Analisis Komponen Utama HASIL DAN PEMBAHASAN

5.2 Analisis Komponen Utama

Analisis komponen utama atau Principal Component Analysis PCA merupakan suatu teknik analisis statistik untuk mentransformasi peubah-peubah asli yang masih saling berkorelasi satu dengan yang lain menjadi satu set peubah baru yang tidak berkorelasi lagi. Peubah-peubah baru itu disebut sebagai komponen utama Johnson dan Wichern 1982 diacu dalam Sekolah Tinggi Ilmu Statistik 2006. Berdasarkan analisis komponen utama menggunakan software SPSS 19 didapatkan 6 komponen utama. Dari keenam komponen utama tersebut digunakan 3 komponen utama yang dianggap mampu menerangkan keragaman total data dengan persentasi total sebesar 77,98 dan nilai total akar ciri telah melebihi angka 1. Menurut Timm 1975 diacu dalam Sekolah Tinggi Ilmu Statistik 2006 proporsi keragaman yang dianggap cukup mewakili total keragaman data jika keragaman kumulatif mencapai 70-80, sedangkan menurut Wuensch 2005 pemilihan komponen utama yang digunakan adalah jika nilai akar cirinya lebih dari 1. Nilai dari total akar ciri yang dimiliki oleh kedua komponen tersebut digunakan sebagai bobot dalam pemetaan kesesuian habitat R. zollingeriana. Keragaman total komponen utama dijelaskan pada Tabel 11. Tabel 11 Keragaman total komponen utama Komponen utama Akar Ciri Total keragaman kumulatif keragaman 1 2,025 33.747 33.747 2 1,635 27.248 60.995 3 1,019 16.991 77.986 4 0,836 13.941 91.927 5 0,355 5.916 97.843 6 0,129 2.157 100.000 Keeratan hubungan antara keenam variabel habitat kesesuaian R. zollingeriana dengan komponen utama dapat dilihat dari vektor ciri dari PCA yang disajikan dalam Tabel 12. Tabel 12 Vektor ciri dari PCA Variabel Komponen Utama 1 2 3 Jarak dari sungai 0,443 -0,386 0,787 NDVI 0,775 0,469 0,259 Ketinggian -0,324 0,729 -0,004 Kemiringan Lereng -0,728 0,362 0,420 Kelompok Tanah 0,008 0,670 0,236 Curah Hujan 0,770 0,392 -0,319 Bobot masing-masing variabel untuk mendapatkan model kesesuian habitat R. zollingeriana diperoleh dari nilai vektor ciri PCA masing-masing variabel yang mempunyai nilai positif tertinggi terhadap komponen utama yang dihasilkan. Hasil di atas menunjukan bahwa variabel NVDI dan curah hujan mempunyai hubungan positif yang tinggi terhadap komponen utama pertama. Sedangkan variabel ketinggian dan kelompok tanah mempunyai hubungan positif yang tinggi terhadap komponen kedua. Dan terakhir variabel nilai Jarak dari sungai dan kemiringan lereng mempunyai hubungan positif yang tinggi terhadap komponen utama ketiga. Dengan demikian besarnya bobot masing-masing variabel sajikan dalam Tabel 13. Tabel 13 Bobot masing-masing Variabel No. Variabel Nilai bobot 1 Curah hujan 2,025 2 NDVI 2,025 3 Ketinggian 1,635 4 Kelompok tanah 1,635 5 Jarak dari sungai 1,019 6 Kemiringan lereng 1,019

5.3 Kesesuaian Habitat Rafflesia zollingeriana Kds