Vous êtes sur la page 1sur 21

TUGAS STATISTIKA BISNIS II

REVIEW CHAPTER
ANALISIS KORESPONDENSI

Nama Kelompok :
Ni Made Pratiwi Wiadnyana ( 041611233235 )
Putu Parama Cinthya Dewi ( 041611233295 )
Fadhillah Ariana Ramadhani ( 041611233308 )
Nabilah Nur Azizah ( 041611233325 )
Dynoviar Nirbita Muhammad ( 041611233326 )

UNIVERSITAS AIRLANGGA
FAKULTAS EKONOMI DAN BISNIS
MANAJEMEN
KATA PENGANTAR

Dengan menyebut nama Tuhan Yang Maha Pengasih lagi Maha Penyayang, puji syukur kami
panjatkan kehadirat-Nya, yang telah melimpahkan Rahmat, Hidayah, dan Inayah-Nya
sehingga kami dapat merampungkan penyusunan makalah Statistika Bisnis dengan judul
Analisis Korespondensi

Penyusunan makalah semaksimal mungkin kami upayakan dan didukung bantuan berbagai
pihak, sehingga dapat memperlancar dalam penyusunannya. Untuk itu tidak lupa kami
mengucapkan terima kasih kepada semua pihak yang telah membantu kami dalam
merampungkan makalah ini.

Akhir kata, penulis memahami jika makalah ini tentu jauh dari kesempurnaan maka kritik dan
saran sangat kami butuhkan guna memperbaiki karya-karya kami di waktu-waktu mendatang.

Surabaya, 7 Mei 2017

Penulis

1
Daftar isi
Kata Pengantari

Daftar Isi.ii

BAB I Pendahuluan1

1.1 Latar Belakang.1

1.2 Rumusan Masalah2

1.3 Tujuan...2

1.4 Manfaat.2

BAB II Pembahasan...4

2.1 Definisi analisis korespondensi....4

2.2 Tujuan analisis korespondensi4

2.4 Tahapan menerapkan analisis korespondensi .5

2.4 Contoh penelitian analisi korespondensi... ....6

BAB III Kesimpulan dan Saran ...18

3.1 Kesimpulan.18

3.2 Saran...18

Daftar Pustaka..19

2
BAB I

Pendahuluan

1.1 Latar Belakang

Analisis korespondensi adalah prosedur grafis untuk menunjukkan hubungan (asosiasi)


dengan sebuah tabel frekuensi. Kita akan memperhatikan tabel frekuensi dua dimensi yang
biasa disebut tabel kontingensi(kontingency table), dan disini kita akan konsisten
menggunakan istilah tabel silang(cross tabulation). Jika tabel silang mempunyai I baris dan J
kolom, diagram yang dihasilkan oleh korespondensi memuat dua himpunan titik, satu I
sebanyak himpunan titik yang sesuai dengan banyaknya baris dan satu himpunan sebanyak J
titik yang sesuai dengan banyaknya kolom. Posisi titik-titik tersebut merefleksikan hubungan
antara baris dan kolom Hasil yang biasa diperoleh dari analisis korespondensi meliputi
rapresentasi terbaik dua dimensi, sepanjang koordinat dari titik-titik yang digambar, dan
ukuran inersia dari sejumlah informasi yang dipertahankan didalam setiap dimensi.

1.2 Rumusan Masalah

1.2.1 Apa itu Analisis Korespondensi?

1.2.2 Apa tujuan Analisis Korespondensi?

1.2.3 Bagaimana langkah langkah dalam Analisis Korespondensi?

1.2.4 Apa saja contoh kasus dalam Analisis Korespondensi ?

1.3 Tujuan

1.3.1 Untuk mengetahui apa itu Analisis Korespondensi

1.3.2 Untuk mengetahui tujuan Analisis Korespondensi

1.3.4 Untuk mengetahui langkah-langkah Analisis Korespondensi

1.3.5 Untuk mengetahui contoh kasus Analisis Korespondensi

1.4 Manfaat

1.4.1 Agar pembaca dapat mengetahui apa itu Analisis Korespondensi

1.4.2 Agar pembaca dapat mengetahui tujuan Analisis Korespondensi

2
1.4.3. Agar pembaca dapat mengetahui langkah-langkah melakukan Analisis
Korespondensi

