Page 1
Penerapan Analisis Korelasi Kanonik
untuk hubungan antara
Variabel Struktur Ekonomi dengan Variabel Kesejahteraan Rakyat
Disusun untuk Memenuhi Tugas Mata Kuliah Analisis Variabel Ganda
oleh:
4SE3
Badal Imamuddin 09.5896
Fajri Iramaya Purwanti 09.5966
Muhamad Ahyar Rasyidi 09.6053
Rezha Nursina Yuni 09.6101
Rony Purba 09.6120
Windha Wijaya 09.6169
SEKOLAH TINGGI ILMU STATISTIK
JAKARTA
Page 3
ABSTRAK
Metode analisis korelasi kanonik pertama kali diperkenalkan oleh Harold
Hotelling pada tahun 1936. Analisis korelasi kanonik bertujuan untuk mengukur
tingkat keeratan hubungan antara segugus variabel dependen dengan segugus
variabel independendan menguraikan struktur hubungan di dalam gugus variabel
dependen maupun dalam gugus variabel independen. Dalam perkembangannya,
analisis ini semakin banyak diterima di berbagai bidang ilmu pengetahuan.
Penelitian ini bertujuan untuk mengetahui hubungan antara gugus variabel
kinerja ekonomi dengan gugus variabel kesejahteraan rakyat. Dengan
menggunakan metode analisis korelasi kanonik, hasil yang diperoleh adalah
semakin tinggi persentase pekerja sektor pertanian, maka semakin rendah
persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini
ditunjukkan oleh nilai korelasi sebesar -0,97535. Selain itu, semakin tinggi
persentase PDRB sektor pertanian, maka semakin tinggi persentase penduduk
yang tidak mengeluh sakit. Hal ini ditunjukkan oleh nilai korelasi sebesar
0,65561.
PENDAHULUAN
Latar Belakang
Analisis korelasi kanonik merupakan salah satu metode analisis
multivariat yang digunakan untuk melihat hubungan linier antara himpunan
variabel bebas (X 1 , X2 , …, X p) dengan himpunan variabel tak bebas
(Y 1 ,Y 2 ,…,Y q). Metode ini pertama kali diperkenalkan oleh Harold Hotelling
pada tahun 1936. Johnson dan Winchern (2002) mengemukakan bahwa analisis
korelasi kanonik berfokus pada korelasi antara kombinasi linier dari himpunan
variabel tak bebas dengan kombinasi linier dari himpunan variabel bebas. Ini yang
membedakan analisis korelasi kanonik dengan korelasi biasa. Analisis ini
bertujuan untuk mengukur tingkat keeratan hubungan antara himpunan variabel
bebas dengan himpunan variabel tak bebas.
Analisis korelasi kanonik memiliki batasan-batasan (restrictions) yang
paling sedikit jika dibandingkan dengan metode analisis multivariat lain yang
Page 4
sangat kaku terhadap batasan-batasannya. Analisis ini dipercaya mampu
memberikan informasi dengan kualitas yang lebih baik dan lebih mudah
diinterpretasikan karena hanya memiliki sedikit batasan. Dalam keadaan dimana
banyak variabel bebas dan tak bebas, analisis korelasi kanonik merupakan teknik
analisis multivariat yang paling cocok (Hair et al, 1998).
Interpretasi dalam analisis korelasi kanonik menggunakan nilai dari
pembobot kanonik (canonical loadings). Nilai pembobot kanonik menunjukkan
besarnya kontribusi variabel asal terhadap variabel kanonik. Semakin besar nilai
koefisien maka semakin besar kontribusi variabel yang bersangkutan terhadap
variabel kanoniknya.
Penerapan metode analisis korelasi kanonik di berbagai disiplin ilmu
pengetahuan telah banyak dilakukan, seperti penerapan di bidang ekonomi, medis,
dan meteorologi. Dalam penelitian ini, penerapan metode analisis korelasi
kanonik dilakukan untuk mengetahui hubungan linier antara gugus variabel
kinerja ekonomi dengan gugus variabel kesejahteraan. Secara teori, kinerja baik
perekonomian suatu negara terbukti akan meningkatkan kesejahteraan rakyat di
negara tersebut. Todaro (2004) mengatakan bahwa perekonomian dengan kinerja
yang baik mampu mengalokasikan pendapatan suatu negara secara merata ke
seluruh penduduknya. Implikasinya, rakyat negara tersebut mampu memenuhi
minimal kebutuhan dasarnya, seperti sandang, pangan, papan, kesehatan, dan
pendidikan.
Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengetahui hubungan antara
kinerja perekonomian Indonesia dengan kesejahteraan rakyat Indonesia.
LANDASAN TEORI
Analisis Korelasi Kanonik
Salah satu teknik analisis variabel ganda yang sering digunakan ketika
seorang peneliti ingin menguji hubungan (korelasi) antara beberapa variabel
independen dengan beberapa variabel dependen adalah analisis korelasi kanonik.
Beberapa variabel independen disebut gugus variabel independen sedangkan
Page 5
beberapa variabel dependen disebut gugus variabel dependen. Konsep korelasi
dalam analisis variabel ganda merupakan perluasan dari konsep korelasi pada
univariate yang responnya merupakan variabel tunggal. Hal yang membedakan
diantara keduanya adalah jumlah dari variabel respon. Dalam univariate, variabel
respon hanya terdiri dari satu variabel sedangkan dalam multivariate memiliki
lebih dari satu variabel respon. Jenis korelasi yang dikenal dalam kasus univariate
adalah korelasi sederhana, korelasi parsial dan korelasi berganda. Dalam kasus
multivariate, analisis korelasi lebih dikenal dengan istilah analisis korelasi
kanonik.
