Analisis Statistik Multivariat PCA dalam Riset bidang Teknologi Pangan

0
385
Dr. Agus Suyanto, STP, MSiFood Technology Department, Unimus
Dr. Agus Suyanto, STP, MSi Food Technology Department, Unimus

Dr. Agus Suyanto, STP, MSiAnalisis  komponen  utama  (AKU)  atau Principal Component Analysis (PCA) pertama  kali  diperkenalkan  oleh  Harold  Hotelling  pada  tahun 1933 (Jhonson,  R.A.  and  Weichern,  D.W., 2014). AKU adalah suatu teknik statistik untuk mengubah dari sebagian besar variabel asli yang saling berkorelasi satu menjadi satu set variabel baru yang lebih kecil dan saling bebas (tidak berkorelasi lagi). Analisis Komponen Utama digunakan untuk menyederhanakan suatu peubah yang tidak memiliki kaitan dengan peubah yang ingin diamati dengan cara mereduksi dimensinya tanpa mengurangi karakteristik data secara signifikan, sehingga lebih mudah untuk menginterpretasikan data-data tersebut.

Menurut Setyaningsih D et al. (2010), PCA merupakan salah satu metode analisis multivariate yang dapat mentransformasikan variabel-variabel asli menjadi variabel baru yang merupakan kombinasi linier dari variabel aslinya dan disebut komponen utama (Principal Component). PCA mampu menjelaskan 75% – 90% total keragaman data hanya dengan 2 – 3 komponen utama.

Menurut Supranto (2010) set data hasil reduksi data merupakan set kombinasi linier yang lebih sedikit akan tetapi menyerap sebagian besar jumlah variansi dari data awal. AKU bertujuan untuk menggunakan seminimal mungkin komponen utama namun menjelaskan sebanyak mungkin jumlah variansi data asli. Jumlah peubah (p) data awal yang diekstrak menjadi komponen utama (k) adalah sama banyak, atau p=k. Komponen yang digunakan hanya yang memiliki varian besar, maka k lebih kecil dari p (k<p).

Tahapan-tahapan dalam AKU yakni mengelola data dalam bentuk matrik untuk mendapatkan nilai tengah=0 dan unit keragaman. Selanjutnya membuat matrik varian-kovarians dari data, kemudian menentukan nilai eigen dan vector eigen dari matrik varian-kovarian tersebut. Nilai eigen merupakan ragam atau variansi dan elemen vaktor eigen (ei) merupakan koefisien dari komponen utama ke-i.

Analisis AKU banyak diaplikasikan pada berbagai penelitian. Septiana (2020) melakukan seleksi minyak kayu putih dalam kajian metabolomik minyak atsiri kayu putih Indonesia yang dimanfaatkan sebagai flavour fungsional. Ratna Dila (2015) menggunakan AKU untuk mengevaluasi indeks kerawanan pangan. Saputra J.H (2015) menganalisis klasifikasi enzim protein menggunakana AKU. AKU juga dapat digunakan untuk karakterisasi rasa dan aroma pada buah papaya (Astuti 2008).

.     AKU bertujuan untuk mengekstrak informasi penting dari data statistik  yang  mewakili  komponen  utama  yang  baru.    AKU juga  dapat menampilkan pola kesamaan antar observasi dan menampilkan beberapa variable titik  dalam  suatu  peta  (Mishra  et  al.  2017).  Berdasarkan  score  plot  dari  PCA  terdapat  pengelompokan  sampel berdasarkan  kemiripan  dalam  sifat-sifat  atau  parameter  yang  diujikan.

AKU loading bi plot merupakan penjelasan lebih lanjut mengenai parameter yang berkontribusi dalam pengelompokan. Analisis PCA dengan menggunakan software XLSTAT menghasilkan empat plot utama PCA, yaitu scree plot, score plot, loading plot, dan biplot.

Selengkapnya contoh artikel menggunakan analisis  komponen Utama dapat di Klik Artikel PCA