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