Penggerombolan dalam Analisis Biplot dengan Seleksi Peubah pada Data Imputasi.

Abstract

Analisis Biplot adalah analisis yang dapat merepresentasikan data peubah ganda dalam ruang berdimensi rendah, tetapi Biplot dengan ukuran objek dan peubah yang besar sulit untuk diinterpretasikan, sehingga perlu dilakukan seleksi peubah dan penggerombolan untuk mempermudah dalam menginterpretasikan data. Untuk melakukan analisis Biplot diperlukan data lengkap, namun dalam penelitian seringkali terdapat data yang tidak lengkap. Solusi dari permasalahan ini adalah dengan mengambil data dari peubah yang lengkap saja atau melakukan imputasi. Dilakukan seleksi peubah dan penggerombolan pada kedua data untuk melihat perbandingannya. Bagaimana perbedaan kontribusi peubah dan penggerombolan pada data imputasi dan data lengkap akan dilihat pada karya ilmiah ini. Seleksi peubah (bertahap dan serentak) dilakukan menggunakan analisis Procrustes. Seleksi bertahap dilakukan untuk mempertahankan 17 peubah dan seleksi peubah serentak untuk mempertahankan 6 peubah. Penggerombolan dilakukan dengan k-means di mana matriks 𝐆������ (objek negara) dibagi ke dalam 3 gerombol. Hasil dari seleksi peubah diperoleh nilai 𝐺������𝐹������𝑝������ data imputasi yaitu 99.13% pada 17 peubah dan 73.56% untuk data lengkap. Nilai 𝐺������𝐹������𝑝������ pada data imputasi untuk mempertahankan 6 peubah adalah adalah 72.97% dan 65.59% untuk data lengkap. Pada 6 peubah yang dipertahankan pada data imputasi dan data lengkap terdapat 3 peubah yang sama-sama dipertahankan yaitu, SAL (sumber air di lingkungan), URT (kualitas udara rumah tangga), dan PSG (pelestarian spesies secara global).