Analisis korelasi kanonik tidak sesederhana korelasi sederhana, parsial
atau berganda. Hal ini karena dalam analisis korelasi kanonik yang dicari adalah
korelasi antar gugus variabel independen dan gugus variabel dependen bukan
korelasi antar variabel independen dan dependen. Analisis
korelasikanonikberkaitan denganjumlahhubungan linear antaradua setvariabel.
Tujuan darianalisis korelasikanonikadalah untuk mendapatkangambaransederhana
daristrukturkorelasi antarasubset darivariabel.
Berikut ini adalah contoh penelitian yang menggunakan korelasi kanonik
dalam analisisnya:
1. Seorang dokter ingin mengetahui adakah hubungan antara gaya hidup
dan kebiasaan makan dengan kesehatan pasienyang diukur dengan
variabel hipertensi, berat badan, tingkat ketegangan dan anxiety.
2. Manajer pemasaran suatu perusahaan ingin mengetahui apakah ada
hubungan antara jenis produk yang dibeli dan gaya hidup konsumen
dan kepribadian konsumen.
3. Seorang direktur bank ingin mengetahui hubungan antara penggunaan
kartu kredit (diukur dengan jumlah kartu kredit yang dimiliki dan rata-
rata uang yang dibelanjakan lewat kartu kredit perbulan) dengan
karakteristik konsumen (diukur dengan besarnya jumlah keluarga dan
pendapatan keluarga).
Selain itu, kita juga sering mengukurdua jenisvariabelpenelitiansepertisatu
setvariabelbakat dansatu setvariabelprestasi, satu setvariabelkepribadian dansatu
setukurankemampuan, satu setindeksharga dansetdariindeks produksi,satu
Page 6
setperilakusiswa dansatu setperilakuguru, seperangkatatributpsikologis dansatu
setatributfisiologis, satu setvariabelekologidan satu setvariabellingkungan, satu
setvariabelprestasi akademik danserangkaianukurankeberhasilan pekerjaan, satu
setnilai ujian dengan tutp bukadan satu setnilai ujian dengan buka buku, serta satu
setvariabelkepribadiansiswadan variabelyang samapadasiswayang bertindak
sebagai senior.
Kita asumsikan dua gugus variabel Y '=(Y 1 ,Y 2 , …,Y p) dan
X '=(X1 , X2 , …, Xq) diukur pada unit sampling yang sama. Fokus perhatian dalam
analisis korelasi kanonik adalah korelasi (hubungan), sehingga pada dasarnya
kedua himpunan tidak perlu dibedakan menjadi kelompok vaiabel independent
dan dependent. Pemberian label X dan Y hanya untuk membedakan kedua
himpunan variabel tersebut. Analisis korelasi kanonik berfokus pada korelasi
antara kombinasi linear dari gugus variabel dependen dengan kombinasi linear
dari gugus variabel independen. Ide utama dari analisis ini adalah mencari
pasangan dari kombinasi linear ini yang memiliki korelasi terbesar. Pasangan dari
kombinasi linear ini disebut fungsi/variabel kanonik dan korelasinya disebut
korelasi kanonik.
Tujuan dari analisis korelasi kanonik adalah :
1. Mengukur tingkat keeratan hubungan antara segugus variabel
dependen dengan segugus variabel independen
2. Menguraikan struktur hubungan di dalam gugus variabel dependen
maupun dalam gugus variabel independen
Asumsi-asumsi yang harus dipenuhi dalam analisis korelasi kanonik
adalah (Nugroho, 2008) :
1. Linieritas, yaitu keadaan dimana hubungan antar variabel dependen
dengan variabel independen bersifat linier. Sebagai contoh : jika ada
variabel promosi dan penjualan, maka seharusnya korelasi antara
kedua variabel bersifat linier. Dalam arti makin besar pengeluaran
untuk promosi, maka makin tinggi juga penjualannya.
2. Perlunya multivariate normality untuk menguji signifikansi setiap
fungsi kanonik. Karena pengujian normalitas secara multivariate sulit
dilakukan, maka cukup dilakukan uji normalitas untuk setiap variabel.
Page 7
Asumsi yang digunakan adalah jika secara individu sebuah variabel
memenuhi kriteria normalitas, maka secara keseluruhan juga akan
memenuhi asumsi normalitas.
3. Tidak ada multikolinearitas antar anggota kelompok variabel, baik
variabel dependen maupun variabel independen. Sebagai contoh, jika
variabel dependenterdiri dari penjualan dan biaya produksi, maka
seharusnya tidak ada korelasi yang kuat dan nyata antara variabel
penjualan dengan variabel biaya produksi. Jika ada korelasi,
dinamakan terdapat multikolinieritas. Jika angka korelasi tersebut
besar maka dapat dilakukan pengurangan salah satu variabel, misal
salah satu dari variabel penjualan atau biaya produksi dapat
dihilangkan.
Adanya beberapa asumsi yang harus dipenuhi pada analisis korelasi
kanonik, sebelum melakukan analisis perlu dilakukan pengujian untuk data yang
akan dianalisis dalam dua tahap, yaitu:
1. Uji data untuk analisis multivariat meliputi: uji data yang tidak lengkap
(missing values) dan uji data pencilan (outlier).
2. Uji asumsi meliputi uji normalitas, homoskedastisitas dan linieritas.
Penentuan fungsi kanonik bisa dilakukan dengan menggunakan matriks
covarian atau matriks korelasi. Hal yang membedakan keduanya adalah data yang
digunakan dalam analisis. Matriks korelasi digunakan jika data sudah dibakukan
(memiliki satuan yang sama), sedangkan matriks covarian menggunakan data
sebenarnya (data tidak dibakukan dan memiliki satuan yang sama). Proses
penentuan fungsi kanonik dari kedua jenis matriks tersebut sama.
