5
Analisis dan identifikasi kebutuhan Analisis perancangan sistem Implementasi dan Pengujian Unit Integrasi dan pengujian sistem
Operasi dan pemeliharaan
Gambar 1 Tahapan pengembangan paket AMV 2.0. serta dilakukan pengujian terhadap perangkat lunak tersebut. Pengujian perangkat lunak dilakukan dengan metode blackbox yaitu dengan membandingkan keluaran perangkat lunak yang dibuat dengan keluaran perangkat lunak statistika yang sudah ada sebelumnya (Minitab, SPSS, dan SAS). 5. Operasi dan Pemeliharaan Tahapan ini mencakup koreksi terhadap kesalahan yang tidak ditemukan pada tahap sebelumnya dan perbaikan terhadap kesalahan tanpa membuat sistem baru. Selain itu, dilakukan juga dokumentasi perangkat lunak melalui pembuatan User Manual dan dokumen perangkat lunak lainnya. Tahapan pengembangan perangkat lunak tersebut merupakan suatu siklus dengan aliran sesuai Gambar 1. Tahapan berikutnya tidak boleh dimulai sebelum tahapan sebelumnya selesai (Sommerville 2003).
HASIL DAN PEMBAHASAN Kebutuhan Sistem Analisis peubah ganda merupakan salah satu teknik statistika yang banyak digunakan dalam berbagai bidang. Proses perhitungan pada analisis peubah ganda cukup rumit jika
dilakukan secara manual, oleh karena itu diperlukan sistem komputasi untuk mempermudahnya. AMV merupakan suatu sistem berantarmuka user friendly yang dibuat untuk melakukan prosedur analisis peubah ganda pada lingkungan R. Adapun analisis peubah ganda yang disajikan da lam paket AMV antara lain ialah analisis komponen utama, analisis faktor, analisis biplot, analisis gerombol hierarki dan analisis gerombol k means. Selain itu, AMV memiliki fungsi untuk melakukan uji normal ganda. Pada paket AMV 2.0 ditambahkan analisis korelasi kanonik, analisis diskriminan, analisis diskriminan kanonik, dan a nalisis korespondensi. Selain penambahan analisis peubah ganda, pada AMV 2.0 juga ditambahkan fungsi kalkulator sebagai alat manipulasi data, fungsi membangkitkan bilangan acak (binomial, seragam, normal), dan fungsi untuk menampilkan output dalam bentuk HTML. Impor data dilengkapi dengan penambahan ekstensi file dari SPSS, Ms. Excel 2007, dan Ms. Access, serta file yang berekstensi .csv dengan pemisahnya berupa “;”. Ekspor data dilengkapi dengan penambahan ekstensi file ke SPSS dan ke file yang berekstensi .csv dengan pemisahnya berupa “;”. Keterbatasan AMV yang hanya dapat menggunakan satu dataset saja dalam
6
sistem diatasi dengan pemilihan dataset.
membuat
fungsi
Analisis Perancangan Sistem Tahapan perancangan sistem dilakukan dengan membuat diagram aliran data dan desain antarmuka untuk sistem yang telah diidentifikasi sebelumnya. Diagram aliran data merupakan alat perancangan sistem yang berorientasi pada alur data dengan konsep dekomposisi dapat digunakan untuk penggambaran analisis maupun rancangan sistem yang mudah dikomunikasikan oleh profesional sistem kepada pemakai maupun pembuat program. Pada Gambar 2 dapat dilihat bahwa AMV 2.0 memungkinkan pengguna untuk memasukan data ke dalam sis tem dan menerima hasil pengolahan yang ditampilkan ke monitor atau disimpan ke dalam file. Diagram aliran data level 1 (Gambar 3) merupakan dekomposisi sistem secara keseluruhan yang dibuat oleh tujuh penelitian. AMV 2.0 hanya menjalankan proses Input Data (1), proses Manajemen Data (2), dan proses Analisis Peubah Ganda (5).
