Analisis dekomposisi spektral dengan metode Principal Component Analysis (PCA)

INDONESIA:

Data memiliki bentuk yang bermacam-macam. Salah satunya yaitu terdapat pada data yang tidak terbatas. Analisis dekomposisi spektral adalah sebuah analisis pemecahan relasi pada data yang tidak terbatas. Dekomposisi spektral juga disebut dekomposisi atau pemecahan relasi berdasarkan nilai eigen dan konsep terkait (Eigendecomposition). Dekomposisi spektral adalah suatu teknik yang digunakan secara luas untuk mendekomposisikan suatu matriks kedalam beberapa komponen matriks yang berkaitan erat dengan nilai eigen dari matriksnya. Proses dekomposisi ini sering juga disebut dengan Faktorisasi. Salah satu metode yang dapat digunakan dalam analisa dekomposisi spektral adalah dengan metode Principal Component Analysis (PCA). Dari hasil penelitian didapatkan lima langkah penting dalam analisis dekomposisi spektral dengan menggunakan analisis komponen utama yaitu: mendefinisikan model dekomposisi spektral, menentukan vektor eigen dan nilai eigen dari model dekomposisi spektral dengan menggunakan metode PCA, pemilihan komponen utama yang memenuhi dua kriteria yaitu jika nilai eigen lebih besar atau sama dengan satu (lambda ≥ I) dan jika keragaman kumulatif lebih dari 70%, selanjutnya melakukan uji interdependensi dengan MSA (Measure Sampling Of Adequacy), dan menentukan koefisien korelasi. Pada analisis data dapat dibuat model dari analisis dekomposisi spektral dengan metode PCA pada data frekuensi penundaan dalam menyelesaikan tugas oleh mahasiswa psikologi angkatan 2009 UIN Maliki Malang. Model tersebut adalah:

Dekomposisi spektral juga dapat dianalisis menggunakan metode selain PCA, serta data yang sesuai dengan kebutuhan peneliti.