1.4.4 Agar pembaca dapat mengetahui contoh penelitian Analisis Korespondensi

3
BAB II

Pembahasan

2.1 Definisi Analisis Korespondensi

Analisis korespondensi adalah suatu ilmu yang mempelajari hubungan antara dua atau
lebih peubah kualitatif, yaitu dengan teknik multivariate secara grafik yang digunakan untuk
eksplorasi data dari sebuah tabel kontingensi. Analisis korespondensi ini memproyeksikan
baris-baris dan kolom-kolom dari matriks data sebagai titk-titik ke dalam sebuah grafik
berdimensi rendah dalam sebuah jarak Euclid. Analisis korespondensi seringkali digunakan
untuk menetapkan kategori-kategori yang mirip dalam satu peubah, sehingga kategori-
kategori tersebut dapat digabungkan menjadi satu kategori. Analisis ini juga bisa digunakan
untuk menentukan kemungkinan hubungan antara dua gugus peubah. Berdasarkan
kegunaannya, analisis korespondensi dan analisis komponen utama memiliki kesamaan, yaitu
suatu metode yang digunakan untuk mereduksi dimensi data menjadi dimensi yang lebih
kecil dan sederhana. Sedangkan letak perbedaannya adalah bahwa analisis komponen utama
lebih tepat untuk data dengan skala pengukuran kontinu sedangkan analisis korespondensi
lebih tepat digunakan untuk data kategori.

Metode dekomposisional mengukur hanya keseluruhan kesan atau evaluasi dari


sebuah obyek dan kemudian mengupayakan asal posis spasial dalam multidimensional space
yang merefleksikan presepsi ini

Metode komposisional dimana menggunakan beberapa teknik multivariate yang telah


didiskusikan dan digunakan dalam pembentukan kesan atau evaluasi berbasis kombinasi
atribut tersebut

2.2 Tujuan Analisis Korespondensi

Membandingkan kemiripan ( similarity) dua kategori dari variabel kualitatif

pertama (baris) berdasarkan sejumlah variabel kualitatif kedua (kolom).

Membandingkan kemiripan ( similarity) dua kategori dari variabel kualitatif

kedua (kolom) berdasarkan sejumlah variabel kualitatif pertama (baris).

Mengetahui hubungan antara satu kategori variabel baris dengan satu


kategori variabel kolom.

4
Menyajikan setiap kategori variabel baris dan kolom dari tabel kontingensi

sedemikian rupa sehingga dapat ditampilkan secara bersama-sama pada satu


ruang vektor berdimensi kecil secara optimal.

2.3 Langkah-langkah melakukan MANOVA

Tahap 1 : Tujuan dari Analisis Korespondensi

Analisis korespondensi akan mengakomodasi kedua hubungan, baik data nonmetrik


dan nonlinear.

Tabel kontingensi digunakan untuk mengubah data dari bentuk nonmetrik ke


bentuk metrik.
Pengurangan dimensi dilakukan dengan cara yang mirip dengan analisis faktor.
Melakukan pemetaan persepsi dimana kategori bisa ditampilkan dalam dalam
ruang multidimensi.

Tahap 2: Desain Penelitian dari Analisis Korespondensi

Analisis korespondensi hanya membutuhkan data matrik rectangular dari data non
negatif.
Baris dan kolom tidak memiliki makna standar, namun merupakan tanggapan
terhadap variabel kategori.
Kategori-kategori untuk baris atau kolom dapat menjadi variabel tunggal atau satu
set variabel.

Tahap 3: Asumsi Analisis Korespondensi

Tidak seperti teknik multivariat lainnya, analisis korespondensi tidak memiliki satu
set ketat asumsi. Peneliti hanya perlu peduli terhadap semua atribut yang relevan.

Tahap 4: Deriving Hasil CA dan menilai Overall Fit

Analisis korespondensi berasal representasi tunggal dari kategori (baik baris dan
kolom) dalam ruang multidimensi yang sama.
Peneliti harus mengidentifikasi jumlah dan pentingnya dimensi.

5
Nilai Eigen disediakan untuk membantu peneliti dalam menentukan jumlah dimensi
yang sesuai untuk memilih dan dalam mengevaluasi kepentingan relatif dari
setiap dimensi.

Tahap 5: Interpretasi Hasil

Tingkat derajat kesamaan di antara kategori berbanding lurus dengan kedekatan


kategori di ruang persepsi.
Meskipun perdebatan terhadap masalah ini, proximities hanya harus dibandingkan
dalam baris atau kolom dalam

Tahap 6: Validasi Hasil

Generalisasi hasil dapat dibuktikan dengan analisis split-sampel atau multi-sampel.


