- memerlukan
‘sumberdaya’ lebih,
dalam analisis
- informasi tumpang
tindih pada beberapa
peubah
Apa itu Komponen Utama
• Merupakan kombinasi linear dari peubah yang
diamati informasi yang terkandung pada KU
merupakan gabungan dari semua peubah dengan
bobot tertentu
• Kombinasi linear yang dipilih merupakan kombinasi
linear dengan ragam paling besar memuat
informasi paling banyak
• Antar KU bersifat ortogonal tidak berkorelasi
informasi tidak tumpang tindih
Analisis Komponen Utama
Gugus peubah asal Gugus KU
{X1, X2, …, Xp} {KU1, KU2, …, KUp}
2 p p
KU 1
= a1’a1 = a a
i 1 j 1
ij
1i 1 j
0
1 2 3 4 5 6 7
Penentuan Banyaknya KU
• Metode 1: Menggunakan 2 KU sudah
mencapai proporsi keragaman 89.27%
• Metode 2: Hanya 2 KU yang memiliki akarciri
lebih besar dari 0.7
• Metode 3: Pada k = 2 terlihat gambar scree
plot sangat curam di kiri tapi landai di kanan.
Jadi 2 KU yang digunakan sudah mencukupi.
Eigenvectors
Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 Prin7
m100 0.378202 -.426104 0.359297 -.165099 -.331229 0.225902 0.598584
m200 0.376416 -.452874 0.363819 -.011005 0.175249 0.037974 -.698982
m400 0.391311 -.272232 -.325636 0.378804 0.371464 -.556664 0.274544
m800 0.390624 0.067673 -.512111 0.402954 -.250932 0.579870 -.137794
m1500 0.385043 0.230072 -.245359 -.680608 0.481480 0.195655 0.072641
m3000 0.395890 0.308242 -.074146 -.249112 -.615938 -.509888 -.203317
marathon 0.323383 0.621855 0.551857 0.376128 0.217762 0.056004 0.110204
KU Pertama
Dengan menggunakan matriks korelasi sebagai dasar analisis,
diperoleh bahawa akar ciri pertama sebesar 5.53 (yang juga
merupakan ragam komponen pertama), dan mampu menerangkan
keragaman data sebesar 79.05%. Akar ciri pertama yang
berpadanan dengannya adalah
(0.378202, 0.376416, 0.391311, 0.390624, 0.385043, 0.395890,
0.323383)’
memiliki nilai yang semua positif dan hampir sama besar, bisa
diartikan sebagai ukuran performa keseluruhan nomor.
Akar ciri (Ragam ) 57,345 0.5038 0.2993 0.1890 0.1502 0.0897 0.0336
Proporsi 0.819 0.072 0.043 0.027 0.021 0.013 0.005
Proporsi kumulatif 0.819 0.891 0.934 0.961 0.982 0.995 1,000
Analisis Regresi dengan 4
KU Pertama
Y = 6.66 + 0.634 K1 – 0.424 K2
Transformasi ke peubah
asal X
Y = 18.47 + 0.0166 X1 + 0.139 X2 + 0.013 X3 +
0.059 X4 + 0.0158 X5 – 0.009 X6 + 0.140 X7