Minggu XI ANALISIS KOMPONEN UTAMA. Utami, H
|
|
- Devi Muljana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Minggu XI ANALISIS KOMPONEN UTAMA Utami, H
2 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16
3 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16
4 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16
5 Outline 1 Pendahuluan 2 Tujuan 3 Analisis Komponen Utama 4 Contoh Utami, H Minggu XIANALISIS KOMPONEN UTAMA 2 / 16
6 Diperkenalkan oleh Pearson (1901) dan Hotelling (1933) yang menggambarkan variasi dari data multivariat untuk suatu himpunan variabel-variabel tak berkorelasi. Misalkan dipunyai matriks data n observasi untuk masing observasi p variabel berkorelasi, x 1, x 2,..., x p. Analisis komponen utama mencari transformasi dari x i ke variabel baru y i yang tidak berkorelasi. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 3 / 16
7 Dalam statistika, analisis komponen utama (principal component analysis / PCA) adalah teknik yang digunakan untuk menyederhanakan suatu data, dengan cara mentransformasi linier sehingga terbentuk sistem koordinat baru dengan varians maksimum. PCA dapat digunakan untuk mereduksi dimensi suatu data tanpa mengurangi karakteristik data tersebut secara signifikan. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 4 / 16
8 Analisis komponen utama merupakan suatu tehnik statistik untuk mengubah dari sebagian besar variabel asli yang digunakan yang saling berkorelasi satu dengan yang lainnya menjadi satu set variabel baru yang lebih kecil dan saling bebas (tidak berkorelasi lagi). Jadi analisis komponen utama berguna untuk mereduksi data, sehingga lebih mudah untuk menginterpretasikan data-data tersebut (Johnson & Wichern, 1982). Analisis komponen utama merupakan analisis antara dari suatu proses penelitian yang besar atau suatu awalan dari analisis berikutnya, bukan merupakan suatu analisis yang langsung berakhir. Misalnya komponen utama bisa merupakan masukan untuk regresi berganda atau analisis faktor. Analisis komponen utama lebih baik digunakan jika variabel-variabel asal saling berkorelasi. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 5 / 16
9 Tujuan mereduksi data memungkinkan untuk data berdimensi p dapat direpresentasikan dalam k dimensi dengan k < p tanpa kehilangan banyak informasi. menginterpretasikan komponen utama (variabel baru). Utami, H Minggu XIANALISIS KOMPONEN UTAMA 6 / 16
10 Analisis Komponen Utama Misalkan vektor random: x = [ x 1 x 2 x p ] dengan matriks kovariansi Σ dan eigenvalue dari Σ adalah λ 1 λ 2... λ p. Pada analisis komponen utama, dikonstruksikan p kombinasi linear dari x : y 1 = a 1x = a 11 x 1 + a 12 x a 1p x p y 2 = a 2x = a 21 x 1 + a 22 x a 2p x p. y p = a px = a p1 x 1 + a p2 x a pp x p Utami, H Minggu XIANALISIS KOMPONEN UTAMA 7 / 16
11 y 1, y 2,..., y p merupakan komponen-komponen utama, dimana mereka tidak saling berkorelasi dan mempunyai variansi sebesar mungkin. Jadi var(y i ) = a i Σa i, untuk i = 1, 2,..., p cov(y i, y k ) = a i Σa k, untuk i, k = 1, 2,..., p Utami, H Minggu XIANALISIS KOMPONEN UTAMA 8 / 16
12 Komponen utama pertama: Kombinasi linear a 1x yang memaksimalkan var(a 1x) dengan a 1a 1 = 1, Komponen utama kedua: Kombinasi linear a 2x yang memaksimalkan var(a 2x) dengan a 2a 2 = 1 dan cov(a 1x, a 2x) = 0. Ini berarti komponen utama kedua tidak berkorelasi dengan komponen utama pertama.. Komponen utama ke-i: Kombinasi linear a i x yang memaksimalkan var(a ix) dengan a i a i = 1 dan cov(a i x, a kx) = 0 untuk k < i. Ini berarti komponen utama ke-i tidak berkorelasi dengan komponen utama sebelumnya. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 9 / 16
