Overview Data Pengklasifikasian Data Pembuatan Model Regresi
14
Melalui metode ini, variabel data tersebut akan diseleksi sedemikian rupa sehingga membuang data yang tidak penting dan menghasilkan sejumlah data yang paling informatif dan berpengaruh terhadap
parameter yang diamati Umetrics AB, 2006. Beberapa hal yang termasuk ke dalam analisis mu ltivariat adalah merangku m dan
memv isualisasikan serangkaian data, mengklasifikasikan data ke dalam kelo mpok tertent u, seerta menentukan hubungan kuantitatif antara variabel. Hal ini dapat dilakukan pada berbagai macam
model data multivariat, mu lai dari banyak sedikitnya variabel, banyak sedikitnya variabel, hingga lengkap tidaknya data yang diperoleh Umetrics AB, 2006.
Pada umu mnya, analisi multivariat terdiri atas multiple linear regression MLR, linear discriminant analysis
LDA, canonical correlation CC, factor analysis FA, dan principle component analysis
PCAUmetrics AB, 2006. Dalam beberapa kasus, seringkali analisis mu ltivariat diistilahkan dengan analisis megavariat.
Bedanya, analisis megavariat digunakan pada data yang memiliki variabel laten untuk menghasilkan data mult ivariat. Oleh sebab itu, analaisis megavariat dapat diterapkan pada data yang tidak lengkap.
Sebagai contoh adalah data yang diterapkan pada proses teknologi terapan yang memiliki beberapa variabel laten yang tidak nampak Grainger, 2003.
Dalam aplikasi keseharian, analisis mult ivariat ini banyak digunakan pada Quality Control QC, pemonitoran proses produksi, maupun di sektor-sektor industri meliputi kimia, petrokimia,
polimer, plastik, serat, logam dan material, teleko mun ikasi, automobil, semikondukt or, hingga makanan dan minu man Umetrics AB, 2006.
Dalam analisis mult ivariat, d ikenal dua istilah penting yakni observasi N dan variabel K. Observasi seringkali disebut sebagai objek, sampel, ataupun benda yang diamati. Sedangkan variabel
adalah properti yang diamati pada observasiUmetrics AB, 2006. Dalam bidang kimia, dikenal is tilah pengenalan pola pattern recogniton. Istilah ini
sebenarnya merupakan sinonim dari analisis mult ivariat yang menekankan proses yang dilaku kan untuk menemukan pola data dari satu atau beberapa tahap observasi Wold et al., 1984. Po la in i lah
yang nantinya akan menyediakan in formasi mengenai hubungan antara observasi dalam satu kelas, mana yang dekat dan mana yang jauh , serta mana observasi yang tidak serupa dan merupakan
pencilan. Melalu i metode ini juga dapat diperoleh informasi antara satu variabe l dengan variabel yang lain.
Jika ditemukan observasi yang memiliki pola yang berbeda, obseravasi tersebut akan dimasukan ke dalam kelas lain bersama dengan observasi lain yang mirip. Dengan demikian, terdapat
tiga langkah utama dalam analisis mult ivariat, yakni: 1 perangku man dan penamp ilan data secara keseluruhan pada satu tabel, 2 pengklasifikasian beberapa kelo mpok observasi, dan 3 pembuatan
model regresi antara dua blo k data X dan YUmetrics AB, 2006.