Lampiran 1.

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.