Dua sifat menarik dari koreasi kanonik adalah sebagai berikut:
1. Korelasi Canonical invarian terhadap perubahanskalabaik padaituY
atauX. Sebagai contoh, jika skalapengukurandiubah dariincike cm,
korelasikanoniktidak akan berubah(vektor eigen yang sesuaiakan
berubah). Properti iniberlaku untuk simple dan multiple correlations.
2. Korelasi kanonik pertama, r1 adalah korelasi maksimum di antara
fungsi linier Y dan X. Oleh karena itu, r1melebihi(nilai absolut) simple
correlation antarabeberapa Y dan beberapaX, ataumultiple correlation
Page 8
antara beberapa y dan beberapax, atau di antara beberapaY dan semua
X, atau di antara beberapa Y dan semua X.
Pengaruh Kinerja Ekonomi terhadap Kesejahteraan Rakyat
Penelitian tentang hubungan kinerja ekonomi terhadap kesejahteraan
rakyat telah banyak dilakukan. Salah satunya adalah penelitian yang dilakukan
oleh Simamora (2002). Ia menemukan bahwa tingkat perekonomian yang maju
akan meningkatkan kesejahteraan rakyat yang dicirikan oleh meningkatnya
persentase PDRB sektor industri, meningkatnya persentase pekerja di sektor
industri, menurunnya persentase PDRB sektor pertanian, menurunnya persentase
pekerja sektor pertanian, menurunnya persentase pekerja keluarga, meningkatnya
persentase penduduk dengan pengeluaran di atas UMR per kapita per bulan,
meningkatnya persentase rumah tangga berpenerangan listrik/petromak,
meningkatnya persentase penduduk dengan pendidikan tertinggi tamat SLA atau
perguruan tinggi, menurunnya persentase rumah tangga dengan bahan bakar
minyak tanah/kayu bakar untuk memasak, menurunnya angka kematian bayi per
1000 kelahiran, dan menurunnya angka kelahiran total.
METODOLOGI
Data
Data berasal dari Sensus Penduduk (SP) dan hasil Survei Sosial Ekonomi
Nasional (SUSENAS) dari 33 provinsi di Indonesia pada tahun 2010.Variabel-
variabel yang diamati dalam penelitian ini adalah kelompok variabel ekonomi dan
kelompok variabel kesejahteraan rakyat.
Variabel-variabel pada kelompok variabel ekonomi dipilih berdasarkan
bahwa struktur ekonomi suatu provinsi dapat ditelaah atau diukur dari dua
indiKator pokok.Pertama, diukur dari nilai moneter seluruh barang dan jasa yang
dihasilkan oleh berbagai lapangan usaha, status pekerjaan, atau jenis pekerjaanya
(Harmini, 1997). Pada penelitian ini, kelompok variabel ekonomi(X) terdiri dari:
X1= persentase Produk Domestik Regional Bruto (PDRB) sektor industri
X2= persentase PDRB sektor pertanian
X3= persentase pekerja di sektor industri
Page 9
X4= persentase pekerja di sektor pertanian
Variabel-variabel pada kelompok variabel kesejahteraan rakyat (KESRA)
ditentukan berdasarkan indikator-indikator sosial (Harmini, 1997), indikator
KESRA 1995 terdiri dari indikator sektoral, yaitu:
a) Kependudukan, meliputi laju pertumbuhan, persebaran, kepadatan,
struktur umur, jenis kelamin, perkawinan, fertilitas dan keluarga
berencana;
b) Kesehatan, terdiri dari harapan hidup, kematian bayi, kelahiran, sarana
dan prasarana kesehatan, pemanfaatan fasilitas kesehatan imunisasi;
c) Gizi, meliputi status gizi balita, penyediaan kalori/protein/lemak,
penggunaan air susu inbu;
d) Pendidikan,terdiri dari keadaan sarana pendidikan, partisipasi sekolah,
tingkat buta huruf dan pendidikan yang ditamatkan;
e) Kemiskinan dan distribusi pendapatan serta pengeluaran rumah
tangga;
f) Ketenagakerjaan, meliputi keadaan angkatan kerja, penduduk yang
bekerja menurut kelompok umur, lapangan usaha, pendidikan
tertinggi, jumlah jam kerja;
g) Perumahan dan sosial budaya, meliputi fasilitas perumahan dan
ketersediaan fasilitas sosial ekonomi di desa (BPS, 1996).
Dalam penelitian ini KESRA diukur dari lima kelompok indikator, yakni:
a) Pengeluaran konsumsi;
b) Perumahan, yang meliputi fasilitas sumber air minum, fasilitas tempat
buang air besar, sumber energi untuk keperluan memasak dan
penerangan;
c) Pendidikan;
d) Kesehatan, meliputi angka harapan hidup penduduk saat lahir,
prevalensi balita bergizi baik, dan tingkat sehat;
e) Kependudukan, meliputi beban tanggungan dan migrasi (Harmini,
1997)
Pada penelitian ini, kelompok variabel kesejahteraan rakyat (Y) terdiri
dari:
Page 10
Y1= persentase penduduk dengan pengeluaran di atas satu juta rupiah per-
kapita per-bulan
Y2= persentase rumah tangga dengan penerangan PLN dan non-PLN
Y3= persentase rumah tangga dengan fasilitas air minum sendiri
Y4= persentase rumah tangga dengan fasilitas tempat buang air besar
sendiri
Y5= persentase rumah tangga dengan bahan bakar gas dan listrik untuk
memasak
Y6= persentase penduduk dengan pendidikan tertinggi tamat SMA dan
perguruan tinggi
Y7= persentase penduduk yang tidak mengeluh sakit
Y8= persentase prevalensi balita bergizi baik
Y9= angka harapan hidup pada waktu lahir
Y10= beban tanggungan bagi usia produktif
Teknik Analisis Data
Teknik analisis data yang dipergunakan untuk mengetahui secara bersama-
samahubungan variabel independen terhadap variabel dependen
menggunakananalisis kanonikal. Teknik dipergunakan untuk memprediksi dua
buah kelompokvariabel yang masing-masing terdiri lebih dari empat variabel X
dan sepuluh variabel Y.
