Analisis komponen utama: Perbedaan antara revisi
k bot Menambah: uk:Метод головних компонент |
k bot Menambah: ca:Anàlisi de Components Principals |
||
Baris 10: | Baris 10: | ||
[[ar:تحليل العنصر الرئيسي]] |
[[ar:تحليل العنصر الرئيسي]] |
||
[[ca:Anàlisi de Components Principals]] |
|||
[[cs:Analýza hlavních komponent]] |
[[cs:Analýza hlavních komponent]] |
||
[[de:Hauptkomponentenanalyse]] |
[[de:Hauptkomponentenanalyse]] |
Revisi per 5 Februari 2010 11.56
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.