Penerapan analisis komponen utama kekar dengan pendekatan projection pursuit pada data yang mengandung pencilan

Abstract

Analisis Komponen Utama (AKU) adalah salah satu alat analisis dalam pereduksian data berdimensi tinggi. AKU yang kemudian disebut AKU Klasik sangat sensitif terhadap keberadaan data pencilan, hal ini didasarkan pada matriks korelasi atau ragam peragam yang membangun AKU Klasik sensitif terhadap pencilan. Menangani kekurangan tersebut, berkembang metode AKU yang kekar terhadap pencilan dengan memanfaatkan metode robust principle component analysis atau analisis komponen utama kekar (AKU Kekar). Secara umum, AKU Kekar menggabungkan dua konsep yakni Projection Pursuit (PP) dan Minimum Covariance Determinant (MCD). Penelitian ini memfokuskan pada AKU Kekar dengan pendekatan PP yang diterapkan pada data hasil pengukuran FTIR (Fourier Transform Infrared). Hasil dari penelitian ini menunjukan bahwa AKU Kekar memiliki total besaran akar ciri lebih kecil dibandingkan AKU Klasik. Keadaan tersebut mengindikasikan bahwa AKU Kekar mampu mengurangi pengaruh pencilan. Plot tebaran dari komponen utama pertama dan kedua AKU Kekar lebih memperlihatkan kesamaan skor untuk semua perlakuan dibandingkan komponen utama hasil AKU Klasik. Analisis ragam pada komponen pertama dari kedua metode dan komponen kedua AKU Kekar menghasilkan kesimpulan tidak terdapat perbedaan taraf suhu, sedangkan hasil analisis ragam pada komponen kedua AKU Klasik memberikan kesimpulan terdapat perbedaan suhu. Berdasarkan hasil tersebut, secara umum AKU Kekar memberikan hasil yang lebih baik dibandingkan AKU Klasik.