Analisis Pengaruh Bencana Alam terhadap Banyaknya Desa/Kelurahan (PCA)

Maria Dominika Elvina Setyasari

2024-11-06

1 PENDAHULUAN

1.1 Latar Belakang Kasus

Indonesia berada pada daerah geografis yang rawan terhadap terjadinya bencana (Sumatri,2010). Bencana adalah rangkaian peristiwa yang mengancam dan mengganggu masyarakat sehingga mengakibatkan timbulnya korban jiwa, kerusakan lingkungan, kerugian harta benda, dan dampak psikologis (UU No. 24, 2007). Bencana dapat disebabkan oleh faktor kelalaian manusia maupun faktor alam yang mana merupakan hal yang berada diluar kendali manusia. Menurut Badan Nasional Penanggulangan Bencana (BNPB), peristiwa bencana alam sepanjang tahun 2021 telah menimbulkan 6.049.649 orang menderita dan mengungsi, 12.892 luka-luka, 511 jiwa meninggal dunia, dan 70 jiwa hilang. Adapun bencana alam yang mendominasi merupakan banjir. Dari seluruh provinsi Indonesia, jumlah bencana alam terbanyak dialami pada provinsi yang berada di Pulau Jawa. Meskipun di tahun 2021 terdapat penurunan jumlah bencana alam, namun terjadi kenaikan signifikan pada dampak bencana yang terjadi. Faktor utama yang membuat bencana menimbulkan korban adalah kurangnya pemahaman terkait karakteristik bahaya, kurangnya informasi peringatan, dan ketidakmampuan menghadapi bencana.

1.2 Data

Data yang digunakan berasal dari laman web Badan Pusat Statistik yang memiliki kumpulan faktor jenis bencana alam yang ada di Indonesia. Jenis-jenis bencana alam tersebut diantaranya:

\[ X_1 = \text{Tanah longsor} \] \[ X_2 = \text{Banjir} \] \[ X_3 = \text{Banjir bandang} \] \[ X_4 = \text{Gempa bumi} \] \[ X_5 = \text{Tsunami} \] \[ X_6 = \text{Gelombang pasang laut} \] \[ X_7 = \text{Angin puyuh/puting beliung/topan} \] \[ X_8 = \text{Gunung meletus} \] \[ X_9 = \text{Kebakaran hutan} \] \[ X_10 = \text{Kekeringan} \] \[ X_11 = \text{Tidak ada bencana alam} \] ## Impor Data

> library (readxl)
> dataUTP <- read_excel("C:/Users/maria/Downloads/dataUTP.xlsx")
> View(dataUTP)
> 
> head(dataUTP)
# A tibble: 6 × 12
  ...1             `Tanah Longsor` Banjir `Banjir Bandang` `Gempa Bumi` Tsunami
  <chr>                      <dbl>  <dbl>            <dbl>        <dbl>   <dbl>
1 ACEH                         198   1435               81          493       2
2 SUMATERA UTARA               483    732               52          964       4
3 SUMATERA BARAT               222    342               65          364       0
4 RIAU                          21    455                1            0       0
5 JAMBI                         57    476               17           36       0
6 SUMATERA SELATAN             103    380               36           49       0
# ℹ 6 more variables: `Gelombang Pasang Laut` <dbl>,
#   `Angin Puyuh / Angin Puting Beliung / Topan` <dbl>, `Gunung Meletus` <dbl>,
#   `Kebakaran Hutan` <dbl>, Kekeringan <dbl>, `Tidak Ada Bencana Alam` <dbl>

1.3 Latar Belakang Metode

Dalam penelitian ini, diterapkan metode Principal Component Analysis (PCA). PCA merupakan teknik untuk mereduksi dimensi data, mengidentifikasi pola-pola tersembunyi, mengidentifikasi komponen utama yang membentuk data, serta mengetahui hubungan antar variabel. Dalam penelitian ini, diterapkan metode PCA untuk menguji faktor jenis-jenis bencana alam yang mempengaruhi kelurahan/desa yang berada di provinsi yang ada di Indonesia.

1.4 Tinjauan Pustaka Metode

1.4.1 Analisis Multivariat

Kerangka untuk menggali kompleksitas hubungan yang melibatkan sejumlah variabel dalam data. Analisis multivariat mencakup beberapa pendekatan analisis multivariat seperti analisis faktor, analisis komponen utama, analisis kluster, analisis kovariansi, MANOVA, MANCOVA, dan lainnya. Metode dipilih berdasarkan tujuan serta data yang hendak diuji.

1.4.2 Principal Component Analysis (PCA)

PCA atau Analisis Komponen Utama merupakan metode statistik multivariat yang secara garis lurus membagi rangkaian variabel awal menjadi lebih kecil dan tidak berkorelasi yang dapat mewakili rangkaian informasi variabel asli. (Radiarta, Hasnawi,& Mustafa, 2013). PCA digunakan untuk mengidentifikasi komponen utama yang memungkinan untuk menjelaskan varian data dengan lebih efisien. PCa digunakan untuk mengatasi masalah multikolinieritas, pola tersembunyi, dan kurangi jumlah variabel tanpa kehilangan informasi penting.

Adapun tahap dalam melakukan proses perhitungan PCA meliputi(Umar,2009): 1. Seleksi dan pengukuran variabel 2. Pembuatan matriks korelasi 3. Ekstraksi faktor dari matriks korelasi 4. Rotasi faktor untuk meningkatkan interpretasi

1.5 Tujuan

Tujuan dari penelitian ini antara lain: - Mengidentifikasi faktor-faktor utama bencana alam yang berpengaruh pada kelurahan/desa di provinsi Indonesia - Memahami bagaimana faktor tersebut berkaitan dengan banyaknya kelurahan/desa di Indonesia

2 SOURCE CODE

2.1 Library

> library(knitr)
> library(rmarkdown)
> library(prettydoc)
> library(readxl)
> library(corrplot)
> library(psych)

2.2 Reduksi Kolom 1 sebagai Variabel Y

Melakukan reduksi data pada kolom pertama karena kolom pertama berisikan data provinsi Indonesia dan melihat tipe data tiap variabel

> DataPCA=dataUTP[,-1]
> DataPCA
# A tibble: 35 × 11
   `Tanah Longsor` Banjir `Banjir Bandang` `Gempa Bumi` Tsunami
             <dbl>  <dbl>            <dbl>        <dbl>   <dbl>
 1             198   1435               81          493       2
 2             483    732               52          964       4
 3             222    342               65          364       0
 4              21    455                1            0       0
 5              57    476               17           36       0
 6             103    380               36           49       0
 7              81    171               15           66       0
 8              70    328               23           47       0
 9               1     59                0            0       0
10              25     61                1            0       0
# ℹ 25 more rows
# ℹ 6 more variables: `Gelombang Pasang Laut` <dbl>,
#   `Angin Puyuh / Angin Puting Beliung / Topan` <dbl>, `Gunung Meletus` <dbl>,
#   `Kebakaran Hutan` <dbl>, Kekeringan <dbl>, `Tidak Ada Bencana Alam` <dbl>
> pr.out1 = prcomp (x=DataPCA, center = TRUE, scale=TRUE)
> summary(pr.out1)
Importance of components:
                         PC1    PC2    PC3     PC4     PC5     PC6     PC7
Standard deviation     3.243 0.5234 0.2911 0.20816 0.17415 0.13731 0.12908
Proportion of Variance 0.956 0.0249 0.0077 0.00394 0.00276 0.00171 0.00151
Cumulative Proportion  0.956 0.9809 0.9886 0.99250 0.99525 0.99697 0.99848
                           PC8     PC9    PC10    PC11
Standard deviation     0.09201 0.06859 0.04621 0.03718
Proportion of Variance 0.00077 0.00043 0.00019 0.00013
Cumulative Proportion  0.99925 0.99968 0.99987 1.00000
> pr.out1
Standard deviations (1, .., p=11):
 [1] 3.24276499 0.52335239 0.29105966 0.20815762 0.17415189 0.13731166
 [7] 0.12907691 0.09201076 0.06858532 0.04621217 0.03718196