Gambar 2 Diagram aliran data level 0. Proses Input Data dapat didekomposisi lagi menjadi diagram aliran data level 2 (Lampiran 1) yang tersusun oleh proses Input Data Langsung (1.1), proses Impor Data (1.2), proses Memuat Data yang Tersimpan (1.3), dan proses Bangkitkan Data (1.4). Proses Manajemen Data (Lampiran 2) didekomposisi lagi menjadi proses Pilih Dataset Aktif (2.1), proses Edit Dataset Aktif (2.2), proses Kalkulator (2.3), proses Bangkitkan Bilangan Acak (2.4), dan proses Pilih Peubah (2.5). Proses Analisis Peubah Ganda adalah proses sudah dibuat oleh AMV sebelumnya. Dekomposisi proses Analisis Peubah Ganda
Gambar 3 Diagram aliran data level 1.
7
menjadi diagram aliran level 2 (Lampiran 3) pada AMV 2.0 menambahkan proses Analisis Korelasi Kanonik (5.8), proses Analisis Diskriminan (5.9), proses Analisis Diskriminan Kanonik (5.10), proses Analisis Korespondensi Sederhana (5.11), dan proses Analisis Korespondensi berganda (5.12). Proses-proses tersebut dapat didekomposisi lagi menjadi diagram aliran data level 3 yang dapat dilihat pada Lampiran 4, 5, 6, 7 dan 8. Implementasi Sistem Implementasi sistem AMV 2.0 menggunakan program R dan paket tcltk untuk membuat tampilan anta rmukanya. Selain itu, implementasi sistem AMV 2.0 juga memanfaatkan paket-paket lainnya baik paket standar maupun paket tambahan yang harus diunduh terlebih dahulu. Nama-nama paket tersebut tersaji pada Tabel 1. Tabel 1 Paket-paket yang digunakan dalam implementasi sistem AMV 2.0 No. Paket Paket Tambahan Standar 1. RODBC MASS 2. tkrplot foreign 3. car Matrix 4. mvShapiroTest tcltk 5. R2HTML 6. zoo 7. CCA 8. CCP 9. candisc 10. ca Sama seperti AMV sebelumnya, AMV 2.0 tersusun oleh pilihan menu di bagian atas dan jendela hasil di bawah menu untuk menampilkan output. Menu AMV 2.0 terdiri dari lima menu utama yaitu Menu File, Menu Edit, Menu Data, Menu Statistika dan Menu Bantuan. Menu Edit merupakan menu baru yang tidak ada pada AMV sebelumnya. Skema menu-menu tersebut dapat dilihat pada Lampiran 9, 10, 11, 12, dan 13. Lingkungan utama paket AMV 2.0 dapat dilihat pada Lampiran 14. Menu File Menu File terdiri dari delapan submenu yaitu : 1. Buat Dataset Baru Submenu ini berfungsi untuk membuat dataset ke dalam sistem secara manual. Sebelum membuat dataset, pengguna harus memberi nama untuk dataset yang akan dibuatnya tersebut.
