Analisis komponen utama: Perbedaan antara revisi
Tidak ada ringkasan suntingan |
Tidak ada ringkasan suntingan |
||
| Baris 5: | Baris 5: | ||
AKU juga dikenal dengan '''Transformasi Karhunen-Loève''' (dinamakan untuk menghormati [[Kari Karhunen]] dan [[Michel Loève]]) atau '''Transformasi Hotelling''' (dinamakan untuk menghormati [[Harold Hotelling]]).<ref name="Edu">{{cite press release |publisher=Harvey Mudd College |title=Karhunen-Loeve Transform (KLT)|date=[[3 November]] [[2009]] |url=http://fourier.eng.hmc.edu/e161/lectures/klt/node3.html|format=html |language=[[bahasa Inggris]] |accessdate=[[10 Mei]] [[2010]]}}</ref> |
AKU juga dikenal dengan '''Transformasi Karhunen-Loève''' (dinamakan untuk menghormati [[Kari Karhunen]] dan [[Michel Loève]]) atau '''Transformasi Hotelling''' (dinamakan untuk menghormati [[Harold Hotelling]]).<ref name="Edu">{{cite press release |publisher=Harvey Mudd College |title=Karhunen-Loeve Transform (KLT)|date=[[3 November]] [[2009]] |url=http://fourier.eng.hmc.edu/e161/lectures/klt/node3.html|format=html |language=[[bahasa Inggris]] |accessdate=[[10 Mei]] [[2010]]}}</ref> |
||
Analisis komponen utama juga merupakan salah satu teknik [[statistika multivariat]] yang dapat ''menemukan'' karakteristik data yang tersembunyi.<ref name="APG"/> |
Analisis komponen utama juga merupakan salah satu teknik [[statistika multivariat]] yang dapat ''menemukan'' karakteristik data yang tersembunyi.<ref name="APG"/> Dalam penerapannya, Analisis komponen utama, justru dibatasi oleh asumsi-asumsinya,<ref name="pca">Jonathon Shlens, [http://www.snl.salk.edu/~shlens/pca.pdf A Tutorial on Principal Component Analysis.]</ref>, yaitu asumsi kelinearan model regresi, asumsi keorthogonalan komponen utama, dan asumsi varians yang besar memiliki struktur yang penting.<ref name="pca"/> |
||
== Referensi == |
== Referensi == |
||
<references/> |
<references/> |
||
Revisi per 10 Mei 2010 20.18
Dalam statistika, analisis komponen utama / AKU (Bahasa Inggris: principal component analysis / PCA) adalah teknik yang digunakan untuk menyederhanakan suatu data, dengan cara mentransformasi data secara linier sehingga terbentuk sistem koordinat baru dengan varians maksimum.[1]. Analisis komponen utama dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan.[2] Analisis komponen utama juga sering digunakan untuk menghindari masalah multikolinearitas antar peubah bebas dalam model regresi berganda.[3][4]
Analisis komponen utama merupakan analisis antara dari suatu proses penelitian yang besar atau suatu awalan dari analisis berikutnya, bukan merupakan suatu analisis yang langsung berakhir.[butuh rujukan] Misalnya komponen utama bisa merupakan masukan untuk regresi berganda atau analisis faktor atau analisis gerombol.
AKU juga dikenal dengan Transformasi Karhunen-Loève (dinamakan untuk menghormati Kari Karhunen dan Michel Loève) atau Transformasi Hotelling (dinamakan untuk menghormati Harold Hotelling).[5]
Analisis komponen utama juga merupakan salah satu teknik statistika multivariat yang dapat menemukan karakteristik data yang tersembunyi.[2] Dalam penerapannya, Analisis komponen utama, justru dibatasi oleh asumsi-asumsinya,[6], yaitu asumsi kelinearan model regresi, asumsi keorthogonalan komponen utama, dan asumsi varians yang besar memiliki struktur yang penting.[6]
Referensi
- ^ A. A. Miranda, Y. A. Le Borgne, and G. Bontempi. New Routes from Minimal Approximation Error to Principal Components, Volume 27, Number 3 / June, 2008, Neural Processing Letters, Springer
- ^ a b Johnson, Richard A & Wichern, Dean W. Applied Multivariate Statistical Analysis (New Jersey: Prentice-Hall International Inc, 1998). ISBN 0-13-080084-8.
- ^ Juanda, Bambang. Ekonometrika : Pemodelan dan Pendugaan (Bogor: IPB Press, 2009). ISBN 978-979-493-177-6.
- ^ Iriawan, Nur , Astuti, Septin Puji. Mengolah Data Statistik dengan mudah menggunakan Minitab 14 (Yogyakarta: ANDI, 2006). ISBN 979-763-111-7.
- ^ "Karhunen-Loeve Transform (KLT)" (html) (Siaran pers) (dalam bahasa bahasa Inggris). Harvey Mudd College. 3 November 2009. Diakses tanggal 10 Mei 2010.
- ^ a b Jonathon Shlens, A Tutorial on Principal Component Analysis.