dc.contributor.advisor | Ardana, Ngakan Komang Kutha | |
dc.contributor.advisor | Budiarti, Retno | |
dc.contributor.author | Utami, Arien Citha | |
dc.date.accessioned | 2020-03-05T06:44:55Z | |
dc.date.available | 2020-03-05T06:44:55Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/102655 | |
dc.description.abstract | Data dengan jumlah variabel dan observasi besar seringkali memerlukan
penanganan khusus, baik dalam proses analisis maupun visualisasi. Proses analisis
dan visualisasi ini bisa disederhanakan dengan cara reduksi dimensi menggunakan
analisis komponen utama (AKU). Keberadaan pencilan akan sangat memengaruhi
analisis suatu data sehingga diperlukan analisis dengan suatu pendekatan yang
kekar (robust) terhadap pencilan. Salah satu pendekatan yang bisa digunakan
adalah AKU kekar ROBPCA yang menggabungkan konsep projection pursuit
dengan estimator Minimum Covariance Determinant. Suatu data contoh
dianalisis menggunakan AKU klasik dan AKU kekar dengan metode ROBPCA.
Berdasarkan plot tebaran score distance dan orthogonal distance, AKU ROBPCA
efektif dalam mengidentifikasi pencilan dibandingkan dengan AKU klasik. Lebih
jauh, hasil analisis biplot juga menunjukkan AKU ROBPCA lebih akurat dalam
penanganan pencilan dibandingkan AKU klasik. | id |
dc.language.iso | id | id |
dc.publisher | IPB University | id |
dc.subject.ddc | Mathematics | id |
dc.subject.ddc | Component Analysis | id |
dc.subject.ddc | 2019 | id |
dc.subject.ddc | Bogor-Jawa Barat | id |
dc.title | Penerapan Analisis Komponen Utama Kekar dengan Metode ROBPCA | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | kekar | id |
dc.subject.keyword | analisis komponen utama | id |
dc.subject.keyword | minimum covariance determinant | id |
dc.subject.keyword | pencilan | id |
dc.subject.keyword | projection pursuit | id |