MAKALAH SATITSTIK

PRINCIPAL COMPONENT ANALYSIS ( PCA)

DI SUSUN OLEH:
1. KADINDA BHAYA
2. ERMELINDA ELVI PANDE
3. FRANSISKUS YANCENIUS BA

PRODI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS FLORES
ENDE 2023
 KATA PENGANTAR

Puji dan Syukur kami panjatkan Kehadirat Tuhan yang Maha Esa karena atas berkat
dan campur tangan-Nya kami dapat menyelesaikan Makalah yang Berjudul PCA tepat pada
waktunya. Makalah ini disusun untuk memenuhi tugas yang di berikan Oleh Bapa Dosen
pada study statistika. Selain itu makalah ini dibuat untuk menambah wawasan para
pembaca tentang PCA.
Kami juga mengucapkan terimakasih kepada semua pihak yang telah membantu
kami dalam menyelesaikan makalah ini. Kami menyadari makalah ini masih jauh dari kata
sempurna oleh karena itu kritik dan saran yang membangun akan kami terima demi
kesempurnaan makalah.
 DAFTAR ISI

HALAMAN DEPAN
KATA PENGANTAR
DAFTAR ISI
BAB I PENDAHULUAN
 BAB I
PENDAHULUAN

1.1. LATAR BELAKANG

Pada artikel sebelumnya kita sudah membahas konsep umum
dari analisis komponen utama (AKU) atau principal component
analysis (PCA). Tujuan utama dari analisis AKU atau PCA sendiri
adalah untuk mereduksi data dalam arti bahwa ada peringkasan
sejumlah besar variabel hanya menjadikannya beberapa (2 atau 3)
komponen utama yang dapat mensarikan variasi pada sejumlah besar
variabel tersebut sebesar 80% s.d 90%-nya. Cara ini sangat praktis
bagi peneliti yang memiliki tantangan dengan banyaknya variabel
yang ditelitinya. Selain itu, AKU atau PCA juga dapat difungsikan
sebagai salah satu solusi ketika terjadi masalah multikolinearitas
pada model regresi yang terbentuk. Dengan menggunakan komponen
utama yang dihasilkan dari analisis AKU atau PCA bisa dipastikan
bahwa komponen utama yang terbentuk bebas dari masalah
multikolinearitas sehingga sangat solutif bagi model regresi dengan
masalah multikolinearitas.

1.2. RUMUSAN MASALAH

1. Apa itu PCA?
2. Bagaimana cara kerja PCA?
3. Contoh soal dari PCA?

1.3. TUJUAN
1. Untuk mengetahui pengertian PCA
2. Untuk mengetahui cara kerja dari PCA
3. Contoh soal
 BAB II
PEMBAHASAN

2.1. PENGERTIAN DARI PCA

Principal Component Analysis adalah suatu
teknik stalistik yang banyak digunakan dalam psikologi,
untuk pengembangan test objektif, pengukuran
kepribadian dan intelegensi. Principal Component
Analysis (PCA) adalah suatu teknik statistik yang secara
linear mengubah bentuk sekumpulan variabel asli nienjadi
kumpulan variabel yang lebih kecil yangtidak berkorelasi
yang dapat mevvakili informasi dari kumpulan variabel asli.
Sedangkan menurut Tabachnick (2001 : 582) PCA
(,Principal Component Analysis) dan FA (Factor Analysis)
adalah teknik statistik yang diaplikasikan untuk satu
kumpulan variabel ketika peneliti tertarik untuk menemukan
variabel mana dalam kumpulan tersebut yang berhubungan
dengan lainnya. Variabel berkorelasi satu dengan yang
lainnya tetapi independen dengan subset lain yang
merupakan kombinasi variabel-variabei di dalam faktor.
Faktor adalah yang mencerminkan proses yang mendasari
yang mempunyai korelasi antar variabel.

