Implementasi Analisa Komponen Utama untuk Mereduksi Variabel yang Mempengaruhi Perbaikan pada Fungsi Ginjal Tikus
DOI:
https://doi.org/10.26555/konvergensi.v6i2.19549Keywords:
Matriks Kovarian, Nilai Eigen, Vector Eigen, PCAAbstract
Penelitian ini bertujuan untuk mereduksi variabel yang mempengaruhi fungsi ginjal pada tikus. Untuk memperoleh informasi yang diinginkan, maka diperlukan suatu metode yang tepat agar dapat digunakan dalam mengolah data yang sudah ada. Ada banyak metode yang digunakan untuk mereduksi variabel, di antaranya yaitu Principal Component Analysis (PCA) dan Factor Analysis (FA). Metode yang akan digunakan dalam penelitian ini adalah metode principal component analysis (PCA) atau analisa komponen utama. PCA merupakan salah satu metode dalam analisis multivariat yang secara khusus dikembangkan untuk mereduksi dimensi data yang ukurannya besar menjadi lebih sederhana tanpa harus kehilangan informasi data asli. Pada penelitian ini, metode PCA digunakan untuk mereduksi jumlah variabel, sehingga dari 8 variabel yang ada hanya akan diketahui 3 variabel yang benar-benar mempengaruhi perbaikan fungsi ginjal tikus, dimana 3 variabel yang dihasilkan tersebut dapat mewakili 8 variabel yang ada pada dataset. Variabel baru hasil reduksi akan dijadikan sebagai variabel input untuk membuat model persamaan regresinya untuk melihat sebagaimana pengaruh variabel tersebut terhadap perbaikan fungsi ginjal tikus. Dataset yang digunakan pada penelitian ini adalah data dosis pemberian ekstrak tanaman obat. Adapun model regresi akhir hasil komponen utama yaitu
Y=β0 + β1PC1 + β2PC2 + β3PC3
References
A. A. Matijik and I. M. Sumertajaya, “Sidik Peubah Ganda,†Bogor IPB PR, 2011.
A. A. Mattjik, I. Sumertajaya, G. N. A. Wibawa, and A. F. Hadi, “Sidik peubah ganda dengan menggunakan SAS.†2011.
D. E. Booth, “Applied multivariate analysis.†Taylor & Francis, 2003.
E. C. Pearce, Anatomi dan fisiologi untuk paramedis. PT Gramedia Pustaka Utama, 2016.
F. B. Bryant and P. R. Yarnold, “Principal-components analysis and exploratory and confirmatory factor analysis.,†1995.
C. Chatfield and A. Collins, Introduction to multivariate analysis, vol. 1. CRC Press, 1981.
R. A. Johnson and D. W. Wichern, Applied multivariate statistical analysis, vol. 5, no. 8. Prentice hall Upper Saddle River, NJ, 2002.
P. Sri, “PEMILIHAN MODEL REGRESI LINEAR BERGANDA TERBAIK PADA KASUS MULTIKOLINEARITAS BERDASARKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DAN METODE STEPWISE.†Universitas Negeri Semarang, 2016.
G. H. Martono, T. B. Adji, and N. A. Setiawan, “Penggunaan Metode Analisa Komponen Utama (PCA) untuk Mereduksi Faktor-Faktor yang Mempengaruhi Penyakit Jantung Koroner,†2012.
J. Hardika, D. Sebayang, and P. Sembiring, “Penerapan analisis komponen utama dalam penentuan faktor dominan yang mempengaruhi prestasi belajar siswa (Studi kasus: SMAN 1 Medan),†2013.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution-ShareAlike 2.0 Generic License.