Rotation (n x k) = (11 x 11):
                                                 PC1         PC2         PC3
Tanah Longsor                              0.3035783  0.18849052 -0.14439837
Banjir                                     0.3054707  0.14919945  0.31315505
Banjir Bandang                             0.3063584  0.14472212 -0.01559727
Gempa Bumi                                 0.3018055 -0.23222535  0.30928687
Tsunami                                    0.2859762 -0.68027175  0.29762396
Gelombang Pasang Laut                      0.3043752  0.19582709  0.08340570
Angin Puyuh / Angin Puting Beliung / Topan 0.3046956  0.10938950 -0.45397227
Gunung Meletus                             0.2928735 -0.48963133 -0.57780053
Kebakaran Hutan                            0.3014162  0.23683530  0.13356539
Kekeringan                                 0.3043937  0.22240157 -0.22873892
Tidak Ada Bencana Alam                     0.3050207  0.09466536  0.28202726
                                                   PC4          PC5         PC6
Tanah Longsor                               0.52740457  0.333726839 -0.10691751
Banjir                                     -0.04648205  0.189232957 -0.03667339
Banjir Bandang                              0.08888923 -0.198996146 -0.11566361
Gempa Bumi                                  0.28573623 -0.609440778 -0.31052109
Tsunami                                    -0.02508522  0.291441805 -0.06672943
Gelombang Pasang Laut                      -0.09348785 -0.442882855  0.50327518
Angin Puyuh / Angin Puting Beliung / Topan -0.03602705 -0.134120708  0.09391098
Gunung Meletus                             -0.20339696 -0.006865408  0.15810981
Kebakaran Hutan                            -0.74026501  0.091057724 -0.33891822
Kekeringan                                  0.15812029  0.183573993 -0.36545141
Tidak Ada Bencana Alam                      0.07145298  0.317316546  0.58090041
                                                   PC7         PC8         PC9
Tanah Longsor                               0.37580957  0.33270525  0.18135190
Banjir                                     -0.06042841 -0.17110129  0.73253750
Banjir Bandang                             -0.46946848 -0.37559551  0.02191725
Gempa Bumi                                  0.37739214 -0.15129958 -0.12668691
Tsunami                                    -0.38401694  0.22861889 -0.06038618
Gelombang Pasang Laut                      -0.16172024  0.60995115  0.03768164
Angin Puyuh / Angin Puting Beliung / Topan -0.17992409 -0.28756939  0.07615606
Gunung Meletus                              0.28744340 -0.05189526  0.13005828
Kebakaran Hutan                             0.28422164  0.08864978 -0.13855639
Kekeringan                                 -0.28111906  0.17745402 -0.43264079
Tidak Ada Bencana Alam                      0.20943112 -0.38343584 -0.42404380
                                                  PC10        PC11
Tanah Longsor                               0.31327392 -0.25989500
Banjir                                     -0.33269629  0.25849794
Banjir Bandang                              0.01732846 -0.67957683
Gempa Bumi                                 -0.02873006  0.16627839
Tsunami                                     0.26748913  0.04376045
Gelombang Pasang Laut                      -0.06306936 -0.01698200
Angin Puyuh / Angin Puting Beliung / Topan  0.54835434  0.48932305
Gunung Meletus                             -0.37084153 -0.18563739
Kebakaran Hutan                             0.20008259 -0.12726597
Kekeringan                                 -0.48184476  0.28884957
Tidak Ada Bencana Alam                     -0.06399553  0.02068522
> str(DataPCA)
tibble [35 × 11] (S3: tbl_df/tbl/data.frame)
 $ Tanah Longsor                             : num [1:35] 198 483 222 21 57 103 81 70 1 25 ...
 $ Banjir                                    : num [1:35] 1435 732 342 455 476 ...
 $ Banjir Bandang                            : num [1:35] 81 52 65 1 17 36 15 23 0 1 ...
 $ Gempa Bumi                                : num [1:35] 493 964 364 0 36 49 66 47 0 0 ...
 $ Tsunami                                   : num [1:35] 2 4 0 0 0 0 0 0 0 0 ...
 $ Gelombang Pasang Laut                     : num [1:35] 106 78 57 15 2 3 14 35 17 69 ...
 $ Angin Puyuh / Angin Puting Beliung / Topan: num [1:35] 108 483 248 53 44 90 17 158 77 40 ...
 $ Gunung Meletus                            : num [1:35] 1 82 0 0 0 0 0 0 0 0 ...
 $ Kebakaran Hutan                           : num [1:35] 43 59 18 194 16 64 4 11 14 57 ...
 $ Kekeringan                                : num [1:35] 173 127 43 51 16 98 19 30 0 27 ...
 $ Tidak Ada Bencana Alam                    : num [1:35] 4406 3827 513 1224 1001 ...

2.3 Standarisasi Data

Dilakukan standarisasi data untuk menyamakan standar seluruh variabel sehingga setiap variabel dapat memiliki kontribusi sama dalam analisis.