Peneliti juga harus menilai sensitivitas analisis untuk penambahan atau penghapusan
objek tertentu dan / atau atribut.
2.4 Contoh kasus

Pada menu SPSS pilih Data lalu pilih Weight Case..., pada kotak dialog
Weight cases tandai Weight case by, dan pindahkan variabel Nilai ke kotak
Frequency Variable seperti pada gambar berikut

6
Untuk melakukan uji kebebasan, pada menu SPSS pilih Analyze pilih
Descriptive Statistics Pilih Crosstabs, lalu pada kotak Dialog Crosstabs,
pindahkan usia pada kotak Dialog Row(s) dan bisnis pada kotak
dialog Column(s), seperti pada Gambar berikut,

Selanjutnya Klik Statistics... untuk memilih jenis analisis, maka akan muncul
kotak dialog Crosstabs: Statistics dan Tandai Chisquare dan Klik Continue
untuk kembali ke menu utama Gambar 3.

7
Lalu Klik Cells... untuk memilih jenis analisis, maka akan muncul kotak
dialog Crosstabs: Cell Display dan Tandai Observed dan Expected dan Klik
Continue untuk kembali ke menu utama Gambar 4.

Selanjutnya, langkah untuk melakukan analisis korespondensi menggunakan

SPSS adalah sebagai berikut: Pada menu utama SPSS pilih Analyze pilih Data

Reduction Pilih Correspondence Analysis, maka akan muncul kotak dialog

Correspondence Analysis, Pindahkan Usia ke kotak Dialog Row dan Klik

Define Range, Klik Continue. Pindahkan Bisnis ke kotak Dialog Column dan

Klik Define Range, Klik Continue,

8
Lalu klik Model... untuk memilih jenis analisis, maka akan muncul kotak

dialog Correspondence Analysis: Model dan Tandai seperti Gambar 9 berikut

dan Klik Continue untuk kembali ke menu utama Gambar 5

Selanjutnya klik Statistics... untuk memilih jenis analisis, maka akan muncul

kotak dialog Correspondence Analysis: Statistics dan Tandai seperti Gambar

10 berikut dan Klik Continue untuk kembali ke menu utama Gambar 7.

9
Lalu klik Plots... untuk memilih jenis analisis, maka akan muncul kotak

dialog Correspondence Analysis: Plots dan Tandai seperti Gambar 11 berikut

dan Klik Continue untuk kembali ke menu utama Gambar 5.

Selanjutnya klik OK pada menu utama (Gambar 5), dan hasil analisis bisa

dilihat pada Output Editor.

Interpretasi output

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

USIA * BISNIS 113 100.0% 0 0.0% 113 100.0%

10
Interpretasi :
Pada case processing summary, terlihat 113 buah data yang dianalisa tidak terdapat missing
valuenya sehingga tingkat kevalidan datanya adalah 100%.

USIA * BISNIS Crosstabulation

BISNIS Total

MAKEUP
KULINER FASHION PROPERTI ARTIST

USIA 10-20 Count 25 11 0 26 62

Expected Count 13.7 11.0 18.1 19.2 62.0

21-30 Count 0 9 6 9 24

Expected Count 5.3 4.2 7.0 7.4 24.0

31-40 Count 0 0 11 0 11

Expected Count 2.4 1.9 3.2 3.4 11.0

41-50 Count 0 0 16 0 16

Expected Count 3.5 2.8 4.7 5.0 16.0


Total Count 25 20 33 35 113

Expected Count 25.0 20.0 33.0 35.0 113.0

Interpretasi :
Pada crosstabulation terlihat table silang yang memuat hubungan antara 4 variabel. Dari
beberapa output tersebut dapat dilihat beberapa hal berikut.
- Pada rentang usia 10 sampai 20 tahun, terdapat 25 orang yang memiliki usaha kuliner,
11 orang memiliki usaha fashion, tidak ada yang memiliki usaha bisnis properti, dan
26 orang memiliki usaha make up artist.
- Pada rentang usia 21 sampai 30 tahun, tidak ada yang memiliki usaha kuliner, 9 orang
memiliki usaha fashion, 6 orang memiliki usaha property, dan 9 orang memiliki usaha
make up artist
- Pada rentang usia 31 sampai 40 tahun, tidak ada yang memiliki usaha kuliner, fashion,
maupun make up artist, hanya ada 11 orang yang memiliki usaha property
- Pada rentang usia 41 sampai 50 tahun, tidak ada yang memiliki usaha kuliner, fashion
maupun make up artist, hanya ada 16 orang yang memiliki usaha property
- Terdapat total keseluruhan 25 orang yang memiliki usaha kuliner, 20 orang yang
memiliki usaha fashion, 33 orang yang memiliki usaha property, dan 35 orang yang
memiliki usaha make up artist