13 Misalkan Σ adalah matriks kovariansi dari x = [ x 1 x 2 ] x p dan mempunyai pasangan eigenvalue-eigenvektor (λ 1, e 1 ), (λ 2, e 2 ),..., (λ p, e p ) dengan λ 1 λ 2... λ p 0, maka komponen utama dapat diperoleh sbb: y i = e ix = e i1 x 1 + e i2 x e ip x p untuk i = 1, 2,..., p di mana var(y i ) = e iσe i, i = 1, 2,..., p cov(y i, y k ) = e iσe k, i k Jika beberapa λ i sama, maka komponen utama tidak tunggal. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 10 / 16
14 Misalkan Σ adalah matriks kovariansi dari x = [ x 1 x 2 ] x p dan mempunyai pasangan eigenvalue-eigenvektor (λ 1, e 1 ), (λ 2, e 2 ),..., (λ p, e p ) dengan λ 1 λ 2... λ p 0 dan y 1 = e 1x, y 2 = e 2x,..., y p = e px adalah komponen-komponen utama maka p σ 11 + σ σ pp = var(x i ) i=1 = λ 1 + λ λ p = p var(y i ). i=1 Utami, H Minggu XIANALISIS KOMPONEN UTAMA 11 / 16
15 Suatu ukuran penting dari komponan utama ke-k: λ k p λ i i=1 yang merupakan variansi relatif yang diterangkan oleh masing-masing komponen utama. Pada analisis komponen utama, sejumlah komponen utama yang terbentuk akan dianggap cukup jika variansi kumulatif yang diterangkan oleh komponen-komponen utama lebih dari 50% sampai 70%. Perhatian: Dalam pembentukan Principle Component, terkadang perlu dilakukan transformasi data sehingga semua variabel mempunyai skala yang relatif sama. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 12 / 16
16 Contoh Dipunyai data tentang 4 observasi untuk variabel random x 1, x 2, x 3 sebagai berikut: x 1 x 2 x Tentukan 3 komponen utama y 1, y 2, y 3! Utami, H Minggu XIANALISIS KOMPONEN UTAMA 13 / 16
17 Matriks kovariansi dari x = [ x 1 x 2 x p ] adalah: Σ = 1, 50 2, 50 1, 00 2, 50 6, 00 3, 50 1, 00 3, 50 5, 25 Pasangan eigenvalue dan eigenvektor dari Σ :. λ 1 = 9, 92 e 1 = [ 0, 29 0, 73 0, 61 ] λ 2 = 2, 53 e 2 = [ 0, 42 0, 48 0, 77 ] λ 3 = 0, 30 e 3 = [ 0, 86 0, 48 0, 16 ] Utami, H Minggu XIANALISIS KOMPONEN UTAMA 14 / 16
18 Komponen-komponen utama yang terbentuk: y 1 = e 1x = 0, 29x 1 + 0, 73x 2 + 0, 61x 3 y 2 = e 2x = 0, 42x 1 + 0, 48x 2 0, 77x 3 y 3 = e 3x = 0, 86x 1 0, 48x 2 + 0, 16x 3 σ 11 + σ σ pp = 1, 5 + 6, 0 + 3, 5 = 12, 75 = 9, , , 30 = λ 1 + λ λ p. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 15 / 16
19 Variansi relatif yang diterangkan oleh masing-masing komponen utama: λ 1 9, 93 = = 0, , 75 λ i i=1 λ 2 = 3 λ i i=1 λ 3 = 3 λ i i=1 2, 53 12, 75 0, 30 12, 75 = 0, 198 = 0, 024 Komponen utama pertama, y 1, dapat menjelaskan 77, 8% keragaman data. Komponen utama kedua, y 2, bersama dengan y 1 keduanya mempresentasikan 97, 6% keragaman total. Utami, H Minggu XIANALISIS KOMPONEN UTAMA 16 / 16
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciMinggu II STATISTIKA MULTIVARIATE TERAPAN
Minggu II STATISTIKA MULTIVARIATE TERAPAN (PENDAHULUAN) Herni U Universitas Gadjah Mada Outline 1 Analisis Statistika Multivariat 2 Contoh Kasus Multivariat 3 Organisasi Data Outline 1 Analisis Statistika
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciBAB I PENDAHULUAN. Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ruang lingkup analisis multivariat adalah terdiri dari analisis statistika yang mengamati dua atau lebih variabel random yang berhubungan, sebagai suatu kesatuan
Lebih terperinciTeknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil
Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil Ronny Susetyoko, Elly Purwantini Politeknik Elektronika Negeri Surabaya
Lebih terperinciAbstract. Abstrak. Keywords : Principal Component Analysis, Agriculture Production and Plantation
JdC, Vol. 3, No. 2, September, 2014 1 Penggunaan Analisis Komponen Utama Dalam Penggabungan Data Peubah Ganda pada Kasus Produksi Pertanian dan Perkebunan Di Wilayah Bolaang Mongondow Tahun 2008 1 Sunarsi
Lebih terperincialjabar geo g metr me i
Pertemuan 12 & 13 ANALIS KOMPONEN UTAMA & FUNGSI DISCRIMINAN Obyektif : Reduksi variabel Interpretasi Aplikasi AKU dalam Anls Regresi Discrimination Fisher and Classification Classification with two Multivariate
