ANALISIS BIPLOT UNTUK PEMETAAN KESEJAHTERAAN MASYARAKAT DI INDONESIA

  • Dian Kurniasari Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung
  • Tiara Mellia Dita Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung
  • Yeftanus Antonio Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung
Keywords: Analisis biplot, Inflasi, PDRB, laju penduduk, IPM

Abstract

Analisis biplot merupakan pendekatan grafik statistika untuk tabel data dengan ukuran yang besar. Metode ini digunakan pada kasus banyak variabel sebagai bentuk umum dari diagram pencar untuk dua variabel. Walaupun melibatkan banyak variabel, analisis biplot biasanya digambarkan dalam grafik berdimensi dua dengan melakukan reduksi dimensi. Analisis ini akan digunakan untuk pemetaan kesejahteraan masyarakat pada 34 Provinsi di Indonesia. Pada kasus ini, indikator kesejahteraan masyarakat adalah Inflasi, Produk Domestik Regional Bruto (PDRB), laju penduduk, dan Indeks Pembangunan Manusia (IPM). Dari analisis yang telah dilakukan, reduksi dimensi dari analisis biplot dengan komponen utama dapat menggabarkan sekitar 89.56% dari data yaitu 64.45% dari komponen pertama dan 25.11% dari komponen kedua. Berdasarkan kemiripan karakteristik antar objek, maka setiap provinsi dapat dibagi kedalam tiga kelompok. Berdasarkan grafik biplot, Provinsi DKI Jakarta memiliki tingkat IPM dan PDRB paling tinggi dan laju pertumbuhan penduduk paling rendah, sedangkan Kalimantan Barat memiliki tingkat Inflasi paling tinggi.

References

Carroll, J. D. (1972). Individual Differences and Multidimensional Scaling. In Multidimensional Scaling: Theory and Applications in the Behavioral Sciences (Volume 1). New York:
Seminar Press.
Gabriel, K. R. (1971). The Biplot Graphic Display of Matrices with Application to Principal Component Analysis. Biometrika, 58, 453–467.
Gower, J. C., & Hand, D. J. (1996). Biplots. London: Chapman & Hall.
Gower, J. C., Lubee, G., & Ie Roux, N. (2010). Understanding Biplots. Chichester: Wiley.
Green, P. E., & Carroll, J. D. (1997). Mathematical Tools for Applied Multivariate Analysis (Revised Ed). New York: Academic Press.
Greenacre, M. (2010). Biplots in Practice. Madrid: Fundacion BBVA.
Jolliffe, I. T. (2002). Principal Component Analysis. New York: Springer.
Mattjik, A. A., & Sumertajaya, I. M. (2011). Sidik Peubah Ganda. Bogor: Institut Pertanian Bogor.
Noveria, M. (2014). Pertumbuhan Penduduk dan Kesejahteraan. Jakarta: LIPI Press.
Tadaro, M. P., & Smith, S. C. (2015). Economic Development. Boston: Pearson Addison Wesley.
Torres-Salinas, D., Robinson-Garcia, N., Jimenez-Contreras, E., Herrera, F., & Lopez-Cozar, E. D. (2013). On the use of Biplot Analysis for Multivariable Bibliometric and Scientific Indicators. Journal of the American Society for Information Science and Technology, 64.
UNDP. (1993). Human Development Report 1993. New York: Oxford University Press.
Published
2018-07-03
How to Cite
Kurniasari, D., Dita, T., & Antonio, Y. (2018). ANALISIS BIPLOT UNTUK PEMETAAN KESEJAHTERAAN MASYARAKAT DI INDONESIA. Journal Biastatistics | Departemen Statistika FMIPA Universitas Padjadjaran, 12(1), 41-51. Retrieved from http://biastatistics.statistics.unpad.ac.id/index.php/biastatistics/article/view/75