39
dari komponen sampel. Melalui matrik ragam peragam bisa diturunkan akar ciri-akar
cirinya yaitu 1 2 . p 0 dan vektor ciri-vektor cirinya yaitu 1,2,.,p.
Menyusutkan dimensi peubah asal X dapat dilakukan dengan membentuk
peubah baru Y= 11 + 22 +.+ pp atau Y = p dimana adalah matrik
transformasi yang mengubah peubah asal X menjadi peubah baru Y yang disebut
komponen utama, karena itu sering disebut vektor pembobot. Syarat untuk
membentuk komponen utama yang merupakan kombinasi linier dari peubah X agar
mempunyai keragaman yang besar adalah dengan memilih = (1 2 p)
sedemikian hingga Var (Y) = maksimum dan =1
Persoalan ini dapat diselesaikan dengan Pengganda Lagrange (Lagrange
Multiplier) dimana:
f , ' ' 1
Fungsi ini mencapai maksimum jika turunan parsial pertama f(,) terhadap dan
sama dengan nol.
f ,
0 2 2 0
f ,
0 ' 1 0
'
40
Dalam hal ini harus sebesar mungkin karena = Var (Y) sendiri diusahakan
maksimum, sehingga yang diambil dari akar ciri maksimum dari . Selanjutnya
ditentukan dari persamaan ( - I) = 0
Secara umum komponen utama ke-i adalah kombinasi linier terbobot peubah
asal yang mampu menerangkan meragaman data ke-i, bisa ditulis sebagai berikut:
Yi = i11 + i22 + + ipp
VAR (Yi) = I , i = 1, 2,, p
Dari persamaan diatas diketahui i-1I = 0, maka Cov (Yi-1-Yi) = 0. Ini
menunjukkan bahwa komponen utama tidak saling berkorelasi dan komponen utama
ke-i memiliki keragaman sama dengan akar ciri ke-i. Oleh karena itu keragaman total
yang mampu diterangkan setiap komponen utama adalah proporsi antara akar ciri
komponen tersebut terhadap jumlah akar ciri atau teras (trace) matrik .
Matrik ragam peragam yang digunakan dalam masalah ini jika peubah yang
diamati ukurannya pada skala dengan perbedaan tidak besar atau jika satuan
ukurannya sama. Bila peubah yang diamati ukurannya pada skala dengan perbedaan
yang sangat lebar atau satuan ukurannya tidak sama, maka peubah tersebut perlu
dibakukan (standardized) sehingga komponen utama ditentukan dari peubah baku.
Peubah baku (Z) didapat dari transformasi terhadap peubah asal dalam matrik
berikut:
Z V
41
V1/2 adalah matrik simpangan baku dengan unsur diagonal utama adalah (ii)1/2
sedangkan unsur lainnya adalah nol. Nilai harapan E(Z) = 0 dan keragamannya
adalah Cov (Z) = (V1/2)-1 (V1/2)-1 =
Dengan demikian komponen utama dari Z dapat ditentukan dari vektor ciri
yang didapat melalui matrik korelasi peubah asal . Untuk mencari akar ciri dan
menentukan vektor pembobotnya sama seperti pada matrik . Sementara teras matrik
korelasi akan sama dengan jumlah p peubah yang dipakai.
Penyusutan dimensi asal dengan cara mengambil sejumlah kecil komponen
yang mampu menerangkan bagian terbesar keragaman data. Apabila komponen
utama yang diambil sebanyak q buah, dimana q < p, maka proporsi keragaman yang
bisa diterangkan adalah: (1 + 2 + + q ) / i i=1,2,,p
Sehingga nilai proporsi dari varian total populasi dapat diterangkan oleh
komponen pertama, kedua atau sampai sejumlah q komponen utama secara bersamasama adalah semaksimal mungkin. Tidak ada ketetapan berapa besar proporsi
keragaman data yang dianggap cukup mewakili keragaman total. Meskipun jumlah
komponen utama berkurang dari peubah asal tetapi ini merupakan gabungan dari
peubah-peubah asal sehingga informasi yang diberikan tidak berubah.
Pemilihan komponen utama yang digunakan didasarkan pada akar ciri yang
nilainya lebih besar dari 1 (i > 1). Idealnya, banyaknya komponen utama yang secara
kumulatif telah dapat menerangkan sekitar 60 persen atau lebih variasi dalam data,
khususnya untuk data sosial.
42
Uji Bartlett
Uji ini digunakan untuk melihat apakah matrik korelasi bukan merupakan matrik
identitas.
Dipakai bila sebagian besar dari koefisien korelasi kurang dari 0,5.
Langkah-langkahnya adalah:
1. Hipotesis
Ho : Matrik korelasi merupakan matrik identitas
H1 : Matrik korelasi bukan merupakan matrik identitas
2. Statistik uji
2 p 5 ln R
2 N 1
N = Jumlah observasi
p = Jumlah peubah
2 obs 2 , p p 1 / 2
memenuhi syarat atau tidak. Uji KMO juga digunakan dalam analisis faktor dimana
43
untuk mengetahui apakah data tersebut dapat dianalisis lebih lanjut atau tidak dengan
analisis faktor. Rumusan uji KMO adalah:
r
KMO
r a
2
ij
ij
; i = 1,2,,p ; j = 1,2,,p
ij
44
45
46
47
48
1
d
nAnB i k ik
49
Kurang Baik jika rata-rata peubah dalam gerombol < rata-rata 100 bank,
kecuali untuk peubah BO/PO digunakan sebaliknya.
2. Kriteria kestabilan melalui perbandingan varians rata-rata peubah terhadap
varians rata-rata peubah 100 bank.
Dari masing-masing gerombol yang terbentuk dihitung varians rata-rata tiaptiap peubah kemudian dibandingkan dengan varians rata-rata 100 bank dan
diberikan status:
Lebih Baik, jika varians rata-rata peubah dalam gerombol < varians rata-rata
peubah 100 bank;
Sama Baik, jika varians rata-rata peubah dalam gerombol = varians rata-rata
peubah 100 bank;
Kurang Baik, jika varians rata-rata peubah dalam gerombol > varians ratarata peubah 100 bank.