Uji Asumsi
Sebelum pengolahandata dilakukan dengan kanonikal, diuji terlebih
dahulu persyaratan-persyaratan yangharus dipenuhi yaitu normalitas, linearitas
dari masing-masing variabel, danmultikolinear dalam kelompok variabel
independen.
Pengujian asumsi normal multivariat pada variabel independen dan
variabeldependendilakukan dengan melihat plot antara jarak mahalanobis yang
diberinotasi dj² dengan χ2 (j-0.5)/n; p dimana n = banyak observasi dan p = banyak
variabelyang diberi notasi qjPlot antara dj² dengan qj menunjukkan bahwa titik
mendekati garis lurus, hal inimembuktikan bahwa sampel dapat diasumsikan
Page 11
berasal dari populasi normalmultivariat.Uji normal multivariat juga dapat
dilakukan secara simultan dengan uji Skewness and Kurtosis Test.
Linearitas antar variabel independen dengan variabel dependen
diujidenganmenggunakan Ramsey Test dengan hasil asumsi linearitas antar
variabel terpenuhi. Koefisien korelasi kanonik yang lebih dari 0.5, berarti ada
hubungan linearantar variabel kanonik.
Asumsi non multikolinearitas menunjukkan bahwa tidak ada hubungan di
antara variabel dependen maupun independen. Keberadaan multikolinearitas dapat
dilihat dari nilai VIF (Variance Inflation Factor) yang lebih dari 10. Jadi, apabila
nilai VIF < 10, maka asumsi non multikolinearitas telah terpenuhi.
Tahapan Pengolahan Data
Analisis Korelasi Kanonik menggunakan makro SPSS. Software yang digunakan
adalah SPSS 16.0.
a. Penentuan Fungsi Kanonik
Dari Fungsi Kovarian
Misalkan ingin dibuat hubungan antara gugus variabel dependen
Y 1 ,Y 2 , …, Y pyang dinotasikan dengan vektor variabel acak Y, dengan gugus
variabel independen X1 , X2 , …, Xq yang dinotasikan dengan vector variabel acak
X.
Misalkan karakteristik dari vector variabel acak adalah sebagai berikut:
E ( X )=μX Cov ( X )=ΣXX
E (Y )=μY Cov (Y )=ΣYY
Cov ( X , Y )=ΣXY=( ΣYX )'
Kombinasi linear dari kedua gugus variabel dapat dituliskan sebagai
berikut :
U=a' X=a1 X1+a2 X2+…+a p Xq
V=b' Y =b1 Y 1+b2 Y 2+…+b3Y p
Var (U )=a' Cov ( X ) a=a' ΣXX a
Var (V )=b ' Cov (Y ) b=b' ΣYY b
Page 12
Cov (U ,V )=a' Cov ( X ,Y )b=a ' ΣXY b
Dengan menggunakan ketaksamaan Cauchy-Schwarz atau metode
langrange, vektor koefisien a dan bdapat diperoleh dengan cara mencari
ρ12>ρ2
2>…> ρk2yang merupakan akar ciri dari matriks
ΣYY−1 /2 ΣYX ΣXX
−1 ΣXY ΣYY−1/2 yang berpadanan dengan vector ciri
f 1, f 2 ,…, f k . ρ12>ρ2
2>…> ρk2 juga merupakan akar ciri dari matriks
ΣYY−1 /2 ΣYX ΣXX
−1 ΣXY ΣYY−1/2 yang berpadanan dengan vector ciri e1 ,e2 , …,ek
sehingga vektor koefisien a dan bdapat diperoleh sebagai berikut:
a1' =e1
' ΣXX−1 /2 b1
' =f 1' ΣYY
−1/2
a2' =e2
' ΣXX−1/2b2
' =f 2' ΣYY
−1/2
… …
ak' =ek
' ΣXX−1 /2 bk
' =f k' ΣYY
−1/2
Korelasi kanonik diperoleh dengan menghitung :
Corr (U ,V )=a' ΣXY b
√a ' ΣXX a√b' ΣXY b
didefinisikan pasangan pertama dari variabel kanonik (canonical variates) adalah
kombinasi linear U1, V1 yang memiliki ragam satu dan korelasi terbesar; pasangan
kedua dari variabel kanonik adalah kombinasi linear U2, V2 yang memiliki ragam
satu dan korelasi terbesar kedua serta tidak berkorelasi dengan variabel kanonik
yang pertama dan pasangan ke-k dari variabel kanonik adalah kombinasi linear
Uk, Vk yang memiliki ragam satu dan korelasinya terbesar ke-k serta tidak
berkorelasi dengan variabel kanonik 1, 2, …, k-1.
Corr (U k ,V k )=ρ k¿
Dari Fungsi Korelasi
Matriks Korelasi digunakan jika variabel yang akan dianalisis sudah
dibakukan atau dengan kata lain sudah memiliki satuan yang sama. Berikut adalah
matriks korelasi dari gugus variabel independen dan gugus variabel dependen.
