4.1.5 Principal Component Analysis
Principal Component Analysis merupakan salah satu teknik multivariate
statistik yang terkenal dan banyak digunakan dalam berbagai disiplin ilmu. Dalam penelitian ini, analisis komponen utama dilakukan terhadap tabel data yang berisi
parameter-parameter fisis sedimen dan parameter akustik untuk melihat keterkaitan antar parameter. Parameter fisis sedimen yang digunakan dalam
analisis ini meliputi densitas, porositas, komposisi sedimen pasir, lanau, liat, koefisien refleksi R, dan bottom loss BL. Untuk parameter akustik meliputi SV,
SS , dan EL.
Salah satu fase terpenting untuk dapat menginterpretasi hasil yang diperoleh adalah menentukan jumlah sumbu yang digunakan. Dalam analisa
komponen utama ini digunakan 2 sumbu faktor yaitu sumbu faktor 1 F1 dan sumbu faktor 2 F2. Kedua sumbu faktor ini menggambarkan variabel-variabel
baru yang menjelaskan komponen utama. Hasil penjumlahan kedua faktor ini sebesar 78.73 menggambarkan keragaman data yang ada di lokasi penelitian
Gambar 48.
Gambar 48 PCA untuk parameter fisis sedimen dan parameter akustik. pada sumbu faktor F1 dan F2.
Keterkaitan antara satu parameter dengan parameter lainnya juga dapat dilihat dari besarnya sudut yang terbentuk antara kedua parameter terkait. Makin
kecil sudut yang terbentuk, maka kedua parameter itu akan semakin kuat keterkaitannya. Berdasarkan Gambar 48 terlihat bahwa parameter SS dan SV
memiliki keterkaitan kuat dengan koefisien refleksi R dimana untuk material dengan nilai R yang besar, maka nilai SS dan SV nya juga akan semakin besar.
Parameter lanau terkait erat dengan BL, dimana lanau memiliki nilai BL yang besar. Parameter liat terkait erat dengan parameter densitas.
Nilai koordinat variabel untuk setiap sumbu menunjukkan besarnya korelasi antara variabel dan sumbu yang bersangkutan Tabel 11.
Tabel 11 Nilai koordinat variabel untuk setiap sumbu faktor
Variable Factor coordinates of the variables, based on correlations
Faktor Faktor
Faktor Faktor
Faktor Faktor
Faktor Faktor
1 2
3 4
5 6
7 8
Pasir -0.991
0.076 -0.094
0.042 -0.010
0.002 -0.026
0.000 Lanau
0.722 -0.566
0.356 0.119
0.132 -0.009
0.018 0.000
Liat 0.697
0.595 -0.298
-0.219 -0.151
0.009 0.019
0.000 Densitas
0.827 0.426
0.235 -0.189
0.101 -0.183
-0.012 0.000
Porositas -0.867
-0.292 -0.236
0.250 -0.118
-0.175 0.013
0.000 R
-0.731 0.081
0.654 -0.164
-0.066 -0.003
0.004 0.002
BL 0.726
-0.068 -0.661
0.165 0.065
-0.004 -0.006
0.002 SV
-0.923 0.245
-0.220 -0.122
0.154 0.000
0.012 0.000
SS -0.924
0.244 -0.221
-0.122 0.152
-0.001 0.013
0.000 EL
0.032 0.776
0.292 0.557
0.029 0.022
0.004 0.000
Kedekatan variabel terhadap sumbu faktor menunjukkan tingkat korelasi yang terjadi. Makin dekat suatu variabel terhadap sumbu, maka tingkat korelasinya
akan semakin besar. Nampak bahwa parameter-parameter seperti Pasir, R, SV, SS dan BL memiliki korelasi yang lebih besar terhadap sumbu faktor 1 dibandingkan
dengan parameter lainnya. Hasil yang diperoleh, mengindikasikan koefisien dari setiap variabel dalam persamaan linear sumbu. Komponen sumbu faktor 1 sama
dengan -0.991pasir + 0.722lanau + 0.697liat + 0.827densitas - 0.867porositas - 0.731R + 0.726BL - 0.923SV - 0.924SS + 0.032EL. Komponen sumbu faktor 2
sama dengan 0.076pasir - 0.566lanau + 0.595liat + 0.426densitas - 0.292porositas + 0.081R – 0.068BL + 0.245SV + 0.244SS + 0.776EL.
