Hazmira Yozza
Jurusan Matematika FMIPA Universitas Andalas
LOGO
www.themegallery.com
Hotelling (1933)
Memberikan metode perhitungan
praktis dalam menentukan KU
Dalam prakteknya, masih
terbatas untuk sedikit peubah
Perkembangan Komputer
Memungkinkan perhitungan untuk kasus banyak peubah
Company Logo
www.themegallery.com
Input Data
Dilakukan pengamatan/pengukuran p peubah (X1, X2, , Xp)
terhadap n objek pengamatan
Diperoleh data :
Objek
X1
X2
Xp
x11
x21
xp1
x12
x22
xp2
x13
x23
xp3
x1n
x2n
xpn
Company Logo
www.themegallery.com
X1, X2, , Xp
AKU
Y1, Y2, , Yr
Y=AX
www.themegallery.com
Catatan :
AKU tidak selalu berhasil dalam mereduksi
banyaknya peubah
AKU tidak bermanfaat bila peubah-peubah yang
dianalisis tidak saling berkorelasi. Dalam hal ini,
KU yang dihasilkan akan sama dengan peubah
asal, tapi terurut berdasarkan pentingnya peubah
tersebut (atau terurut berdasarkan keragamannya)
Hasil terbaik adalah jika terdapat korelasi yang
tinggi antar peubah Pembentukan matriks
korelasi mrp analisis pendahuluan pada AKU
Company Logo
www.themegallery.com
www.themegallery.com
Kendala a1T a1 = 1
Agar f maksimum, maka :
f
=0
a 1
dan
T
T
a1 a1 1(a1 a1 1) = 0
T
T
a1 a1 1(a1 a1 1) = 0
a1
a1T a1 + 1 = 0
2a1 21a1 + 0 = 0
a1T a1 = 1
2a1 = 21a1
( 1I)a1 = 0
f
=0
(2)
(1)
Company Logo
www.themegallery.com
( 1I)a1 = 0
a1 : vektor karakteristik
padanannya
Persamaan (1)
( 1I)a1 = 0
a1 = 1Ia1
= 1
Fs yang akan
dimaksimumkan
Agar maksimum,
maka 1
1 : akar karakteristik
terbesar dari
a1 : vektor karakteristik
padanannya
Company Logo
www.themegallery.com
Syarat :
Y2 memiliki keragaman terbesar kedua setelah Y1
Var(Y2) = Var(a2TX) = a2T Var(X) a2= a2T a2
a2T a2 = 1
Y2 tidak berkorelasi dengan Y1
Company Logo
www.themegallery.com
a1 = 1a1
aT2 a1 = aT2 1a1
= 1aT2 a1
T
Jika a 2 a
= 0
maka
1aT2 a1 = aT2 a1 = 0
aT2 a1 = 0
www.themegallery.com
a2T a2
Kendala a2T a2 = 1
a2T a1 = 0
Masalah : menentukan a2, 2 dan sehingga diperoleh :
Max f(a2,,)=a2T a2 2(a2T a2 1)- a2T a1
Agar f maksimum, maka :
f
=0
a 2
f
=0
dan
f
=0
Company Logo
www.themegallery.com
f
=0
2
T
T
T
a2 a2 2 (a2 a2 1) a2 a1 = 0
a2
T
T
T
a 2 a 2 2 (a 2 a 2 1) a 2 a1 = 0
2
2a2 22a2 a1 = 0
(3)
1
;
a1Ta2 = a1Ta2 = 0
(6)
aT2 a2 + 1 = 0
(4)
f
=0
T
T
T
a 2 a 2 2 (a 2 a 2 1) a 2 a1 = 0
(5)
aT2 a1 = 0 a1T a2 = 0
( 2I)a2 = 0 (7)
Company Logo
www.themegallery.com
( 2I)a2 = 0
a2 : vektor karakteristik
padanannya
Persamaan (7)
( 2I)a2 = 0
a2 = 2Ia2
aT2 a2 = 1
Company Logo
www.themegallery.com
Pembentukan KU berikutnya
Dilakukan dengan pendekatan yang sama dengan
Pembentukan komponen utama 1 dan 2
Didapat bahwa :
i : akar karakteristik ke-i terbesar dari
ai : vektor karakteristik padanannya
Company Logo
www.themegallery.com
www.themegallery.com
Keragaman Total KU
Y1 = a11X1 + a12 X2 ++ a1p Xp= a1TX
:
Yr = ap1X1 + ap2 X2 + +app Xp = arTXc
atau
T
T
Y1 a1 X a1
Y2 a T2 X a T2
M = M = M X
Y T T
r a r X a r
Y = AT X
Var (Y) = Var ( A T X)
= A T Var ( X) A
= A T A
1 0
0 2
Var(Y) =
M M
0 0
L
L
O
L
0
0
M
r
Company Logo
www.themegallery.com
Keragaman Total KU
Misal
1 0
= Var(Y) = 0 2
M M
0 0
L
L
O
L
0
0
M
r
= trace ( ) =
Var
(X i)
i =1
= total keragaman
Company Logo
www.themegallery.com
Keragaman Total KU
Bila Var(Yi) = i, maka dapat dikatakan
bahwa :
r
KU Yi mampu menerangkan i i dari total
i =1
keragaman seluruh komponen utama
r
KU Yi mampu menerangkan i i dari total
i =1
keragaman data asal
Dg demikian, kk KU pertama,
Y1, Y2, , Yk mampu
r
menerangkan i i dari total keragaman data asal
i =1
i =1
www.themegallery.com
i =1
> 80%
i =1
Scree plot
i
2 KU
curam
landai
i
1 2 3 4
Company Logo
www.themegallery.com
Z ij =
X ij X j
sj
1 r12 L r1 p
www.themegallery.com
Skor komponen
Skor komponen
T
Y = A ( X x)
Skor komponen untuk objek ke-m
T
ym = A (x m x)
Company Logo
www.themegallery.com
Beberapa catatan
1. Dugaan KU
diduga dari S, sehingga yang didapat dalam
analisis adalah 1 ,..., r dan a 1 ,..., a r
Tidak ada asumsi tentang X, sehingga sifat dari
penduga tidak dapat diturunkan
AKU dipandang sebagai suatu teksik statistika
yang tidak didasarkan pada suatu model
apapun, shg KU yang diperoleh tetap dipandang
sebagai KU, bukan hanya sekedar dugaan
Company Logo
www.themegallery.com
Beberapa catatan
2. Akar karakteristik 0
Terjadi jika terdapat keterkaitan linier antara
peubah (jarang terjadi)
KU yang dihasilkan tidak digunakan
3. Akar karakteristik kecil
Terjadi jika terdapat korelasi yang cukup erat
antar peubah.
