PERBANDINGAN ANALISIS KOMPONEN UTAMA KLASIK DAN ANALISIS KOMPONEN UTAMA ROBUST DENGAN PENDUGA REWEIGHTED MINIMUM COVARIANCE DETERMINANT (RMCD)
Abstract: Analisis Komponen
Utama (AKU) merupakan analisis multivariate yang biasa diaplikasikan untuk
menganalisis data berdimensi tinggi. Oleh karena itu, AKU tidak hanya sering
diimplementasikan dalam bidang ekonomi tetapi juga dalam ilmu pengetahuan
sosial. Adanya kebutuhan AKU yang tahan
terhadap data yang mengandung pencilan, menyebabkan AKU Robust saat ini sering
dibutuhkan. Hal itu dikarenakan pencilan yang terdapat pada data tidak bisa
dibuang begitu saja. Untuk mengatasi hal tersebut Rousseeuw memformulasikan
metode pendugaan Minimum Covariance Determinant (MCD) untuk diterapkan pada
AKU. Sehingga, penelitian ini bertujuan untuk membandingkan jumlah komponen
utama dari data yang mengandung pencilan pada AKU-klasik dengan AKU-Robust
metode pendugaan RMCD. Berdasarkan hasil perbandingan 10 contoh kasus dengan
pencilan 3%, 5%, 10% dilihat dari kriteria akar ciri menunjukkan hanya 4 contoh
kasus yang menghasilkan komponen berbeda, sedangkan hasil analisis dilihat dari
kriteria proporsi keragaman kumulatif menunjukkan hanya 5 contoh kasus yang
menghasilkan komponen utama berbeda. Hasil analisis tersebut bahwa AKU robust
dengan penduga rmcd lebih baik daripada aku klasik dalam mereduksi dimensi
data. Akan tetapi, hasil analisis yang didapatkan dari kedua metode tersebut
tidak menunjukkan perbedaan yang signifikan. Oleh karena itu, AKU robust
ataupun AKU klasik dapat digunakan untuk menganalisis data yang mengandung
pencilan.
Penulis: Anggraeni Dewi Putri
Dhirgandani
Kode Jurnal: jpmatematikadd141173