> PCAstr <-data.frame(scale(DataPCA[,1:11]))
> PCAstr
   Tanah.Longsor      Banjir Banjir.Bandang    Gempa.Bumi    Tsunami
1    -0.16137946  0.21851295     0.10146948 -0.0037533863  0.6659982
2     0.09022419 -0.05730458    -0.05722316  0.3103307376  1.6372456
3    -0.14019179 -0.21031858     0.01391492 -0.0897764266 -0.3052492
4    -0.31763857 -0.16598375    -0.33630330 -0.3325081061 -0.3052492
5    -0.28585706 -0.15774454    -0.24874874 -0.3085016763 -0.3052492
6    -0.24524735 -0.19540952    -0.14477771 -0.2998326877 -0.3052492
7    -0.26466938 -0.27740933    -0.25969306 -0.2884963181 -0.3052492
8    -0.27438040 -0.21581139    -0.21591579 -0.3011663783 -0.3052492
9    -0.33529497 -0.32135181    -0.34177546 -0.3325081061 -0.3052492
10   -0.31410729 -0.32056712    -0.33630330 -0.3325081061 -0.3052492
11   -0.32999805 -0.30173463    -0.34177546 -0.3318412609 -0.3052492
12    0.80089415  0.12356581     0.20544051  0.0682659033 -0.3052492
13    0.71437781  0.14553705     0.03580356 -0.2564877450 -0.3052492
14   -0.28409142 -0.32488290    -0.33630330 -0.2978321519 -0.3052492
15    0.11494314  0.11689597     0.18355187  1.3005959689  1.6372456
16   -0.25142709 -0.18010812    -0.11741691 -0.2271465529  0.1803745
17   -0.24348171 -0.32919868    -0.31441466 -0.2798273295 -0.3052492
18   -0.29733372 -0.27113183    -0.04627884 -0.2658235788 -0.3052492
19    0.20234230 -0.12086424     0.48452065 -0.1684641688 -0.3052492
20   -0.27791168 -0.00551523    -0.22138795 -0.3325081061 -0.3052492
21   -0.31499011 -0.05612755    -0.29252602 -0.3325081061 -0.3052492
22   -0.27084912  0.01998710    -0.17213851 -0.3325081061 -0.3052492
23   -0.27084912 -0.20992623    -0.31441466 -0.3285070345 -0.3052492
24   -0.29909936 -0.26603137    -0.34177546 -0.3205048912 -0.3052492
25   -0.14372307 -0.23150513    -0.13930555 -0.0997791057 -0.3052492
26   -0.21876275 -0.12204127    -0.02986236  0.0382578660 -0.3052492
27   -0.11459001 -0.10124706    -0.05722316 -0.1511261917 -0.3052492
28   -0.29556808 -0.25033762    -0.28705386 -0.3038337594 -0.3052492
29   -0.27879450 -0.24288309    -0.21044363 -0.2691578052 -0.3052492
30   -0.20905174 -0.29545713    -0.30347034 -0.0004191599 -0.3052492
31   -0.28497424 -0.28447151    -0.33083114 -0.2618225071 -0.3052492
32   -0.26555220 -0.23856732    -0.23233227  0.0602637600 -0.3052492
33   -0.27261476 -0.29035667    -0.34177546 -0.1204513091 -0.3052492
34   -0.20728610 -0.26446199    -0.29252602 -0.2944979256 -0.3052492
35    5.54693355  5.68425135     5.63929508  5.4863837514  5.0366113
   Gelombang.Pasang.Laut Angin.Puyuh...Angin.Puting.Beliung...Topan
1            -0.01042939                                -0.21565390
2            -0.09853975                                 0.20108012
3            -0.16462252                                -0.06007320
4            -0.29678806                                -0.27677490
5            -0.33769644                                -0.28677651
6            -0.33454964                                -0.23565714
7            -0.29993485                                -0.31678136
8            -0.23385208                                -0.16008937
9            -0.29049446                                -0.25010392
10           -0.12686093                                -0.29122167
11           -0.32825604                                -0.33567330
12           -0.05763137                                 0.12217848
13            0.05880018                                 0.35221566
14           -0.30622845                                -0.24232488
15           -0.07021856                                 0.20441399
16           -0.22126489                                -0.21676520
17           -0.23699888                                -0.28455393
18           -0.20553090                                -0.26343941
19            0.34201205                                 1.01899010
20           -0.19294370                                -0.27677490
21           -0.30622845                                -0.31789265
22           -0.24958608                                -0.25788295
23           -0.31566885                                -0.30677974
24           -0.33454964                                -0.33233943
25           -0.04504417                                -0.21676520
26            0.02418539                                -0.24121359
27           -0.22126489                                -0.01006512
28           -0.16147572                                -0.22009907
29           -0.22755849                                -0.29788942
30           -0.23385208                                -0.30677974
31            0.17523172                                -0.27566360
32            0.04621298                                -0.28899909
33           -0.24958608                                -0.32900556
34           -0.16462252                                -0.32344911
35            5.67583554                                 5.53860952
   Gunung.Meletus Kebakaran.Hutan  Kekeringan Tidak.Ada.Bencana.Alam
1      -0.2871740    -0.149565399  0.06002098            0.159192491
2       1.5341646    -0.078039674 -0.04558971            0.093179890
3      -0.3096597    -0.261324344 -0.23844400           -0.284653895
4      -0.3096597     0.525458626 -0.22007693           -0.203591788
5      -0.3096597    -0.270265059 -0.30043288           -0.229016331
6      -0.3096597    -0.055687886 -0.11217036           -0.041695598
7      -0.3096597    -0.323909352 -0.29354523           -0.206898119
8      -0.3096597    -0.292616848 -0.26829050           -0.104515880
9      -0.3096597    -0.279205775 -0.33716703           -0.312928722
10     -0.3096597    -0.086980390 -0.27517815           -0.315664996
11     -0.3096597    -0.337320426 -0.33716703           -0.325812011
12     -0.3096597    -0.002043592  0.67761390            0.008127384
13      0.2749675    -0.122743252  0.30108885            0.299540526
14     -0.2422027    -0.323909352 -0.26599462           -0.316577087
15      1.3542793    -0.118272894  0.02099094            0.187581330
16     -0.3096597    -0.306027921 -0.16038393           -0.238935323
17     -0.3096597    -0.306027921 -0.33257526           -0.288188248
18     -0.3096597    -0.256853986 -0.13512920           -0.257861215
19      0.9045661     0.301940737  0.70516452           -0.173606790
20     -0.3096597     0.261707517 -0.16497570           -0.211116541
21     -0.3096597    -0.046747170 -0.25221931           -0.253186748
22     -0.3096597    -0.073569317 -0.25681108           -0.232208650
23     -0.3096597    -0.109332179 -0.26369873           -0.271542584
24     -0.3096597    -0.283676132 -0.32339173           -0.314866916
25     -0.3096597    -0.230031839 -0.28206581           -0.220579487
26     -0.3096597    -0.212150408 -0.24073989           -0.230954525
27     -0.3096597    -0.243442912 -0.19941397           -0.130738503
28     -0.3096597    -0.288146490 -0.30043288           -0.131992628
29     -0.3096597    -0.301557564 -0.20630162           -0.303009730
30     -0.3096597    -0.306027921 -0.28665758           -0.331170547
31     -0.3096597    -0.225561481 -0.27747404           -0.252160645
32     -0.2871740    -0.270265059 -0.30961642           -0.294914921
33     -0.3096597    -0.288146490 -0.32568761           -0.174176847
34     -0.3096597    -0.279205775 -0.31650407            0.243104883
35      5.1093848     5.639547929  5.56325606            5.661838770

2.4 Uji KMO

Penghitungan statistik Kaiser-Meyen Olkin (KMO) dengan fungsi KMO(). Digunakan untuk menghitung MSA untuk tiap variabel. Jika nilai MSA <0.5 maka tidak dapat dilakukan analisis lebih lanjut.

> KMO(DataPCA)
Kaiser-Meyer-Olkin factor adequacy
Call: KMO(r = DataPCA)
Overall MSA =  0.87
MSA for each item = 
                             Tanah Longsor 
                                      0.83 
                                    Banjir 
                                      0.88 
                            Banjir Bandang 
                                      0.85 
                                Gempa Bumi 
                                      0.89 
                                   Tsunami 
                                      0.83 
                     Gelombang Pasang Laut 
                                      0.97 
Angin Puyuh / Angin Puting Beliung / Topan 
                                      0.85 
                            Gunung Meletus 
                                      0.83 
                           Kebakaran Hutan 
                                      0.87 
                                Kekeringan 
                                      0.86 
                    Tidak Ada Bencana Alam 
                                      0.95

2.5 Uji Bartlett

Digunakan untuk menguji korelasi antar variabel dengan fungsi bartlett.test(). Signifikansi uji Bartlett harus menunjukkan nilai <0.05 supaya analisis faktor dapat dilakukan.

> bartlett.test(PCAstr)

    Bartlett test of homogeneity of variances

data:  PCAstr
Bartlett's K-squared = 1.561e-30, df = 10, p-value = 1

2.6 Matriks Covarians

Dihitung dari data yang telah distandarisasi untuk mengetahui hubungan antar variabel.

