PENERAPAN ANALISIS KOMPONEN UTAMA FUNGSIONAL (AKUF) PADA DATA SPEKTROSKOPI (KASUS : DATA TECATOR DI SOFTWARE R)

Ana Risqa JL, Novian Riskiana Dewi, Arini Alhaq, Siti Ulfa Nabila

Abstract


Analisis komponen utama (AKU) merupakan salah satu teknik analisis dalam peubah ganda yang digunakan untuk menyederhanakan suatu data, dengan cara mentransformasi data secara linier sehingga terbentuk sistem koordinat baru dengan varians maksimum, mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan dan juga sering digunakan untuk menyelesaikan masalah multikolinearitas antar peubah bebas dalam model regresi berganda. Namun AKU mengalami kesulitan dalam menganalisis data fungsional seperti data Spektroskopi karena jumlah dimensi yang terlalu besar. Untuk mengatasi kesulitan ini, AKUF menyediakan cara yang jauh lebih informatif memeriksa struktur sampel kovarian dari AKU, dan juga dapat melengkapi pemeriksaan langsung dari varians-kovarians struktur. Tujuan Penelitian ini adalah menerapkan dan membandingkan metode AKU dan AKUF pada data berbentuk Spektroskopi. Pada data tekator yang ada di software R ini setipe dengan data spektroscopi dapat dilihat bahwa penerapan AKUF lebih baik dibandingkan dengan AKU ini terlihat dari nilai RMSEP pada hasil AKUF lebih kecil dibanding AKU. Sehingga dapat disimpulkan bahwa untuk menganalisis data spectroskopi akan lebih baik menggunakan AKUF pada studi kasus untuk data Tekator yang ada di software.


Keywords


AKU, AKUF, Spektroskopi

Full Text:

PDF

References


Aguilera AM, Escabias M, Valderrama MJ, Morillo MCA. 2013. Functional Analysis of Chemometric Data. Journal of Statistics (3): 334-343.

Alfeeli B. 2005. Miniature Gas Sensing Device Based On Near-Infrared Spectroscopy. Blacksburg: Virginia Polytechnic Institute and State University.

Bellman RE. 1961. Adaptive Control Process : a Guided Tour, Princeton University Press, New Jersey : Princeton.

Croux C, Ruiz – Gazen A. 2005. High breakdown estimators for principal component : The projection – pursuit approach revisited. Journal of Multivariate Analysis 95: 206 – 226.

Ferraty F. & Vieu, P. 2006. Nonparametric Functional Data Analysis : Theory and Practise. New York : Springer.

Ingrassia S, Costanzo GD. 2005. Functional Principal Componen Analysis of Financial Timeseries, Springer – Verlag, Inc., Berlin.

Johnson RA, Wichern DW. 1998. Applied Multivariate Statistical Analysis . United States of America : Prentice Hall International. Inc.

Jolliffe IT. 2002 . Principal Componen Analysis Second Edition. Ed ke-2. New York (US) : Springer-Verlag.

Lestari DN. 2014. Pemodelan statistical downscaling dengan analisis komponen utama fungsional untuk prediksi curah hujan [tesis]. Bogor (ID): Sekolah Pascasarjana, Institut Pertanian Bogor.

Nur MA, Adijuwana H. 1989. Teknik Spektroskopi Dalam Analisis Biologi. Bogor: Pusat antar Universitas Ilmu Hayat, Institut Pertanian Bogor.

Ramsay OJ, Silverman WB . 2005. Functional Data Analysis. Ed ke-2. New York (US) : Springer.

Risqa JL Ana. 2015. Pemodelan Regresi Komponen Utama Fungsinal Pada Data Spectroskopi [Tesis]. Bogor (ID): Sekolah Pascasarjana, Institut Pertanian Bogor.

Shang HL. 2011. A Survey of functional principal component analysis. Departement of econometrics and business Statistics Monash University, (working papers, 06/11).

Tran NM. 2008. An Introduction to Theoritical Properties of Functional Principal Component Analysis [tesis]. Melbourne (AU): University of Melbourne.




DOI: https://doi.org/10.15548/map.v6i1.8648

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Lisensi Creative Commonsis licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.