PENGGUNAAN METODE ANALISIS KOMPONEN UTAMA UNTUK MEREDUKSI FAKTOR-FAKTOR INFLASI DI KOTA AMBON

  • Marlon S. Noya van Delsen Jurusan Matematika FMIPA Universitas Pattimura
  • Abraham Z. Wattimena Jurusan Matematika FMIPA Universitas Pattimura
  • Susantri Saputri Jurusan Matematika FMIPA Universitas Pattimura
Keywords: Analisis Komponen Utama (AKU), Inflasi

Abstract

Principal Component Analysis (PCA) merupakan suatu teknik statistik untuk mengubah dari sebagian besar variabel asli yang digunakan dan saling berkorelasi satu dengan yang lainnya, menjadi satu set variabel baru yang lebih kecil dan saling bebas (tidak berkorelasi lagi). Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi inflasi di Kota Ambon dengan mernggunakan analisis komponen utama. Variabel yang digunakan dalam penelitian ini ada 10 variabel, yaitu Bahan makanan (ð‘‹1), Makanana jadi, minuman, tembakau, rokok (ð‘‹2), Perumahan, air, listrik, gas, bahan bakar (ð‘‹3), Sandang (X4), Kesehatan (ð‘‹5), Pendidikan, rekreasi, olahraga (ð‘‹6), Transportasi, komunikasi, dan jasa keuangan (ð‘‹7), Nilai Tukar (ð‘‹8), Ekspor (ð‘‹9) dan Impor (ð‘‹10). Berdasarkan hasil penelitian terlihat dari 10 (sepuluh) variabel, yang terbentuk menjadi satu faktor utama yang mempengaruhi Inflasi di Kota Ambon, yaitu faktor Kebutuhan Ekonomi dengan total varian (comulative percent of variance) sebesar 77, 778%.

Downloads

Download data is not yet available.

References

[1] R. Maggi & S. D. Birgitta, “Faktor-faktor yang Mempengaruhi Inflasi di Indonesia: Model Demand Pull Inflation,” 2013.
[2] G. M. Hendro, T. B. Adji, N. A. Setiawan, “Penggunaan Metodologi Analisa Komponen Utama (PCA) untuk Mereduksi Faktor-faktor yang Mempengaruhi Penyakit Jantung.,” 2012.
[3] Johnson & Wichern, “Applied Multivariate Statistical Analysis,” no. Edisi keenam, 2007.
[4] L. Isriyah, E. Poerbaningtyas, “Perbandingan Reduksi Data menggunakan Transformasi Cosinus Diskrit dan Analisa Komponen Utama,” 2011.
[5] Irwan & Hasriani, “Perbandingan Regresi Ridge dan Principal Component Analysis dalam mengatasi Multikoliniaritas,” 2016.
Gourlay dan Watson, Camputational Methods for Matrix Eigenproblems, 1973.
[6] J. F. Hair, R. E. Anderson, R. I. Tatham., & W. C. Black, “Multivariate Data Analysis With Readings,” no. Edisi ke-4., 1995.
[7] R. Susetyoko & E. Purwantini, "Teknik Reduksi Dimensi Menggunakan Komponen Utama Data Partisi Pada Pengklasifikasian Data Berdimensi Tinggi dengan Ukuran Sampel Kecil".
[8] I. T. Jolliffe, “Principal Component Analysis,” vol. Edisi kedua, 2002.
[9] M. A. Supranto, "Analisis Multivariat (Arti & Interpretasi)", Jakarta : Rineka Cipta., 2004.
[10] H. F. Kaiser, "The application of electronic computers to factor analysis. Educational and Psychological Measurement", 20, 141-151, 1960.
[11] S. Santoso, "SPSS Statistik Multivariat", Jakarta: PT. Elex Media Kompitundo, 2002.
[12] B. P. S. R. Indonesia, “www. BPS.go.id,” Badan Pusat Statistik, 2010-2013. [Online].
Published
2017-12-01
How to Cite
[1]
M. Noya van Delsen, A. Wattimena, and S. Saputri, “PENGGUNAAN METODE ANALISIS KOMPONEN UTAMA UNTUK MEREDUKSI FAKTOR-FAKTOR INFLASI DI KOTA AMBON”, BAREKENG: J. Math. & App., vol. 11, no. 2, pp. 109-118, Dec. 2017.

Most read articles by the same author(s)