R=(RYY RYX
RXY RXX)
Page 13
dimana:
RYY : matriks korelasi sampel Y (p x p)
RYX : matriks korelasi sampel antara Y dan X (p x q)
RXY : matriks korelasi sampel antara X dan Y (q x p)
RXX : matriks korelasi sampel X (q x q)
Vektor koefisien c dan d diperoleh sebagai berikut:
dari persamaan
|RYY−1 RYX RXX
−1 RXY−r2 I|=0
|RXX−1 RXY RYY
−1 RYX−r2 I|=0
diperoleh akar ciri yang sama yaitu r12 , r2
2 , …, r s2, tetapi vector ciri yang berbeda
yaitu
(RYY−1 RYX RXX
−1 RXY−r2 I ) d=0
(RXX−1 R XY RYY
−1 RYX−r2 I ) c=0
Hubungan antara vektor ciri c dan d dengan vektor ciri a dan b yang dihasilkan
matriks varian kovarian adalah:
d=D y b c=Dx a
dimana: D y=diag (S y 1 , S y2 , …, S yp)
D x=diag(Sx1 , Sx 2 , …, Sxq)
eigen vector c dan d adalah standardized coefficient vectors. Variabel ini akan
diterapkan untuk variabel standar. Untuk menunjukkan hal ini, perhatikan bahwa
dalam hal variabel berpusat y− y, kita punya:
U=b' ( y− y )=b ' D y D y−1 ( y− y )
¿d ' D y−1 ( y− y )
¿d1
y1− y1
S y1
+d2
y2− y2
S y2
+…+d1
y p− y p
S yp
karenanya, c dan d lebih diutamakan untuk a dan b untuk interpretasi variabel
kanonik U i dan V i.
b. Uji Hipotesis
Ada dua hipotesis yang akan diujikan dalam analisis korelasi kanonik
yaitu uji hipotesis untuk mengetahui apakah secara keseluruhan korelasi kanonik
Page 14
signifikan (uji korelasi kanonik secara bersama) dan uji hipotesis untuk
mengetahui apakah ada sebagian korelasi kanonik signifikan (uji individu). Jika
uji hipotesis pertama memperoleh kesimpulan bahwa paling tidak ada ada satu
korelasi kanonik tidak bernilai nol maka dilanjutkan dengan uji hipotesis kedua
untuk mengetahui apakah ada sebagian korelasi kanonik signifikan.
Uji korelasi kanonik secara bersama
Hipotesis
H 0 : ρ1=ρ2=…= ρk=0(semua korelasi kanonik bernilai nol)
H 1: adaρi≠ 0 (minimal ada 1 korelasi kanonik tidak bernilai nol)
Statistik Uji
B=−[n−1−12( p+q+1)] ln Λ
Λ=∏i=1
k
(1−ρ i2)
dengan n = jumlah pengamatan
Keputusan
Pada taraf signifikansi α , tolak H 0jika B> χα2 dengan derajat
bebas p x q.
Uji individu
Hipotesis
H 0 : ρ1=0 , ρ2=0 ,…,ρ k=0
H 1: ρi≠ 0 untuk i=1 , 2 ,…,k
Statistik Uji
Br=−[n−1−12( p+q+1)] ln Λr
Λ r=∏i=1
k
(1−ρi2)
dengan n = jumlah pengamatan
Keputusan
Pada taraf signifikansi α , tolak H 0jika Br> χ α2 dengan derajat bebas (p-r)
x (q-r).
Page 15
c. Interpretasi Fungsi Kanonik
Interpretasi yang dapat dilakukan dalam analisis korelasi kanonik yaitu
terhadapkoefisien kanonik (bobot kanonik / weight kanonik), loadings kanonik
dan cross loadings kanonik.
Weight kanonik merupakan koefisien kanonik yang telah dibakukan,
dapat diinterpretasikan sebagai besarnya kontribusi variabel asal
terhadap variabel kanonik. Semakin besar nilai koefisien ini maka
semakin besar kontribusi variabel yang bersangkutan terhadap variabel
kanonik.
Loadings kanonik dapat dihitung dari korelasi antara variabel asal
dengan masing-masing variabel kanoniknya. Semakin besar nilai
loading mencerminkan semakin dekat hubungan fungsi kanonik yang
bersangkutan dengan variabel asal. Loadings kanonik dibedakan
menjadi :
Loadings kanonik variabel independen:
RXU=RXX AZ
Loadings kanonik variabel dependen:
RYV=RYY BZ
Cross loadings kanonik, dapat dihitung dari korelasi antara
variabel asal dengan bukan variabel kanoniknya. Semakin besar
nilai loading mencerminkan semakin dekat hubungan fungsi
kanonik yang bersangkutan dengan variabel asal. Cross loading
kanonik terdiri dari :
Cross Loadings kanonik variabel independen:
RXV=RXU ρk
Cross Loadings kanonik variabel dependen:
RYU=RYV ρ k
d. Perhitungan Proporsi Keragaman
Page 16
Besarnya nilai proporsi keragaman menunjukkan baik tidaknya variabel
kanonik yang dipilih untuk menerangkan keragaman asal. Semakin besar nilai
proporsi keragaman maka semakin baik variabel-variabel kanonik yang dipilih
menerangkan keragaman asal. Batasan yang digunakan untuk nilai proporsi
bersifat relatif, sebagai acuan lebih besar dari 70%.
HASIL DAN PEMBAHASAN
Pada pengujian asumsi klasik menunjukkan bahwa semua data telah
memenuhi asumsi normal mutivariat, linieritas, dan non multikolinearitas.
