UJI KESTABILAN DUA MATRIKS KORELASI MELALUI VEKTOR VARIANSI VARIABEL STANDAR
STABILITY TEST OF TWO CORRELATION MATRICES THROUGH VEKTOR VARIANCE OF STANDARDIZED VARIABLES
Andi waru A.Paluseri,1 Aidawayati Rangkuti,2 Erna Tri Herdiani3 1
Jurusan Matematika Terapan, , Fakultas Matematika dan Ilmu Pengetahuan Alam 2 Bagian Ekonometrika, Fakultas Matematika dan Ilmu Pengetahuan Alam 3 Bagian Statistik, Fakultas Matematika dan Ilmu Pengetahuan Alam
Alamat Koresponden:
Andi Waru Paluseri Program Pascasarjana Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin Makassar, 90245 HP: 081242034494 Email:
[email protected]
ABSTRAK Pengujian kestabilan matriks korelasi merupakan salah satu analisis statistika yang memegang peranan penting dalam pembangunan ekonomi dan industri keuangan. Penelitian ini bertujuan untuk membahas uji kestabilan dua matriks korelasi melalui vektor variansi variabel standar dan mengaplikasikannya pada data. Statistik penguji yang digunakan dalam penelitian ini yakni statistik yang didasarkan pada vektor variansi variabel standar (VVVS) sebagai ukuran dispersi multivariat di mana seluruh variabel yang terlibat berupa variabel standar di bawah asumsi kenormalan. Selanjutnya untuk menyelidiki variansi dari VVVS maka digunakan beberapa sifat-sifat dari matriks komutasi, dan operator . Dalam menganalisis data digunakan alat bantu software minitab 15 dan matlab 7.11. Berdasarkan hasil eksperimen dan simulasi dalam penelitian ini menunjukkan bahwa secara umum statistik VVVS memiliki tingkat kompleksitas komputasi jauh lebih mudah dibanding dengan statistik popular lainnya. Hasil simulasi data disimpulkan bahwa nilai Ujian Nasional di SMP Negeri 30 Makassar Tahun Ajaran 2010/2011 dan 2011/2012 berbeda secara signifikan atau tidak stabil. Kata kunci: vektor variansi, matriks korelasi, matriks komutasi, operator
ABSTRACT Testing the stability of the correlation matrix is a statistical analysis plays an important role in economic development and financial industries. This study aimed to test the stability of the two discuss the correlation matrix via standard variable variance vector and applying data. Statistics testers used in this study are based on the statistical variance and standard variable vector (VVVS) Multivariate dispersion as a measure of where all the variables involved in the form of standard variable under the assumption of normality. Furthermore, to investigate the variance of VVVS then used some of the properties of the matrix commutation, and vec operator. In analyzing the data used Minitab 15 software tools and matlab 7.11. Based on experimental and simulation results in this study indicate that in general VVVS statistically has a high computational complexity is much easier than with other popular statistics. Data simulation result concluded that in SMP Negeri 30 Makassar differ significantly or unstable. Keywords: vector of variance, correlation matrices, matrix commutation, vec operator
PENDAHULUAN Pengujian kestabilan matriks korelasi merupakan salah satu analisis statistika yang memegang peranan
penting dalam pembangunan ekonomi dan industri keuangan. Antara
lain Cooka dkk. (2002) melakukan studi kestabilan beberapa matriks korelasi antara aset-aset pada portofolio, Annaert dkk.,(2003) menggunakan kestabilan barisan matriks korelasi untuk melakukan manajemen resiko, Goetzman dkk (2005) menguji struktur korelasi dari pasar ekuitas (equity market) dunia, sedangkan Da Costa dkk. (2005) menggunakan matriks korelasi tentang pasar saham sebagai faktor keputusan dalam menaksir resiko finansial, Chilson dkk. (2006) mengaplikasikan kestabilan matriks korelasi dalam sistem komputasi paralel dengan matriks korelasi berdimensi besar, dan Fischer (2007) melakukan studi tentang asset perusahaan yang didasarkan pada kestabilan matriks-matriks korelasi. Kemudian, Herdiani (2008) memonitoring stabilitas barisan matriks korelasi yang diaplikasikan pada proses produksi dudukan kabel tegangan tinggi (flenge) di PT PINDAD (Persero). Beberapa statistik popular yang dibangun dengan menggunakan kriteria LRT antara lain adalah statistik Box dan Kullback, statistik Jennrich, statistic Ficher dan statistik Schott. Kepopulerannya terletak pada keefektifan dan kemudahan dalam penerapannya, akan tetapi pengujian statistik ini menghadapi kendala pada saat variabel yang terlibat berukuran besar (Chilson, 2006) dan (Herwindiati, 2007). Hal yang sama juga dikemukakan oleh Olivares (2000), Gande dkk (2003) dan Fischer (2007) bahwa tatkala cukup banyak variabel yang terlibat, maka perhitungan statistik menjadi tidak praktis. Untuk mengatasi hal tersebut, dalam penelitian ini digunakan statistik vektor variansi variabel-variabel standar (VVVS) sebagai dasar mengkontruksi statistik penguji untuk melihat kestabilan matriks korelasi. Statistik VVVS dibangun berdasarkan variansi vektor (VV) sebagai ukuran dispersi multivariat seperti yang dikemukakan oleh Djauhari dkk (2008). Tujuan penelitian ini untuk mengkaji rumusan alternatif variansi dari VVVS dan menentukan pengujian hipotesis kestabilan dua matriks korelasi serta mensimulasikan ke data.
