Analisis komponen utama: Perbedaan antara revisi

← Revisi sebelumnya Revisi selanjutnya →

Konten dihapus Konten ditambahkan

Sebaris

Revisi per 5 Oktober 2007 18.23

Dalam statistika, analisis komponen utama (Bahasa Inggris: principal component analysis / PCA) adalah teknik yang digunakan untuk menyederhanakan suatu data, dengan cara mentransformasi linier sehingga terbentuk sistem koordinat baru dengan varians maksimum. PCA dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan.

PCA juga dikenal dengan Transformasi Karhunen-Loève (dinamakan untuk menghormati Kari Karhunen dan Michel Loève) atau Transformasi Hotelling (dinamakan untuk menghormati Harold Hotelling).

Contoh aplikasi PCA adalah untuk teknik kompresi citra digital dan kompresi video. PCA juga merupakan salah satu teknik statistik multivariat yang dapat menemukan karakteristik data yang tersembunyi.

Artikel bertopik statistika ini adalah sebuah rintisan. Anda dapat membantu Wikipedia dengan mengembangkannya.

@@ Baris 13: / Baris 13: @@
 [[en:Principal components analysis]]
 [[eo:Analizo al precipaj konsisteroj]]
-[[es:Análisis del componente principal]]
+[[es:Análisis de componentes principales]]
 [[fr:Analyse en composantes principales]]
 [[it:Analisi delle componenti principali]]