top of page
  • Writer's pictureI Putu Sampurna

SPSS : ANALISIS BIPLOT

Updated: Aug 24, 2023


ANALISIS BIPLOT

Analisis Biplot adalah teknik statistika deskriptif yang dapat disajikan secara visual guna menyajikan secara simultan n obyek pengamatan dan P variabel dalam ruang bidang datar, sehingga ciri-ciri variabel dan obyek pengamatan serta posisi relatif antar obyek pengamatan dengan variabel dapat dianalisis.

Pemilihan rotasi pada analisis biplot bertujuan untuk mendapatkan informasi yang lebih komonikatif, salah satu rotasi yang digunakan adalah rotasi varimax, rotasi ini tidak mengubah empat interpretasi utama dari grafik biplot.

Contoh ANALISIS BIPLOT ROTATION VARIMAX












Data Status Reproduksi Induk Sapi Bali di PPSBU Gerogak bisa dicopy atau di salin ke Program SPSS

Data Status Reproduksi Induk Sapi Bali di PPSBU Gerogak
.xlsx
Download XLSX • 10KB

ANALISIS BIPLOT ROTATION PROMAX KAPPA 90



Sebagai contoh :

Penelitian hasil pengukuran dimensi tubuh sapi bali jantan dan betina umur 2, 4, 6 dan 8 bulan masing-masing 5 ekor sapi..

Tabel Data Rata-Rata Hasil Penelitian

Kompurter telah siap dengan Program SPSS, Klik Variable View pada pojok keri bawah, ditunjukan pada, kemudian pada Kolom Name ketik, JK_Umur, PKepala, PLeher, PTubuh, PTelinga, PEkor, PTantuk, TFlank, PKBBawah, PKBTengah, PKBAtas, TTubuh, PKDBawah, PKDTengah dan, PKDAtas, pada Kolom Type Stringuntuk JK_Umur dan Numeric untuk yang lain, kolom Label ketik Jenis Kelamin (bulan), Panjang Kepala, Panjang Leher, Panjang Tubuh, Panjang Telinga, Panjang Ekor, Panjang Tantuk, Tinggi Flank, Panlang Kaki Belakang Bawah, Panlang Kaki Belakang Tengah, Panlang Kaki Belakang Atas, Tinggi Tubuh, Panjang Kaki Depan Bawah, Panjang Kaki Depan Tengah dan, Panjang Kaki Depan Atas, maka diperoleh Gambar Kotak Dialog Variable View

Gambar Kotak Dialog Variable View

Klik Data View, maka diperoleh Gambar Kotak Dialog Data View, lengkapi atau salin Tabel Data Rata-Rata Hasil Penelitian, sehingga diperoleh Gambar Kotak Dialog Data View yang telah dilengkapi dengan datanya

Gambar Kotak Dialog Data View

Klik Analyze, pilih Dimension Reduction, lalu klik Factor, maka diperoleh Gambar Factor Analysis, pindahkan Panjang Kepala, Panjang Leher, Panjang Tubuh, Panjang Telinga, Panjang Ekor, Panjang Tantuk, Tinggi Flank, Panlang Kaki Belakang Bawah, Panlang Kaki Belakang Tengah, Panlang Kaki Belakang Atas, Tinggi Tubuh, Panjang Kaki Depan Bawah, Panjang Kaki Depan Tengah dan, Panjang Kaki Depan Atasdengan tanda► Variable

Gambar Factor Analysis.

Klik Descriptives, lalu pada Statistics centang Inisial Solution, pada Corelations Matrix centang Coeffecientc, Significance Levels, klik Continue,maka kembali ke Gambar Factor Analysis

Klik Extraction,lalu pada Analyze pilih Corelation Matrix, lalu pad lalu pada Display centang Scree Plot, pada Extract pilih Piced Number of Factors Factor to Extracs, lalu kefit 2 pada kotak disebelahnya, Significance Levels, klik Continue,maka kembali ke Gambar Factor Analysis

Klik Rotation, lalu pada Method pilih Promax ketik pada kotak Kappa 90, pada Displaycentang Rotated Solution, Loading Plot(s), klik Continue,maka kembali ke Gambar Factor Analysis

Klik Scores, lalu cetang Save as Variable, pada Methodcentang Regresionnisial, klik Continue,maka kembali ke Gambar Factor Analysis

Klik Options, lalu pada Missing pilih Replace with Means, klik Continue,maka kembali ke Gambar Factor Analysis

Klik OK, maka diperoleh hasil sebagai berikut :


Menggambar Biplot dilakukan dengan jalan menggabungkan antara Variable yaitu Panjang Kepala, Panjang Leher, Panjang Tubuh, Panjang Telinga, Panjang Ekor, Panjang Tantuk, Tinggi Flank, Panlang Kaki Belakang Bawah, Panlang Kaki Belakang Tengah, Panlang Kaki Belakang Atas, Tinggi Tubuh, Panjang Kaki Depan Bawah, Panjang Kaki Depan Tengah dan, Panjang Kaki Depan Atas dengan tanda dengan Objek yaitu Jenis Kelamin Jantan Umur 2, 4, 6, dan 8 bulan, betina Umur 2, 4, 6, dan 8 bulan.

