Kenapa Data Harus Distandarisasi Sebelum PCA?

Standarisasi bukan sekadar langkah pembersihan sebelum PCA. Ada konsekuensi matematis yang langsung terasa saat matriks kovarian dihitung. Kalau data sudah distandarisasi lebih dulu, nilai yang keluar dari fungsi matriks kovarian akan berperilaku seperti nilai matriks korelasi, yaitu berada di rentang -1 sampai 1. Skalanya jelas dan angkanya bisa langsung dibandingkan antar pasangan variabel. Sebaliknya, kalau data belum distandarisasi, skalanya mengikuti satuan asli masing-masing variabel. Angkanya jadi tidak setara, hasilnya bukan matriks korelasi, dan interpretasi kekuatan hubungan antar variabel tidak bisa dilakukan dengan cara yang sama. Ini juga alasan kenapa variabel dengan satuan besar bisa mendominasi hasil PCA kalau standarisasi dilewati. Expert: Rony Sandra Yofa Zebua. Materi ini bagian dari kelas "Belajar R Studio dan R untuk Data Analisis dan PCA" di Taalenta. Cek jadwal batch berikutnya, akses rekaman lengkapnya, atau ajukan kelas privat untuk tim atau perusahaan: https://taalenta.id/rsr/ #PCA #RStudio #AnalisisData #Statistika #Taalenta

Kemudian, nah ini yang perlu kita perhatikan. Data yang digunakan adalah data yang distandarisasikan ya, yang setelah distandarkan, standarisasikan sehingga ketika menggunakan ya ini untuk matriks kovarians-nya ya, nilai yang dihasilkan adalah seperti nilai matriks korelasi yaitu antara -1 sampai 1. Skalanya sudah jelas ya. Kalau belum diskalkan belum distandarisasikan, skalanya kan enggak jelas sehingga dia tidak bisa menjadi seperti matriks korelasi. Nah, nah inilah cara kita melakukan matriks kovarian. [musik]