2. Memuat Dataset Submenu ini digunakan untuk memuat dataset yang tersimpan dalam file R dengan ekstensi .rda , .Rda , .RDA, atau .RData. 3. Simpan Dataset Submenu ini digunakan untuk menyimpan dataset dalam file R dengan ekstensi .rda, .Rda, .RDA, atau .RData. 4. Impor Dataset Submenu ini terdiri dari lima fungsi yait u “SPSS”, “.csv (,)”, “.csv (;)”, “Ms. Excel”, dan “Ms. Access”. Fungsi “SPSS” digunakan untuk mengimpor data dari file SPSS dengan ekstensi .sav atau .por. Fungsi “.csv (,)” digunakan untuk mengimpor data dari file dengan ekstensi .csv dimana pembatasnya berupa “,”. Fungsi “.csv (;)” digunakan untuk mengimpor data dari file dengan ekstensi .csv dimana pembatasnya berupa “;”. Fungsi “Ms. Excel” digunakan untuk mengimpor data dari file Ms. Excel dengan ekstensi .xlsx atau .xls. Fungsi “Ms. Access” digunakan untuk mengimpor data dari file Ms. Access dengan ekstensi .mdb atau .accdb. 5. Ekspor Dataset Submenu ini terdiri dari empat fungsi yaitu “SPSS”, “.csv (,)”, “.csv (;)”, dan “Ms. Excel 2003”. Fungsi “SPSS” digunakan untuk mengekspor dataset aktif ke file SPSS dengan ekstensi .sps. Fungsi “.csv (,)” digunakan untuk mengekspor dataset aktif ke file dengan ekstensi .csv dimana pembatasnya berupa “,”. Fungsi “csv (;)” digunakan untuk mengekspor dataset aktif ke file dengan ekstensi .csv dimana pembatasnya berupa “;”. Fungsi “Ms. Excel 2003” digunakan untuk mengekspor dataset aktif ke file Ms. Excel 2003. 6. Simpan Hasil Submenu ini ini digunakan untuk menyimpan hasil yang terdapat pada jendela hasil dalam bentuk teks dengan ekstensi .txt dan .doc. 7. Hasil HTML Submenu ini ini digunakan untuk menampilkan output yang dicetak ke jendela hasil dalam format HTML. Fungsi ini aktif jika tombol cek “Tampilkan output HTML” dan direktori folder terisi. Jika fungsi ini aktif maka setiap pengguna mencetak output ke jendela hasil, output tersebut akan ditampilkan juga oleh browser yang terdapat pada komputer pengguna.
8
8. Keluar Submenu ini ini digunakan untuk keluar dari sistem AMV 2.0. Menu Edit Semua submenu yang ada pada menu ini hanya berfungsi untuk mengedit jendela hasil. Submenu-submenu itu antara lain : 1. Cut Submenu ini digunakan untuk mengirimkan objek yang terpilih pada jendela hasil ke clipboard sistem komputer dan menghapus objek yang terpilih tersebut pada jendela hasil. 2. Salin Submenu ini digunakan untuk mengirimkan objek yang terpilih pada jendela hasil ke clipboard sistem komputer. Fungsi ini biasanya digunakan untuk menyalin objek yang terpilih. 3. Paste Submenu ini digunakan untuk menampilkan objek yang ada pada clipboard sistem komputer ke jendela hasil. Fungsi ini biasanya digunakan untuk menampilkan objek yang sudah disalin sebelumnya. 4. Hapus Submenu ini digunakan untuk menghapus objek yang terpilih pada jendela hasil. 5. Undo Submenu ini digunakan untuk mengembalikan tampilan je ndela hasil ke tampilan sebelum tampilan terakhir. 6. Pilih Semua Submenu ini digunakan untuk memilih semua objek yang ada pada jendela hasil. 7. Bersihkan Jendela Submenu ini digunakan untuk menghapus semua objek yang ada pada jendela hasil. Menu Data Menu ini memiliki enam submenu. Sebagian besar submenu tersebut berfungsi untuk manajemen data. Submenu tersebut antara lain : 1. Pilih Dataset Aktif Submenu ini digunakan untuk memilih satu dataset aktif. Dataset aktif adalah dataset yang siap untuk dianalisis. F ungsi ini memungkinkan sistem AMV 2.0 untuk menampung lebih dari satu dataset. 2. Lihat Dataset Aktif Submenu ini digunakan untuk melihat dataset aktif. 3. Edit Dataset Aktif Submenu ini digunakan untuk mengedit dataset aktif.
