Roy's Largest Root 717149,008 ,000

Group Pillai's Trace 2,000 ,000Wilks' Lambda ,000 ,000

Hotteling Trace 690986,985 ,000

Roy's Largest Root 684237,083 ,000

37

BAB IV – Analisis dan PembahasanMultivariate Analysis of Variance (One Way) AfrikaBerikut adalah output Manova One Way

Kesimpulan : Perbedaan antar kelompok dari Benua Afrika benarterjadi.

Effect Value P-ValueIntercept Pillai's Trace 1,000 ,000

Wilks' Lambda ,000 ,000Hotteling Trace 25514,424 ,000Roy's Largest Root 25514,424 ,000

Group Pillai's Trace 1,995 ,000Wilks' Lambda ,000 ,000Hotteling Trace 62748,057 ,000Roy's Largest Root 62549,198 ,000

38

BAB IV – Analisis dan PembahasanAnalisis Diskriminan

Tujuan utama analisis diskriminan • Mengetahui variabel yang paling berpengaruh

terhadap proses diskriminasi grup• Mengetahui ketepatan klasifikasi dari

pengelompokkan yang dilakukan.

39

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua Eropa

VariabelFunction

1Kelapa_Sawit -1,609Karet -,683Tekstil -,762Besi_Baja ,874Elektronika -1,503Timah ,063Kimia_Dasar ,057Pulp_kertas 1,556Makanan_Minuman ,344Kayu 2,226

Standardized Canonical Discriminant Function Coefficients BenuaEropa

40

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua EropaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Eropa

Group Predicted Group MembershipTotal

1 2

OriginalCount

1 8 3 112 0 27 27

%1 72,7 27,3 100,02 ,0 100,0 100,0

Cross-validatedb Count1 6 5 112 0 27 27

% 1 54,5 45,5 100,02 ,0 100,0 100,0

41

BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Eropa

Group Predicted Group MembershipTotal

1 2

OriginalCount 1 8 3 11

2 0 27 27

% 1 72,7 27,3 100,02 ,0 100,0 100,0

Cross-validatedb Count1 6 5 112 0 27 27

% 1 54,5 45,5 100,02 ,0 100,0 100,0

𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =3 + 0

11 + 27= 0,0789

42

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AsiaStandardized Canonical Discriminant Function Coefficients BenuaAsia

VariabelFunction Function

1 2Kelapa_Sawit 1,879 ,320

Karet -3,694 -1,026

Tekstil 4,147 -,256

Besi_Baja -2,343 2,504

Elektronika -,775 ,673

Timah ,364 -2,122

Kimia_Dasar 2,293 ,735

Pulp_kertas -1,260 ,407

Makanan_Minuman 1,490 1,619

Kayu ,105 -1,519

43

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AsiaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Asia

Group Predicted Group Membership Total

1 2 3Original Count 1 35 0 0 35

2 0 1 0 13 0 0 3 3

%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0

Cross-validatedb

Count1 33 0 2 352 0 0 1 13 2 0 1 3

%1 94,3 ,0 5,7 100,02 ,0 ,0 100,0 100,03 66,7 ,0 33,3 100,0

44

BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Asia

Group Predicted Group Membership Total

1 2 3Original Count 1 35 0 0 35

2 0 1 0 13 0 0 3 3

%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0

Cross-validatedb

Count1 33 0 2 352 0 0 1 13 2 0 1 3

%1 94,3 ,0 5,7 100,02 ,0 ,0 100,0 100,03 66,7 ,0 33,3 100,0

𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =0 + 0 + 0

35 + 1 + 3= 0 45

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AmerikaStandardized Canonical Discriminant Function Coefficients BenuaAmerika

Function Function

1 2Kelapa_Sawit ,218 ,151

Karet 13,723 10,691

Tekstil 6,871 -3,251

Besi_Baja ,612 ,365

ELektronika -6,119 ,077

Timah 10,382 3,226

Kimia_Dasar -,978 1,470

Makanan_Minuman -7,039 -8,269

Kayu -,232 ,53146

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AmerikaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Amerika

Group Predicted Group Membership Total

1 2 3

Original

Count1 1 0 0 12 0 3 0 33 0 0 21 21

%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0

Cross-validatedb

Count1 0 1 0 12 0 3 0 33 0 1 20 21

%1 ,0 100,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 4,8 95,2 100,0

47

BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Amerika

𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =0 + 0 + 0

1 + 3 + 21= 0

Group Predicted Group Membership Total

1 2 3

Original

Count1 1 0 0 12 0 3 0 33 0 0 21 21

%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0

Cross-validatedb

Count1 0 1 0 12 0 3 0 33 0 1 20 21

%1 ,0 100,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 4,8 95,2 100,0

48

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AfrikaStandardized Canonical Discriminant Function Coefficients BenuaAfrika