Kompurter telah siap dengan Program SPSS, Klik Variable View pada pojok keri bawah, kemudian pada Kolom Name ketik, JK_Umur, FAC1B_1, FAC2B_1, FAC1J_1, FAK2J_1, Component_1 dan Component_2, Type String untuk JK_Umur dan Numericuntuk yang lain, kolom Label ketik Jenis Kelamin (bulan), Factor score 1B, Factor score 2B, Factor score 1J, Factor score 2J, Component 1 dan Component 2, maka diperoleh Gambar Kotak Dialog Variable View

Gambar Kotak Dialog Variable View.

Klik Data View, maka diperoleh Gambar Kotak Dialog Data View, lengkapi gambar tersebut berdasar hasil Regrission (data FAC1_1, FA2_1) dan koordinat Componen Pattern Matrix, sehingga diperoleh Gambar Kotak Dialog Variable View yang telah lengkap dengan datanya

Gambar Kotak Dialog Data View

Klik Graphs, pilih Legacy Dialogs, klik Scatter/Dot, pilih atau klik Overlay Scatter, klik Define, maka muncul Ganbar Overlay Scatterplot.

Ganbar Overlay Scatterplot

Lengkapi gambar terrsebut dengan memasukkan Factor score 2B ke Y Variable dan Factor Score 1B ke X Variable, Factor score 2Jke Y Variable dan Factor Score 1J ke X Variable, Component 2 ke Y Variable dan Component 1 ke X Variable.

Jenis Kelamin (bulan) ke Label Cases by, klikOption, lalu Exclude cases Variable by variable, centang Dispay chart with case labels, klik Continu, maka kembali ke Ganbar Overlay Scatterplot

Klik OK, maka diperoleh hasil sebagai berikut :

Gambar diatas menunjukkan bahwa urutan letak koordinat dimensi panjang menunjukkan urutan kecepat pertumbuhan dimensi tubuh tersebut dari umur 2 bulan sampai dengan umur 8 bulan yaitu dari yang paling lambat (panjang tanduk) ke yang paling cepat (panjang Kaki Belakang).

Ukuran dimensi panjang paling pendek adalah sapi bali betina umur 2 bulan dan disusul jantan umur 2 bulan, kemudian semakain besar umurnya ukuran dimensi panjangnya makin besar dan yang bterbesar adalah sapi bali jantan umur 8 bulan. Jarak antara koordinat dimensi panjang menunjukkan perbedaan kecepatan, makin jauh jaraknya maka makin besar perbedaan kecepatannya. Jarak koordinat antar umur 2 bulan dengan umur 4 bulan pada sapi betina dan jantan merupakan jarak yang paling jauh, oleh karena itu kecepatan pertumbuhan dimensi tubuh dari umur 2 bulan ke umur 4 bulan adalah paling cepat.

PUSTAK

  1. Sampurna IP, Saka IK, Oka IGL, Sentana P. (2013). Biplot Simulation of Exponential Function to Determine Body Dimensions’ Growth Rate of Bali Calf. Canadian Journal on Computing in Mathematics, Natural Sciences, Engineering and Medicine Vol. 4 No. 1, February 2013.

  2. Sampurna, I P. (2016). Biplot Simulation to Determine the Growth Rate of Body Dimension in Local Bali Ducks 2016. Journal of Biometrics & Biostatistics. Vol.7. Issue 6. J Biom-Biostat 7 : 284. Doi : 10.4172/2155-6180.1000284.

  3. Sampurna, IP. TS Nindhia. (2017). Bilot Simulation of Power Function to Determine Growth Rate of Animals. Indian Journal of Applied Researche (IJAR). Agriculturel. Vol. 7. Issue 6. June – 2017. ISSN - 2249-555X | IF : | IC Value : 79.96.

  4. Sampurna IP, Suharsono H, Sukada IM (2019) Analysis of Biplot to Identify Marketing of Commodity Results Bali Cattle Livestock in Simantri Badung District, Bali. J Biom Biostat 10: 423.

Data Dimensi Tubuh Sapi Bali Jantan dan Betina bisa dicopy atau disalin ke Program SPSS

Data Dimensi Tubuh Sapi Bali Jantan dan Betina
.xlsx
Download XLSX • 12KB


6,099 views0 comments

Recent Posts

See All

टिप्पणियां


Post: Blog2_Post
bottom of page