Sidang Tugas Akhir

Chairunnisa
g54140016

Penggerombolan dalam Analisis Biplot dengan Seleksi Peubah pada Data Imputasi

Biplot adalah plot di mana informasi tentang objek dan peubah direpresentasikan oleh titik dan vektor. Analisis Biplot dapat merepresentasikan data peubah ganda dalam ruang berdimensi rendah, tetapi tidak sepenuhnya mampu merepresentasikan data matriks. Untuk mempermudah dalam menginterpretasikan suatu data dengan ukuran objek dan peubah yang besar dilakukan seleksi peubah (bertahap dan serentak) menggunakan Analisis Procrustes. Seleksi bertahap dilakukan untuk mempertahankan 17 peubah sedangkan seleksi peubah serentak untuk mempertahankan 6 peubah. Untuk melakukan Analisis Biplot diperlukan data yang lengkap. Sementara dalam penelitian sering kali ditemukan data tidak lengkap. Solusi dari permasalahan ini adalah mengambil data yang lengkap (dalam penelitian ini disebut data Deautama) atau melakukan imputasi pada data tidak lengkap (pada penelitian kali ini digunakan metode imputasi Eigen Gabriel). Terdapat perbedaan peubah yang dipertahankan antara data imputasi dan data Deautama. Nilai data imputasi yaitu 99.31% pada 17 peubah lebih besar dari 17 peubah Deautama yaitu 73.56%, begitupun pada 6 peubah data imputasi memiliki lebih besar dari nilai Deautama yang bernilai 65.59%. Selanjutnya dilakukan penggerombolan menggunakan K-means di mana matriks G (objek negara) dibagi ke dalam 3 gerombol. Gerombol 1 beranggotakan 94 negara, gerombol 2 beranggotakan 39 negara dan gerombol 3 beranggotakan 47 negara.