X1
X1 X2 X3
1.0 6.0 9.0
4.0 12.0 10.0
3.0 12.0 15.0
4.0 10.0 12.0
Perhatikan bahwa
Jika elemen dari matriks 𝐒 adalah 𝑠, maka
𝑠11 + 𝑠22 + 𝑠33 = 2.0 + 8.0 + 7.0 = 17.0
= 13.21944 + 3.37916 + 0.40140 = λ1 + λ2 + λ3
dan proporsi dari total varians dari komponen utama
adalah:
λ1 13.21944
𝑞 = = 0.777613814
σ𝑘=1 λ𝑘 17.0
λ2 3.37916
𝑞 = = 0.198774404
σ𝑘=1 λ𝑘 17.0
λ3 0.40140
𝑞 = = 0.023611782
σ𝑘=1 λ𝑘 17.0
X1 X2 X3
Y1 0.529016 0.333704 0.318576
Y2 0.381553 0.110454 -0.202839
Y3 0.273055 -0.037965 0.014927
3.0
𝐱ത = 10.0
11.5
X2
X3
…kemudian gunakan vektor eigen pertama untuk
mencari titik kedua pada sumbu utama pertama:
X2
𝑌1 = 0.291000𝑋1 + 0.734253𝑋2 + 0.613345𝑋3
Y1
X1
X3
Y1
X1
X3
Y1
X1
Y3
X3
X2
Y1
X1
Y3
X3
dan translasi pada p = 3 dimensi.
Y2 Y2
X2
Perhatikan bahwa
sumbu yang diputar
tetap ortogonal! Y1
X1
Y3
X3
AKU dari data terstandar
Misalkan 𝑍𝑖 adalah variabel yang distandarisasi dari 𝑋𝑖 dengan
perhitungan:
𝑋𝑖 − 𝜇𝑖
𝑍𝑖 = , 𝑖 = 1,2, ⋯ , 𝑝
𝜎𝑖𝑖
Dengan notasi matriks :
1Τ2 −1
𝐙= 𝐕 (𝐗 − 𝐌)
𝐕 1Τ2 : adalah matriks diagonal dengan diagonal utamanya
adalah nilai simpangan baku untuk setiap variabel 𝑋𝑖
𝐌 : adalah matriks berukuran (𝑝 × 𝑛) yang semua elemen
dari setiap barisnya adalah 𝜇𝑖
AKU dari data terstandar
Akibatnya
𝐸 𝑍𝑖 = 0
dan
1Τ2 −1 1Τ2 −1
𝐶𝑜𝑣 𝐙 = 𝐕 𝚺 𝐕 =𝛒
Ini menunjukkan bahwa komponen utama untuk variabel
standar 𝑍𝑖 dapat diperoleh dari vektor eigen dari matriks
korelasi 𝜌
Operasi ini analog dengan yang digunakan dalam perhitungan
menggunakan matriks kovarians.
AKU dari data terstandar
Sehingga dapat ditunjukan bahwa, variabel acak 𝑍𝑖 (variabel
standar) dengan matriks kovariansi 𝛒 dan nilai eigen 𝜆1 ≥ 𝜆2 ≥
⋯ ≥ 𝜆𝑞 > 0, komponen utama ke-𝑖 adalah:
−1
𝑌𝑖 = 𝐞𝑡𝑖 𝐙 = 𝐞𝑡𝑖 𝐕 1Τ2 (𝐗 − 𝐌)
AKU dari data terstandar
Juga dapat ditunjukan untuk variabel acak 𝑍𝑖 dengan matriks
kovariansi 𝛒 dan pasangan vektor dan nilai eigen
𝜆1 , 𝐞1 , 𝜆2 , 𝐞2 , ⋯ , (𝜆𝑞 , 𝐞𝑞 ), dengan 𝜆1 ≥ 𝜆2 ≥ ⋯ ≥ 𝜆𝑞 > 0
𝑝 𝑞
Var(𝑍𝑖 ) = 𝜆1 + 𝜆2 + ⋯ + 𝜆𝑞 = Var 𝑌ℓ = 𝑝.
𝑖=1 ℓ=1
Sehingga kita dapat menilai seberapa baik komponen utama ke-
ℓ dari 𝑌ℓ yang merangkum variabel-variabel acak 𝑍.
𝜆ℓ
𝜏ℓ = ,
𝑝
Jika sebagian besar varians total dapat diwakili oleh komponen
utama yang relatif sedikit, kita dapat mengganti 𝑝 variabel asli
dengan komponen- komponen utama tersebut tanpa kehilangan
banyak informasi!
AKU dari data terstandar
Korelasi antara variabel acak asli 𝑋𝑖 dan komponen utama 𝑌ℓ ,
dapat ditentukan dengan:
𝜌𝑌ℓ ,𝑍𝑖 = 𝑒ℓ𝑖 𝜆ℓ
Nilai-nilai ini sering digunakan dalam menafsirkan komponen
utama 𝑌ℓ .
AKU dari data terstandar
Contoh: Misalkan kita memiliki populasi dengan empat
pengamatan yang memiliki tiga variabel acak 𝑋1 , 𝑋2 , dan 𝑋3 :
X1 X2 X3
1.0 6.0 9.0
4.0 12.0 10.0
3.0 12.0 15.0
4.0 10.0 12.0
Perhatikan bahwa:
λሶ 1 2.2149347
𝑞 = = 0.738311567
σ𝑘=1 λሶ 𝑘 3.0
λሶ 2 0.6226418
𝑞 = = 0.207547267
ሶ
σ𝑘=1 λ𝑘 3
λሶ 3 0.1624235
𝑞 = = 0.054141167
σ𝑘=1 λሶ 𝑘 3
Z1 Z2 Z3
Y1 0.8697035 0.944420 0.7527427
Y2 -0.4299875 -0.122290 0.6502288
Y3 0.2423354 -0.305150 0.1028629
Informasi:
- komponen utama pertama (𝑌1 ) adalah campuran dari
ketiga variabel acak (𝑋1 , 𝑋2 , dan 𝑋3 )
- komponen utama kedua (𝑌2 ) adalah gabungan antara
𝑋1 dan 𝑋3
- komponen utama ketiga (𝑌3 ) merupakan sisa dari 𝑋1
dan 𝑋2
Terima Kasih
Pembahasan selanjutnya adalah :
Analisis Faktor