PCA pada dasarnya bertujuan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mereduksi) dimensinya.
PCA dilakukan dengan cara menghilangkan korelasi diantara variabel bebas melalui transformasi variabel bebas asal ke variabel baru yang tidak berkorelasi sama sekali atau yang biasa disebut dengan principal component.
Setelah beberapa komponen hasil PCA yang bebas multikolinearitas diperoleh, maka komponen-komponen tersebut menjadi variabel bebas baru yang akan diregresikan atau dianalisa pengaruhnya terhadap variabel tak bebas (Y) dengan menggunakan analisis regresi.
Principal Component Analysis (PCA) dapat mengatasi masalah pelanggaran asumsi klasik multikolinearitas tanpa perlu membuang variabel bebas yang berkolinear tinggi. Sehingga setelah diperoleh variabel bebas baru dari hasil reduksi, dapat meramalkan pengaruh dari variabel bebas (contoh : pendapatan) terhadap variabel tak bebas (contoh : konsumsi) melalui analisis regresi linier.
Dengan metode PCA, kita akan mendapatkan variabel bebas baru yang tidak berkorelasi, bebas satu sama lainnya, lebih sedikit jumlahnya daripada variabel asli, akan tetapi bisa menyerap sebagian besar informasi yang terkandung dalam variabel asli atau yang bisa memberikan kontribusi terhadap varian seluruh variabel.
DEMONSTRASI KONTEKSTUAL MODUL 1.3 PENDIDIKAN GURU PENGGERAK
Panduan Praktis PCA
1. Panduan Praktis
Suntingan:
Mujiyanto, 2015. Panduan Praktis: Penerapan Analisis Komponen Utama (AKU)
atau Principal Component Analisis (PCA). Diakses pada …..
Tanggal….
Penerapan Analisis Komponen Utama (AKU) atau
Principal Component Analysis (PCA)
2. PCA pada dasarnya bertujuan untuk menyederhanakan
variabel yang diamati dengan cara menyusutkan
(mereduksi) dimensinya
PCA dilakukan dengan cara menghilangkan korelasi
diantara variabel bebas melalui transformasi variabel bebas
asal ke variabel baru yang tidak berkorelasi sama sekali
atau yang biasa disebut dengan principal component
Setelah beberapa komponen hasil PCA yang bebas
multikolinearitas diperoleh, maka komponen-komponen
tersebut menjadi variabel bebas baru yang akan
diregresikan atau dianalisa pengaruhnya terhadap variabel
tak bebas (Y) dengan menggunakan analisis regresi
KENAPA DAN MENGAPA harus Principal Component
Analysis (PCA) tidak metode analisis lain :
3. Principal Component Analysis (PCA) dapat mengatasi
masalah pelanggaran asumsi klasik multikolinearitas tanpa
perlu membuang variabel bebas yang berkolinear tinggi.
Sehingga setelah diperoleh variabel bebas baru dari hasil
reduksi, dapat meramalkan pengaruh dari variabel bebas
(contoh : pendapatan) terhadap variabel tak bebas (contoh :
konsumsi) melalui analisis regresi linier.
Dengan metode PCA, kita akan mendapatkan variabel
bebas baru yang tidak berkorelasi, bebas satu sama lainnya,
lebih sedikit jumlahnya daripada variabel asli, akan tetapi
bisa menyerap sebagian besar informasi yang terkandung
dalam variabel asli atau yang bisa memberikan kontribusi
terhadap varian seluruh variabel.
4. KEUNTUNGAN penggunaan Principal Component
Analysis (PCA) dibandingkan metode lain :
Dapat menghilangkan korelasi secara bersih (korelasi = 0)
sehingga masalah multikolinearitas dapat benar-benar
teratasi secara bersih
Dapat digunakan untuk segala kondisi data / penelitian
Dapat dipergunakan tanpa mengurangi jumlah variabel asal
Walaupun metode Regresi dengan PCA ini memiliki tingkat
kesulitan yang tinggi akan tetapi kesimpulan yang diberikan
lebih akurat dibandingkan dengan pengunaan metode lain.
65. VARIASI MORFOMETRIK DAN ALLOZYME CALON INDUK RAJUNGAN,
Portunus pelagicus DARI BEBERAPA PERAIRAN DI INDONESIA
Gusti Ngurah Permana, Sari B. Moria, Haryanti dan Bambang Susanto
Abstrak
Sampel diambil dari empat populasi rajungan yang berbeda yaitu Sulawesi Selatan, Jawa
Timur, Jawa Tengah dan Bali. Penelitian ini dilakukan untuk mengetahui variasi morfometrik
dan allozyme dari calon induk rajungan. Hasil yang diperoleh yaitu variasi genetik rata-rata
keempat populasi sangat rendah (0,0025). Rajungan dari Jawa Tengah dan Bali mempunyai
nilai heterosigositas tertinggi yaitu 0,004 sedangkan populasi Sulawesi Selatan dan Jawa Timur
(0,001). Jarak genetik populasi Jawa Timur dan Bali (0,0013), kemudian Jawa Tengah (0,0016)
dan Sulawesi Selatan (0,002). Uji analisis komponen utama (Principal
Component Analysis, PCA), menunjukkan bahwa secara morfometrik
rajungan jantan dan betina yang berasal dari populasi Cilacap-Jawa
Barat dan P. Saugi-Sulawesi Selatan dapat membentuk satu sub
populasi yang sama, sebaliknya populasi asal Negara-Bali membentuk
subpopulasi tersendiri. Korelasi yang erat antara nisbah panjang dan
lebar karapas terhadap bobot tubuh ditemukan pada populasi P. Saugi-
Sulawesi Selatan dan Cilacap-Jawa Tengah sebaliknya pada populasi
Negara-Bali mempunyai korelasi yang rendah
66. Contac Person :
¤ Nama Peneliti : Mujiyanto dan Riswanto
¤ Alamat Kantor : Balai Penelitian Pemulihan dan Konservasi Sumberdaya Ikan
Jl. Cilalawi No,1 Jatiluhur Purwakarta-JABAR
¤ E-mail Kantor : pt.brpsi@gmail.com
¤ E-mail Pribadi : mj_anto@yahoo.com
¤ HP. : 0813 1630 3052
… terima kasih.