Selanjutnya berdasarkan penyebaran stasiun pengamatan pada sumbu faktor F1 dan F2 Gambar 49, maka dihasilkan 3 kelompok sebagai berikut :
a. Kelompok 1, yang meliputi stasiun 1, 2, 6, 7, dan 9, merupakan kelompok yang memiliki kandungan fraksi pasir lebih banyak dibanding kelompok lainnya, serta
memiliki nilai acoustic backscattering strength yang lebih besar. Juga ditandai oleh nilai koefisien refleksi yang lebih besar dibandingkan kelompok lainnya.
b. Kelompok 2, yang meliputi stasiun 3, 4, dan 8, merupakan kelompok yang memiliki kandungan fraksi lanau lebih banyak dibanding kelompok lainnya, serta
memiliki nilai bottom loss yang lebih besar. c. Kelompok 3, yaitu stasiun 5 yang memiliki kandungan fraksi liat terbesar di
antara 9 stasiun pengamatan, serta memiliki nilai densitas yang lebih besar dibanding stasiun pengamatan lainnya.
Gambar 49 Sebaran stasiun pengamatan pada sumbu faktor F1 dan F2.
4.1.6 Cluster Analysis
Analisis kelompok adalah analisis statistika yang pada prinsipnya bertujuan untuk menyederhanakan data, yaitu mengelompokkan data sedemikian
hingga data yang berada dalam kelompok yang sama mempunyai sifat yang relatif
homogen daripada data yang berada dalam kelompok yang berbeda, dan selanjutnya menyajikannya dalam bentuk grafik.
Konsep kesamaan merupakan hal yang fundamental dalam analisis kelompok. Dalam penelitian ini, untuk menyatakan suatu data menpunyai sifat
yang lebih dekat dengan data tertentu daripada dengan data yang lain memiliki kesamaan digunakan fungsi yang disebut jarak distance. Jarak yang pendek
antara data menunjukkan banyaknya kesamaan. Beberapa macam jarak yang biasa dipakai dalam analisis kelompok antara lain Euclidean, Manhattan,
Pearson . Penentuan jarak antar kelompok menggunakan beberapa metode antara
lain single linkage, complete linkage, average linkage, dan median linkage. Dalam penelitian ini digunakan average linkage.
Grafik dendogram dari stasiun pengamatan berdasarkan parameter yang diukur dan dihitung dalam penelitian ini disajikan pada Gambar 50 dan 51.
Gambar 50 memperlihatkan pengelompokan stasiun pengamatan berdasarkan data parameter fisis sedimen yang menunjukkan kedekatan antar tipe substrat di lokasi
penelitian, yaitu kelompok pasir, pasir berlanau, dan pasir berliat. Nampak bahwa substrat pasir membentuk kelompok tersendiri, ditandai oleh stasiun 1 dan 2 yang
memiliki tingkat kesamaan yang terbesar diikuti oleh stasiun 7 dan 9, serta stasiun 1 dan 6. Kemudian substrat pasir berlanau juga membentuk kelompok tersendiri
beranggotakan stasiun 3 dan 4. Gambar 51 menggambarkan pengelompokan stasiun pengamatan berdasarkan parameter akustik yang diperoleh. Terlihat bahwa
stasiun 1 membentuk kelompok dengan stasiun 2, stasiun 7 dengan stasiun 9, stasiun 6 dengan stasiun 1, serta stasiun 3 dengan stasiun 4. Secara keseluruhan
hasil analisis kelompok berdasarkan parameter fisis sedimen dan parameter akustik menunjukkan pola yang serupa, dimana tiap-tiap tipe substrat membentuk
kelompok tersendiri. Solusi analisis kluster bersifat tidak unik, anggota kluster untuk tiap
penyelesaiansolusi tergantung pada beberapa elemen prosedur dan beberapa solusi yang berbeda dapat diperoleh dengan mengubah satu elemen atau lebih.
Solusi kluster secara keseluruhan bergantung pada variabel-variabel yang digunakan sebagai dasar untuk menilai kesamaan. Penambahan atau pengurangan
Kategori