Lompat ke isi

Analisis komponen utama: Perbedaan antara revisi

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas
Jelajahi riwayat secara interaktif
← Revisi sebelumnyaRevisi selanjutnya →
Konten dihapus Konten ditambahkan
VisualTeks wiki
kTidak ada ringkasan suntingan
kTidak ada ringkasan suntingan
Baris 1: Baris 1:
⚫
[[Berkas:Contoh_Transformasi_Balik_Analisis_Komponen_Utama.JPG|thumb|400px|Contoh Transformasi balik dalam Analisis Komponen Utama]]
Dalam [[statistika]], '''analisis komponen utama''' (disingkat '''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.<ref>A. A. Miranda, Y. A. Le Borgne, and G. Bontempi. [http://www.ulb.ac.be/di/map/yleborgn/pub/NPL_PCA_07.pdf New Routes from Minimal Approximation Error to Principal Components], Volume 27, Number 3 / June, 2008, Neural Processing Letters, Springer</ref> Analisis komponen utama dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan.<ref name="APG">Johnson, Richard A & Wichern, Dean W. ''Applied Multivariate Statistical Analysis'' (New Jersey: Prentice-Hall International Inc, 1998). ISBN 0-13-080084-8.</ref> Analisis komponen utama juga sering digunakan untuk menghindari masalah [[multikolinearitas]] antar peubah bebas dalam [[regresi|model regresi berganda]].<ref name="Bambang Juanda">Juanda, Bambang. ''Ekonometrika : Pemodelan dan Pendugaan'' (Bogor: IPB Press, 2009). ISBN 978-979-493-177-6.</ref><ref name="Minitab 14">Iriawan, Nur , Astuti, Septin Puji. ''Mengolah Data Statistik dengan mudah menggunakan Minitab 14'' (Yogyakarta: ANDI, 2006). ISBN 979-763-111-7.</ref>
Dalam [[statistika]], '''analisis komponen utama''' (disingkat '''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.<ref>A. A. Miranda, Y. A. Le Borgne, and G. Bontempi. [http://www.ulb.ac.be/di/map/yleborgn/pub/NPL_PCA_07.pdf New Routes from Minimal Approximation Error to Principal Components], Volume 27, Number 3 / June, 2008, Neural Processing Letters, Springer</ref> Analisis komponen utama dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan.<ref name="APG">Johnson, Richard A & Wichern, Dean W. ''Applied Multivariate Statistical Analysis'' (New Jersey: Prentice-Hall International Inc, 1998). ISBN 0-13-080084-8.</ref> Analisis komponen utama juga sering digunakan untuk menghindari masalah [[multikolinearitas]] antar peubah bebas dalam [[regresi|model regresi berganda]].<ref name="Bambang Juanda">Juanda, Bambang. ''Ekonometrika : Pemodelan dan Pendugaan'' (Bogor: IPB Press, 2009). ISBN 978-979-493-177-6.</ref><ref name="Minitab 14">Iriawan, Nur , Astuti, Septin Puji. ''Mengolah Data Statistik dengan mudah menggunakan Minitab 14'' (Yogyakarta: ANDI, 2006). ISBN 979-763-111-7.</ref>


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.{{fact}} Misalnya komponen utama bisa merupakan masukan untuk [[regresi|regresi berganda]] atau [[analisis faktor]] atau [[analisis gerombol]].
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.{{fact}} Misalnya komponen utama bisa merupakan masukan untuk [[regresi|regresi berganda]] atau [[analisis faktor]] atau [[analisis gerombol]].

⚫
[[Berkas:Contoh_Transformasi_Balik_Analisis_Komponen_Utama.JPG|thumb|400px|Contoh Transformasi balik dalam Analisis Komponen Utama]]
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="Draper Smith">Draper, Norman & Smith, Harry. ''Analisis Regresi Terapan'' (Jakarta: PT Gramedia Pustaka Utama, 1992). ISBN 979-511-146-9.</ref><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="Draper Smith">Draper, Norman & Smith, Harry. ''Analisis Regresi Terapan'' (Jakarta: PT Gramedia Pustaka Utama, 1992). ISBN 979-511-146-9.</ref><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"/> 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"/>
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"/>


Secara keseluruhan, metode Analisis komponen utama tampaknya hanya mempunyai penerapan yang sempit dalam ilmu-ilmu fisis, kerekayasaan, dan biologis.<ref name="Draper Smith"/> Kadang-kadang, dalam ilmu-ilmu pengetahuan sosial, metode analisis komponen utama bermanfaat untuk mencari peubah kombinasi yang efektif.<ref name="Draper Smith"/>
Secara keseluruhan, metode Analisis komponen utama tampaknya hanya mempunyai penerapan yang sempit dalam ilmu-ilmu fisis, kerekayasaan, dan biologis.<ref name="Draper Smith"/> Kadang-kadang, dalam ilmu-ilmu pengetahuan sosial, metode analisis komponen utama bermanfaat untuk mencari peubah kombinasi yang efektif.<ref name="Draper Smith"/>

Revisi per 17 Maret 2011 16.22

Contoh Transformasi balik dalam Analisis Komponen Utama

Dalam statistika, analisis komponen utama (disingkat 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][6]

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,[7] yaitu asumsi kelinearan model regresi, asumsi keorthogonalan komponen utama, dan asumsi varians yang besar memiliki struktur yang penting.[7]

Secara keseluruhan, metode Analisis komponen utama tampaknya hanya mempunyai penerapan yang sempit dalam ilmu-ilmu fisis, kerekayasaan, dan biologis.[5] Kadang-kadang, dalam ilmu-ilmu pengetahuan sosial, metode analisis komponen utama bermanfaat untuk mencari peubah kombinasi yang efektif.[5]

Referensi

  1. ^ 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
  2. ^ a b Johnson, Richard A & Wichern, Dean W. Applied Multivariate Statistical Analysis (New Jersey: Prentice-Hall International Inc, 1998). ISBN 0-13-080084-8.
  3. ^ Juanda, Bambang. Ekonometrika : Pemodelan dan Pendugaan (Bogor: IPB Press, 2009). ISBN 978-979-493-177-6.
  4. ^ Iriawan, Nur , Astuti, Septin Puji. Mengolah Data Statistik dengan mudah menggunakan Minitab 14 (Yogyakarta: ANDI, 2006). ISBN 979-763-111-7.
  5. ^ a b c Draper, Norman & Smith, Harry. Analisis Regresi Terapan (Jakarta: PT Gramedia Pustaka Utama, 1992). ISBN 979-511-146-9.
  6. ^ "Karhunen-Loeve Transform (KLT)" (html) (Siaran pers) (dalam bahasa bahasa Inggris). Harvey Mudd College. 3 November 2009. Diakses tanggal 10 Mei 2010. 
  7. ^ a b Jonathon Shlens, A Tutorial on Principal Component Analysis.
Diperoleh dari "https://wiki-indonesia.club/w/index.php?title=Analisis_komponen_utama&oldid=4157632"