Selanjutnya dilakukan analisis korelasi kanonik menggunakan software SPSS
16.0. Outputnya adalah sebagai berikut:
Fungsi Kanonik
Variabel dependen
Sedangkan himpunan variabel dependen, terdiri dari sepuluh variabel, yaitu:
1. Persentase Pengeluaran di Atas 1 Juta Rupiah.
2. Persentase Rumah Tangga dengan Fasilitas Penerangan PLN dan Non-Pln.
3. Persentase Rumah Tangga dengan Fasilitas Air Minum Sendiri.
4. Persentase Rumah Tangga dengan Fasilitas Tempat Buang Air Besar Sendiri.
5. Persentase Rumah Tangga dengan Bahan Bakar Listrik dan Gas.
6. Persentase Penduduk dengan Pendidikan Tertinggi SMA dan Kuliah.
7. Persentase Penduduk yang Tidak Mengeluh Sakit.
Page 17
8. Persentase Balita Bergizi Baik.
9. Persentase Angka Harapan Hidup.
10. Persentase Angka Beban Tanggungan.
Variabel independen
Himpunan variabel independen terdiri dari empat, yaitu:
1. Persentase PDRB sektor industri.
2. Persentase PDRB sektor pertanian.
3. Persentase pekerja di sektor industri.
4. Persentase pekerja di sektor pertanian.
Fungsi kanonik yang terbentuk sebanyak empat fungsi kanonik karena
banyaknya fungsi kanonik yang terbentuk mengikuti jumlah minimal variabel
dalam setiap himpunan variabel. Jadi, banyak fungsi kanonik = minimal(4,10) =
4.
Berdasarkan output SPSS, dengan menggunakan analisis korelasi kanonik,
maka fungsi kanonik yang terbentuk adalah sebagai berikut:
Fungsi pasangan kanonik pertama
U 1=0,1409 X1−0,0893 X2−0,04860 X3−0,06558 X4
V 1=0,10017 Y 1+0,04949Y 2−0,00788 Y 3−0,00629 Y 4+0,00965Y 5−0,02015 Y 6−0,01275Y 7+0,02129Y 8−0,02892 Y 9+0,01547 Y 10
Dengan korelasi kanonik ρ1=0,94896, artinya fungsi kanonik pertama
menerangkan keragaman total sebesar 94,896 %.
Fungsi pasangan kanonik kedua
U 2=0,00773 X1+0,11043 X2−0,09468 X3−0,08258 X4
V 2=0.03112Y 1+0,08208Y 2+0,03841Y 3−0,02183 Y 4−0,01345Y 5−0,05444 Y 6−0,13901Y 7−0,02862 Y 8+0,08054 Y 9+0,15761Y 10
Page 18
Dengan korelasi kanonik ρ2=0,78440, artinya fungsi kanonik pertama
menerangkan keragaman total sebesar 78,44%.
Fungsi pasangan kanonik ketiga
U 3=−0,10612 X1−0,04085 X2+0,08113 X3−0,00610 X4
V 3=0.00339Y 1+0,00280 Y 2−0,03063 Y 3−0,02608 Y 4+0,00016 Y 5+0,18467 Y 6−0,12872 Y 7+0,07249 Y 8+0,11374 Y 9−0,11585Y 10
Dengan korelasi kanonik ρ3=0,69517, artinya fungsi kanonik pertama
menerangkan keragaman total sebesar 69,517 %.
Fungsi pasangan kanonik keempat
U 4=−0,01354 X1+0,04492+0,22795 X3+0,03783 X 4
V 4=−0,09161 Y 1−0,00239 Y 2−0,03667 Y 3+0,04398 Y 4+0,02758 Y 5−0,09672Y 6−0,07528 Y 7+0,10352 Y 8−0,18933 Y 9+0,05302 Y 10
Dengan korelasi kanonik ρ4=0,51099, artinya fungsi kanonik pertama
menerangkan keragaman total sebesar 51,099%.
Uji Signifikansi
Uji Secara bersama-sama
Berdasarkan pada output SPSS, dengan menggunakan analisis korelasi
kanonik, terlihat nilai signifikansi F untuk prosedur Pillais, Hotellings, Wilks, dan
Roys kurang dari α=0,05. Jadi, apabila digabung secara bersama-sama, fungsi
kanonik pertama, kedua, ketiga, dan keempat akan signifikan dan dapat dianalisis
lebih lanjut.
Uji individu
Page 19
Korelasi kanonik antara U 1 dan V 1 adalah 0,94896. Kontribusi U 1 dan V 1
dalam menjelaskan keragaman dalam gugusnya adalah 0,8887. Pasangan kanonik
1 dapat menjelaskan keragaman data gugus asal sebesar 75,82% dan pasangan
kanonik 2 dapat menjelaskan keragaman data gugus asal sebesar 13,39%,
sehingga kumulatif pasangan kanonik 1 dan 2 adalah 89,21%. Berdasarkan nilai
eigenvalue dapat dilihat bahwa pasangan kanonik 1 dan 2 memiliki nilai yang
lebih dari satu. Hal ini menunjukkan bahwa terbentuk 2 fungsi kanonik.
Untuk lebih meyakinkan kesimpulan ini, maka dapat dilihat pada output
Dimension Reduction Analysis berikut:
Berdasarkan pada output SPSS, dengan menggunakan analisis korelasi
kanonik, terlihat nilai signifikansi F untuk fungsi kanonik pertama sebesar 0,000;
fungsi kanonik kedua sebesar 0,012; fungsi kanonik ketiga sebesar 0,105; dan
fungsi kanonik keempat sebesar 0,391. Nilai signifikansi F fungsi kanonik
pertama dan kedua kurang dari α=0,05; sehingga fungsi kanonik pertama dan
kedua signifikan secara individu. Jadi, fungsi kanonik pertama (U 1 dan V 1) dan
kedua (U 2 dan V 2) dapat dianalisis lebih lanjut.
