Pemeringkatan Perguruan Tinggi Swasta di Lembaga Layanan Pendidikan Tinggi Wilayah IV Jawa Barat Dan Banten (LLKDIKTI IV) dengan Metode Mahalanobis Depth

Agisna Ardiansyah, Abdul Kudus

Abstract


Abstract. Multivariate analysis has a significant position in the growth of statistical science. This analysis relies on the assumption of multivariate normality. The use of nonparametric methods on multivariate data has developed, one of which is based on rank. However, the nonparametric method for multivariate data still has weaknesses, one of which is that it is not affine invariant. Affine invariant is a property of data transformation that does not change the configuration. Chenouri and Small (2012) utilize statistical depth functions (Mahalanobis depth and halfspace method) in ranking rankings by calculating the depth of observations of the data center. In this thesis, the Mahalanobis depth method will be applied to determine the ranking of multivariate data on PTS performance in Region IV West Java and Banten (LLKDIKTI IV). In this study, the results of ranking the performance of 295 private universities in West Java using the mahalanobis depth showed that the top 3 ranks were occupied by Telkom University with a mahalanobis depth value of 0.03005, Widyatama University with a mahalanobis depth value of 0.04642 and Bina Bangsa University with a mahalanobis depth value of 0.04643. Furthermore, for the bottom 3 ranks, the Texmaco College of Technology with a mahalanobis depth value of 0.70796, Wastukancana College of Technology with a mahalanobis depth value of 0.71541 and Adhurajasa University Reswara Sanjaya with a mahalanobis depth value of 0.71976.

Keywords: multivariat, data depth, mahalanobis depth.

Abstrak. Analisis multivariat mempunyai kedudukan berarti dalam pertumbuhan ilmu statistika. Analisis ini bergantung pada asumsi normal multivariat. Penggunaan metode nonparametrik pada data multivariat sudah berkembang dimana salah satunya berdasarkan rank. Namun demikian metode nonparametrik untuk data multivariat masih mempunyai kelemahan dimana salah satunya adalah tidak bersifat affine invariant. Affine invariant adalah salah satu sifat dari transformasi data yang tidak mengubah konfigurasi. Chenouri dan Small (2012) memanfaatkan statistical depth function (Mahalanobis depth dan halfspace method) dalam penyusunan ranking dengan menghitung depth dari pengamatan terhadap pusat data. Dalam skripsi ini akan dilakukan penerapan metode Mahalanobis depth untuk menentukan ranking dari data multivariat kinerja PTS yang berada di wilayah IV Jawa Barat dan Banten (LLKDIKTI IV). Dalam penelitian ini hasil pemeringkatan kinerja 295 PTS di jawa barat dengan menggunakan mahalanobis depth didapatkan bahwa untuk peringkat 3 teratas diduduki oleh Universitas Telkom dengan nilai mahalanobis depth sebesar 0.03005, Universitas Widyatama dengan nilai mahalanobis depth sebesar 0.04642 dan Universitas Bina Bangsa dengan nilai mahalanobis depth sebesar 0.04643. Selanjutnya untuk peringkat 3 terbawah diduduki oleh Sekolah Tinggi Teknologi Texmaco dengan nilai mahalanobis depth sebesar 0.70796, Sekolah Tinggi Teknologi Wastukancana dengan nilai mahalanobis depth sebesar 0.71541 dan Universitas Adhurajasa Reswara Sanjaya dengan nilai mahalanobis depth sebesar 0.71976.

Kata Kunci: multivariat, data depth, mahalanobis depth.


Keywords


multivariat, data depth, mahalanobis depth

Full Text:

PDF

References


Chenouri, S., & Small, C. G. (2011). A Nonparametric Multivariate Multisample Test Based on Data Depth. Electronic Journal of Statistics, 760-782.

Djauhari, M. A., & Umbara, R. F. (2007). A Redefinition Of Mahalanobis Depth Function. Journal of Fundamental Sciences, 150-157.

Hamurkaroglu, C., Mert, M., & Saykan, Y. (2005). Nonparametric Control Charts Based on Mahanalobis Depth. Hacettepe Journal of Mathematics and Statistics, 57-67.

Hettmansperger, T. P., Mottonen, J., & Oja, H. (1998). Affine Invariant Multivariate Rank Tests. Statistica Sinica, 785-800.

Liu , R. Y., & Singh, K. (2012). A Quality Index Based on Data Depth and Multivariate Rank Tests. Journal of the American Statistical Association, 252-260.

Liu, R. Y., Parelius, J. M., & Singh, K. (1999). Multivariate Analysis by Data Depth : Descriptive Statistic, Graphics and Inference. The Annals of Statistics, 783-858.

Liu, S. (2018). Generalized Mahalanobis Depth in Point Process and Its Application in Neural Coding and Semi-Supervised Learning in Bioinformatics. Florida State: Florida State University Libraries.

Mosler, K. (2013). Depth Statistics. Robustness and Complex Data Structures, 17-32.

Mozharovskyi, P., Mosler , K., & Lange, T. (2014). Classifying real-world data with the DDα-procedure. Hochschule Merseburg.

Nugroho, S. (2008). Statistika Multivariat Terapan. Bengkulu: UNIB Press.

Nusar, H. ((2008)). Statistika Multivariat. bandung: Seri buku Ajar Universitas Islam Bandung.

Zuo, Y., & He, X. (2006). On the limiting distributions of multivariate depth-based. Ann. Statist., 34:2879– 2896.

Zuo, Y., & Serfling, R. (2000). General Notions Of Statistical Depth Function. The Annals of Statistics, 461-482.

Shofwani Sheila Ghazia, Kudus Abdul. (2021). Penentuan Kriteria Pengunjung dalam Pemilihan Green Hotel di Kota Bandung Menggunakan Metode Discrete Choice Experiment dengan Desain Choice Sets Kombinatorial. Jurnal Riset Statistika, 1(1), 1-9.




DOI: http://dx.doi.org/10.29313/.v0i0.28835

Flag Counter