CERITA 2: Analisis Komponen Utama (AKU) dalam Penentuan Pemberat

Credit: Google

Pelbagai kaedah statistik telah dibina dalam usaha untuk memilih kaedah penentuan pemberat yang sesuai. Salah satunya adalah menggunakan kaedah analisis komponen utama (AKU), atau dalam Bahasa Inggeris, Principal Component Analysis (PCA). Kaedah ini menentukan faktor pembeban bagi setiap subkomponen berdasarkan sama ada sesuatu sub-komponen itu berkongsi faktor yang sama dengan sub-komponen yang lain dalam data. 

AKU mengumpulkan beberapa sub-komponen dan komponen yang kolinear antara satu sama lain bagi membentuk indeks komposit yang menerangkan sebanyak mungkin maklumat sepunya dalam setiap komponen. Setiap komponen mesti mempunyai unit pengukuran yang sama. 

Idea dalam AKU adalah untuk mendapat variasi sebanyak mungkin dalam set sub-komponen atau komponen menggunakan bilangan faktor yang sekecil mungkin. Sehubungan itu, komposit tidak lagi bergantung pada komponen data tetapi lebih kepada komponen statistik dalam data.    Berdasarkan kaedah AKU, pemberat digunakan untuk membetulkan maklumat yang bertindih antara dua atau lebih komponen yang berkorelasi dan bukannya mengukur kepentingan relatif gabungan komponen. Jika tiada korelasi antara komponen, maka pemberat tidak dapat ditentukan menggunakan kaedah ini (Nardo et al 2005). 

Langkah-langkah penggunaan AKU dalam menentukan pemberat:

• Langkah 1: Menyemak struktur korelasi dalam data. Jika korelasi antara komponen/sub-komponen lemah, adalah besar kemungkinan bahawa mereka tidak berkongsi faktor yang sama.
• Langkah 2: Mengenal pasti sebilangan faktor yang tersembunyi yang menerangkan data. Setiap faktor bergantung kepada senarai pekali (pembeban), setiap pekali mengukur korelasi antara komponen individu dan faktor terpendam. 
• Langkah 3: Putaran faktor merupakan satu konsep penting dalam analisis faktor. Khususnya, paksi rujukan diputar menurut pusingan jam berasaskan titik asal sehingga tercapai satu kedudukan tertentu. Di bawah putaran orthogonal, kaedah yang digunakan adalah putaran varimax bagi meminimumkan bilangan subkomponen/komponen individu yang mempunyai bebanan yang tinggi ke atas faktor yang sama. Langkah dalam putaran faktor ini adalah bagi mendapatkan struktur faktor yang lebih mudah. 
• Langkah 4: Mendapatkan pemberat berdasarkan matriks oleh faktor pembeban selepas putaran, diberi bahawa kuasa dua faktor pembeban menerangkan kadar jumlah keseluruhan varians dalam komponen yang diterangkan oleh setiap faktor. 
• Langkah 5: Memberikan pemberat kepada setiap satu subkomponen/komponen dengan kadar varians yang diterangkan oleh data. Dalam kajian ini, kaedah yang digunakan untuk mengeluarkan komponen utama adalah kaedah komponen utama. Kaedah komponen utama merupakan kaedah yang paling kerap digunakan dalam kajian empirikal mungkin kerana kaedah komputasi yang mudah (Rahmat et al. 2003; McGillivray 2005) 

syazwani.spss@gmail.com