11
- Dari total 113 responden yang ada, terdapat 62 orang yang memiliki rentang usia 10
sampai 20 tahun, 24 orang yang memiliki rentang usia 21 sampai 30 tahun, 11 orang
yang memiliki rentang usia 31 sampai 40 tahun, dan 16 orang yang memiliki rentang
usia 41 sampai 50 tahun.

Chi-Square Tests

Asymptotic
Significance (2-
Value df sided)

Pearson Chi-Square 106.349a 9 .000


Likelihood Ratio 127.381 9 .000
Linear-by-Linear Association 4.922 1 .027
N of Valid Cases 113

a. 9 cells (56.3%) have expected count less than 5. The minimum


expected count is 1.95.

Interpretasi :
Berdasarkan table chi-square tests, dapat dilihat nilai asymptotic significancenya sebesar
0,000 yang lebih kecil dari nilai 0,05 maka Ho ditolak. Hal ini menunjukkan terdapat
pengaruh rentang usia terhadap jenis usaha yang dimiliki.

Correspondence Table

BISNIS

MAKEUP
USIA KULINER FASHION PROPERTI ARTIST Active Margin

10-20 25 11 0 26 62
21-30 0 9 6 9 24
31-40 0 0 11 0 11
41-50 0 0 16 0 16
Active Margin 25 20 33 35 113

Interpretasi :
Tabel korespondensi menunjukan data asli yang digunakan tidak terdapat kesalahan.

12
Row Profiles

BISNIS

MAKEUP
USIA KULINER FASHION PROPERTI ARTIST Active Margin

10-20 .403 .177 .000 .419 1.000


21-30 .000 .375 .250 .375 1.000
31-40 .000 .000 1.000 .000 1.000
41-50 .000 .000 1.000 .000 1.000
Mass .221 .177 .292 .310

Interpretasi :
Berdasarkan table row profile yang ada, diketahui bahwa orang yang memiliki rentang usia
10 sampai 20 tahun yang memiliki usaha kuliner sebesar 0,403; proporsi yang memiliki usaha
fashion sebesar 0,177; proporsi yang memiliki usaha property sebesar 0,000; dan proporsi
yang memiliki usaha make up artist sebesar 0,419. Pada rentang usia 21 sampai 30 tahun,
proporsi yang memiliki usaha kuliner sebesar 0,000; proporsi yang memiliki usaha fashion
sebesar 0,375; proporsi yang memiliki usaha property sebesar 0,250; dan proporsi orang yang
memiliki usaha make up artist sebesar 0,375. Pada rentang usia 31 samapi 40 tahun, proporsi
orang yang memiliki usaha kuliner, fashion maupun make up artist masing-masing sebesar
0,000 dan proporsi orang yang memiliki usaha property sebesar 1,000. Pada rentang usia 41
sampai 50 tahun, proporsi yang memiliki usaha kuliner, fashion, dan make up artist masing-
masing sebesar 0,000 dan proporsi yang memiliki usaha property sebesar 1,000.

Column Profiles

BISNIS

MAKEUP
USIA KULINER FASHION PROPERTI ARTIST Mass

10-20 1.000 .550 .000 .743 .549


21-30 .000 .450 .182 .257 .212
31-40 .000 .000 .333 .000 .097
41-50 .000 .000 .485 .000 .142
Active Margin 1.000 1.000 1.000 1.000

13
Interpretasi :

Berdasarkan table column profiles, diketahui bahwa proporsi sebesar 1,000 pada kolom
kuliner berasal dari orang yang memiliki rentang usia 10 sampai 20 tahun. Pada kolom
fashion, dapat diketahui bahwa proporsi sebesar 0,550 mewakili orang yang memiliki rentang
usia 10 sampai 20 tahun dan proporsi 0,450 mewakili orang yang memiliki rentang usia 21
sampai 30 tahun. Pada table property, dapat diketahui bahwa proporsi 0,182 mewakili orang
yang memiliki rentang usia 21 sampai 30 tahun, proporsi sebesar 0,333 mewakili yang
memiliki rentang usia 31 sampai 40 tahun, dan proporsi sebesar 0,485 meakili yang memiliki
rentang usia 41 sampai 50 tahun. Pada kolom make up artist, proporsi sebesar 0,743 yang
mewakili orang yang memiliki rentang usia 10 sampai 20 tahun dan proporsi 0,257 yang
mewakili rentang usia 21 sampai 30 tahun.