> PCAstr_cov=cov(PCAstr)
> PCAstr_cov
                                           Tanah.Longsor    Banjir
Tanah.Longsor                                  1.0000000 0.9793980
Banjir                                         0.9793980 1.0000000
Banjir.Bandang                                 0.9821732 0.9891761
Gempa.Bumi                                     0.9504136 0.9637941
Tsunami                                        0.8750189 0.9001470
Gelombang.Pasang.Laut                          0.9738102 0.9846711
Angin.Puyuh...Angin.Puting.Beliung...Topan     0.9798257 0.9710488
Gunung.Meletus                                 0.9132725 0.9061183
Kebakaran.Hutan                                0.9595786 0.9825945
Kekeringan                                     0.9901443 0.9807577
Tidak.Ada.Bencana.Alam                         0.9786433 0.9913451
                                           Banjir.Bandang Gempa.Bumi   Tsunami
Tanah.Longsor                                   0.9821732  0.9504136 0.8750189
Banjir                                          0.9891761  0.9637941 0.9001470
Banjir.Bandang                                  1.0000000  0.9654730 0.8944486
Gempa.Bumi                                      0.9654730  1.0000000 0.9506694
Tsunami                                         0.8944486  0.9506694 1.0000000
Gelombang.Pasang.Laut                           0.9887610  0.9579692 0.8786508
Angin.Puyuh...Angin.Puting.Beliung...Topan      0.9888749  0.9488963 0.8841009
Gunung.Meletus                                  0.9218565  0.9439395 0.9551504
Kebakaran.Hutan                                 0.9751755  0.9378734 0.8661901
Kekeringan                                      0.9913270  0.9449606 0.8720813
Tidak.Ada.Bencana.Alam                          0.9826186  0.9630827 0.9067268
                                           Gelombang.Pasang.Laut
Tanah.Longsor                                          0.9738102
Banjir                                                 0.9846711
Banjir.Bandang                                         0.9887610
Gempa.Bumi                                             0.9579692
Tsunami                                                0.8786508
Gelombang.Pasang.Laut                                  1.0000000
Angin.Puyuh...Angin.Puting.Beliung...Topan             0.9796549
Gunung.Meletus                                         0.9084965
Kebakaran.Hutan                                        0.9765820
Kekeringan                                             0.9796561
Tidak.Ada.Bencana.Alam                                 0.9816884
                                           Angin.Puyuh...Angin.Puting.Beliung...Topan
Tanah.Longsor                                                               0.9798257
Banjir                                                                      0.9710488
Banjir.Bandang                                                              0.9888749
Gempa.Bumi                                                                  0.9488963
Tsunami                                                                     0.8841009
Gelombang.Pasang.Laut                                                       0.9796549
Angin.Puyuh...Angin.Puting.Beliung...Topan                                  1.0000000
Gunung.Meletus                                                              0.9453049
Kebakaran.Hutan                                                             0.9669229
Kekeringan                                                                  0.9889946
Tidak.Ada.Bencana.Alam                                                      0.9690058
                                           Gunung.Meletus Kebakaran.Hutan
Tanah.Longsor                                   0.9132725       0.9595786
Banjir                                          0.9061183       0.9825945
Banjir.Bandang                                  0.9218565       0.9751755
Gempa.Bumi                                      0.9439395       0.9378734
Tsunami                                         0.9551504       0.8661901
Gelombang.Pasang.Laut                           0.9084965       0.9765820
Angin.Puyuh...Angin.Puting.Beliung...Topan      0.9453049       0.9669229
Gunung.Meletus                                  1.0000000       0.8965837
Kebakaran.Hutan                                 0.8965837       1.0000000
Kekeringan                                      0.9149147       0.9732273
Tidak.Ada.Bencana.Alam                          0.9148707       0.9719317
                                           Kekeringan Tidak.Ada.Bencana.Alam
Tanah.Longsor                               0.9901443              0.9786433
Banjir                                      0.9807577              0.9913451
Banjir.Bandang                              0.9913270              0.9826186
Gempa.Bumi                                  0.9449606              0.9630827
Tsunami                                     0.8720813              0.9067268
Gelombang.Pasang.Laut                       0.9796561              0.9816884
Angin.Puyuh...Angin.Puting.Beliung...Topan  0.9889946              0.9690058
Gunung.Meletus                              0.9149147              0.9148707
Kebakaran.Hutan                             0.9732273              0.9719317
Kekeringan                                  1.0000000              0.9742635
Tidak.Ada.Bencana.Alam                      0.9742635              1.0000000

2.7 Nilai Eigen dan Vektor Eigen

Untuk mengindentifikasikan komponen utama.

> PCAstr_eigen=eigen(PCAstr_cov)
> PCAstr_eigen
eigen() decomposition
$values
 [1] 10.515524748  0.273897720  0.084715728  0.043329593  0.030328881
 [6]  0.018854493  0.016660848  0.008465980  0.004703946  0.002135565
[11]  0.001382498

$vectors
            [,1]        [,2]        [,3]        [,4]         [,5]        [,6]
 [1,] -0.3035783 -0.18849052 -0.14439837 -0.52740457  0.333726839 -0.10691751
 [2,] -0.3054707 -0.14919945  0.31315505  0.04648205  0.189232957 -0.03667339
 [3,] -0.3063584 -0.14472212 -0.01559727 -0.08888923 -0.198996146 -0.11566361
 [4,] -0.3018055  0.23222535  0.30928687 -0.28573623 -0.609440778 -0.31052109
 [5,] -0.2859762  0.68027175  0.29762396  0.02508522  0.291441805 -0.06672943
 [6,] -0.3043752 -0.19582709  0.08340570  0.09348785 -0.442882855  0.50327518
 [7,] -0.3046956 -0.10938950 -0.45397227  0.03602705 -0.134120708  0.09391098
 [8,] -0.2928735  0.48963133 -0.57780053  0.20339696 -0.006865408  0.15810981
 [9,] -0.3014162 -0.23683530  0.13356539  0.74026501  0.091057724 -0.33891822
[10,] -0.3043937 -0.22240157 -0.22873892 -0.15812029  0.183573993 -0.36545141
[11,] -0.3050207 -0.09466536  0.28202726 -0.07145298  0.317316546  0.58090041
             [,7]        [,8]        [,9]       [,10]       [,11]
 [1,]  0.37580957  0.33270525 -0.18135190  0.31327392  0.25989500
 [2,] -0.06042841 -0.17110129 -0.73253750 -0.33269629 -0.25849794
 [3,] -0.46946848 -0.37559551 -0.02191725  0.01732846  0.67957683
 [4,]  0.37739214 -0.15129958  0.12668691 -0.02873006 -0.16627839
 [5,] -0.38401694  0.22861889  0.06038618  0.26748913 -0.04376045
 [6,] -0.16172024  0.60995115 -0.03768164 -0.06306936  0.01698200
 [7,] -0.17992409 -0.28756939 -0.07615606  0.54835434 -0.48932305
 [8,]  0.28744340 -0.05189526 -0.13005828 -0.37084153  0.18563739
 [9,]  0.28422164  0.08864978  0.13855639  0.20008259  0.12726597
[10,] -0.28111906  0.17745402  0.43264079 -0.48184476 -0.28884957
[11,]  0.20943112 -0.38343584  0.42404380 -0.06399553 -0.02068522

2.8 Scree Plot

> plot(PCAstr_eigen$values, xlab="Angka Nilai Eigen", ylab="Ukuran Nilai Eigen", main="Scree Plot")
> lines(PCAstr_eigen$values)

2.9 Visualisasi

Membuat visual scree plot dengan menghitung korelasi dari variabel dengan fungsi cor() yang kemudian dibuat scree plot dengan fungsi plot().