2.2. TUJUAN PCA

adalah untuk menjelaskan bagian dari
variasi dalam kumpulan variabel yang diamati atas dasar
beberapa dimensi. Dari variabel yang banyak dirubah
menjadi sedikit variabel. Tujuan khusus PCA yaitu:
1. untuk meringkas pola korelasi antar variabel yang
diobservasi.
2. mereduksi sejumlah besar variabel menjadi sejumlah
3. memberikan sebuah definisi operasional (sebuah
persamaan regresi) dimensi pokok penggunaan
variabel yang diobservasi.
4. menguji teori yang mendasari nya
(Tabachnick , 2001)
2.3. LANGKAH KERJA DAN CONTOH SOAL DARI PCA

1. Buka software SPSS lalu masukan data penelitian yang kita punya
pada jendela Data View dan definisikan variabel yang kita punya di
jendela Variable View.

2. Pastikan aturan yang sudah dikemukakan pada artikel

sebelumnya dilakukan. Apabila satuan dari data kita berbeda
lakukan standarisasi terlebih dahulu pada data yang kita punya.
3. Setelahnya klik pada menu Analyse, pilih menu Data Reduction
dan Factor lalu klik, maka akan muncul jendela seperti gambar
berikut.

4. Setelah itu pada menu Extraction, pilih Method pada Principal

Components dan pada display centang tambahan untuk
menampilkan Scree Plot, seperti tampak pada gambar berikut.
5. Pada menu Scores centang pada pilihan Save as variables dan
pilih metode yang digunakan dalam proses menghasilkan nilai
Score. Pemunculan nilai scores ini diperlukan jika hendak
dilakukan analisis lanjutan terhadap data Scores yang dihasilkan.

6. Jika sudah yakin dengan berbagai pilihan perlakuan pada data

dalam proses analisis, setelah semua variabel dimasukan ke dalam
kolom Variables, lalu klik OK dan SPSS akan memproses data.
7. Hasil dari analisis AKU atau PCA yang diproses oleh SPSS seperti
ditunjukkan pada gambar berikut. Penjelasan pada output SPSS
disesuaikan dengan penjelasan pada artikel sebelumnya. Yang
penting untuk diperhatikan adalah penentuan jumlah komponen
utama dan besar keragaman yang dapat dijelaskan oleh komponen
utama.

Ouput 1. Komponen Utama Terbentuk (Variance Explained & Scree

Plot)
 Output 2. Nilai Loading Komponen Utama (Component Matrix)

8. Selain bentuk output SPSS di atas, pada jendela Data View terdapat
variabel baru yaitu skor dari komponen utama yang terbentuk. Nilai
skor inilah yang nantinya menjadi data variabel baru yang dapat
langsung diinterpretasikan maupun dilakukan pengujian lanjutan
terhadap data variabel terbentuk.

Output 3. Score Komponen Utama (Fac1 & Fac2)

Analisis komponen utama (AKU) atau Principal Component Analysis

(PCA) merupakan jenis analisis yang sederhana pada rumpun analisis
multivariat interdependensi. Sesuai dengan fungsinya, AKU atau PCA
berguna dalam meringkas data dalam artian komponen utama yang
dihasilkan merupakan suatu kombinasi linear dari variabel-variabel
asli penyusunnya dengan tetap mempertahankan maksimum varians
awal. Sampai jumpa pada pembahasan artikel selanjutnya.
 BAB III
PENUTUP

3.1. KESIMPULAN
Principal Component Analysis adalah suatu
teknik stalistik yang banyak digunakan dalam psikologi,
untuk pengembangan test objektif, pengukuran
kepribadian dan intelegensi. Principal Component
Analysis (PCA) adalah suatu teknik statistik yang secara
linear mengubah bentuk sekumpulan variabel asli nienjadi
kumpulan variabel yang lebih kecil yangtidak berkorelasi
yang dapat mevvakili informasi dari kumpulan variabel asli.

3.2. SARAN
Makalah yang kami buat inijauh dari kata sempurna, untuk itu
kami sangat membutuhkan saran dan kritikan yang
membangun dari bapak dosen dan teman-teman semua demi
menyempurnakan makalah ini.