4. Kalkulator Submenu ini digunakan un tuk memanipulasi dataset aktif. Operasi yang terdapat pada kalkulator yaitu operasi aritmatika, trigonometri, dan perbandingan. 5. Bangkitkan Bilangan Acak Submenu ini terdiri dari tiga fungsi yaitu fungsi membangkitkan bilangan acak seragam, fungsi membangki tkan bilangan acak binomial, dan fungsi untuk membangkitkan bilangan acak normal. 6. Cetak Dataset Submenu ini digunakan untuk menampilkan dataset aktif ke dalam jendela hasil. Menu Statistika Menu ini berisi fungsi-fungsi untuk analisis peubah ganda. Pada menu ini terdapat delapan submenu. Submenu analisis gerombol, submenu analisis komponen utama, submenu analisis faktor, submenu analisis biplot, dan submenu uji normal ganda merupakan submenu yang ada pada AMV sebelumnya, sehingga tidak akan dijelaskan pada bagian ini. Tiga submenu baru pada menu statistika antara lain submenu analisis korelasi kanonik, submenu analisis diskriminan, dan submenu analisis korespondensi. Fungsi-fungsi yang terdapat pada ketiga submenu itu antara lain : 1. Analisis Korelasi Kanonik Fungsi ini digunakan untuk melakukan analisis korelasi kanonik. Untuk menjalankan fungsi ini pengguna harus mengisi kotak peubah respon dan kotak peubah prediktor dengan peubah -peubah yang memiliki jenis data numerik. Pada fungsi ini terdapat pilihan un tuk menampilkan skor peubah kanonik untuk setiap observasi. Output yang dihasilkan dari fungsi ini antara lain korelasi kanonik beserta uji statistiknya, koefisien dari peubah kanonik, koefisien baku dari peubah kanonik, korelasi antara peubah kanonik dengan peubah asalnya, serta skor dari peubah kanonik untuk semua observasi. Output skor dari peubah kanonik tidak ditampilkan di jendela hasil, tetapi langsung dimasukan ke dataset aktif. Kotak dialog untuk fungsi ini dapat dilihat pada Lampiran 15. Sintaks R untuk melakukan analisis korelasi kanonik menggunakan fungsi “ cc” yang berasal dari paket CCA, sementa ra itu untuk
9
melakukan pengujian korelasi kanonik digunakan fungsi “ p.asym” yang berasal daru paket CCP. Contoh penggunaan fungsi-fungsi tersebut adalah sebagai berikut : kankor <- cc(X,Y) ujikankor <- p.asym(kankor$cor, nrow(X),ncol(X), ncol(Y),tstat = "Wilks")
2. Analisis Diskriminan Fungsi ini terdapat pada submenu analisis diskriminan yang digunakan untuk melakukan analisis diskriminan linier dan kuadratik. Akan tetapi fungsi diskriminan linier yang dihasilkan sama dengan hasil analisis diskriminan kanonik, hal ini terjadi karena fungsi diskriminan yang diambil dari paket MASS menggunakan pendekatan yang sama dengan fungsi diskriminan kanonik. Oleh karena itu, fungsi diskriminan linier pada submenu analisis diskriminan untuk sementara dinonaktifkan. Untuk menjalankan fungsi ini pengguna harus mengisi kotak kelompok dengan peubah yang berisi kelompok untuk setiap observasi dan kotak peuba h prediktor dengan peubah yang memiliki jenis data numerik. Pada fungsi ini terdapat pilihan untuk menentukan peluang prior, sama untuk semua kelompok atau sesuai dengan jumlah observasi masing-masing kelompok. Selain itu, terdapat pilihan untuk menampilkan nilai peluang posterior dan prediksi klasifikasi untuk setiap observasi. Pengguna dapat menggunakan fungsi peubah seleksi untuk membuat fungsi diskriminan disertai dengan validasinya. Output yang dihasilkan dari fungsi antara