Analisis Kuantitatif Uas Pak Budi_meezan

7/25/2019 Analisis Kuantitatif Uas Pak Budi_meezan

1/11

Ujian Akhir Semester

Analisis Kuantitatif

ANALISIS KUANTITATIF

Disusun untuk Memenuhi Nilai UAS pada Mata Kuliah Analisa Kuantitatif dan

Ekonomi Wilayah yang diampu oleh Dr. Ign. Boedi Hendrarto, M.Sc Mahasiswa

Magister Prodi MSDP Semester 2

Oleh

Meezan Ardhanu Asagabaldan

26010115410032

PROGRAM PASCASARJANA

UNIVERSITAS DIPONEGORO

SEMARANG

2016


2/11



1. Dari sudut pandang non-teknis, tujuan skala multidimensi (MDS) adalah untuk

memberikan representasi visual dari pola proximities (kesamaan atau jarak)

antara satu set objek. Di bawah ini ada data dari penelitian sedimen pada suatu

perairan. Cobalah anailisis data tersebut secara visual diketahui kedudukan antaramasing-masing stasiun berdasarkan kandungan bahan kimianya.

Stasiun Cu Mn Co Ni Zn Cd Ph Cr Dep %C %N

1 26 2470 14 34 160 0 70 53 144 3 0.53

2 30 1170 15 32 156 0.2 59 15 152 3 0.46

3 37 394 12 38 182 0.2 81 77 140 2.9 0.36

4 74 349 12 41 227 0.5 97 113 106 3.7 0.46

5 115 317 10 37 329 2.2 137 177 112 5.6 0.69

6 344 221 10 37 652 5.7 319 314 82 11.2 1.07

7 194 257 11 34 425 3.7 175 227 74 7.1 0.72

8 127 246 10 33 292 2.2 130 182 70 6.8 0.58

9 36 194 6 16 89 0.4 42 57 64 1.9 0.29

10 30 326 11 26 108 0.1 44 52 80 3.2 0.38

11 24 439 12 34 119 0.1 58 36 83 2.1 0.35

12 22 801 12 33 118 0 52 51 83 2.3 0.45

Jawaban:

Penggunaan AnalisisMultidimensional Scaling

Data disusun dahulu seperti ini:

parameter 1 2 3 4 5 6 7 8 9 10 11 12

Cu 26 30 37 74 115 344 194 127 36 30 24 22

Mn 2470 1170 394 349 317 221 257 246 194 326 439 801

Co 14 15 12 12 10 10 11 10 6 11 12 12

Ni 34 32 38 41 37 37 34 33 16 26 34 33

Zn 160 156 182 227 329 652 425 292 89 108 119 118

Cd 0 0.2 0.2 0.5 2.2 5.7 3.7 2.2 0.4 0.1 0.1 0

Ph 70 59 81 97 137 319 175 130 42 44 58 52

Cr 53 15 77 113 177 314 227 182 57 52 36 51Dep 144 152 140 106 112 82 74 70 64 80 83 83

%C 3 3 2.9 3.7 5.6 11.2 7.1 6.8 1.9 3.2 2.1 2.3

%N 0.53 0.46 0.36 0.46 0.69 1.07 0.72 0.58 0.29 0.38 0.35 0.45

Masukkan data pada SPSS


3/11



diolah menggunakan SPSS:

Case Processing Summarya

Cases

Valid Missing Total

N Percent N Percent N Percent

11 100.0% 0 .0% 11 100.0%

Raw unscaled Data

analisis MDS menurut kemiripan dari stasiun dikelompokkan menjadi 4 kelompok

dianalisis menurut kedekatan faktor faktor (row) dari beberapa stasiun tersebut:


4/11



Kesimpulan:

Pada gambaran visualisasi pengelompokkan sesuai dengan kualitas air, maka dapat

dikelompokkan sebagai berikut:

Kelompok 1: stasiun 2 dan 12

Kelompok 2: stasiun 3, 4, 10, dan 11

Kelompok 3: stasiun 5, 6, 7, dan 8

Kelompok 4: stasiun 1


5/11



2. Tabel di bawah ini menunjukkan data hasil pengukuran tanda-tanda morfologi dua

spesies kepiting bakau di teluk Semarang. Cobalah data tersebut di analisis agar

kita bias mendapatkan suatu formula untuk membedakan taksonomi dari kedua

spesies tersebut. Selain itu, coba tentukan factor mana saja yang lebih dominan

dalam menentukan nama spesies tersebut.