Interpretasi :

Berdasarkan table di atas, dapat diketahui bahwa persentasi nilai eigen value pertama sebesar
86,8% yang menunjukan bahwa kedua vector baris maupun kolom yang ada mampu
menjelaskan 86,8% keragaman data yang ada. Dilihat dari nilai kumulatif eigen value
dimensi 1 dan 2 diketahui bahwa sebesar 100% vector baris dan kolom yang ada telah
mampu menjelaskan keseluruhan keragaman data yang ada.

14
Confidence Row Points

Standard Deviation in Dimension Correlation

USIA 1 2 1-2

10-20 .058 .074 .363


21-30 .251 .146 .309
31-40 .150 .108 -.316
41-50 .150 .108 -.316

Interpretasi :

Berdasarkan tabel di atas, dapat diketahui bahwa kontribusi korelasi kumulatif dimensi 1 dan
2 pada baris pertama (rentang usia 10-20 tahun) sebesar 0,363, kontribusi kumulatif dimensi
1 dan 2 pada baris kedua (rentang usia 21-30 tahun) sebesar 0,309, kontribusi kumulatif
dimensi 1 dan 2 pada baris ketiga (rentang usia 31-40 tahun) sebesar -0,316, kontribusi
kumulatif dimensi 1 dan 2 pada baris keempat (rentang usia 41-50 tahun) sebesar -0,316.

15
Confidence Column Points

Standard Deviation in Dimension Correlation

BISNIS 1 2 1-2

KULINER .115 .101 .356


FASHION .159 .126 -.411
PROPERTI .154 .066 -.221
MAKEUP ARTIST .075 .068 -.260

Interpretasi :

Berdasarkan table di atas, dapat diketahui bahwa pada dimensi 1 (kolom 1) nilai standar
deviasi kuliner sebesar 0,115; nilai standar deviasi usaha fashion sebesar 0,159; nilai standar
deviasi usaha property sebesar 0,154; dan nilai standar deviasi usaha make up artist sebesar
0,75. Pada dimensi 2 (kolom 2) nilai standar deviasi kuliner sebesar 0,101; nilai standar
deviasi usaha fashion sebesar 0,126; nilai standar deviasi usaha property sebesar 0,066; dan
nilai standar deviasi usaha make up artist sebesar 0.068. Niai korelasi dimensi 1 dan 2 pada
usaha kuliner sebesar 0,356, pada usaha fashion sebesar -0,411, pada usaha property sebesar
-0,221, dan pada usaha make up artist sebesar -0,260.

16
Interpretasi :

Dari row and column point dapat diketahui bahwa bisnis kuliner dan makeup artist digemari
oleh orang dengan sia 10-20 tahun, bisnis fashion digemari oleh orang dengan usia 20-30
tahun dan bisnsi property digemari oleh orang dengan usia 31-40 dan 41-50

17
BAB III

PENUTUP

3.1 Kesimpulan

Analisis korespondensi adalah suatu ilmu yang mempelajari hubungan antara dua atau lebih
peubah kualitatif, yaitu dengan teknik multivariate secara grafik yang digunakan untuk
eksplorasi data dari sebuah tabel kontingensi. Analisis korespondensi ini memproyeksikan
baris-baris dan kolom-kolom dari matriks data sebagai titk-titik ke dalam sebuah grafik
berdimensi rendah dalam sebuah jarak Euclid.

3.2 Saran

Agar analisis korespondensi dapat bermanfaat dalam kehidupan sehari-hari

18
Daftar Pustaka

1. Wijoyoko, Johan . Analisis Korespondens1


https://www.scribd.com/doc/144108447/ANALISIS-KORESPONDENS1 diakses
tanggal 7 Mei 2017

2. Mattjik, A. dan Sumertajaya (2011). Sidik Peubah Ganda (dengan Menggunakan


SAS). IPB Press. Bogor.

3. Usman, H. dan Akbar, P.(2011). Pengantar Statistika. Bumi Aksara. Jakarta.

19