Analisis komponen utama: Perbedaan antara revisi

← Revisi sebelumnya Revisi selanjutnya →

Konten dihapus Konten ditambahkan

Sebaris

Revisi per 8 Mei 2010 12.18

Dalam statistika, analisis komponen utama / AKU (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. AKU dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan. AKU juga sering digunakan untuk mengatasi masalah multikolinearitas antar peubah bebas.

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

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

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

@@ Baris 1: / Baris 1: @@
-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 sering digunakan untuk mengatasi masalah [[multikolinearisme]] antara peubah bebas.
+Dalam [[statistika]], '''analisis komponen utama''' / AKU ([[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. AKU dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan. AKU juga sering digunakan untuk mengatasi masalah [[multikolinearitas]] antar peubah bebas.
-PCA juga dikenal dengan '''Transformasi Karhunen-Loève''' (dinamakan untuk menghormati [[Kari Karhunen]] dan [[Michel Loève]]) atau '''Transformasi Hotelling''' (dinamakan untuk menghormati [[Harold Hotelling]]).
+AKU 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.
+Contoh aplikasi AKU adalah untuk teknik [[kompresi]] [[citra digital]] dan kompresi video. PCA juga merupakan salah satu teknik [[statistika multivariat]] yang dapat ''menemukan'' karakteristik data yang tersembunyi.
 {{stat-stub}}