OLEH :
Kelompok 1
JURUSAN MATEMATIKA
2019
ANALISIS KOMPONEN UTAMA
Secara aljabar linier Komponen Utama adalah kombinasi linier khusus dari
p peubah acak X 1 , X 2 ,..., X p . Secara geometris kombinasi linier ini merupakan
sistem koordinat baru yang didapat dari rotasi sistem semula dengan X 1 , X 2 ,..., X p
sebagai sumbu koordinat. Sumbu baru tersebut merupakan arah dengan variansi
maksimum dan memberikan kovariansi yang lebih sederhana.
adalah
Y1 a1 X a11 X 1 a12 X 2 ... a1 p X p
T
.
.
.
Yp a p X a p1 X 1 a p 2 X 2 ... a pp X p
T
Maka
Cov(Yi , Kk ) ei ek 0 untuk i k
Jika beberapa i sama, maka pilihan vektor yang sesuai adalah ei sehingga Yi
tidak tunggal. Rumusan ini merupakan persamaan komponen utama yang tidak
berkorelasi dan memiliki variansi sama terhadap nilai eigen pada matriks
kovarian.
p p
11 22 ... pp var( X i ) 1 2 ... p var(Yi )
i 1 i 1
k
untuk k 1,2,..., p
1 2 ... p
eik i
Y , X untuk i, k 1,2,..., p
i k
kk
(1 , e1 ), (2 , e2 ),..., (i , ei ) pasangan nilai eigen dan vektor eigen.
Bila variabel 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
( xi x )
dengan menggunakan persamaan Z i atau matriks korelasi .
ii
Dan matriks korelasi populasi. Total variansi dari matriks korelasi adalah
k
untuk k 1,2,..., p
p
Secara umum ini merupakan hal yang sulit karena tidak ada hubungan yang
jelas antara nilai eigen dan vektor eigen matriks varian-kovarian dengan matriks
korelasi, dan komponen utama yang dihasilkan oleh keduanya sangat berbeda.
Demikian juga dengan berapa banyak komponen utama yang digunakan.
a) Secara teori pengujian statistik terhadap nilai eigen dan vektor eigen
matriks korelasi jauh lebih rumit.
b) Dengan menggunakan matriks korelasi kita memaksakan setiap peubah
memiliki varian yang sama sehingga tujuan mendapatkan peubah yang
kontribusinya paling besar tidak tercapai.
2. Berdasarkan nilai eigen dari komponen utama. Tapi hanya bisa diterapkan
pada matriks korelasi, yaitu jika nilai eigen lebih atau sama dengan satu.