> dataUTP_numeric<-dataUTP[sapply(dataUTP, is.numeric)]
> kor<-cor(dataUTP_numeric)
> kor
                                           Tanah Longsor    Banjir
Tanah Longsor                                  1.0000000 0.9793980
Banjir                                         0.9793980 1.0000000
Banjir Bandang                                 0.9821732 0.9891761
Gempa Bumi                                     0.9504136 0.9637941
Tsunami                                        0.8750189 0.9001470
Gelombang Pasang Laut                          0.9738102 0.9846711
Angin Puyuh / Angin Puting Beliung / Topan     0.9798257 0.9710488
Gunung Meletus                                 0.9132725 0.9061183
Kebakaran Hutan                                0.9595786 0.9825945
Kekeringan                                     0.9901443 0.9807577
Tidak Ada Bencana Alam                         0.9786433 0.9913451
                                           Banjir Bandang Gempa Bumi   Tsunami
Tanah Longsor                                   0.9821732  0.9504136 0.8750189
Banjir                                          0.9891761  0.9637941 0.9001470
Banjir Bandang                                  1.0000000  0.9654730 0.8944486
Gempa Bumi                                      0.9654730  1.0000000 0.9506694
Tsunami                                         0.8944486  0.9506694 1.0000000
Gelombang Pasang Laut                           0.9887610  0.9579692 0.8786508
Angin Puyuh / Angin Puting Beliung / Topan      0.9888749  0.9488963 0.8841009
Gunung Meletus                                  0.9218565  0.9439395 0.9551504
Kebakaran Hutan                                 0.9751755  0.9378734 0.8661901
Kekeringan                                      0.9913270  0.9449606 0.8720813
Tidak Ada Bencana Alam                          0.9826186  0.9630827 0.9067268
                                           Gelombang Pasang Laut
Tanah Longsor                                          0.9738102
Banjir                                                 0.9846711
Banjir Bandang                                         0.9887610
Gempa Bumi                                             0.9579692
Tsunami                                                0.8786508
Gelombang Pasang Laut                                  1.0000000
Angin Puyuh / Angin Puting Beliung / Topan             0.9796549
Gunung Meletus                                         0.9084965
Kebakaran Hutan                                        0.9765820
Kekeringan                                             0.9796561
Tidak Ada Bencana Alam                                 0.9816884
                                           Angin Puyuh / Angin Puting Beliung / Topan
Tanah Longsor                                                               0.9798257
Banjir                                                                      0.9710488
Banjir Bandang                                                              0.9888749
Gempa Bumi                                                                  0.9488963
Tsunami                                                                     0.8841009
Gelombang Pasang Laut                                                       0.9796549
Angin Puyuh / Angin Puting Beliung / Topan                                  1.0000000
Gunung Meletus                                                              0.9453049
Kebakaran Hutan                                                             0.9669229
Kekeringan                                                                  0.9889946
Tidak Ada Bencana Alam                                                      0.9690058
                                           Gunung Meletus Kebakaran Hutan
Tanah Longsor                                   0.9132725       0.9595786
Banjir                                          0.9061183       0.9825945
Banjir Bandang                                  0.9218565       0.9751755
Gempa Bumi                                      0.9439395       0.9378734
Tsunami                                         0.9551504       0.8661901
Gelombang Pasang Laut                           0.9084965       0.9765820
Angin Puyuh / Angin Puting Beliung / Topan      0.9453049       0.9669229
Gunung Meletus                                  1.0000000       0.8965837
Kebakaran Hutan                                 0.8965837       1.0000000
Kekeringan                                      0.9149147       0.9732273
Tidak Ada Bencana Alam                          0.9148707       0.9719317
                                           Kekeringan Tidak Ada Bencana Alam
Tanah Longsor                               0.9901443              0.9786433
Banjir                                      0.9807577              0.9913451
Banjir Bandang                              0.9913270              0.9826186
Gempa Bumi                                  0.9449606              0.9630827
Tsunami                                     0.8720813              0.9067268
Gelombang Pasang Laut                       0.9796561              0.9816884
Angin Puyuh / Angin Puting Beliung / Topan  0.9889946              0.9690058
Gunung Meletus                              0.9149147              0.9148707
Kebakaran Hutan                             0.9732273              0.9719317
Kekeringan                                  1.0000000              0.9742635
Tidak Ada Bencana Alam                      0.9742635              1.0000000
> corrplot(kor, method="number")

3 HASIL DAN PEMBAHASAN

3.1 Eksplorasi dan Visualisasi Data

> summary(dataUTP)
     ...1           Tanah Longsor        Banjir        Banjir Bandang   
 Length:35          Min.   :   1.0   Min.   :   39.0   Min.   :   0.00  
 Class :character   1st Qu.:  57.5   1st Qu.:  179.0   1st Qu.:   5.00  
 Mode  :character   Median :  80.0   Median :  342.0   Median :  22.00  
                    Mean   : 380.8   Mean   :  878.1   Mean   :  62.46  
                    3rd Qu.: 208.0   3rd Qu.:  676.0   3rd Qu.:  53.00  
                    Max.   :6664.0   Max.   :15366.0   Max.   :1093.00  
   Gempa Bumi        Tsunami        Gelombang Pasang Laut
 Min.   :   0.0   Min.   : 0.0000   Min.   :   2.0       
 1st Qu.:  27.0   1st Qu.: 0.0000   1st Qu.:  16.0       
 Median :  95.0   Median : 0.0000   Median :  39.0       
 Mean   : 498.6   Mean   : 0.6286   Mean   : 109.3       
 3rd Qu.: 356.5   3rd Qu.: 0.0000   3rd Qu.:  89.0       
 Max.   :8726.0   Max.   :11.0000   Max.   :1913.0       
 Angin Puyuh / Angin Puting Beliung / Topan Gunung Meletus   Kebakaran Hutan  
 Min.   :   0.0                             Min.   :  0.00   Min.   :   1.00  
 1st Qu.:  37.0                             1st Qu.:  0.00   1st Qu.:  12.00  
 Median :  70.0                             Median :  0.00   Median :  22.00  
 Mean   : 302.1                             Mean   : 13.77   Mean   :  76.46  
 3rd Qu.: 133.0                             3rd Qu.:  0.00   3rd Qu.:  58.00  
 Max.   :5286.0                             Max.   :241.00   Max.   :1338.00  
   Kekeringan     Tidak Ada Bencana Alam
 Min.   :   0.0   Min.   :  105.0       
 1st Qu.:  17.5   1st Qu.:  497.5       
 Median :  35.0   Median : 1001.0       
 Mean   : 146.9   Mean   : 3009.7       
 3rd Qu.:  82.5   3rd Qu.: 1978.0       
 Max.   :2570.0   Max.   :52670.0

Berdasarkan output summary(), jelas bahwa terdapat nilai minimum, kuartil 1, median, mean, kuartil 3, dan maksimum dari masing-masing variabel yang ada.