BAHAN DAN METODE Jenis penelitian ini merupakan penelitian terapan, yaitu penelitian yang dimaksudkan untuk mengkaji suatu statistik yakni statistik VVVS dan mensimulasikan pada data. Pengumpulan bahan penelitian melalui penelusuran jurnal, literatur pustaka, dan internet, serta dari sumber lain yang relevan. Analisis data dilakukan berdasarkan tinjauan teoretis kestabilan matriks korelasi dengan statistik uji VVVS dengan aplikasi (analisis kuantitatif)
pada data sekunder. Alat bantu komputasi menggunakan software Minitab 15 dan Matlab 7.11.
HASIL Hasil penelitian menunjukkan bahwa (
(P))
(
Φ
(P)) =
(
)−2
+
(
) .
Hipotesis yang akan di uji adalah : :
=
:
lawan
≠
Statitisk uji yang akan digunakan adalah =
‖
(
)‖
‖
(
(
)‖ )
‖
(
)‖ )
Hasil simulasi data diperoleh statististik VVVS, yaitu | | = 2. 5753.
Untuk
‖
=
sehingga
= 5%, maka
=
( ,
/ )
=
=
dan
(
)‖
‖
(
)‖
(
→ (0,1)
→ (0,1)
(
‖
)‖
(‖
)‖
(‖
)‖
= 1.96 . Tampak bahwa |
.
|>
⁄
, artinya
H ∶ P = P ditolak, sehingga dapat dikatakan bahwa nilai Ujian Nasional di SMP Negeri 30 Makassar Tahun Ajaran 2010/2011 dan 2011/2012 berbeda secara signifikan atau tidak stabil.
PEMBAHASAN Penelitian ini membuktikan rumusan alternatif variansi dari statistik VVVS dan menentukan pengujian hipotesis kestabilan dua matriks korelasi serta mensimulasikan ke data. (
(P))
Φ
(
(P)) =
(
)−2
+
(
) .
Bukti Ruas kiri dapat dituliskan sebagai berikut.
vecP t 1 I p 2
2
K pp I p 2 I p P p P P I p 2 p I p P
12 I
p2
1 vecPt I p2 vecP t K pp I p2 I p P p P P I p2 p I p P 4
I
p2
vecP K pp vecP
Karena Kpp simetris, maka
1 vecP t K pp vecP t I p2 I p P p 4
vec P K
pp
vec P
P P I
p2
p I p P
K pp vecP
Berdasarkan Teorema 7.30., lihat Schott (1997, hal. 278) bahwa Kpp vec(P) = vec (Pt), maka
1 vecP t vecP t I p 2 I p P p 4
P P I
p I p P
p2
vecP vecP t
vec P P P vec P vec P I p P p P P vec P t
t
vec P t P P p I p P vec P vec P t I p P p P P p I p P vec P Dari
sifat
operator
vec P t P P vec P Tr P 4 ,
vec,
maka
Tr P 4 vec P I p P p P P vec P t
vec P t P P p I p P vec P vec P t I p P p P P p I p P vec P
vec P P P I P vec P vec P I t
Tr P 4 vec P I tp P t p P P vec P t
t
t
t
p
p
p
P p P P p I p P vec P
Selanjutnya, dengan menggunakan sifat kronecker ( ⊗ ) =
⊗
diperoleh
Tr P 4 vec P I p P t p P P vec P t
vec P t P P t p I p P vec P vec P t I p P p P P p I p P vec P
Tr P 4 I p P t vecP t p P P vec P
P P vec P t
p I p P vec P I p P vec P p P P p I p P vec P t
Operator vec mempunyai sifat bahwa
I
p
P vec P vec PPI tp vec PPI p seperti
dikemukakan dalam Teorema 7.16, Sshott (1997, hal. 263). Oleh karena itu, ruas kanan sama dengan
Tr P 4 vec PPI
vecP 3
t
p
t
p vec P 3
p vecPPI p vecPPI p p P P p vecPPI p t
Karena Λp vec (P2) = vec (Dp2) dan Tr (AtB) = {vec(A)}t vec(B), maka diperoleh
P P vecD karena vec D P P vec D Tr D PD P
Tr P 4 Tr Dp2 P3 Tr P 3 Dp2 vec Dp2
t
p2
t
p2
p2
p2
p2
sehingga terbukti bahwa (
( ))
( ) = Tr P 4 2Tr D p 2 P 3 Tr D p 2 P
2
Misalkan ⃗ , ⃗ , ⋯ , ⃗ adalah vector acak yang memiliki matriks korelasi sampel dengan matrix korelasi populasi matriks korelasi sampel
, dan ⃗ , ⃗ , ⋯ , ⃗ adalah vector acak yang memiliki
dengan matrix korelasi populasi
Hipotesis yang akan di uji adalah :
.
