18 dan alas kaki, sektor makanan kacang-kacangan lainnya, sektor restoran dan
sektor bangunan dan konstruksi.
2.6. Analisis Komponen Utama PCA
Analisis komponen utama merupakan teknik statistik yang dapat digunakan untuk menjelaskan struktur variansi-kovariansi dari sekumpulan
variabel melalui beberapa variabel baru dimana variabel baru ini saling bebas, dan merupakan kombinasi linier dari variabel asal. Selanjutnya variabel baru ini
dinamakan komponen utama principal component. Secara umum tujuan dari analisis komponen utama adalah mereduksi
dimensi data dan untuk kebutuhan interpretasi. Secara teknis, analisis komponen utama merupakan suatu teknik mereduksi data multivariat yang berfungsi
mencari dan untuk mengubah mentranformasi suatu matriks data awalasli menjadi suatu set kombinasi linier yang lebih sedikit akan tetapi menyerap
sebagian besar jumlah varian dari data awal Supranto, 2004. Pendekatan mengenai berapa banyak faktorkomponen dilihat dari nilai
eigen eigen value, titik dimana besaran nilai eigen turun drastis dari nilai besar ke kecil dianggap sebagai suatu petunjuk banyaknya faktor atau komponen yang
digunakan dalam analisis Johnson dan Wichern, 1998. Hal mana nilai eigen ini sangat penting untuk mengukur kriteria penetuan jumlah komponen
sebagaimana Gasser dan Roussson 2004, yaitu untuk mengukur persentase dari varian dengan menemukan suatu vektor komponen utama yang didefinisikan
dengan faktor loading suatu matriks p dimana p adalah variabel yang dijadikan kasus.
Agus Sunarto 2007, menggunakan Analisis PCA untuk mengetahui keterkaitan pola anggaran dengan kinerja pembangunan di wilayah Jawa Bagian
Barat dilakukan penyederhanaan variabel-variabel belanja bidang perkapita menjadi 2 faktor dari 22 variabel anggaran belanja yaitu faktor utama I
merupakan belanja administrasi dan produksi, dan faktor utama II merupakan belanja penanaman modal. Sedangkan Prasetyo et al. 2008 dengan
menggunakan data NTB seluruh Propinsi di Indonesia diperoleh empat
19 komponen utama dari sembilan variabel NTB dan diperoleh nilai penduga
koefisien standar error paling kecil adalah metode komponen utama pada regresi komponen utama daripada metode kuadrat terkecil pada regresi linier berganda,
hal ini menunjukkan bahwa analisis komponen utama lebih tepat dan dipercaya reliable terhadap variabel bebas daripada metode kuadrat terkecil.
2.7. Sumber Pendapatan Daerah