3.2 Eksplorasi Korelasi

> dataUTP_numeric<-dataUTP[sapply(dataUTP, is.numeric)]
> kor<-cor(dataUTP_numeric)
> kor
                                           Tanah Longsor    Banjir
Tanah Longsor                                  1.0000000 0.9793980
Banjir                                         0.9793980 1.0000000
Banjir Bandang                                 0.9821732 0.9891761
Gempa Bumi                                     0.9504136 0.9637941
Tsunami                                        0.8750189 0.9001470
Gelombang Pasang Laut                          0.9738102 0.9846711
Angin Puyuh / Angin Puting Beliung / Topan     0.9798257 0.9710488
Gunung Meletus                                 0.9132725 0.9061183
Kebakaran Hutan                                0.9595786 0.9825945
Kekeringan                                     0.9901443 0.9807577
Tidak Ada Bencana Alam                         0.9786433 0.9913451
                                           Banjir Bandang Gempa Bumi   Tsunami
Tanah Longsor                                   0.9821732  0.9504136 0.8750189
Banjir                                          0.9891761  0.9637941 0.9001470
Banjir Bandang                                  1.0000000  0.9654730 0.8944486
Gempa Bumi                                      0.9654730  1.0000000 0.9506694
Tsunami                                         0.8944486  0.9506694 1.0000000
Gelombang Pasang Laut                           0.9887610  0.9579692 0.8786508
Angin Puyuh / Angin Puting Beliung / Topan      0.9888749  0.9488963 0.8841009
Gunung Meletus                                  0.9218565  0.9439395 0.9551504
Kebakaran Hutan                                 0.9751755  0.9378734 0.8661901
Kekeringan                                      0.9913270  0.9449606 0.8720813
Tidak Ada Bencana Alam                          0.9826186  0.9630827 0.9067268
                                           Gelombang Pasang Laut
Tanah Longsor                                          0.9738102
Banjir                                                 0.9846711
Banjir Bandang                                         0.9887610
Gempa Bumi                                             0.9579692
Tsunami                                                0.8786508
Gelombang Pasang Laut                                  1.0000000
Angin Puyuh / Angin Puting Beliung / Topan             0.9796549
Gunung Meletus                                         0.9084965
Kebakaran Hutan                                        0.9765820
Kekeringan                                             0.9796561
Tidak Ada Bencana Alam                                 0.9816884
                                           Angin Puyuh / Angin Puting Beliung / Topan
Tanah Longsor                                                               0.9798257
Banjir                                                                      0.9710488
Banjir Bandang                                                              0.9888749
Gempa Bumi                                                                  0.9488963
Tsunami                                                                     0.8841009
Gelombang Pasang Laut                                                       0.9796549
Angin Puyuh / Angin Puting Beliung / Topan                                  1.0000000
Gunung Meletus                                                              0.9453049
Kebakaran Hutan                                                             0.9669229
Kekeringan                                                                  0.9889946
Tidak Ada Bencana Alam                                                      0.9690058
                                           Gunung Meletus Kebakaran Hutan
Tanah Longsor                                   0.9132725       0.9595786
Banjir                                          0.9061183       0.9825945
Banjir Bandang                                  0.9218565       0.9751755
Gempa Bumi                                      0.9439395       0.9378734
Tsunami                                         0.9551504       0.8661901
Gelombang Pasang Laut                           0.9084965       0.9765820
Angin Puyuh / Angin Puting Beliung / Topan      0.9453049       0.9669229
Gunung Meletus                                  1.0000000       0.8965837
Kebakaran Hutan                                 0.8965837       1.0000000
Kekeringan                                      0.9149147       0.9732273
Tidak Ada Bencana Alam                          0.9148707       0.9719317
                                           Kekeringan Tidak Ada Bencana Alam
Tanah Longsor                               0.9901443              0.9786433
Banjir                                      0.9807577              0.9913451
Banjir Bandang                              0.9913270              0.9826186
Gempa Bumi                                  0.9449606              0.9630827
Tsunami                                     0.8720813              0.9067268
Gelombang Pasang Laut                       0.9796561              0.9816884
Angin Puyuh / Angin Puting Beliung / Topan  0.9889946              0.9690058
Gunung Meletus                              0.9149147              0.9148707
Kebakaran Hutan                             0.9732273              0.9719317
Kekeringan                                  1.0000000              0.9742635
Tidak Ada Bencana Alam                      0.9742635              1.0000000
> corrplot(kor, method="number")

Berdasarkan plot korelasi tersbeut, nilai korelasi mendekati 1 dan -1 menandakan adanya korelasi kuat antara variabel tersebut.

3.3 Uji KMO

> PCAstr <-data.frame(scale(DataPCA[,1:11]))
> PCAstr
   Tanah.Longsor      Banjir Banjir.Bandang    Gempa.Bumi    Tsunami
1    -0.16137946  0.21851295     0.10146948 -0.0037533863  0.6659982
2     0.09022419 -0.05730458    -0.05722316  0.3103307376  1.6372456
3    -0.14019179 -0.21031858     0.01391492 -0.0897764266 -0.3052492
4    -0.31763857 -0.16598375    -0.33630330 -0.3325081061 -0.3052492
5    -0.28585706 -0.15774454    -0.24874874 -0.3085016763 -0.3052492
6    -0.24524735 -0.19540952    -0.14477771 -0.2998326877 -0.3052492
7    -0.26466938 -0.27740933    -0.25969306 -0.2884963181 -0.3052492
8    -0.27438040 -0.21581139    -0.21591579 -0.3011663783 -0.3052492
9    -0.33529497 -0.32135181    -0.34177546 -0.3325081061 -0.3052492
10   -0.31410729 -0.32056712    -0.33630330 -0.3325081061 -0.3052492
11   -0.32999805 -0.30173463    -0.34177546 -0.3318412609 -0.3052492
12    0.80089415  0.12356581     0.20544051  0.0682659033 -0.3052492
13    0.71437781  0.14553705     0.03580356 -0.2564877450 -0.3052492
14   -0.28409142 -0.32488290    -0.33630330 -0.2978321519 -0.3052492
15    0.11494314  0.11689597     0.18355187  1.3005959689  1.6372456
16   -0.25142709 -0.18010812    -0.11741691 -0.2271465529  0.1803745
17   -0.24348171 -0.32919868    -0.31441466 -0.2798273295 -0.3052492
18   -0.29733372 -0.27113183    -0.04627884 -0.2658235788 -0.3052492
19    0.20234230 -0.12086424     0.48452065 -0.1684641688 -0.3052492
20   -0.27791168 -0.00551523    -0.22138795 -0.3325081061 -0.3052492
21   -0.31499011 -0.05612755    -0.29252602 -0.3325081061 -0.3052492
22   -0.27084912  0.01998710    -0.17213851 -0.3325081061 -0.3052492
23   -0.27084912 -0.20992623    -0.31441466 -0.3285070345 -0.3052492
24   -0.29909936 -0.26603137    -0.34177546 -0.3205048912 -0.3052492
25   -0.14372307 -0.23150513    -0.13930555 -0.0997791057 -0.3052492
26   -0.21876275 -0.12204127    -0.02986236  0.0382578660 -0.3052492
27   -0.11459001 -0.10124706    -0.05722316 -0.1511261917 -0.3052492
28   -0.29556808 -0.25033762    -0.28705386 -0.3038337594 -0.3052492
29   -0.27879450 -0.24288309    -0.21044363 -0.2691578052 -0.3052492
30   -0.20905174 -0.29545713    -0.30347034 -0.0004191599 -0.3052492
31   -0.28497424 -0.28447151    -0.33083114 -0.2618225071 -0.3052492
32   -0.26555220 -0.23856732    -0.23233227  0.0602637600 -0.3052492
33   -0.27261476 -0.29035667    -0.34177546 -0.1204513091 -0.3052492
34   -0.20728610 -0.26446199    -0.29252602 -0.2944979256 -0.3052492
35    5.54693355  5.68425135     5.63929508  5.4863837514  5.0366113
   Gelombang.Pasang.Laut Angin.Puyuh...Angin.Puting.Beliung...Topan
1            -0.01042939                                -0.21565390
2            -0.09853975                                 0.20108012
3            -0.16462252                                -0.06007320
4            -0.29678806                                -0.27677490
5            -0.33769644                                -0.28677651
6            -0.33454964                                -0.23565714
7            -0.29993485                                -0.31678136
8            -0.23385208                                -0.16008937
9            -0.29049446                                -0.25010392
10           -0.12686093                                -0.29122167
11           -0.32825604                                -0.33567330
12           -0.05763137                                 0.12217848
13            0.05880018                                 0.35221566
14           -0.30622845                                -0.24232488
15           -0.07021856                                 0.20441399
16           -0.22126489                                -0.21676520
17           -0.23699888                                -0.28455393
18           -0.20553090                                -0.26343941
19            0.34201205                                 1.01899010
20           -0.19294370                                -0.27677490
21           -0.30622845                                -0.31789265
22           -0.24958608                                -0.25788295
23           -0.31566885                                -0.30677974
24           -0.33454964                                -0.33233943
25           -0.04504417                                -0.21676520
26            0.02418539                                -0.24121359
27           -0.22126489                                -0.01006512
28           -0.16147572                                -0.22009907
29           -0.22755849                                -0.29788942
30           -0.23385208                                -0.30677974
31            0.17523172                                -0.27566360
32            0.04621298                                -0.28899909
33           -0.24958608                                -0.32900556
34           -0.16462252                                -0.32344911
35            5.67583554                                 5.53860952
   Gunung.Meletus Kebakaran.Hutan  Kekeringan Tidak.Ada.Bencana.Alam
1      -0.2871740    -0.149565399  0.06002098            0.159192491
2       1.5341646    -0.078039674 -0.04558971            0.093179890
3      -0.3096597    -0.261324344 -0.23844400           -0.284653895
4      -0.3096597     0.525458626 -0.22007693           -0.203591788
5      -0.3096597    -0.270265059 -0.30043288           -0.229016331
6      -0.3096597    -0.055687886 -0.11217036           -0.041695598
7      -0.3096597    -0.323909352 -0.29354523           -0.206898119
8      -0.3096597    -0.292616848 -0.26829050           -0.104515880
9      -0.3096597    -0.279205775 -0.33716703           -0.312928722
10     -0.3096597    -0.086980390 -0.27517815           -0.315664996
11     -0.3096597    -0.337320426 -0.33716703           -0.325812011
12     -0.3096597    -0.002043592  0.67761390            0.008127384
13      0.2749675    -0.122743252  0.30108885            0.299540526
14     -0.2422027    -0.323909352 -0.26599462           -0.316577087
15      1.3542793    -0.118272894  0.02099094            0.187581330
16     -0.3096597    -0.306027921 -0.16038393           -0.238935323
17     -0.3096597    -0.306027921 -0.33257526           -0.288188248
18     -0.3096597    -0.256853986 -0.13512920           -0.257861215
19      0.9045661     0.301940737  0.70516452           -0.173606790
20     -0.3096597     0.261707517 -0.16497570           -0.211116541
21     -0.3096597    -0.046747170 -0.25221931           -0.253186748
22     -0.3096597    -0.073569317 -0.25681108           -0.232208650
23     -0.3096597    -0.109332179 -0.26369873           -0.271542584
24     -0.3096597    -0.283676132 -0.32339173           -0.314866916
25     -0.3096597    -0.230031839 -0.28206581           -0.220579487
26     -0.3096597    -0.212150408 -0.24073989           -0.230954525
27     -0.3096597    -0.243442912 -0.19941397           -0.130738503
28     -0.3096597    -0.288146490 -0.30043288           -0.131992628
29     -0.3096597    -0.301557564 -0.20630162           -0.303009730
30     -0.3096597    -0.306027921 -0.28665758           -0.331170547
31     -0.3096597    -0.225561481 -0.27747404           -0.252160645
32     -0.2871740    -0.270265059 -0.30961642           -0.294914921
33     -0.3096597    -0.288146490 -0.32568761           -0.174176847
34     -0.3096597    -0.279205775 -0.31650407            0.243104883
35      5.1093848     5.639547929  5.56325606            5.661838770
> KMO(DataPCA)
Kaiser-Meyer-Olkin factor adequacy
Call: KMO(r = DataPCA)
Overall MSA =  0.87
MSA for each item = 
                             Tanah Longsor 
                                      0.83 
                                    Banjir 
                                      0.88 
                            Banjir Bandang 
                                      0.85 
                                Gempa Bumi 
                                      0.89 
                                   Tsunami 
                                      0.83 
                     Gelombang Pasang Laut 
                                      0.97 
Angin Puyuh / Angin Puting Beliung / Topan 
                                      0.85 
                            Gunung Meletus 
                                      0.83 
                           Kebakaran Hutan 
                                      0.87 
                                Kekeringan 
                                      0.86 
                    Tidak Ada Bencana Alam 
                                      0.95