:
=
:
lawan
≠
Statitisk uji yang akan digunakan adalah =
‖
=
(
)‖ (‖
‖
(
(
)‖ )
[‖
(
)‖ − (‖
−2
+
)‖
‖
(
(‖
(
)‖ )
(
)‖ − (‖
(
)‖ )]
8 −1
−2
→ (0,1) dan
=
‖
(
)‖
)‖
→ (0,1)
− =
8 −1
Di bawah
∶
=
(
)‖ )] − [‖ +
→ (0,1)
+
=
Maka, =
[‖ 16 −1
(
)−2
+
(
)‖ ] − [‖
(
)‖ ] (
+
→ (0,1)
)−2
+
Data yang digunakan sebagai simulasi penggunaan uji kestabilan dua matriks korelasi adalah data sekunder yakni data hasil Ujian Nasional Tahun Ajaran 2010/2011 dan 2011/2012 SMP Negeri 30 Makassar yang terdiri dari empat mata pelajaran, yaitu Bahasa Indonesia, Bahasa Inggris. Matematika, dan IPA. Pengujian ini bertujuan untuk melihat variansi (keragaman) nilai hasil UN di SMP Negeri 30 Makassar. Hasil simulasi data diperoleh statististik VVVS, yaitu | | = 2. 5753. Untuk 1.96 . Tampak bahwa |
= 5%, maka
| = 2. 5753 sehingga |
|>
⁄
=
( ,
/ )
=
.
=
, berarti H ∶ P = P ditolak,
sehingga dapat dikatakan nilai Ujian Nasional di SMP Negeri 30 Makassar Tahun Ajaran 2010/2011 dan 2011/2012 berbeda secara signifikan atau tidak stabil.
KESIMPULAN DAN SARAN Berdasarkan hasil eksperimen dan simulasi dalam penelitian ini menunjukkan bahwa secara umum statistik VVVS memiliki tingkat kompleksitas komputasi jauh lebih mudah dibanding dengan statistik popular lainnya. Hasil simulasi data yang diperoleh dari pengujian statistik VVVS disimpulkan bahwa nilai UN SMP Negeri 30 Makassar Tahun Ajaran 2010/2011 dan 2011/2012 adalah berbeda secara signifikan atau tidak stabil. Untuk penelitian lebih lanjut disarankan menyelidiki distribusi asimtotik dari
, yakni elemen-elemen non
diagonal bagian atas atau bagian bawah karena dalam penelitian ini matriks yang terlibat merupakan matriks simetri.
DAFTAR PUSTAKA Annaert, J., Claes, A.G.P., dan De Custer, A.J.K. (2003). Inter Temporal Stability of the European Credit Spread Co-Mvement Structure. University of Antwerp, Faculty of Applied Economics in its series Working papers. Chilson, J., Ng, R., Wagner, A. dan Zamar, R. (2006). Parallel Computation of High Dimensional Robust Correlation and Covariance Matrices. Algorithmica, Springer New York, 45(3) 403-431. Cooka, W., Mounfield, C., Ormerod, P., dan Smith, L. (2002). Eigen analysis of the stability and degree of information content in correlation matrices contructed from property time series data. The European Physical Journal, B, 27, 189-195. Da Costa, Jr, N., Nunes, S., Caretta, P., dan Da Silva, S. (2005). Stock-Market co-movements revisited. Economics Bulletin, 7(3), 1-9. Djauhari, M.A. (2007). A. Measure of Data Concentration. Journal of Probability and Statistics, vol 2, No. 2, 139-135. Djauhari, M.A. dan Herdiani, E.T. (2008). Monitoring the Stability of Correlation Stucture in Drive Rib Production Process: An MSPC Approach. The Open Industrial and Manufacturing Eigneering Journal, Vol. 1, 8-18. Fischer, M. (2007) Are Correlations Constant Over Time? Application of the CC-TRIG- Test to Retum Series from Different Asset Classes, SFB 649 Disscussion Paper 2007-012, University of Erlangen-Numberg, Germany. Gande, A. dan Parsley, D.C. (2002). News Spillovers in the Sovereign Debt Market. Forthcoming Journal of Financial Economics Goetzmann, W.N., Li., L., dan Rouwenhorst, K.G. (2005). Long-Term Global Market Correlation. Journal of Business, 78(1), 1-38. Herdiani E.T. (2008). Statistik Penguji Kestabilan Barisan Matriks Korelasi Disertasi, Institut Teknologi Bandung. Herwindiati, D.E., Djauhari, M.A., dan Mashuri, M (2007). Robust Mulitivariate Outlier Labeling, Communication in Statistics: Computation and simulation. 36(6), 1287-1294. Schott, J.R. (1997). Matrix Analysis for Statistics. John Wiley & Sons, New York.
