Principal Component Analysis
Siana HalimSubhash Sharma, Applied Multivariate Techniques, John Willey & Sons, 1996
Pendahuluan
Pendahuluan
Sebuah analis keuangan ingin menentukan sehat tidaknya y sebuah departement keuangan
pada sebuah industri. Dalam penelitian awal telah
diidentifikasikan terdapat Tugas pertama dari analysis b d l h diidentifikasikan terdapat
sejumlah rasio keuangan (kira-kira ada 120 variabel) yang dapat digunakan untuk analisa
di atas Tentu saja tidaklah
tersebut tentunya adalah
menyederhanakan/mereduksi
ke-120 rasio menjadi beberapa index saja (misalnya 3), yang mana di atas. Tentu saja, tidaklah
mudah untuk
menginterpretasikan 120 buah informasi untuk menentukan
j ( y ), y g index tersebut merupakan
kombinasi linear dari seluruh rasio awal (120 rasio).
apakah departement keuangan tsb dalam keadaan sehat atau
tidak. Apa yang harus dilakukannya ?
Pendahuluan
Pendahuluan
Manajer marketing berkeinginan untuk membangun sebuah untuk membangun sebuah
model regresi untuk
menentukan forecast dari sales. Namun demikian, ternyata
i bl i bl
Akanlah sangat membantu, bila marketing manajer tersebut membangun variable „baru“ variable-variable yang
seharusnya independent ternyata saling berkorelasi (multicollinearity). Dalam model
membangun variable „baru yang merupakan kombinasi
linear dari variable-variable lama, sedemikian hingga
variable-variable baru tersebut tidak
( y)
regresi adanya multicollinearity dapat menyebabkan standard error dari estimasi parameter sangat tinggi dan model regressi
variable baru tersebut tidak saling berkorelasi. Variable-variable baru ini dapat digunakan
untuk membangun model sangat tinggi, dan model regressi
yang dihasilkan menjadi tidak stabil. Apa yang harus dilakukan
oleh manager tersebut ?
Bagaimana Caranya ?
Bagaimana Caranya ?
Gunakan Principal Component Analysis
p
p
y
(PCA).
PCA adalah sebuah teknik untuk membangun variable-variable baru yang merupakan kombinasi linear dari y g p variable asli. Jumlah maximum dari variable-variable baru ini akan sama dengan jumlah dari variable-variable lama, dan variable-variable baru ini tidak saling g
Secara Geometri
Secara Geometri
2 1 * 1 cos x sin x x = θ + θ X1 X2Observasi Original Mean Original Mean
2 1 * 2 sin x cos x x = − θ + θ Corrected Corrected 1 16 8 8 5 2 12 4 10 7
3 13 5 6 3 Dicari θ optimum s d h variance x 1*
4 11 3 2 -1
5 10 2 8 5
6 9 1 -1 -4
Dicari θ optimum s.d.h variance x1 maximum dan x2* orthogonal (saling tegak lurus) dengan x1*
θ = 43 261 7 8 0 4 1 8 7 -1 6 3 9 5 -3 -3 -6 10 3 -5 -1 -4 θ = 43.261 * 2 1 * 1 0.728x 0.685 x x = + 10 3 5 1 4 11 2 -6 -3 -6 12 0 -8 0 -3 ⎤ ⎡23.091 16.455 ⎡ 1 0.746⎤ 2 1 * 2 0.685x 0.728x x = − + ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 091 . 21 455 . 16 455 . 16 091 . 23 S ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 1 746 . 0 746 . 0 1 R
Secara Geometri
Secara Geometri
Mean Corrected Data New Variables
Observasi X1 X2 X1* X2* 1 8 5 9.253 -1.841 2 4 7 7.710 2.356 3 5 3 5.697 -1.242 4 3 -1 1.499 -2.784 5 2 5 4.883 2.271 6 1 -4 -2.013 -3.598 7 0 1 0.685 0.728 8 -1 3 1.328 2.870 9 -3 -6 -6.297 -2.313 10 -5 -4 -6.382 0.514 11 -6 -6 -8.481 -0.257 12 -8 -3 -7.882 3.298 Mean 0 0 0.000 0.000 SS 424.334 61.666 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 666 . 61 0 0 576 . 38 S ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 1 0 0 1 R Variance 38.576 5.606 ⎦ ⎣
Objective dari PCA
Objective dari PCA
Dalam PCA
` Variable-variable baru disebut sebagai principle
component dan nilai nilai bentukan dari varible ini
component dan nilai-nilai bentukan dari varible ini
disebut sebagai principle component score.
` Variable yang baru merupakan kombinasi linear dari variable-variable asli
variable-variable asli.
` Variable baru pertama berhubungan dengan variance maximum dari data.
` Variable baru kedua menunjukkan variance maximum ` Variable baru kedua menunjukkan variance maximum
yang belum terhitung pada variable pertama
` Variable baru ketiga menunjukkan variance maximum yang belum terhitung pada kedua variable pertama
yang belum terhitung pada kedua variable pertama ` Variable baru ke-p menunjukkan variance maximum
yang belum terhitung pada p-1 variable terdahulu. ` Seluruh p variable baru tidak berkorelasi.
Loadings
Loadings
` Loadings adalah korelasi antara variable asli dengan variable baru.