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk
Lebih terperinciPERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI
ISSN 1858-4667 JURNAL LINK Vol 16/No. 1/Februari 212 PERBANDINGAN KINERJA BEBERAPA METODE KLASIFIKASI HASIL REDUKSI DATA BERDIMENSI TINGGI Ronny Susetyoko 1, Elly Purwantini 2 1,2 Departemen Teknik Elektro,
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciPenggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier. The Use of Gaussian PCA Kernel in Solving Non Linier Multivariate Plot
Penggunaan Kernel PCA Gaussian dalam Penyelesaian Plot Multivariat Non Linier Bernhard M. Wongkar 1, John S. Kekenusa 2, Hanny A.H. Komalig 3 1 Program Studi Matematika, FMIPA, UNSRAT Manado, bernhard.wongkar2011@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari
BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis
Lebih terperinciAnalisis Cluster, Analisis Diskriminan & Analisis Komponen Utama. Analisis Cluster
Analisis Cluster Analisis Cluster adalah suatu analisis statistik yang bertujuan memisahkan kasus/obyek ke dalam beberapa kelompok yang mempunyai sifat berbeda antar kelompok yang satu dengan yang lain.
Lebih terperinciTINJAUAN PUSTAKA Analisis Gerombol
3 TINJAUAN PUSTAKA Analisis Gerombol Analisis gerombol merupakan analisis statistika peubah ganda yang digunakan untuk menggerombolkan n buah obyek. Obyek-obyek tersebut mempunyai p buah peubah. Penggerombolannya
Lebih terperinciBAB II TINJAUAN PUSTAKA. Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dipaparkan beberapa teori pendukung yang digunakan dalam proses analisis klaster pada bab selanjutnya. 2.1 DATA MULTIVARIAT Data yang diperoleh dengan mengukur
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 2, 71-81, Agustus 2001, ISSN :
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciPENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA. Tatik Widiharih Jurusan Matematika FMIPA UNDIP
PENANGANAN MULTIKOLINEARITAS (KEKOLINEARAN GANDA) DENGAN ANALISIS REGRESI KOMPONEN UTAMA Tatik Widiharih Jurusan Matematika FMIPA UNDIP Abstrak Multikolinearitas yang tinggi diantara peubah-peubah bebas,
Lebih terperinciIDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR
Saintia Matematika Vol. 2, No. 1 (2014), pp. 1 11. IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR Aswin Bahar, Gim Tarigan, Pengarapen Bangun Abstrak. Pernikahan dini merupakan
Lebih terperinciAnalisis Komponen Utama (Principal component analysis)
Analisis Komponen Utama (Principal component analysis) A. LANDASAN TEORI Misalkan χ merupakan matriks berukuran nxp, dengan baris-baris yang berisi observasi sebanyak n dari p-variat variabel acak X. Analisis
Lebih terperinciANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT PRODUKSI PADI SAWAH DI KABUPATEN PADANG LAWAS
Saintia Matematika ISSN: 2337-9197 Vol. 2, No. 4 (2014), pp. 323 332. ANALISIS FAKTOR YANG MEMPENGARUHI TINGKAT PRODUKSI PADI SAWAH DI KABUPATEN PADANG LAWAS Ida Yanti Hasibuan, Pengarapen Bangun, Ujian
Lebih terperinciBAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang
BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Masyarakat dunia saat ini sedang dihadapkan dengan kemajuan teknologi sebagai salah satu penunjang dalam era informasi. Informasi yang menjadi komoditas utama
Lebih terperinciReduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama
Reduksi Data Luaran GCM Stasiun Amahai Dengan Menggunakan Analisis Komponen Utama Ferry Kondo Lembang Jurusan Matematika FMIPA UNPATTI ferrykondolembang@yahoo.co.id Abstrak Reduksi dimensi adalah bagian
Lebih terperinciPENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN)
Saintia Matematika Vol. 1, No. 6 (2013), pp. 507 516. PENERAPAN ANALISIS KOMPONEN UTAMA DALAM PENENTUAN FAKTOR DOMINAN YANG MEMPENGARUHI PRESTASI BELAJAR SISWA (Studi Kasus : SMAN 1 MEDAN) Juliarti Hardika,
