ANALISIS BIPLOT KOMPONEN UTAMA UNTUK PEMETAAN DAYA SAING GLOBAL NEGARA ANGGOTA APEC

Vinny Fadyoga Harmantyas, Universitas Negeri Yogyakarta
Rosita Kusumawati, Universitas Negeri Yogyakarta

Abstract


Indeks daya saing global negara anggota APEC terdiri dari 12 pilar dengan skala skor 1-100. Untuk mengoptimalkan potensi integrasi ekonomi di kawasan Asia Pasifik, pemetaan karakteristik negara anggota APEC berdasarkan 12 pilar pembentuk indeks daya saing global dapat dilakukan dengan metode analisis biplot komponen utama. Penelitian ini dapat memberikan informasi tentang gambaran pemetaan dan perkembangan karakteristik berdasarkan indeks daya saing global negara anggota APEC tahun 2018-2019 dengan tahapan analisis yaitu menyusun matriks data, standarisasi matriks, menghitung koefisien matriks korelasi, pengujian statistik KMO dan uji Bartlett, menghitung nilai eigen dan vektor eigen, menghitung bobot komponen utama, menghitung skor komponen utama, menguraikan matriks dengan metode SVD, membentuk grafik biplot, menghitung nilai keragaman biplot, membentuk kelompok, dan interpretasi hasil pemetaan biplot komponen utama. Hasil penelitian menunjukkaan bahwa terbentuk 2 kelompok negara. Pada kelompok 1, variabel dengan nilai karakteristik tertinggi yaitu pilar stabilitas makroekonomi dan variabel dengan nilai karakteristik terendah yaitu pilar pasar barang dan jasa. Sedangkan pada kelompok 2, variabel dengan nilai karakteristik tertinggi yaitu pilar stabilitas makroekonomi dan variabel dengan nilai karakteristik terendah yaitu pilar kemampuan inovasi. Pada tahun 2019 tidak terjadi perubahan peta karakteristik sehingga peta karakteristik sama dengan tahun 2018. Namun, untuk persentase keragaman mengalami penurunan yaitu 77,6% pada tahun 2018 dan 76,7% pada tahun 2019.

Keywords


analisis biplot komponen utama, pemetaan, indeks daya saing global, APEC

Full Text:

PDF

References


Adamkiewicz, H. G. (2019). The dimensions of national competitiveness: The empirical analysis based on The World Economic Forum’s data. Economics and Business Review, 5(3), 92–117. https://doi.org/10.18559/ebr.2019.3.6

Bartlett, M. S. (1950). Tests of significance in factor analysis. British Journal of Statistical Psychology, 3(2), 77–85. https://doi.org/10.1111/j.2044-8317.1950.tb00285.x

Doukovska, L., Atanassova, V., & Sotirova, E. (2019). European union member states’ performance in the 2018 global competitiveness index 4.0 through the prism of intercriteria analysis. Proceedings of the 4th International Conference on Numerical and Symbolic Computation Developments and Applications.

Fritz, M., Behringer, M., & Schwarz, H. (2020). LOG-means: efficiently estimating the number of clusters in large datasets. Proceedings of the VLDB Endowment, 13(11), 2118–2131. https://doi.org/10.14778/3407790.3407813

Gabriel, K. R. (1971). The biplot graphic display of matrices with application to principal component analysis. Biometrika, 58(3), 453–467. https://doi.org/10.1093/biomet/58.3.453

Greenacre, M. (2010). Biplots in practice. Bilbao: BBVA Foundation.

Hasan, M. K., & Yan-chun, C. (2020). Empirical study on the comparison of regional competitiveness of Asian Countries in perspective of global competitiveness index. North American Academic Research, 3(7), 33–56. https://doi.org/10.5281/zenodo.3930242

Johnson, R., & Wichern, D. (2007). Applied multivariate statistical analysis (6th ed.). Pearson Prentice Hall.

Jolliffe, I. T. (2002). Principal components analysis. Springer-Verlag.

Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141–151. https://doi.org/10.1177/001316446002000116

Kaiser, H. F., & Rice, J. (1974). Little jiffy, mark iv. Educational and Psychological Measurement, 34(1), 111–117. https://doi.org/10.1177/001316447403400115

Kristiana, L., Andarwati, P., Paramita, A., Maryani, H., & Izza, N. (2020). Posisi relatif provinsi di Indonesia berdasarkan penggunaan pengobatan tradisional: Analisis komponen utama biplot. Buletin Penelitian Sistem Kesehatan, 23(3). https://doi.org/10.22435/hsr.v23i3.3244

Maia, M. C. C., Almeida, A. S., Araujo, L. B., Dias, C. T. S., Oliveira, L. C., Yokomizo, G. K. I., Rosado, R. D. S., Cruz, C. D., Vasconcelos, L. F. L., Lima, P. S. C., & Macedo, L. M. (2019). Principal component and biplot analysis in the agro-industrial characteristics of anacardium spp. European Scientific Journal ESJ, 15(30), 21–31. https://doi.org/10.19044/esj.2019.v15n30p21

Mattjik, A. A., & Sumertajaya, I. M. (2011). Sidik peubah ganda dengan menggunakan SAS (1st ed.). Bogor: IPB PRESS.

Nugroho, S. (2008). Statistika multivariat terapan (1st ed.). Bengkulu: UNIB Press.

Purwandari, T., & Hidayat, Y. (2016). Penerapan principal component analysis biplot untuk memetakan provinsi di Indonesia berdasarkan sarana pelayanan kesehatan. Prosiding Seminar Nasional MIPA 2016, 1(1), 27–28.

Reis, J. G., & Farole, T. (2012). Trade competitiveness diagnostic toolkit. Washington: The World Bank. https://doi.org/10.1596/978-0-8213-8937-9

Sari, L., & Sihombing, P. R. (2022). Principal component analysis biplot global competitiveness index ASEAN countries. Jurnal Litbang Edusaintech, 3(1), 25–32.

Vehkalahti, K., & Everitt, B. S. (2019). Multivariate analysis for the behavioral sciences (2nd ed.). CRC Press.

World Economic Forum. (2018). The Global Competitiveness Report 2018.

World Economic Forum. (2019). The Global Competitiveness Report 2019.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Statistika dan Sains Data

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Our journal is indexed by:


Online ISSN (e-ISSN): 3025-9649

Creative Commons LicenseJurnal Statistika dan Sains Data by http://journal.student.uny.ac.id/ojs/index.php/jssd is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 JSSD Statistics