No Spesies ICS/OCS FMSH/FW FW/ICW

1 S. serrata 0.9524 0.0602 0.33441

2 S. serrata 0.8696 0.062 0.31216

3 S. serrata 0.4762 0.061 0.31338

4 S. paramamosain 0.2381 0.0576 0.39345

5 S. paramamosain 0.2439 0.0594 0.39039

6 S. paramamosain 0.4286 0.0586 0.39754

7 S. paramamosain 0.4286 0.0592 0.38766

8 S. paramamosain 0.4225 0.0562 0.38747

Jawaban:

Menggunakan analisis faktoruntuk membedakan taksonomi dari kedua spesies:

Tabel analisis menunjukkan faktor faktor yang membedakan taksonomi dari

spesies tersebut memiliki kecenderungan >50%, dengan hasil:

ICS/OCS : 75%

FMSH/FW : 78,5%

FW/ICW : 89,5%

Kesimpulan:

Faktor yang paling dominan dalam menjelaskan dan menentukan taksonomi dari

kedua spesies tersebut adalah faktor FW / ICW sebesar 89.5%


6/11



*Hasil Analisis:


7/11



3. Data dalam Tabel di bawah ini masih sulit untuk diambil kesimpulan sebelum

diolah. Buatlah analisis sehingga data tersebut dapat ditarik kesimpulan tentang

adanya pengelompokan daerah berdasarkan kesamaan yang mereka miliki.

Daerah tambak lamun magrove coral nelayan petambakA 30 2 14 7 231 23

B 40 5 11 6 331 12

C 44 7 12 5 432 10

D 29 7 16 8 121 11

E 60 6 17 9 345 15

F 74 7 13 3 678 17

G 65 4 14 6 546 20

Jawaban:

MenggunakanAnalisis cluster dalam mengolah data berikut:

*data telah diproses semua

Hasil cluster membership menunjukkan penempatan sampel sesuai berapa clusteryang diinginkan (2 5 cluster)


8/11



Dendogram merupakan intepretasi dari analisis cluster yang diinginkan, yaitu

dari 2 5 cluster. pembaca data lebih mudah dengan adanya dendogram.


9/11



4. Di bawah ini terdapat data hasil wawancara dengan questionerterhadap nelayan di

perikanan tangkap. Penelitian ini dilakukan untuk mengetahui apakah ada

pengaruh factor bahan bakar, ABK, Jarak operasi terhadap Hasil Tangkapan.

Kalau ada, bagaimanakah bentuk hubungan yang terjadi ?. Coba saudara analisis

dengan bantuan analisis jalur.

No. Resp. Bahan bakar ABK Jarak operasi Hasilt angkapan

1

2

3

4

5

6

7

8

9

10

1112

55

45

60

35

64

44

70

65

63

74

8473

36

46

47

25

68

69

57

49

58

67

7952

38

45

46

30

53

54

61

50

52

51

6953

60

50

62

40

68

59

79

69

65

70

8979

Jawaban:

Menggunakan analisis regresi, dengan interpretasi sebagai berikut:

Hasil analisis menunjukkan semuanya memiliki korelasi yang signifikan

Bahan bakar

ABK

Jarak Operasi Hasil Tangkapan


10/11



Variabel dependen : hasil tangkapan

Variabel independen : bahan bakar, ABK dan jarak operasi

Hasilnya adalah:

Nilai koefisien determinasi adalah 96.7%.

Kesimpulan:

Berdasarkan nilai signifikansi, karena nilainya di bawah 0.05 maka terdapat

pengaruh nyata variabel Bahan bakar dan Jarak Operasi terhadap jumlah hasil

tangkapan.


11/11



5. Jelaskan apa fungsi dari:

1.

Canonical analysis

2.

Cluster analysis

3.

Correspondence analysis

4.

General regression model5. Principal component analysis

6. Power analysis

7. Path analysis

8.

Cluster analysis

Jawaban:

1. Canonical analysis merupakan analisis yang berfungsi untuk menentukan

tingkatan asosiasi linear antara dua perangkat variabel dimana masing-masing

perangkat terdiri dari beberapa variabel. Variabel ini dibedakan dengan variabel

dependen dan independen

2. Cluster analysismemilki fungsi yaitu untuk mengatur informasi atau meringkas

data dengan mengelompokkan objek berdasarkan kesamaan karakteristik tertentu

sehingga biasa digunakan untuk pengelompokkan.

3. Correspondence analysis berfungsi untuk mengetahui hubungan antara satu

kategori variabel baris dengan satu kategori kolom, lalu menyajikan setiap

kategori variabel baris dan kolom dari tabel kontigensi sedemikian rupa sehingga

dapat ditampilkan secara bersama-sama pada satu ruang vektor berdimensi kecil

secara optimal

4. General regressionmerupakan model untuk menemukan model linear terbaikdari sejumlah model, dengan metode dasar ANOVA yang berguna untuk

memberikan informasi dasar seperti deskripsi dari fenomena data atau kasus yang

sedang diteliti, untuk tujuan kontrol serta sebagai prediksi.

5. Principal component analysis (PCA) adalah analisis yang berfungsi untuk

menyederhanakan variabel yang diamati dengan cara menyusutkan atau

mereduksi dimensinya, dengan cara menghilangkan korelasi diantara variabel

bebas melalui transformasi variabel bebas asal ke variabel baru

6. Power analysis berfungsi untuk mengestimasi bahwa sampel cukup besar untuk

mengasumsikan bahwa analisis statistik yang dilakukan cukup berarti dan cukupbesar untu mendeteksi kesalahan atau eror.

7. Path Analysis berfungsi untuk menganalisis hubungan sebab akibat yang tejadi

pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung

tidak hanya secara langsung tetapi juga secara tidak langsung

Documents

Analisis Kuantitatif Uas Pak Budi_meezan