MAXIMUM

COVARINCE
ANALYSIS
 KELOMPOK 3
ASTIANI SYAWRETA (22.17.0005)
CAKRA MAHASURYA A. P. (22.17.0006)
LISA AGUSTINA (22.17.0014)
NADIA FITRIANA (22.17.0017)
NOVIKA FITRI RAHAYU (22.17.0018)
 Apa itu MCA
Konsep Dasar dan Perhitungan 1
◉ Kovarian adalah ◉ Maximum ◉ Dilakukan dengan
sebuah covarian analysis menerapkan SVD
perhitungan adalah metode (Single Value
statistic yang untuk mencari Decomposition)
membantu pola dalam dua kem atriks
memahami dua dataset waktu- kovarian dari dua
gugus data. ruang yang bidang.
menjelaskan ◉ SVD memiliki
fraksi maksimum kelebihan dapat
kovarian di menyelesaikan
antara dua set SPL yang
data vector x dan berbentuk tidak
y. konsisten.
 Perhitungan MCA
1.)

Vm = proyeksi dari lm (lm= vector tunggal ortonormal dari data x)

Wm = proyeksi rm (rm = vector tunggal ortonormal dari data y)
M adalah jumlah pasangan dimana, M= min (I,J)

2.) Kovarian dari kedua data x dan y adalah

 Dimana matrix [Sxy] memiliki persamaan:

Dengan [L] adalah matriks uniter berukuran m x m. basis ortonormal, vector tunggal kiri dari lm. Sedangkan [Ω] adalah matriks berukuran
m x n yang semua entri diluar diagonalnya adalah 0 sementara diagonalnya bernilai dari data tunggal wm yang merupakan kovarian yang telah
dimaksimalkan dari persamaan sebelumnya (persamaan vm dan wm) atau berisi elemen- elemen yang memenuhi dimana i
adalah nilai tunggal dari matriks A. Matriks A merupakan matriks dari persamaan linear kedua data . Dan [R] adalah matriks uniter berukuran n
x n. basis ortonormal, vector tunggal kanan dari rm.
◉ Dekomposisi nilai tunggal memiliki prakiraan
penggunaan yang lebih luas. Seperti dalam CCA
paralel, dimana ωm seringkali disebut sebagai
canonical kovarian.
◉ Perbedaan CCA dan MCA:
 CCA memaksimalkan korelasi, sementara analisis
kovarian maksimum memaksimalkan kovarian.
 Vector lm dan rm dalam analisis kovarian maksimum
adalah orthogonal, dan proyeksi Vm dan Wm dari data
secara umum berkorelasi, sementara varians kanonik
dalam CCA tidak berkorelasi tetapi vector kanonis terkait
yang umumnya tidak orthogonal.
◉ Perbandingan lebih rinci dari kedua Metode ini
ada di Bretherton et al. (1992), Cherry (1996),
dan Wallace et al. (1992)
 Penggunaan MCA di bidang Meteorologi &
Klimatologi

Prohaska (1976) mungkin yang pertama

menggunakan MCA dalam literatur meteorologi,
meskipun telah lama digunakan dalam ilmu-ilmu
sosial. Bretherton et al. (1992) dan Wallace dkk.
(1992) mempopulerkannya untuk penggunaan
meteorologi dan oseanografi.
 APLIKASI DI BIDANG

2
METEOROLOGI &
KLIMATOLOGI
Analisis Kovariansi Maksimum Angin Topan dan Curah Angin Topan
Hubungan di Taiwan
ditulis oleh Hsiao-Chung Tsai dan Tim Hau Lee yang terbit pada tahun 2009.
 Analisis Kovariansi Maksimum Angin Topan
dan Curah Angin Topan Hubungan di Taiwan

◉ Hubungan multivariat ◉ Observasi permukaan

antara angin historis dari 1987
permukaan per jam hingga 2004
dan observasi curah digunakan ketika pusat
hujan selama topan topan berada di dalam
yang mempengaruhi domain 198-288° N,
Taiwan, diselidiki 1178–1278° E.
dengan analisis
kovarian maksimum
(MCA).
 Prosedur analisis dilakukan dalam urutan berikut

Zonal
Medan Skalar
PCA Vektor Nyata Gabungan
Meridional

Kiri MCA Kanan

Angin-Hujan Metode Kategori

Kondisi iklim permukaan yang terkait dari jenis angin
utama
 Hasil dari angin-hujan MCA: (a) mode MCA 1 angin, (b) mode MCA 2
angin, (c) mode MCA 3 angin,
(d) MCA mode 1 hujan, (e) mode MCA 2 hujan, dan (f) mode MCA 3 hujan
(tanpa dimensi).
◉ Pola curah hujan dari tiga mode utama
mengungkapkan kontras antara sisi angin dan
sisi bawah angin pegunungan. Berdasarkan
vektor tunggal MCA, sejarah angin pola angin
topan dikategorikan menjadi tipe utama.
Hasilnya menunjukkan bahwa ketiga jenis angin
utama terdiri dari 53% data, dengan 25%, 9%,
dan 19%, masing-masing untuk jenis angin ini.

Selanjutnya, analisis yang sesuai suhu udara

permukaan, kelembaban relatif, dan tekanan
udara juga mengungkapkan pola kontras antara
sisi
windward dan leeward.
CONTOH PENGGUNAAN

3
MCA PADA SOFTWARE R
& MATLAB
 REFERENCE
◉ An, Soon-Il. 2003. NOTES AND CORRESPONDENCE: Conditional Maximum Covariance Analysis
and Its Application to the Tropical Indian Ocean SST and Surface Wind Stress Anomalies. Journal
of Climate, vol. 16 pp. 2932-2938.
◉ Analysis of structure in datasets. (http://www.jsg.utexas.edu/fu/files/GEO391-W12-multivariate
EOFs.pdf), diakses pada 28 Maret 2018. Bretherton, Christoper S.
(https://atmos.washington.edu/~breth/classes/AS552/matlab/lect/html/
MCA_PSSTA_USTA.html.), diakses pada 4 Mei 2018 pukul 22:00.
◉ Bretherton, Christoper S. 2015. Lecture 22: Maximum covariance analysis. Washington :
University of Washington.
◉ Nugget, Me. Maximum Covariance Analysis (MCA). (https://menugget.blogspot.co.id/2011/12/
maximum-covariance-analysis-mca.html.) diakses pada 4 Mei 2018 pukul 21:00.
◉ Tsai, Hsiao-Chung and Tim Hau Lee. 2009. Maximum Covariance Analysis of Typhoon Surface
Wind and Rainfall Relationships in Taiwan. Journal of Applied Meteorology and Climatology, vol.
48 pp. 997 - 1016.
◉ Wilks, D. S. (1995). Statistical methods in the atmospheric sciences (3rd ed.). Oxford ;
Waltham, MA: Academic Press.
THANKS
!
Any questions?