PENDAHULUAN

LATAR BELAKANG

Kikil sapi atau kulit hewan adalah salah satu bahan baku utama dalam industri kulit, dan kualitas kikil sapi memainkan peran krusial dalam menentukan hasil akhir produk kulit. Kualitas kikil sapi tidak hanya mempengaruhi keberhasilan proses produksi, tetapi juga dapat memengaruhi daya tahan, estetika, dan nilai ekonomis produk kulit yang dihasilkan.

Dalam upaya untuk memahami faktor-faktor yang berkontribusi terhadap kualitas kikil sapi, analisis statistik seperti Principal Component Analysis (PCA) dapat digunakan. PCA merupakan metode reduksi dimensi yang memungkinkan identifikasi pola kompleks dalam dataset dengan mereduksi variabilitas yang ada menjadi sejumlah komponen utama. Dengan menerapkan PCA pada data yang terkait dengan kikil sapi, kita dapat mengidentifikasi faktor-faktor utama yang mempengaruhi kualitasnya.

TUJUAN PENELITIAN

Penelitian ini bertujuan untuk menjelajahi hubungan antara berbagai variabel yang berkaitan dengan kikil sapi dan mengidentifikasi faktor-faktor utama yang berkontribusi pada kualitasnya. PCA akan digunakan sebagai alat analisis utama untuk memproyeksikan variabilitas data ke dalam ruang dimensi yang lebih rendah, sehingga memudahkan interpretasi dan pemahaman terhadap faktor-faktor yang paling signifikan.

SOURCE CODE

LIBRARY

library(openxlsx)
## Warning: package 'openxlsx' was built under R version 4.2.3
library(rmarkdown)
## Warning: package 'rmarkdown' was built under R version 4.2.3

DATA

Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari Jurnal Fakultas Teknik, Universitas Suryakancana. Variabel penelitian meliputi :

X1 : Volume air perendaman 1 (Liter)

X2 : Jumlah kapur (Liter)

X3 : Volume air perendaman 2 (Liter)

X4 : Temperatur air pemasakan (℃)

X5 : Volume air perendaman 3 (Liter)

library(readxl)
## Warning: package 'readxl' was built under R version 4.2.3
data_pca<-read_excel("C:/Users/asus/Downloads/Data_UTP.xlsx")
## Warning in strptime(x, format, tz = tz): unable to identify current timezone 'W':
## please set environment variable 'TZ'
data_pca
## # A tibble: 25 × 5
##       X1    X2    X3    X4    X5
##    <dbl> <dbl> <dbl> <dbl> <dbl>
##  1  446.  6.22  482.  95.2  842.
##  2  450.  6.22  475.  96.2  839.
##  3  446.  6.1   488.  95.2  839.
##  4  443.  6.05  486.  95.2  837 
##  5  450.  6.1   488.  95.2  837 
##  6  441.  6.1   482.  95    842.
##  7  453.  6.1   484.  96.2  842.
##  8  438.  6.1   488.  96.5  842.
##  9  446.  6.05  484.  98.2  837 
## 10  433.  5.99  484.  96.2  835.
## # ℹ 15 more rows

ANALISIS DAN PEMBAHASAN

Komponen

#komponen
data_pca=scale(data_pca)
pr.out=prcomp(x=data_pca, 
              center =T)
summary(pr.out)
## Importance of components:
##                           PC1    PC2    PC3    PC4    PC5
## Standard deviation     1.2973 1.0350 0.9138 0.8827 0.7947
## Proportion of Variance 0.3366 0.2142 0.1670 0.1558 0.1263
## Cumulative Proportion  0.3366 0.5508 0.7178 0.8737 1.0000

Banyaknya komponen utama yang dapat diambil sebanyak 4 komponen utama. Hal ini karena 4 komponen utama telah menangkap minimal 80% varians data

Scree plot

#scree plot
data_pca_cov=cov(data_pca)
data_pca_eigen=eigen(data_pca_cov)
scree_data=data.frame(eigen_val=eigen(data_pca_cov)$values, PC=1:5)
scree_data
##   eigen_val PC
## 1 1.6831021  1
## 2 1.0711294  2
## 3 0.8350174  3
## 4 0.7791462  4
## 5 0.6316050  5
plot(x=scree_data$PC,scree_data$eigen_val,type='b',
     xlab='komponen utama ke-', ylab='varian(nilai eigen)', main='scree plot')

Berdasarkan Scree plot dapat dilihat bahwa mulai dari titik 1 sampai dengan pada titik ke 2 telihat penurunan yang cukup tajam, sedangkan dari titik 2 sampai dengan titik ke 5 penurunan cukup stabil dan dapat dikatakan sama landainya.

Koefisien Komponen Utama

#menghitung koefisienkomponen utama
pr.out<-prcomp(x=data_pca, center=T, scale.=T)
pr.out
## Standard deviations (1, .., p=5):
## [1] 1.2973442 1.0349538 0.9137929 0.8826926 0.7947358
## 
## Rotation (n x k) = (5 x 5):
##           PC1        PC2         PC3          PC4        PC5
## X1 -0.4807670  0.4132370 -0.48049388  0.150395575 -0.5870307
## X2 -0.4961861 -0.1642711 -0.24463980 -0.761164800  0.2959626
## X3  0.4279298  0.4863795 -0.59435094 -0.007645133  0.4764448
## X4  0.2296544 -0.7377184 -0.59244219  0.125960846 -0.1902013
## X5 -0.5355347 -0.1464810 -0.07096633  0.618130031  0.5519284

Persamaan komponen utama :

KU1=-0.4807X1-0.4961X2+0.4279X3+0.2296X4-0.5355X5

KU2=0.4132X1-0.1642X2+0.4863X3-0.7377X4-0.1464X5

KU3=-0.4804X1-0.2446X2-0.5943X3-0.5924X4-0.0709X5

KU4=0.1503X1-0.7611X2-0.0076X3+0.1259X4+0.6181X5