lain informasi kelompok (jumlah observasi, proporsi jumlah observasi, dan peubah prior), nilai rataan kelompo k pada setiap peubah prediktor, tabel klasifikasi, presentase tabel klasifikasi, total klasifikasi benar, nilai peluang posterior dan prediksi klasifikasi untuk semua observasi. Jika fungsi peubah seleksi diaktifkan maka akan pada output akan ditambahkan, tabel klasifikasi hasil validasi, presentase tabel klasifikasi hasil validasi, total klasifikasi benar hasil vaildasi, nilai peluang posterior dan prediksi klasifikasi untuk semua observasi yang ada pada data validasi. Selain itu, jika fungsi peubah seleksi diaktifkan maka sistem akan menghasilkan dua dataset baru
yang berisi data pemodelan dan data validasi. Kotak dialog untuk fungsi ini dapat dilihat pada Lampiran 16. Sintaks R untuk melakukan analisis diskriminan kuadratik menggunakan fungsi “ qda”, sementara itu untuk memprediksi hasil diskriminan kuadratik menggunakan fungsi “ predict.qda”. Kedua fungsi tersebut berasal dari paket MASS, contoh penggunaannya adalah sebagai berikut : adk <- qda(Kelompok~Prediktor, subset,prior) prediksi <- predict(adk,Data)
3. Analisis Diskriminan Kanonik Fungsi ini terdapat pada submenu analisis diskriminan yang digunakan untuk melakukan analisis diskriminan kanonik. Untuk menjalankan fungsi ini pengguna harus mengisi kotak kelompok dengan peubah yang berisi kelompok untuk setiap observasi dan peubah predi ktor dengan peubah yang memiliki jenis data numerik. Pada fungsi ini pengguna dapat memilih untuk menampilkan skor peubah kanonik dan plotnya. Output yang dihasilkan dari fungsi ini antara lain korelasi kanonik beserta uji statistiknya, koefisien dari peu bah kanonik, koefisien baku dari peubah kanonik, struktur kanonik, dan nilai rataan kelompok pada setiap peubah kanonik. Kotak dialog untuk fungsi ini dapat dilihat pada Lampiran 17. Sintaks R untuk melakukan analisis diskriminan kanonik menggunakan fungsi “candisc ” yang berasal dari paket candisc, contoh penggunaan fungsi tersebut adalah sebagai berikut : mod <- lm(cbind(X1,X2,...,Xp) ~ Kelompok,data=Data) diskan <- candisc(mod,data=Data)
Untuk membuat plot diskriminan kanonik digunakan fungsi “ plot.candisc ” yang berasal dari paket candis c, contoh penggunaannya adalah sebagai berikut : plot(diskan,col=cols,pch=pchs, main=judul,which=dimensi)
4. Analisis Korespondensi Sederhana Fungsi ini terdapat pada submenu analisis korespondensi yang digunakan untuk melakukan analisis korespondensi sederhana. Data yang digunakan pada fungsi ini berupa tabel kontingensi dua arah atau tabel peubah kategorik. Tabel peubah kategorik memiliki jumlah baris yang sama dengan jumlah contoh observasi dan jumlah kolom yang sama
10
dengan jumlah peubah bebas. Masing masing unsur dalam satu baris tabel peubah kategorik berisi kategori pada setiap peubah. Pada fungsi ini terdapat pilihan untuk menambahkan data suplemen, menampilkan plot korespondensi dan pilihan jumlah dimensi yang akan ditampilkan. Ada lima plot korespondensi yang dapat ditampilkan antara lain plot simetrik kolom dan simetrik baris, plot simetrik baris, plot simetrik kolom, plot asimetrik baris dan simetrik kolom, serta plot asimetrik kolom dan simetrik baris. Output yang dihasilkan dari fungsi ini antara lain dekomposisi inersia, profil baris dan profil kolom, ringkasan statistik profil kolom dan profil baris, koordinat baris dan kolom, kontribusi inersia parsial profil baris dan profil kolom, serta plot korespondensi. Kotak dialog untuk fungsi analisis korespondensi sederhana dapat dilihat pada Lampiran 18. Sintaks R untuk melakukan analisis korespondensi sederhana menggunakan fungsi “ ca” yang berasal dari paket ca. Contoh penggunaan fungsi tersebut adalah sebagai berikut : aks <-