Function Function1 2

Kelapa_Sawit -,591 ,315Karet 7,634 -4,307Tekstil -7,819 3,489Besi_Baja ,068 ,346ELektronika -,117 ,103Timah -,042 ,145Kimia_Dasar ,053 ,493Pulp_kertas 2,581 -,443Makanan_Minuman -,115 ,931Kayu ,479 -,049 49

BAB IV – Analisis dan PembahasanAnalisis Diskriminan Pada Negara-Negara Benua AfrikaKetepatan klasifikasi analisis diskriminan pada negara-negaraBenua Afrika

Group Predicted Group MembershipTotal

1 2 3Original Count 1 1 0 0 1

2 0 24 0 243 0 0 1 1

%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0

Cross-validatedb

Count1 0 1 0 12 0 23 1 243 0 1 0 1

%1 ,0 100,0 ,0 100,02 ,0 95,8 4,2 100,03 ,0 100,0 ,0 100,0

50

BAB IV – Analisis dan PembahasanAnalisis DiskriminanAnalisis Diskriminan Pada Negara-Negara Benua Afrika

𝐴𝐴𝑃𝑃𝑆𝑆𝐴𝐴 =0 + 0 + 0

1 + 24 + 1= 0

Group Predicted Group MembershipTotal

1 2 3Original Count 1 1 0 0 1

2 0 24 0 243 0 0 1 1

%1 100,0 ,0 ,0 100,02 ,0 100,0 ,0 100,03 ,0 ,0 100,0 100,0

Cross-validatedb

Count1 0 1 0 12 0 23 1 243 0 1 0 1

%1 ,0 100,0 ,0 100,02 ,0 95,8 4,2 100,03 ,0 100,0 ,0 100,0

51

BAB V – PenutupKesimpulanBerdasarkan hasil analisis dan pembahasan pada bab sebelumnya, maka dapat disimpulkan bahwa:1. Pengelompokkan yang terbentuk menunjukkan bahwa masing-

masing benua membentuk pengelompokkan yang berbeda. Benua Eropa dengan 2 kelompok dan 3 benua lain yang membentuk 3 kelompok.

2. Ketepatan klasifikasi dari keempat benua yang dilakukan pengelompokkan menunjukkan prosentase ketepatan klasifikasiyang cukup tinggi terutama hasil pengelompokkan Benua Asia, Amerika, dan Afrika. Dimana tingkat ketepatan klasifikasinya mencapai 100%. Sedangkan Benua Eropa ketepatan klasifikasinya adalah sebesar 92,1%.

52

BAB V – PenutupPembahasan Non Statistik

Hasil Analisis

Perubahan kebijakan

Pendapatan negara meningkat

53

Daftar Pustaka

Daniels,et all. International Business. 12Th Ed. 2009. New Jersey. Pearson Education International. hal 548 – 551

Gabriel, K, R. (1971), The Biplot Graphic Display of Matrices with Aplication to Principal Component Analysis, Journal of Biometrica. 58, 453-

467Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Badan Penerbit Universitas DiponegoroHair, IF., Rolph E. Anderson, and Ronald 1.. Tatham (1990). Multivariate Data

AnalySIS with Readings. 2nd ed. Macmillan Publishing Co. New York.Johnson, Richard A and Dean W. Wichern. 2007. Applied Multivariate Statistical

Analysis. United State of America. Pearson Education. IncKemenperin.go.id (diakses pada 27 Januari 2014)Kattre & Naik (2000)R. E. Walpole, Pengantar Statistika. Jakarta: PT Gramedia Pustaka Utama,

(1995). Michie, D., Spiegelhalter, D.J. and Taylor C.C. 1994. Machine Learning, Neural

and Statistical Classification. 54

Daftar Pustaka

Morrison, D. F. (1990). Multivariate Statistical Methods (3rd ed.). USA: McGraw-Hill, Inc.

M.S, Amir, 1990 Ekspor-Impor Teori dan Penerapannya, PT Pusaka Binaman Presindo : Jakarta.

Nur S. (2011) Analisis Performansi Perusahaan Syariah di Bursa Efek Indonesia (BEI) Menggunakan Metode Discriminant Analysis dan Support Vector Machine (SVM). Tugas Akhir S1 yang tidak dipublikasikan, Jurusan Statistika, Institut Teknologi Sepuluh Nopember.

Rizky N. (2012) Analisis Kepuasan PT PLN Unit Pembangkitan Jawa Bali Terhadap Kinerja PT PJB dalam Pelayanan Jasa Operation & Maintenance di PLTU Rembang. Tugas Akhir S1 yang tidak dipublikasikan, Jurusan Statistika, Institut Teknologi Sepuluh Nopember.Williams, B. K., Titus, K., Hines, J. E. (1991). Stability and bias of classification rates

in biological applications of discriminant analysis. The Journal of Wildlife Management, 54, 331-341.

55

Any Questions ?? OrMay be Discussion ??

THANKS

22