Lebih terperinciMinggu X ANALISIS FAKTOR
Minggu X ANALISIS FAKTOR Utami, H Universitas Gadjah Mada ANALISIS FAKTOR Analisis faktor adalah alat analisis statistik yang dipergunakan untuk mereduksi faktor-faktor yang mempengaruhi suatu variabel
Lebih terperinciSILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE :
SILABUS PERKULIAHAN METODE STATISTIKA MULTIVARIAT 3 SKS KODE : JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 2005-2006 MATAKULIAH
Lebih terperinciAnalisis Regresi 2. Multikolinier & penanganannya
Analisis Regresi 2 Pokok Bahasan : Multikolinier & penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasiswa dapat menjelaskan adanya multikolinieritas pada regresi linier berganda serta prosedur penanganannya
Lebih terperinciANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA. Bahriddin Abapihi 1)
Bahriddin Abapihi//Paradigma, Vol.15 No.1 Pebruari 2011 hlm.11 18 11 ANALISIS RAGAM SKOR KOMPONEN UTAMA PADA PERCOBAAN RESPONS-GANDA Bahriddin Abapihi 1) 1) Jurusan Matematika FMIPA, Universitas Haluoleo,
Lebih terperinciBab 4 ANALISIS FAKTOR TEORITIS DAN APLIKATIF
Bab 4 ANALISIS FAKTOR TEORITIS DAN APLIKATIF Analisis Multivariat untuk analisis identifikasi, prediksi, eksplorasi, deskripsi: 1. Principle Component Analysis (PCA) 2. Factor Analysis 3. Cluster Analysis
Lebih terperinciIV METODE PENELITIAN 4.1. Lokasi dan Waktu penelitian 4.2. Data dan Metode Pengambilan Sampel
IV METODE PENELITIAN 4.1. Lokasi dan Waktu penelitian Penelitian dilakukan terhadap pengunjung Daiji Raamen yang terletak di Jalan Pajajaran No. 7. Pemilihan lokasi penelitian dilakukan secara sengaja
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Banyak metode yang dapat digunakan untuk menganalisis data atau informasi pada suatu pengamatan. Salah satu metode statistik yang paling bermanfaat dan paling sering
Lebih terperinciANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN
ANALISIS KOMPONEN UTAMA PADA PENERAPAN APLIKASI PEMBELAJARAN METODE GLENN DOMAN Anik Rufaidah 1, Muhamad Afif Effindi 2 1 Program Studi Teknik Industri, 2 Program Studi Teknik Informatika Sekolah Tinggi
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Statistika Multivariat Analisis statistika multivariat adalah teknik-teknik analisis statistik yang memperlakukan sekelompok variabel terikat yang saling berkorelasi sebagai
Lebih terperinciAnalisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur
Analisis Cluster Average Linkage Berdasarkan Faktor-Faktor Kemiskinan di Provinsi Jawa Timur Qonitatin Nafisah, Novita Eka Chandra Jurusan Matematika Fakultas MIPA Universitas Islam Darul Ulum Lamongan
Lebih terperinciBAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN
BAB 2 PENGENALAN IRIS, PENENTUAN LOKASI IRIS, DAN PEMBUATAN VEKTOR MASUKAN Pengenalan suatu objek tentu saja tidak bisa dilakukan tanpa persiapan sama sekali. Ada beberapa proses yang perlu dilakukan sebelum
Lebih terperincig(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1
Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,
Lebih terperinciJl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon ABSTRACT
Jurnal Barekeng Vol. 6 No. 1 Hal. 31 40 (2012) ANALISIS REGRESI KOMPONEN UTAMA UNTUK MENGATASI MASALAH MULTIKOLINIERITAS DALAM ANALISIS REGRESI LINIER BERGANDA (Studi Kasus: Curah Hujan di Kota Ambon Tahun
Lebih terperinciBab II. Tinjauan Pustaka
Bab II Tinjauan Pustaka 2.1 Penelitian Terdahulu Principal Component Analysis (PCA) merupakan metode dalam statistika yang digunakan untuk mereduksi dimensi input dengan kehilangan informasi yang minimum,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga
Lebih terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciTINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??
