Biplot adalah jenis grafik eksplorasi yang dipakai dalam statistik dan termasuk generalisasi dari scatter plot dua variabel sederhana. Penggunaan biplot memungkinkan informasi tentang sampel dan variabel dari matriks data untuk disajikan secara grafis dan umum, sehingga mampu menampilkan informasi tentang variabel kontinu dan kategoris. 

Biplot cukup populer sebagai metode yang digunakan untuk visualisasi data multivariat (data yang dikumpulkan dari dua atau lebih observasi) saat peneliti ingin mempertimbangkan, misalnya, Principal Component Analysis (PCA) atau analisis komponen utama, Canonical Variates Analysis (CVA) atau analisis variat kanonik, dan berbagai jenis analisis korespondensi lainnya.

Apa itu analisis biplot?

Biplot adalah salah satu analisis dalam analisis multivariat untuk menggambarkan baris dan kolom yang terdapat dalam matriks pada grafik tunggal. Nilai-nilai yang terdapat dalam matriks ini diperoleh dari Singular Value Decomposition (SVD) pada matriks awal. Analisis Biplot sering dipakai untuk menggambarkan hubungan antara objek dan variabel dalam grafik tunggal. 

Representasi grafis dari data multivariat dipakai untuk memplot informasi antara pengamatan dan variabel dalam koordinat Cartesian. Analisis biplot banyak digunakan untuk mempelajari interaksi genotype-environment (GE) atau tabel dua arah. Kemampuan deskriptif dan visualisasinya, bersama dengan ketersediaan perangkat lunak yang mudah digunakan, memungkinkan data scientist memeriksa data dua arah dengan mengklik tombol komputer.

Apa perbedaan biplot dan monoplot?

Selain biplot, ada pula analisis monoplot. Namun, berbeda dari biplot, monoplot memplot informasi pada pengamatan atau variabel dalam dataset multidimensi. Monoplot hanya dapat mewakili salah satu dari dua karakteristik, yaitu jarak antara pengamatan dan hubungan antarvariabel. Sebaliknya, biplot dapat mewakili kedua karakteristik tersebut.

Jenis-jenis biplot

Dalam data science, analisis biplot terdiri dari tiga jenis. Berikut ulasannya:

1. PCA

Principal Components Analysis (PCA) adalah bagan dua dimensi yang mewakili hubungan antara baris dan kolom tabel. Pada Q, biplot PCA dapat dibuat menggunakan kotak dialog Maps yang menghasilkan biplot di Excel atau PowerPoint. Bisa juga dengan memilih Create > Dimension Reduction > Principal Components Analysis Biplot yang menghasilkan versi interaktif bagan menggunakan R.

2. Covariance/correlation

Di antara berbagai teknik statistik yang berguna untuk mengeksplorasi hubungan antara set variabel yang berbeda, covariance/correlation adalah salah satunya. Mengingat biplot pada umumnya adalah alat grafis yang berguna untuk mengeksplorasi hubungan antara variabel (multivariat), biplot digunakan dalam kerangka analisis kovarians untuk membentuk biplot kovarians. Biplot yang dihasilkan menyediakan tampilan grafis tunggal dari variabel dan hubungan antar variabel. 

3. Joint

Biplot secara bersamaan memplot informasi tentang pengamatan dan variabel dalam kumpulan data multidimensi. Biplot jenis ini menentukan jarak antarobservasi dan hubungan antar variabel.

Bagaimana cara membuat biplot?

Berikut cara membuat biplot untuk membantu Anda dalam melakukan analisis data:

1. Pilih sel dalam kumpulan data. 
2. Pada tab pita Analyse-it, dalam grup Analisis Statistik, klik Multivariat > Biplot/Monoplot, lalu klik tipe plot.
3. Dalam daftar Variabel, pilih variabel. 
4. Opsional: untuk memberi label pengamatan, pilih kotak centang Label poin. 
5. Opsional: untuk memberi label pada variabel, pilih kotak centang Label vector. 
6. Opsional: untuk menampilkan stratifikasi, pilih variasikan warna/simbol titik, lalu di daftar drop-down Grup/Warna/Simbol, pilih variabel. 
7. Klik hitung.

Kesimpulan

Biplot adalah overlay (tahap penggabungan dua data atau lebih untuk memperoleh data grafis baru yang memiliki satuan pemetaan) plot skor dan plot pemuatan, yang merupakan dua plot umum dalam PCA. Kedua plot ini berada pada skala berbeda, namun Anda dapat mengubah skala kedua plot dan melapisinya pada satu plot. Tergantung pada pilihan penskalaan, biplot dapat memberikan informasi yang tepat tentang hubungan antara variabel atau antara pengamatan.

Jika Anda tertarik mempelajari lebih jauh tentang biplot atau hal-hal terkait data science lainnya, Anda bisa mengikuti kelas data science dari Algoritma Data Science School. Tersedia sejumlah kelas data science yang bisa Anda pilih sesuai kebutuhan atau level expertise. Yuk, bergabung sekarang!