KU nya dapat diabaikan
Company Logo
www.themegallery.com
Output AKU
1. Diinterpretasikan langsung
2. Sebagai input bagi analisis statistika lainnya
Analisis Regresi (jk terjadi multikolonier antara
peubah)
Analisis gerombol untuk mengelompokkan objek
Analisis diskriminan
Company Logo
www.themegallery.com
www.themegallery.com
X1
X2
X3
X4
X5
156
245
31.6
18.5
20.5
154
240
30.4
17.9
19.6
153
240
31.0
18.4
20.6
49
164
248
32.3
18.8
20.9
Company Logo
www.themegallery.com
Ragam Peragam
X1
X2
X3
X4
X5
X1
13.2527
X2
8.7985
25.6828
X3
1.9221
1.8886
0.6316
X4
1.3306
1.6394
0.3443
0.3184
X5
2.1922
2.2745
0.4147
0.3394
Nilainya relatif lebih besar jika dibandingkan dengan ragam peubah-peubah lain
Terdapat kecendrungan bahwa dua peubah
(X1 dan X2) akan mendominasi pembentukan KU
0.9828
Bakukan Data
. Z ij =
X ij X j
sj
Matriks ragam
peragam (Z) adalah
matriks korelasi dari
X
MTB>Cova X1-X5 m1
Company Logo
www.themegallery.com
Objek
X1
X2
X3
X4
X5
156
245
31.6
18.5
20.5
154
240
30.4
17.9
19.6
153
240
31.0
18.4
20.6
Data Baku
Z 23 =
49
164
248
32.3
18.8
20.9
Rata2
157.98
241.33
31.46
18.47
20.83
Stdev
3.65
5.07
0.79
0.56
0.99
X 23 X 2
s2
240 241.33
= 0.26176
5.07
Objek
Z1
Z2
Z3
Z4
Z5
-0.54172
0.72486
0.17718
0.05425
-0.32937
-1.08902
-0.26176
-1.33272
-1.00904
-1.23720
-1.36267
-0.57777
-0.1229
-0.22850
1.05796
0.585895
0.074108
6
-0.26176
:
49
1.64750
1.31683
www.themegallery.com
Matriks Korelasi
X1
X2
X3
X4
X1
1.00000
X2
0.73496
1.00000
X3
0.66181
0.67374
1.00000
X4
0.64528
0.76851
0.76319
1.00000
X5
0.60512
0.52901
0.52627
0.60665
X5
1.00000
MTB>Corr x1-x5 m2
Company Logo
www.themegallery.com
Z1
Z2
Z3
Z4
Z5
%kum
Y1
3.61598
0.452
0.462
0.451
0.471
Y2
0.53150
Y3
0.38642
0.690
Y4
0.30157 -0.420
Y5
0.16453
7.7% 90.7%
0.548 -0.606
6.0% 96.7%
0.388
0.069
0.652 -0.192
3.2% 100%
www.themegallery.com
Berapa KU
1. Berdasarkan nilai akar karakteristik
Hanya Y1 yang akar karakteristiknya lebih dari 1
Diambil hanya KU-1, Y1
2. Berdasarkan % keragam yang dijelaskan KU
Y1, Y2, , Y5 mampu menjelaskan sebesar masing-masing
72.3%, 10.6%, 7.7%, 6.0% dan 3.2% dari total keragaman
data asal
Bila 72.3% dianggap cukup besar, gunakan anya Y1
Bila tidak, gunakan juga Y2. Y1 dan Y2 mampu menjelaskan
86.9% dari total keragaman data (sudah cukup besar)
Company Logo
www.themegallery.com
Berapa KU
3. Berdasarkan scree plot
curam
landai
E
Eigenvalue
0
1
3
Component Number
Diambil 1 KU, Y1
Company Logo
www.themegallery.com
Company Logo
www.themegallery.com
Skor Komponen
Objek
Y1
Y2
Y3
Y4
Y5
0.06429
-0.600837
-0.171233
0.515826
0.548790
-2.18031
-0.442301
0.400070
0.645460
0.231077
-1.14557
0.01925
-0.676127
0.716298
0.208871
2.13422
-0.697546
0.851168
-0.380029
0.077126
:
49
Company Logo
www.themegallery.com
Surv iv ors
Non-surv iv ors
Y2
-1
-2
-5
-4
-3
-2
-1
0
Y1
Company Logo
www.themegallery.com
Company Logo
www.themegallery.com
Company Logo
www.themegallery.com
Isikan kolom-kolom
untuk menyimpan skor
komponen (banyak
kolom harus sama
dengan banyaknya KU)
Diperlukan jika output
AKU akan dianalisis
lebih lanjut
Company Logo