TINJAUAN PUSTAKA Data Disagregat dan Agregat Berdasarkan cara pengumpulannya, data dapat dibedakan atas data internal dan data eksternal. Data internal berasal dari lingkungan sendiri sedangkan data eksternal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Komponen Utama adalah suatu prosedur untuk mereduksi dimensi data dengan cara mentransformasi variabel-variabel awal yang berkorelasi menjadi sekumpulan variabel
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Implementasi Biplot Kanonik dan Analisis Procrustes dengan Mathematica Biplot biasa dengan sistem perintah telah terintegrasi ke dalam beberapa program paket statistika seperti SAS,
Lebih terperinciBAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST. Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis
BAB III MINIMUM VOLUME ELLIPSOID PADA ANALISIS KOMPONEN UTAMA ROBUST Pada bab ini akan dikaji bahasan utama yaitu pencilan dan analisis komponen utama robust sebagai konsep pendukung serta metode Minimum
Lebih terperinciANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN I SUKASARI PURWAKARTA)
Prosiding Seminar Matematika dan Pendidikan Matematika ISBN: 978-60-61-0-9 hal 693-703 November 016 ANALISIS KORELASI KANONIK PERILAKU BELAJAR TERHADAP PRESTASI BELAJAR SISWA SMP (STUDI KASUS SISWA SMPN
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Bank adalah lembaga keuangan yang merupakan penggerak utama dalam pertumbuhan perekonomian masyarakat Indonesia. Sebagai lembaga Intermediasi, bank memiliki
Lebih terperinciKLASIFIKASI BUNGA EUPHORBIA BERDASARKAN KELOPAK DENGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA)
KLASIFIKASI BUNGA EUPHORBIA BERDASARKAN KELOPAK DENGAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) SKRIPSI Diajukan Untuk Memenuhi Sebagai Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program
Lebih terperinciANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT DI KOTAMADYA SIBOLGA
Saintia Matematika Vol. 1, No. 4 (2013), pp. 349 358. ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT DI KOTAMADYA SIBOLGA Henni Mulyani Siregar, Henry Rani Sitepu, Suwarno Ariswoyo
Lebih terperinciBAB I PENDAHULUAN. Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini
BAB I PENDAHULUAN 1.1 Latar belakang Beberapa penelitian sering sekali melibatkan banyak variabel. Hal ini bertujuan agar mendekati kebenaran kesimpulan yang diperoleh dari nilai taksiran sementara (hipotesis).