ca(TabelKontingensi, nd=ndim, suprow=suplemenbaris, supcol=suplemenkolom)
Untuk menampilkan plot korespondensi sederhana digunakan fungsi “plot.ca” dari paket ca. Contoh penggunaannya dalam menampilkan kelima plot korespondensi sederhana yang telah disebutkan sebelumnya adalah sebagai berikut: a. Plot Simetrik Baris plot(aks,dim=dimensi, map="symmetric", what=c("active","none"), main=judul)
b. Plot Simetrik Kolom plot(aks,dim=dimensi, map="symmetric", what=c("none","active"), main=judul)
c. Plot Simetrik Baris dan Kolom plot(aks,dim=dimensi, map="symmetric", what=c("active","active"), main=judul)
d. Plot Asimetrik Baris dan Simetrik Kolom plot(aks,dim=dimensi, map="colprincipal", what=c("active","active"), main=judul)
e. Plot Asimetrik Kolom dan Simetrik Baris plot(aks,dim=dimensi, map="rowprincipal", what=c("active","active"), main=judul)
5. Analisis Korespondensi Berganda Fungsi ini terdapat pada submenu analisis korespondensi yang digunakan untuk melakukan analisis korespondensi berganda. Data yang digunakan pada fungsi ini berupa tabel peubah kategorik. Untuk menggunakan fungsi ini pengguna harus mengisi kotak peubah terp ilih dengan peubah yang ada pada tabel indikator. Pada fungsi ini pengguna dapat memilih untuk memasukan data suplemen. Selain itu, terdapat pilihan untuk menampilkan tabel Burt dan plot kolom. Output yang dihasilkan dari fungsi ini antara lain dekomposisi inersia, ringkasan statistik profil kolom, serta koordinat kolom, kontribusi inersia parsial profil kolom, tabel Burt dan plot kolom. Tabel Burt yang dihasilkan tidak ditampilkan pada jendela hasil, tetapi disimpan dalam dataset dengan nama “Burt”. Kotak dialog untuk fungsi ini dapat dilihat pada Lampiran 19. Sintaks R untuk melakukan analisis korespondensi berganda menggunakan fungsi “mjca” yang berasal dari paket ca. Contoh penggunaan fungsi tersebut adalah sebagai berikut : akb <- mjca(DataPeubahKategorik, nd=ndim, lambda=”indicator”, supcol=suplemenkolom)
Untuk menampilkan plot tabel kolom digunakan fungsi “ plot.mjca” dari paket ca, berikut contoh penggunaannya : plot(akb,dim=dimensi, what=c("none","active"), main=judul)
Menu Bantuan Menu ini digunakan untuk memberikan informasi terhadap penggunaan AMV 2.0. Menu ini terdiri dari dua fungsi yaitu : 1. Bantuan AMV 2.0 Fungsi ini berisi tentang dokumentasi penggunaan AMV 2.0. 2. Tentang AMV 2.0 Fungsi ini berisi informasi tentang versi AMV 2.0 dan pengembang AMV 2.0. Pengujian Pengujian AMV 2.0 dilakukan dimulai dari implementasi fungsi-fungsi hingga
11