Canonical weight
Kontribusi variabel dependen terhadap variabel kanonik
Page 20
Kontribusi variabel independen terhadap variabel kanonik
Berdasarkan tabel Standardized canonical coefficients for Covariate, dapat
diketahui:
a. Pasangan fungsi kanonik pertama
U 1=0,18384 Z X 1−0,10146 ZX 2
−0,33693 ZX 3−1,07329 Z¿
V 1=0,59242 ZY1+0,62991ZY 2
−0,11522 ZY3−0,07378 ZY 4
+0,22060 ZY5−0,06524 ZY 6
−0,05594 ZY 7+0,10941 ZY 8
−0,07198 ZY 9+0,1145 ZY 10
Berdasarkan pada output SPSS dengan menggunakan analisis korelasi
kanonik, dapat diketahui urutan kontribusi variabel-variabel independen
terhadap variabel kanonik pertama adalah x4 (persentase pekerja sektor
pertanian). Hal ini berarti dari kelompok variabel dependen, variabel x4
paling berpengaruh terhadap penurunan seluruh variabel dependen. Urutan
kontribusi variabel-variabel dependen terhadap variabel kanonik adalah
y2(persentase rumah tangga dengan fasilitas penerangan PLN dan Non-
PLN) dan y1 (persentase pengeluaran di atas satu juta rupiah).
Page 21
Bobot kanonik variabel-variabel independen bertanda negatif yang
menyatakan bahwa semakin tinggi x4 akan menurunkan nilai variabel
dependen.
b. Pasangan fungsi kanonik kedua
U 2=0,10081 ZX 1+1,25451 Z X 2
−0,65636 Z X 3−1,35152 Z¿
V 2=0,18403 ZY1+1,04474 ZY 2
+0,56145 ZY3−0,25620 ZY 4
−0,30754 ZY 5−0,17626 ZY 6
−0,60993ZY 7−0,14707 ZY 8
+0,30046 ZY 9+1,13542 ZY10
Berdasarkan pada output SPSS dengan menggunakan analisis korelasi
kanonik, dapat diketahui urutan kontribusi variabel-variabel independen
terhadap variabel kanonik pertama adalah x4 (persentase pekerja sektor
pertanian). Hal ini berarti dari kelompok variabel dependen, variabel x4
paling berpengaruh terhadap penurunan seluruh variabel dependen. Urutan
kontribusi variabel-variabel dependen terhadap variabel kanonik adalah y10
(persentase angka beban tanggungan) dan y2 (persentase rumah tangga
dengan fasilitas penerangan PLN dan Non-PLN).
Bobot kanonik variabel-variabel independen bertanda negatif yang
menyatakan bahwa semakin tinggi x4 akan menurunkan nilai variabel
dependen.
Canonical Loading
Loading kanonik variabel dependen
Page 22
Korelasi variabel asal (variabel dependen/Y) dengan variabel kanonik
pertama (V1) yang cukup kuat ditunjukkan oleh variabel y2 (persentase rumah
tangga dengan penerangan PLN dan non-PLN), y5 (persentase rumah tangga
dengan bahan bakar gas dan listrik untuk memasak), y1 (persentase penduduk
dengan pengeluaran di atas satu juta rupiah per-kapita per-bulan), dan y10(beban
tanggungan bagi usia produktif). Korelasi variabel asal (variabel dependen/Y)
dengan variabel kanonik kedua(V2) tidak ada yang lebih dari 0,5; yang terkuat
ditunjukkan oleh variabel y7 (persentase penduduk yang tidak mengeluh sakit).
Loading kanonik variabel independen
Korelasi variabel asal (variabel independen/X) dengan variabel kanonik
pertama (U1) semuanya di atas 0,5; namun korelasi yang terkuat ditunjukkan oleh
variabel x4 (persentase pekerja sektor pertanian). Sedangkan untuk korelasi
variabel asal (variabel independen/X) dengan variabel kanonik kedua (U2) yang
nilainya di atas 0,5 adalah varibel x2(persentase PDRB sektor pertanian). Hal ini
Page 23
menunjukkan bahwa variabel kanonik U2 mencerminkan variabel persentase
PDRB sektor pertanian.
Nilai canonical loading dapat dihitung dari korelasi antara kontribusi
variabel kanoniknya. Semakin besar nilai loading mencerminkan semakin dekat
hubungan fungsi kanonik yang bersangkutan dengan variabel asal.
a. Pasangan fungsi kanonik pertama
V1 dengan nilai loading terbesar yaitu y2 (persentase rumah tangga dengan
fasilitas penerangan PLN dan Non-PLN) sebesar 0,79905. Semua varibel
independen berpengaruh terhadap y2 karena semua nilai loadingnya lebih dari
0,5, dengan nilai loading terbesar yaitu x4 (persentase pekerja sektor
pertanian) sebesar -0,97535. Dengan demikian dapat disimpulkan terjadi
hubungan erat antara variabel x1, x2, x3, x4 dengan y2.
b. Pasangan fungsi kanonik kedua
V2 dengan nilai loading terbesar yaitu y7 (persentase penduduk yang tidak
mengeluh sakit) sebesar -0,40917. Hanya variabel x2 (persentase PDRB
sektor pertanian) yang mendominasi dalam mempengaruhi y7 dengan nilai
loading sebesar 0,65561. Dengan demikian dapat disimpulkan terjadi
hubungan erat antara x2 dengan y7.
Proporsi Keragaman Variabel Asal yang Dapat Dijelaskan Variabel
Kanonik
Keragaman pada gugus variabel dependen
Keragaman gugus variabel dependen (Y) yang dapat dijelaskan oleh
variabel kanonik V1 adalah 38,96% dan yang dapat dijelaskan oleh variabel
kanonik V2 hanya sebesar 5,93%,
Page 24
Keragaman pada gugus variabel independen
Keragaman gugus variabel independen (X) yang dapat dijelaskan oleh
variabel kanonik U1 adalah 58,18% dan yang dapat dijelaskan oleh variabel
kanonik U2 hanya sebesar 14,51%.
