Prinsip Komponen Analisis KLP 5
Prinsip Komponen Analisis KLP 5
IKRAM MUBARAK
2. LA ODE MUH. ARWAN H
SEJARAHAH
1. TAHUN 1901 TULISAN KARL PERSON UNTUK PEUBAH NON-STOKASTIK
2. TAHUN 1933 DITETAPKAN OLEH HAROLD HOTELLING MENJADI PEUBAH
STOKASTIK
3. ANALISIS KOMPONEN UTAMA (AKU) MERUPAKAN ANALISIS TERTUA
4. PERKEMBANGAN “AKU” PENGGUNAANNYA BERKEMBANG SETELAH
TERSEDIANYA FASILITAS KOMPUTASI ELEKTRONIK
DEFINISIAH
Aku Adalah An Atheoretic Approach Yang Menghasilkan Kombinasi Linear Dari
Variabel-variabel Yang Diperoleh Dari Mereduksi Variabel Asli/Awal Yang Banyak
Sekali
Variabel Hasil Mereduksi Tersebut Dinamakan Faktor Yang Juga Disebut Komponen
Atau Faktor Komponen
Secara teknis, analisis komponen utama merupakan suatu teknik mereduksi data
multivariat (multivariable) yang mengubah (mentranformasi) suatu matriks data/asli
menjadi suatu set kombinasi linier yang lebih sedikit akan tetapi menyerap sebagian
besar jumlah varian dari data awal
TUJUAN, KEGUNAAN & SIFATAH
Tujuan AKU adalah Menjelaskan sebanyak mungkin jumlah varian data
keguanaan AKU adalah
1. Identifikasi peubah baru yang mendasari data peubah ganda
2. Mengurangi banyaknya dimensi himpunan peubah yang biasanya terdiri atas peubah yang banyak
dan saling berkolerasi dengan mempertahankan sebanyak mungkin keragaman dalam himpunan
data tersebut, dan
3. Menghilangkan peubah-peubah asal yang mempunyai sumbangan informasi yang relatif kecil.
Adapun peubah yang dimaksud adalah
1. merupakan kombinasi linier peubah-peubah asal,
2. jumlah kuadrat koefisien dalam kombinasi linier tersebut berrnilai satu,
3. tidak berkorelasi, dan
4. mempunyai ragam berurut dari yang terbesar ke yang terkecil
PROSEDUR AKU
1. AKU tidak selalu bermanfaat digunakan untuk mereduksi banyaknya peubah asal menjadi beberapa
peubah baru yang dapat menjelaskan dengan baik keragaman data asal. Bila tidak ada korelasi antara
peubah asal, AKU tidak akan memberikan hasil yang diinginkan, karena peubah baru yang
diperoleh hanyalah peubah asal yang ditata berdasarkan besar keragamannya. Makin erat korelasi
(baik positif maupun negatif) antar peubah, makin baik pula hasil yang diperoleh dari AKU.
2. Andaikan X0 = (X1,X2, ...,Xp) merupakan vektor peubah acak asal yang diamati dengan matriks
kovarian , maka komponen utama pertama yang dilambangkan oleh Y1 didefinisikan
sebagai :
PROSEDUR AKU
SPATIAL ANALYSIS FRAMEWORK
Vector
Point
Attribute
GIS Feature
data data Line
Databases Polygon
Raster
GIS
Maps Visualization DBMS
Describe
patterns
Exploration Statistical
Software
Test
hypotheses Modelling
Conceptual framework of spatial epidemiological data analysis (Spatial Analysis in Epidemiology, Oxford Univ. Press, 2008
TEHNIK ANALISIS SPASIAL
BERDASARKAN JENIS DATA SPASIAL
AKU PADA ANLSYSIS SPASIALAH
Beberapa metode untuk mendeteksi pola spasial:
•Quadran Analysis
•Kernel Density Estimation (K means)
•Nearest Neighbor Distance.
Metode-metode tersebut hanya menganalisai penyebaran lokasi dari suatu
titik namun tidak membedakan titik berdasakan atributnya.
Autokorelasi spasial merupakan analisis yang akan menganalisis spatial
pattern dari penyebaran titik-titik dengan membedakan lokasinya dan
atributnya.
AUTOKORELASI SPASIAL
Autokorelasi spasial didefinisikan sebagai penilaian korelasi antar pengamatan/lokasi
pada suatu variabel
Jika pengamatan x1, x2, …, xn menunjukkan saling ketergantungan terhadap ruang, maka
data tersebut dikatakan terautokorelasi secara spasial
Beberapa metode (Lee&Wong, 2001) :
Moran’s I
Geary’s C
LISA
MATRIKS BOBOT
Hubungan kedekatan (neighbouring) antar lokasi dinyatakan dalam matrik pembobot spasial W