Lebih terperinciTINJAUAN PUSTAKA Analisis Biplot Biasa
TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 31 Metode Pemilihan Sampel Penelitian ini memiliki tujuan untuk menguji hubungan antara aktiva dan pasiva pada industri manufaktur Oleh karena itu sampel dari penelitian ini
Lebih terperinciTUGAS STATISTIK MULTIVARIATE. Disusun oleh: Lina Dianati Fathimahhayati 10/306097/PTK/6867
TUGAS STATISTIK MULTIVARIATE Disusun oleh: Lina Dianati Fathimahhayati 0/06097/PTK/6867 PROGRAM STUDI PASCASARJANA TEKNIK INDUSTRI JURUSAN TEKNIK MESIN DAN INDUSTRI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Dalam penelitian ini, kerangka berpikir diarahkan untuk mendapatkan konsep-konsep penelitian yang berkaitan dengan permasalahan yang ada sehingga dapat dijadikan
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik
3 II. TINJAUAN PUSTAKA 2.1 Analisis Korelasi Kanonik Menurut Gittins (1985) analisis korelasi kanonik adalah salah satu teknik analisis statistik yang digunakan untuk melihat hubungan antara segugus peubah
Lebih terperinciPENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PDRB SEKTOR INDUSTRI DI SWP GERBANGKERTASUSILA DAN MALANG-PASURUAN
PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PDRB SEKTOR INDUSTRI DI SWP GERBANGKERTASUSILA DAN MALANG-PASURUAN Irma Fatmawati 1, Dr. Ir. Setiawan, M.S. 2, dan Muhammad Sjahid Akbar, S.Si. M.Si.
Lebih terperinciANALISIS FAKTOR RESIKO PADA KEJADIAN BERAT BADAN BAYI LAHIR DI BAWAH NORMAL DI RSUP H. ADAM MALIK MEDAN
Saintia Matematika Vol. 1, No. 6 (2013), pp. 557 566. ANALISIS FAKTOR RESIKO PADA KEJADIAN BERAT BADAN BAYI LAHIR DI BAWAH NORMAL DI RSUP H. ADAM MALIK MEDAN Siti Andri Yanti, Agus Salim Harahap, Suwarno
Lebih terperinciBAB. IX ANALISIS REGRESI FAKTOR (REGRESSION FACTOR ANALYSIS)
BAB. IX ANALII REGREI FAKTOR (REGREION FACTOR ANALYI) 9. PENDAHULUAN Analisis regresi faktor pada dasarnya merupakan teknik analisis yang mengkombinasikan analisis faktor dengan analisis regresi linier
Lebih terperinciAnalisis Pengendalian Kualitas Multivariate Air Minum (Studi Kasus di PDAM Gresik)
J. Math. and Its Appl. ISSN: 19-65X Vol., No. 1, May. 5, 47 59 Analisis Pengendalian Kualitas Multivariate Air Minum (Studi Kasus di PDAM Gresik) Nuri Wahyuningsih, Dwi Pusdikarta Jurusan Matematika Institut
Lebih terperinciAnalisis Faktor Terhadap Resiko Kejadian Diare pada Anak Balita di Kota Ambon
Statistika, Vol. 15 No. 2, 59-64 November 2015 Analisis Faktor Terhadap Resiko Kejadian Diare pada Anak Balita di Kota Ambon Ferry Kondo Lembang 1, Yuanita Samangun 2 1,2Jurusan Matematika Fakultas MIPA
Lebih terperinciANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR. Gangga Anuraga ABSTRAK
ANALISIS BIPLOT UNTUK PEMETAAN KARAKTERISTIK KEMISKINAN PADA KABUPATEN/KOTA DI JAWA TIMUR Gangga Anuraga Dosen Program Studi Statistika MIPA Universitas PGRI Adi Buana Surabaya E-mail : ganuraga@gmail.com
Lebih terperinciPertemuan 3 & 4 INTERPRETASI GEOMETRI DAN GENERALISASI VARIANS. Interpretasi Geometri pada Sampel. Generalisasi varians
Pertemuan 3 & 4 INTERPRETASI GEOMETRI DAN GENERALISASI VARIANS Interpretasi Geometri pada Sampel Generalisasi varians , Interpretasi Geometri pada Sampel Sample Geometry and Random Sampling Data sampel
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciPENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR
PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR Inge Ratih Puspitasari, Hendro Permadi, dan Trianingsih Eni Lestari Universitas
Lebih terperinciBAB I PENDAHULUAN. Analisis statistik multivariat adalah metode statistik di mana masalah yang
BAB I PENDAHULUAN 1.1. LATAR BELAKANG MASALAH Analisis statistik multivariat adalah metode statistik di mana masalah yang diteliti bersifat multidimensional dengan menggunakan tiga atau lebih variabel
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan masalah yang sulit untuk diatasi. Salah satu sasaran pembangunan nasional adalah penurunan tingkat kemiskinan. Menurut Badan Pusat Statistik,
Lebih terperinciDidin Astriani P, Oki Dwipurwani, Dian Cahyawati (Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya)
(M.2) ANALISIS BIPLOT UNTUK MENGETAHUI KARAKTERISTIK PUTUS SEKOLAH PENDIDIKAN DASAR PADA MASYARAKAT MISKIN ANTAR WILAYAH KECAMATAN DI KABUPATEN OGAN ILIR Didin Astriani P, Oki Dwipurwani, Dian Cahyawati
Lebih terperinciAljabar Linier Elementer
Aljabar Linier Elementer Kuliah 15 dan 16 11/11/2014 1 Materi Kuliah Kebebasan Linier Basis dan Dimensi 11/11/2014 Yanita, Matematika Unand 2 5.3 Kebebasan Linier Definisi Jika S = v 1, v 2,, v r adalah
Lebih terperinci(α = 0.01). Jika D i > , maka x i atau pengamatan ke-i dianggap pencilan (i = 1, 2,..., 100). HASIL DAN PEMBAHASAN
4 karena adanya perbedaan satuan pengukuran antar peubah. 1.. Memastikan tidak adanya pencilan pada data dengan mengidentifikasi adanya pencilan pada data. Pengidentifikasian pencilan dilakukan dengan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kelompok besar individu yang mempunyai karakteristik umum yang sama atau kumpulan dari individu dengan kualitas serta ciri-ciri yang telah ditetapkan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis multivariat merupakan salah satu teknik statistik yang digunakan untuk memahami struktur data dalam dimensi tinggi. Variabel-variabel itu saling terkait satu
Lebih terperinciTINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis
TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola
Lebih terperinciPenggunaan Kernel Principal Component Analysis Fungsi Polinomial Dalam Menyelesaikan Masalah Pengelompokan Plot Peubah Ganda
Penggunaan Kernel Principal Component Analysis Fungsi Polinomial Dalam Menyelesaikan Masalah Pengelompokan Plot Peubah Ganda Sueharti Maatuil, Hanny A. H. Komalig, Charles Mongi 3 Program Studi Matematika,
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciPENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA
PENERAPAN METODE REGRESI GULUD DAN REGRESI KOMPONEN UTAMA DALAM MENGATASI PENYIMPANGAN MULTIKOLINEARITAS PADA ANALISIS REGRESI LINEAR BERGANDA Sri Siska Wirdaniyati 1), Edy Widodo ) 1) Mahasiswa Prodi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini, diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. Landasan teori yang dibahas adalah matriks, matriks data multivariat, analisis komponen
Lebih terperinci6. TRANSFORMASI LINIER
6. TRANSFORMASI LINIER 1. Definisi Transformasi Linier Jika F:V W adalah sebuah fungsi dari ruang vektor V ke dalam ruang vektor W, maka F disebut transformasi linier (pemetaan linier), jika: 1. F(u+v)
Lebih terperinciABSTRAK. KU 1 = -0,396 Ln PDB 0,818 Inflasi 0,413 tk suku bunga, dengan proporsi kumulatif varians terhadap total varians sebesar 77,69 %.