KESIMPULAN DAN SARAN
Dari hasil analisis korelasi kanonik pada bab sebelumnya, kesimpulan
yang diperoleh adalah sebagai berikut:
1. Semakin tinggi persentase pekerja sektor pertanian, maka semakin rendah
persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini
ditunjukkan oleh nilai korelasi sebesar -0,97535.
2. Semakin tinggi persentase pekerja sektor pertanian, maka semakin tinggi
persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal ini
ditunjukkan oleh nilai korelasi sebesar 0,68756
3. Semakin tinggi persentase PDRB sektor industri, maka semakin tinggi
pula persentase rumah tangga dengan penerangan PLN dan non-PLN. Hal
ini ditunjukkan oleh nilai korelasi sebesar 0,59749
4. Semakin tinggi persentase PDRB sektor pertanian, maka semakin tinggi
persentase penduduk yang tidak mengeluh sakit. Hal ini ditunjukkan oleh
nilai korelasi sebesar 0,65561.
Dari hasil kesimpulan di atas, terlihat bahwa gugus struktur ekonomi
hanya didominasi oleh pengaruh sektor industri dan sektor pertanian, baik dilihat
dari sisi persentase pekerja sektor maupun sisi persentase PDRB sektor. Hal ini
menunjukkan bahwa struktur perekonomian di Indonesia pada tahun 2010
didominasi oleh kedua sektor pertanian. Berdasarkan hasil kesimpulan di atas,
Page 25
presentasi sektor pertanian yang tinggi menunjukkan kesejahteraan rakyat yang
kurang (apabila dilihat dari hasil persentase rumah tangga dengan penerangan
PLN dan non-PLN yang rendah). Oleh sebab itu, pemerintah Indonesia hendaknya
lebih memperhatikan tenaga kerja yang masih besar keberadaannya di sektor
pertanian, dan berupaya untuk meningkatkan jumlah tenaga kerja di sektor
industri dengan tetap mempertahankan output (PDRB) sektor pertanian yang
optimal.
Untuk penelitian selanjutnya hendaknya memasukkan sektor lainnya
dalam gugus variabel struktur ekonomi, agar dapat diketahui pengaruh sektor
ekonomi selain kedua sektor tersebut.
DAFTAR PUSTAKA
Bilodeau, M. & Brenner, D. (1999). Theory of Multivariate Statistics. New York:
Springer.
Hair, Joseph F et. all. 2006. Multivariate Data Analysis. Sixth Edition. New
Jersey: Pearson Prentice Hall.
Harmini. 1997. Hubungan Struktur Ekonomi dengan Kesejahteraan Rakyat (Suatu
Pendekatan dengan Analisis Korelasi Kanonik). Bogor: Institut Pertanian
Bogor.
Johnson, R A. and Wichern,D W., 2007. Applied Multivariate Statistical Analysis
6 Edition, Prentice Hall.
Mattjik, Ahmad Ansori dan Sumertajaya, I Made. 2011. Sidik Variabel Ganda
dengan Menggunakan SAS. Bogor: Departemen Statistika. Institut
Pertanian Bogor.
Nugroho, S, 2008. Statistika Multivariate Terapan, UNIB Press.
Prapti NSS, Lulus. 2006. Keterkaitan antara Pertumbuhan Ekonomi dan
Distribusi Pendapatan (Studi Kasus 35 Kabupaten/Kota Jawa Tengah
2000-2004). Universitas Diponegoro. Semarang
Rencher, Alvin C. (2002). Methods of Multivariate Analysis Second Edition.
Canada. A John Wiley & Sons, Inc. Publication.
Page 26
Safitri, Diah. Analisis Korelasi Kanonik pada Perilaku Kesehatan dan
Karakteristik Sosial Ekonomi di Kota Pati Jawa Tengah. Semarang:
Universitas Diponegoro.
Suryanto, Dwi. 2011. Analisis Pengaruh Tenaga Kerja, Tingkat Pendidikan, dan
Pengeluaran Pemerintah terhadap Pertumbuhan Ekonomi di
Subosukawonoraten Tahun 2004-2008. Fakultas Ekonomi Universitas
Diponegoro. Semarang
Susetyo, Budi. (2004). Hubungan Motivasi, Minat, Sikap dengan Prestasi Belajar
Fisika, Matematika, Kimia, dan Biologi di FMIPA dan FPMIPA.Jakarta.
Yunitasari, Maria. 2007. Analisis Hubungan antara Pertumbuhan Ekonomi
dengan Pembangunan Manusia Propinsi Jawa Timur. Departemen Ilmu-
ilmu Sosial Ekonomi Pertanian: Fakultas Pertanian IPB. Bogor
LAMPIRAN
Pengujian Asumsi Klasik
1. Normal Multivariate
Berdasarkan diagram pencar di atas, plot titik-titik berada di sekitar garis
liniernya. Ini berarti distribusi dari data observasi dapat dikatakan mengikuti
Page 27
distribusi multivariat normal. Untuk lebih meyakinkan kesimpulan ini, uji dengan
menggunakan skewness dan kurtosis dilakukan. Hasilnya pengujian menggunakan
software Herodes disajikan dalam tabel di bawah ini.
Dari hasil pengujian skewness dan kurtosis di atas, kesimpulan yang
dihasilkan sama dengan kesimpulan yang diperoleh dari diagram pencar.
2. Linieritas
Diagram pencar di atas menunjukkan bahwa terdapat hubungan linier antara
gugus variabel ekonomi dengan gugus variabel kesejahteraan rakyat. Hubungan
Page 28
linier tersebut diwakili oleh hubungan variabel persentase pekerja sektor pertanian
(X4) dan variabel persentase rumah tangga dengan fasilitas penerangan PLN dan
non-PLN (Y2).
3. Multikolinearitas
Nilai VIF pada semua variabel kurang dari 5, hal ini menunjukkan bahwa asumsi
non multikolinearitas telah terpenuhi.