Telah dimuat pada Jurnal Penelitian Sains UNSRI Vol.17, No.2, Mei 2015
Dewi Rachmatin
Departemen Pendidikan Matematika FPMIPA UPI
dewirachmatin@upi.edu
Intisari : Sebuah metode baru untuk mereduksi ruang berdimensi tinggi yang dikembangkan dari metode PCA yaitu Weighted Principal Component Analysis (WPCA) diperkenalkan oleh J.F. Pinto da Costa, H. Alonso dan L. Roque (2011). Oleh karena pada metode PCA, koefisien korelasi Pearson sangat sensitif dengan kehadiran gangguan dan pencilan, maka pada metode WPCA ini digunakan koefisien korelasi baru yang melibatkan rank dari setiap pengamatan untuk setiap variabel. Untuk memberikan gambaran tentang metode WPCA ini, Pada artikel ini program untuk WPCA dibuat dengan software S-PLUS 2000 diterapkan pada data bayi (Damayanti,2008) serta data catatan waktu pelari (Johnson, 2007), dan hasilnya dibandingkan dengan hasil metode PCA klasik.
Kata Kunci : Rank, Koefisien Korelasi, PCA dan WPCA.