Berdasarkan output diatas, diperoleh nilai statistik KMO sebesar 0.87>0.5, maka analisis faktor dapat diterapkan dengan menggunakan matriks korelasi.

3.4 Uji Bartlett

> library(psych)
> bartlett.test(PCAstr)

    Bartlett test of homogeneity of variances

data:  PCAstr
Bartlett's K-squared = 1.561e-30, df = 10, p-value = 1

$$

\ H_0: R = I \[ \] H_1: R I $$

$$

\ H_0.   p > (0.05). \[ \]

\ \text {Dengan taraf nyata 5%, terbukti bahwa tidak terdapat korelasi signifikan antar nilai variabel} $$ ## Scree Plot

> plot(PCAstr_eigen$values, xlab="Angka Nilai Eigen", ylab="Ukuran Nilai Eigen", main="Scree Plot")
> lines(PCAstr_eigen$values)

Berdasarkan scree plot di atas, terdapat penurunan tajam pada awal nilai eigen yang mengindikasikan bahwa sebagian besar variabilitas data dapat dijelaskan komponen pertama. Sedangkan nilai eigen setelah kedua memberi kontribusi sangat kecil dalam menjelaskan variabilitas data.

3.5 Nilai Kumulatif Eigen

> PCAstr_eigen=eigen(PCAstr_cov)
> PCAstr_eigen
eigen() decomposition
$values
 [1] 10.515524748  0.273897720  0.084715728  0.043329593  0.030328881
 [6]  0.018854493  0.016660848  0.008465980  0.004703946  0.002135565
[11]  0.001382498

$vectors
            [,1]        [,2]        [,3]        [,4]         [,5]        [,6]
 [1,] -0.3035783 -0.18849052 -0.14439837 -0.52740457  0.333726839 -0.10691751
 [2,] -0.3054707 -0.14919945  0.31315505  0.04648205  0.189232957 -0.03667339
 [3,] -0.3063584 -0.14472212 -0.01559727 -0.08888923 -0.198996146 -0.11566361
 [4,] -0.3018055  0.23222535  0.30928687 -0.28573623 -0.609440778 -0.31052109
 [5,] -0.2859762  0.68027175  0.29762396  0.02508522  0.291441805 -0.06672943
 [6,] -0.3043752 -0.19582709  0.08340570  0.09348785 -0.442882855  0.50327518
 [7,] -0.3046956 -0.10938950 -0.45397227  0.03602705 -0.134120708  0.09391098
 [8,] -0.2928735  0.48963133 -0.57780053  0.20339696 -0.006865408  0.15810981
 [9,] -0.3014162 -0.23683530  0.13356539  0.74026501  0.091057724 -0.33891822
[10,] -0.3043937 -0.22240157 -0.22873892 -0.15812029  0.183573993 -0.36545141
[11,] -0.3050207 -0.09466536  0.28202726 -0.07145298  0.317316546  0.58090041
             [,7]        [,8]        [,9]       [,10]       [,11]
 [1,]  0.37580957  0.33270525 -0.18135190  0.31327392  0.25989500
 [2,] -0.06042841 -0.17110129 -0.73253750 -0.33269629 -0.25849794
 [3,] -0.46946848 -0.37559551 -0.02191725  0.01732846  0.67957683
 [4,]  0.37739214 -0.15129958  0.12668691 -0.02873006 -0.16627839
 [5,] -0.38401694  0.22861889  0.06038618  0.26748913 -0.04376045
 [6,] -0.16172024  0.60995115 -0.03768164 -0.06306936  0.01698200
 [7,] -0.17992409 -0.28756939 -0.07615606  0.54835434 -0.48932305
 [8,]  0.28744340 -0.05189526 -0.13005828 -0.37084153  0.18563739
 [9,]  0.28422164  0.08864978  0.13855639  0.20008259  0.12726597
[10,] -0.28111906  0.17745402  0.43264079 -0.48184476 -0.28884957
[11,]  0.20943112 -0.38343584  0.42404380 -0.06399553 -0.02068522
> eigenvalues <- sort(PCAstr_eigen$values, decreasing = TRUE)
> cumulative_variance <- cumsum(eigenvalues) / sum(eigenvalues)
> cumulative_variance
 [1] 0.9559568 0.9808566 0.9885580 0.9924971 0.9952542 0.9969683 0.9984829
 [8] 0.9992525 0.9996802 0.9998743 1.0000000

3.6 Ekstraksi Faktor dengan PCA

> PCA = principal(r = kor, nfactors = 1, rotate = "varimax")
> PCA$communality
                             Tanah Longsor 
                                 0.9691088 
                                    Banjir 
                                 0.9812285 
                            Banjir Bandang 
                                 0.9869394 
                                Gempa Bumi 
                                 0.9578227 
                                   Tsunami 
                                 0.8599850 
                     Gelombang Pasang Laut 
                                 0.9742030 
Angin Puyuh / Angin Puting Beliung / Topan 
                                 0.9762554 
                            Gunung Meletus 
                                 0.9019678 
                           Kebakaran Hutan 
                                 0.9553534 
                                Kekeringan 
                                 0.9743215 
                    Tidak Ada Bencana Alam 
                                 0.9783392

Berdasarkan output tersebut, komunalitas setiap variabel bernilai <1. Hal ini menandakan bahwa terdapat hilangnya informasi yang menyebabkan data yang representatif. Maka, PCA kurang tepat untuk menjadi metode ekstraksi faktor.