pengujian sistem secara menyeluruh. Ada beberapa data yang digunakan dalam pengujian AMV 2.0. Data -data tersebut diambil dari data contoh yang terdapat pada program R dan paket MASS. Data Iris Fisher digunakan untuk menguji analisis korelasi kanonik, analisis diskriminan, dan analisis diskriminan kanonik. Data klasifikasi silang (tabel kontingensi) antara warna mata dengan warna rambut di Caithness Skotla ndia (data caith) digunakan untuk menguji analisis korespondensi sederhana. Data faktor ekologi dalam manajemen perkebunan (data farms) digunakan untuk menguji analisis korespondensi berganda. Tabel 2 Perbandingan output paket AMV 2.0 dengan output SAS, Minitab, dan SPSS menggunakan metode blackbox Hasil Fungsi di Perangkat Perbandingan AMV 2.0 Lunak output SAS Sama Korelasi Minitab Kanonik SPSS SAS Sama Analisis Diskriminan Minitab Sama Kuadratik SPSS SAS Sama Analisis Diskriminan Minitab Kanonik SPSS Sama SAS Sama Analisis Korespondensi Minitab Sama Sederhana SPSS Sama SAS Sama Analisis Korespondensi Minitab Sama Berganda SPSS Sama Pengujian dilakukan dengan metode blackbox yaitu membandingkan output yang dihasilkan AMV 2.0 dengan output yang dihasilkan perangkat lunak statistika lainnya yaitu Minitab, SPSS, dan S AS. Kesimpulan dari hasil pengujian tersebut dapat dilihat pada Tabel 2. Sebagian besar analisis peubah ganda pada AMV 2.0 menghasilkan output yang melibatkan vektor ciri pada prosesnya. Nilai vektor ciri yang tidak unik memungkinkan output yang dihasilkan AMV 2.0 berbeda tanda dengan output perangkat lunak lainnya, tetapi hal ini tidak menjadi masalah karena interpretasi yang dihasilkan tetap sama. Hasil pengujian setiap analisis peubah ganda yang lebih rinci dapat dilihat pada Lampiran 20, 21, 22, 23, dan 24.
Batasan dan Pemasangan Sistem Sistem ini mempunyai batasan -batasan tertentu yaitu: 1. Paket AMV 2.0 tidak dapat melakukan analisis diskriminan linier dengan pendekatan sebaran normal ganda seperti pada SAS, SPSS, dan Minitab . 2. Ekspor dataset aktif pada paket AMV 2.0 masih terbatas pada file SPSS dan Ms. Excel 2003. AMV 2.0 bekerja pada lingkungan program R. Oleh karena itu, untuk menggunakan program AMV 2.0, program R beserta paket-paket R yang menjadi kebutuhan AMV 2.0 harus terpasang lebih dahulu. Setelah itu, pasang paket AMV 2.0 melalui menu “Packages > Install package(s) from local zip file …”, kemudian muat AMV 2.0 dengan mengetikkan sintaks berikut pada R console: library(AMV) AMV()
KESIMPULAN DAN SARAN Kesimpulan Penelitian ini telah berhasil menyusun paket AMV 2.0 yang merupakan pengembangan paket AMV sebelumnya. Paket AMV 2.0 mampu mengurangi keterbatasan yang terdapat pada AMV sebelumnya. Keterbatasan AMV dimana hanya satu dataset yang dapat digunakan dalam sistem berhasil diatasi, sehingga AMV 2.0 mampu menggunakan lebih dari satu dataset pada sistemnya. Fungsi impor data dilengkapi dengan penambahan ekstensi file dari SPSS, Ms. Excel 2007, dan Ms. Access , serta file yang berekstensi .csv dengan pemisahnya berupa “;”. Fungsi ekspor data dilengkapi dengan penambahan ekstensi file ke SPSS dan ke file yang berekstensi .csv dengan pemisahnya berupa “;”. Keterb atasan menu untuk manipulasi data dapat teratasi dengan adanya fungsi kalkulator. Selain mengatasi keterbatasan pada AMV, AMV 2.0 menambahkan fungsi analisis korelasi kanonik, analisis diskriminan, analisis diskriminan kanonik, analisis korespondensi sederhana, analisis korespondensi berganda, fungsi untuk membangkitkan bilangan acak, dan fungsi untuk menampilkan output dalam format HTML. Pengujian yang dilakukan menunjukkan bahwa paket ini sudah mampu melakukan analisis sta tistika yang telah ditentukan. Paket ini memudahkan pengguna untuk melakukan analisis statistika secara