APLIKASI PRINCIPAL COMPONENT ANALYSIS (PCA) DALAM MENGATASI MULTIKOLINIERITAS UNTUK MENENTUKAN INVESTASI DI INDONESIA PERIODE 2001.1-2010.4 SOEMARTINI tine_soemartini@yahoo.com Jurusan Statistika FMIPA
Lebih terperinciMinggu VIII dan IX PERBANDINGAN MEAN DUA POPULASI NORMAL MULTIVARIAT
Minggu VIII dan IX PERBANDINGAN MEAN DUA POPULASI NORMAL MULTIVARIAT Herni Utami Universitas Gadjah Mada Misalkan X 1j = X 2j = X 1j1 X 1jp X 2j1 X 2jp adalah observasi ke-j dari sampel 1 adalah observasi
Lebih terperinciBAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN
BAB III ANALISIS KORELASI KANONIK ROBUST DENGAN METODE MINIMUM COVARIANCE DETERMINAN 3.1 Deteksi Pencilan Multivariat Pengidentifikasian pencilan pada kasus multivariat tidaklah mudah untuk dilakukan,
Lebih terperinciAnalisis Faktor dan Pengelompokan Kecamatan berdasarkan Indikator Mutu Pendidikan Jenjang Pendidikan Dasar di Kabupaten Sidoarjo
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) D-236 Analisis Faktor dan Pengelompokan Kecamatan berdasarkan Indikator Mutu Pendidikan Jenjang Pendidikan Dasar di Kabupaten
Lebih terperinciPEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR)
PEMODELAN STATISTICAL DOWNSCALING LUARAN GCM DENGAN METODE PRINCIPAL COMPONENT REGRESSION (PCR) DAN PROJECTION PURSUIT REGRESSION (PPR) 1 Meika Anitawati, 2 Sutikno 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciTransformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan
Transformasi Biplot Simetri Pada Pemetaan Karakteristik Kemiskinan Desy Komalasari Fakultas MIPA, Universitas Mataram e-mail: Desi_its@yahoo.com Mustika Hadijati Fakultas MIPA, Universitas Mataram e-mail:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini menjelaskan landasan teori dari metode yang digunakan dalam proses pengenalan wajah, yaitu terdiri atas: metode Eigenface, dan metode Jarak Euclidean. Metode Eigenface digunakan
Lebih terperinciPertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:
Dimensi dari Suatu Ruang Vektor Jika suatu ruang vektor V memiliki suatu himpunan S yang merentang V, maka ukuran dari sembarang himpunan di V yang bebas linier tidak akan melebihi ukuran dari S. Teorema
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2.
SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 3 Minggu Ke Pokok Bahasan dan TIU Sub Pokok Bahasan Sasaran Belajar Cara Pengajaran Media Tugas Referens i 1
Lebih terperinciGEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 717-726 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS
Lebih terperinciAnalisis Peubah Ganda
Analisis Peubah Ganda Analisis Komponen Utama Dr. Ir. I Made Sumertajaya, M.Si Pengamatan Peubah Ganda - memerlukan sumberdaya lebih, dalam analisis - informasi tumpang tindih pada beberapa peubah Apa
Lebih terperinciBAB 1 PENDAHULUAN. Pengelolaan sumber daya manusia bagi setiap perusahaan merupakan keharusan
1 BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Pengelolaan sumber daya manusia bagi setiap perusahaan merupakan keharusan yang sangat strategis untuk dilakukan, sebab dengan pengelolaan sumber daya manusia secara
Lebih terperinciBAB III PEMBAHASAN. Analisis cluster merupakan analisis yang bertujuan untuk. mengelompokkan objek-objek pengamatan berdasarkan karakteristik yang
BAB III PEMBAHASAN Analisis cluster merupakan analisis yang bertujuan untuk mengelompokkan objek-objek pengamatan berdasarkan karakteristik yang dimiliki. Asumsi-asumsi dalam analisis cluster yaitu sampel
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciPENGOLAHAN SINYAL MULTIMEDIA
MAKALAH PENGOLAHAN SINYAL MULTIMEDIA Eigenvector Analysis, Principal Component Analysis and Independent Component Analysis OLEH: PUTU NOPA GUNAWAN D411 10 009 Jurusan Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciPENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN
PENGENALAN POLA BENTUK BUNGA MENGGUNAKAN PRINCIPLE COMPONENT ANALYSIS DAN K-NN Herfina 1) 1) Program Studi Ilmu Komputer, FMIPA Universitas Pakuan Jl. Pakuan PO BOX 452, Ciheuleut Bogora email : herfinario@yahoo.com
Lebih terperinciKNM XVI 3-6 Juli 2012 UNPAD, Jatinangor
KNM VI - Juli 0 UNPAD, Jatinangor PERBANDINGAN REGRESI BERTATAR (STEPWISE REGRESSION) DAN REGRESI KOMPONEN UTAMA (RKU) DALAM MENGATASI MULTIKOLINIERITAS PADA MODEL REGRESI LINIER BERGANDA MADE SUSILAWATI,
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)
GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata Kuliah : Statistik Bobot Mata Kuliah : 3 Sks Deskripsi Mata Kuliah : Pengertian dasar statistik, pengolahan dan penyajian data, ukuran dan lokasi (central
Lebih terperinci