analisis komponen utama (PCA)
principal components analysis (PCA)
Ringkasan Singkat
Teknik statistik untuk menyederhanakan data dengan mengubah variabel yang saling berhubungan menjadi set variabel baru yang tidak berkorelasi.
Analisis Komponen Utama atau Principal Components Analysis (PCA) adalah sebuah pendekatan reduksi data di mana sejumlah kombinasi linear independen dari variabel penjelasan dasar diidentifikasi untuk kumpulan variabel asli yang lebih besar. PCA mereproduksi semua informasi dalam matriks korelasi asli dan tidak mengasumsikan adanya kesalahan pengukuran pada variabel tersebut.
Hasil akhirnya adalah satu set variabel baru yang disebut komponen utama yang tidak saling berkorelasi dan disusun berdasarkan persentase total varians yang mereka jelaskan. Meskipun tujuannya mirip dengan analisis faktor, PCA memiliki fitur teknis yang berbeda dan sering digunakan dalam pemrosesan data besar untuk mempermudah visualisasi dan interpretasi data tanpa menghilangkan terlalu banyak informasi penting.
Referensi Yang Bisa Anda Gunakan
- Jolliffe, I. T. (2002). Principal Component Analysis.
- APA Dictionary of Psychology.
Peringatan Sitasi Akademik
Halaman ini disusun murni sebagai alat bantu pemahaman awal. Dilarang keras mengutip halaman ini sebagai sitasi utama dalam karya ilmiah atau tugas akhir. Silakan gunakan literatur primer yang tercantum pada daftar pustaka.