Lampiran Tabel 1. Data Sampel Nilai Ujian Nasional Siswa SMP Negeri 30 Makassar Tahun Ajaran 2010/2011 NILAI Bahasa Indonesia
Bahasa Inggris
Matematika
IPA
8.60
9.40
9.30
9.50
7.60
6.20
8.00
9.00
8.80
8.00
9.30
9.30
8.80
9.40
9.00
8.50
8.40
8.80
7.80
9.30
7.60
9.20
9.00
9.30
8.20
9.00
8.30
9.00
9.00
9.20
8.30
8.30
8.80
9.00
9.80
9.80
8.80
9.40
9.00
9.50
7.60
6.20
8.00
9.00
9.40
8.60
9.50
8.80
9.40
9.80
10.00
9.30
7.60
7.60
6.50
9.00
8.60
9.20
9.00
9.30
9.00
8.40
9.50
9.00
8.60
7.80
9.00
8.50
8.00
9.20
8.50
8.50
8.60
8.80
9.50
8.50
8.20
5.40
6.50
7.80
7.40
7.20
8.30
8.30
9.60
9.80
10.00
9.30
8.40
9.20
9.00
8.00
8.80
8.40
8.30
8.50
7.60
8.20
9.00
7.50
7.60
9.40
9.30
8.30
9.80
9.60
8.50
9.00
8.40
8.00
8.80
8.80
8.20
7.40
9.30
8.30
7.80
9.20
9.00
9.00
6.20
9.40
8.80
9.30
9.00
9.20
8.30
8.80
8.40
9.40
8.50
8.80
8.60
8.40
7.80
9.00
9.00
9.40
9.00
9.80
9.20
8.80
9.30
8.30
8.80
9.40
9.30
9.50
8.40
8.00
9.00
8.00
7.60
8.60
9.50
8.50
5.80
9.00
8.80
7.80
Tabel 2. Data Sampel Nilai Ujian Nasional Siswa SMP Negeri 30 Makassar Tahun Ajaran 2011/2012 Nilai Bahasa Indonesia
Bahasa Inggris
Matematika
IPA
8.80 8.80
7.80 7.80
9.75 8.25
9.50 7.50
7.40 8.80
8.20 8.20
8.25 8.50
8.75 9.75
8.60 8.60
8.60 9.00
8.25 8.50
9.00 9.00
9.20 9.40 9.20 9.20 8.80 8.40 7.20 7.20 6.40 8.60
9.40 9.80 8.60 8.60 9.40 8.60 9.60 9.40 8.80 9.40
7.75 10.00 8.75 8.75 8.75 7.00 9.80 9.50 9.75 9.50
9.00 9.25 8.50 8.50 8.00 9.75 9.25 8.25 9.00 9.00
5.00
9.80
8.75
9.25
9.00
9.20
8.75
9.25
7.80
7.40
8.00
9.25
8.60
9.20
8.75
9.00
9.00
9.00
9.50
9.25
7.40 8.40
8.80 9.40
9.25 9.75
9.00 8.75
8.60
9.40
8.50
8.75
9.00
8.20
8.75
9.25
7.60
9.00
9.50
9.00
8.80
9.00
9.00
9.00
7.60
6.80
9.00
5,25
8.40
8.00
8.25
9.25
9.20 8.80
9.00 9.20
9.75 9.50
8.50 7.75
9.00
9.40
9.50
9.75
6.20
9.40
8.75
9.25
9.00
9.20
8.25
8.75
8.40
9.40
8.50
8.75
8.60
8.40
7.75
9.00
9.00
9.40
9.00
9.75
9.20
8.80
9.25
8.25
8.80
9.40
9.25
9.50
7.60
9.00
8.75
7.75