` Loadings memberikan indikasi variable original mana yang ` Loadings memberikan indikasi variable original mana yang
sangat penting atau mempengaruhi pembentukan variable baru ` Semakin tinggi nilai Loading maka variable lama ybs semakin
memiliki pengaruh terhadap pembentukan variable baru.p g p p
` Loading dapat pula dihitung dengan menggunakan rumus sbb:
i ij
ij
w
l
=
λ
` Lij adalah loading dari variable ke-j untuk principal component ke i w adalah bobot dari variable ke j terhadap principal
i j
ij
s
l
λ
ke-i, wij adalah bobot dari variable ke-j terhadap principal
component ke-i, λi adalah nilai eigen dari principal component ke-i dan sj adalah standard deviasi dari variable ke-j
Hal-hal yang berhubungan dengan PCA
Hal hal yang berhubungan dengan PCA
1.
Adakah effect dari type data (misalnya mean
corrected ataupun data yang telah di-standard-kan)
p
y g
)
terhadap PCA ?
2.
Apakah PCA merupakan teknik yang memadai ?
3.
Berapakah jumlah Principal Component yang harus
dipilih ?
4
B
i
i t
t ik
PCA
?
4.
Bagaimana menginterpretasikan PCA ?
5.
Bagaimana penggunaan dari Principal Component
Scores ?
Scores ?
1. Adakah effect dari type data (misalnya mean corrected ataupun data yang telah di-standard-kan) terhadap PCA ?
yang telah di-standard-kan) terhadap PCA ?
` Secara umum, bobot yang dibebankan /diberikan pada sebuah variable dipengaruhi oleh variance relative dari variable karena itu data seharusnya distandardkan s d h variable, karena itu data seharusnya distandardkan s.d.h. variance untuk setiap variable menjadi sama (yaitu satu). ` Namun demikian, pilihan antara memproses data awal
dengan mean corrected atau data yang distandardkan jugae ga ea co ecte atau ata ya g sta a a juga tergantung pada faktor-faktor lain.
` Sebagai contoh, jika tidak ada alasan yang memaksa seorang pengambil keputusan untuk menganggap sebuah
i bl l bihg p g i pd i i bl l ig gg pk li
variable lebih penting dari variable yang lain maka analisa akan lebih baik jika kita menggunakan data yang distandardkan.
` Namun demikian bila ada alasan bahwa variance dari ` Namun demikian bila, ada alasan bahwa variance dari suatu variable menunjukkan tingkat kepentingan dari variable tersebut, maka analisa akan lebih baik jika kita menggunakan mean corrected data.gg
2.Apakah PCA merupakan teknik yang memadai ?
` Jika objective dari analisa data adalah membangun kombinasi linear yang tidak saling berkorelasi maka
keputusan apakah PCA cukup baik digunakan atau tidak keputusan apakah PCA cukup baik digunakan atau tidak tergantung pada apakah hasil dari PCA ini dapat
diinterpretasikan atau tidak. Bila hasil dari PCA tidak dapat diinterpretasikan, maka penggunakan PCA tid k d ti d b ik dihi d i
tidak ada artinya dan sebaiknya dihindari.
` Jika objective dari analisa data adalah untuk mengurangi jumlah variable (principle component) yang merupakan kombinasi linear dari variable variable asli maka jumlah kombinasi linear dari variable-variable asli, maka jumlah principle component harus kurang dari jumlah variable asli. Dalam kasus seperti ini, PCA hanya boleh
dilakukan bila data dapat direpresentasikan dalam p p beberapa buah principle component tanpa
menghilangkan informasi secara substansial
3. Berapakah jumlah Principal Component yang harus
dipilih ?
dipilih ?
` Jika data yang digunakan adalah data yang sudah distandardkan, gunakan aturan nilai eigen yang lebih dari satu untuk
menentukan jumlah principal component
` Plot prosentase dari variance pada tiap principal component dan lihatlah pada „siku“ pada plot tersebut (p „ p p (scree plotp ). )
Aturan ini dapat digunakan untuk mean-corrected data ataupun data yang telah distandardkan.
` Gunakan komponen-komponen yang secara statistik ` Gunakan komponen-komponen yang secara statistik
4. Bagaimana menginterpretasikan PCA ?
4. Bagaimana menginterpretasikan PCA ?
` Gunakan nilai Loading untuk menginterpretasikan PCA. Semakin tinggi nilai loading dari suatu variable maka
Semakin tinggi nilai loading dari suatu variable maka
variable tersebut memiliki pengaruh dalam pembentukan principle component score dan sebaliknya.
` Secara tradisional, nilai loading yang dianggap sebagai nilai
5. Bagaimana penggunaan dari Principal Component
Scores ?
Scores ?
` Nilai principal component scores dari dua variable baru (principal component) utama, dapat digunakan sebagai input variable untuk data clustering.
` Secara umum scores dari principal component juga dapat digunakan sebagai input variable untuk analisa regressi dang g p g analisa diskriminant (discriminant analysis)
` Keuntungan menggunakan principal component score adalah variable-variable baru ini tidak saling berkorelasi sehingga variable-variable baru ini tidak saling berkorelasi sehingga masalah multicolinearity dapat dihindari.