Principal Component Analysis (PCA-Analisis Komponen Utama):
dengan menggunakan analisis gerombol (Cluster Analysis) 1. Umum Dalam penyusunan Food e!urity and "ulnerability Altlas (FSVA) memiliki banyak variabel (indikator) yang telah dikumpulkan. Dengan variabel yang banyak tersebut akan menemui banyak kesulitan untuk menggerombolkan satu kecamatan dengan kecamatan yang lain, sehingga kecamatan-kecamatan dalam satu gerombol memiliki karakteristik yang sama dibandingkan dengan kecamatan-kecamatan yang berada dalam gerombol lain. lmu statistik untuk kebutuhan tersebut terdiri atas tahap. #a$ap pertama yaitu Analisis Komponen Utama (!rincipal "omponent Analysis). #etode ini salah satunya bertu$uan untuk mereduksi p indikator yang saling berkorelasi men$adi % komponen !"A yang saling bebas. &ika p indikator asal saling berkorelasi mungkin kita bisa mendapatkan % ' p komponen !"A yang tidak berkorelasi dan tidak menyebabkan hilangnya in(ormasi terlalu besar dari indikator asal p. )eunggulan metode ini selain menghasilkan banyaknya komponen !"A yang lebih sedikit namum memberikan in(ormasi yang hampir sama besar dengan indikator asal, $uga menghasilkan komponen !"A yang tidak saling berkorelasi yang umumnya diperlukan pada tahap berikutnya, yaitu penggerombolan. Secara umum skor komponen utama (!"$) dide(inisikan sebagai kombinasi linear terboboti dari peubah asal. !"$ * a+$,+ - a$, - . - ap$,p /anyak komponen !"A terpilih tergantung dari besarnya persentase keragaman kumulati( komponen !"A tersebut. !ersentase keragaman yang dianggap cukup me0akili total keragaman data $ika 123 (#orrison, +415). 6ntuk melihat indikator apa yang di0akili oleh komponen !"$, bisa ditempuh melalui pengamatan terhadap nilai koe(isien (bobot) (ai$). &ika a+$ bernilai tinggi maka komponen !"$ me0akili ,+. Atau bisa $uga menilai komponen !"$ sebagai nilai ai$ yang positi( la0an ai$ yang negati(. !ada penggerombolan kecamatan, komponen !"$ yang digunakan adalah sebesar mungkin minimal 473 tingkat kepercayaan. #a$ap kedua% adala$ dengan menggunakan analisis gerombol ("luster Analysis). Analisis 8erombol bertu$uan untuk mengelompokkan n ob$ek (kab9kec) kedalam k gerombol (prioritas) dengan k ' n bedasarkan % komponen yang diperoleh dalam !"A. Sehingga unit-unit ob$ek dalam satu gerombol mempunyai si(at-si(at yang lebih mirip dibandingkan dengan unit ob$ek lain yang terdapat dalam gerombol yang berbeda. !enggerombolan pada umumnya didasarkan pada ukuran $arak sebagai ukuran kemiripan antar unit pengamatan (Duran : ;dell, +41). )onsep-konsep $arak yang digunakan dalam analisis gerombol adalah $arak euclidean, $arak mahalanobis, $arak manhattan, $arak pearson, $arak kuasa dan $arak chebycev. Dalam penggerombolan kecamatan ini digunakan $arak <uclidean, yaitu $ika antar variabel memiliki satuan yang sama dan tidak saling berkorelasi.