3.7 Ekstraksi Faktor dengan PFA

> PFA = fa(r = DataPCA, nfactors = 1, rotate = "varimax", fm = "pa")
> PFA
Factor Analysis using method =  pa
Call: fa(r = DataPCA, nfactors = 1, rotate = "varimax", fm = "pa")
Standardized loadings (pattern matrix) based upon correlation matrix
                                            PA1   h2    u2 com
Tanah Longsor                              0.98 0.97 0.033   1
Banjir                                     0.99 0.98 0.018   1
Banjir Bandang                             0.99 0.99 0.011   1
Gempa Bumi                                 0.98 0.95 0.047   1
Tsunami                                    0.91 0.84 0.163   1
Gelombang Pasang Laut                      0.99 0.97 0.026   1
Angin Puyuh / Angin Puting Beliung / Topan 0.99 0.98 0.024   1
Gunung Meletus                             0.94 0.89 0.114   1
Kebakaran Hutan                            0.98 0.95 0.049   1
Kekeringan                                 0.99 0.97 0.026   1
Tidak Ada Bencana Alam                     0.99 0.98 0.021   1

                 PA1
SS loadings    10.47
Proportion Var  0.95

Mean item complexity =  1
Test of the hypothesis that 1 factor is sufficient.

df null model =  55  with the objective function =  38.97 with Chi Square =  1149.76
df of  the model are 44  and the objective function was  7.27 

The root mean square of the residuals (RMSR) is  0.02 
The df corrected root mean square of the residuals is  0.02 

The harmonic n.obs is  35 with the empirical chi square  1.53  with prob <  1 
The total n.obs was  35  with Likelihood Chi Square =  209.54  with prob <  2.1e-23 

Tucker Lewis Index of factoring reliability =  0.806
RMSEA index =  0.327  and the 90 % confidence intervals are  0.288 0.379
BIC =  53.1
Fit based upon off diagonal values = 1
Measures of factor score adequacy             
                                                  PA1
Correlation of (regression) scores with factors     1
Multiple R square of scores with factors            1
Minimum correlation of possible factor scores       1
> PFA$scores
              PA1
 [1,]  0.01015637
 [2,]  0.11158561
 [3,] -0.18868740
 [4,] -0.32212615
 [5,] -0.22252233
 [6,] -0.17131109
 [7,] -0.26846046
 [8,] -0.19678649
 [9,] -0.32631713
[10,] -0.35597520
[11,] -0.32062680
[12,]  0.08886406
[13,]  0.16804577
[14,] -0.29032591
[15,]  0.45076463
[16,] -0.25962007
[17,] -0.33087497
[18,] -0.21756181
[19,]  0.33842386
[20,] -0.20308824
[21,] -0.20975499
[22,] -0.16382510
[23,] -0.28753778
[24,] -0.30931495
[25,] -0.23494358
[26,] -0.12685167
[27,] -0.11128959
[28,] -0.23970925
[29,] -0.24711161
[30,] -0.25559680
[31,] -0.30635414
[32,] -0.20589117
[33,] -0.24709300
[34,] -0.18920439
[35,]  5.64092176

Berdasarkan output tersebut, terbukti bahwa komunalitas setiap variabel bernilai <1. Maka, metode PFA sudah tepat.

3.8 Fungsi PCA

> pr.out1 = prcomp (x=DataPCA, center = TRUE, scale=TRUE)
> summary(pr.out1)
Importance of components:
                         PC1    PC2    PC3     PC4     PC5     PC6     PC7
Standard deviation     3.243 0.5234 0.2911 0.20816 0.17415 0.13731 0.12908
Proportion of Variance 0.956 0.0249 0.0077 0.00394 0.00276 0.00171 0.00151
Cumulative Proportion  0.956 0.9809 0.9886 0.99250 0.99525 0.99697 0.99848
                           PC8     PC9    PC10    PC11
Standard deviation     0.09201 0.06859 0.04621 0.03718
Proportion of Variance 0.00077 0.00043 0.00019 0.00013
Cumulative Proportion  0.99925 0.99968 0.99987 1.00000
> pr.out1
Standard deviations (1, .., p=11):
 [1] 3.24276499 0.52335239 0.29105966 0.20815762 0.17415189 0.13731166
 [7] 0.12907691 0.09201076 0.06858532 0.04621217 0.03718196

Rotation (n x k) = (11 x 11):
                                                 PC1         PC2         PC3
Tanah Longsor                              0.3035783  0.18849052 -0.14439837
Banjir                                     0.3054707  0.14919945  0.31315505
Banjir Bandang                             0.3063584  0.14472212 -0.01559727
Gempa Bumi                                 0.3018055 -0.23222535  0.30928687
Tsunami                                    0.2859762 -0.68027175  0.29762396
Gelombang Pasang Laut                      0.3043752  0.19582709  0.08340570
Angin Puyuh / Angin Puting Beliung / Topan 0.3046956  0.10938950 -0.45397227
Gunung Meletus                             0.2928735 -0.48963133 -0.57780053
Kebakaran Hutan                            0.3014162  0.23683530  0.13356539
Kekeringan                                 0.3043937  0.22240157 -0.22873892
Tidak Ada Bencana Alam                     0.3050207  0.09466536  0.28202726
                                                   PC4          PC5         PC6
Tanah Longsor                               0.52740457  0.333726839 -0.10691751
Banjir                                     -0.04648205  0.189232957 -0.03667339
Banjir Bandang                              0.08888923 -0.198996146 -0.11566361
Gempa Bumi                                  0.28573623 -0.609440778 -0.31052109
Tsunami                                    -0.02508522  0.291441805 -0.06672943
Gelombang Pasang Laut                      -0.09348785 -0.442882855  0.50327518
Angin Puyuh / Angin Puting Beliung / Topan -0.03602705 -0.134120708  0.09391098
Gunung Meletus                             -0.20339696 -0.006865408  0.15810981
Kebakaran Hutan                            -0.74026501  0.091057724 -0.33891822
Kekeringan                                  0.15812029  0.183573993 -0.36545141
Tidak Ada Bencana Alam                      0.07145298  0.317316546  0.58090041
                                                   PC7         PC8         PC9
Tanah Longsor                               0.37580957  0.33270525  0.18135190
Banjir                                     -0.06042841 -0.17110129  0.73253750
Banjir Bandang                             -0.46946848 -0.37559551  0.02191725
Gempa Bumi                                  0.37739214 -0.15129958 -0.12668691
Tsunami                                    -0.38401694  0.22861889 -0.06038618
Gelombang Pasang Laut                      -0.16172024  0.60995115  0.03768164
Angin Puyuh / Angin Puting Beliung / Topan -0.17992409 -0.28756939  0.07615606
Gunung Meletus                              0.28744340 -0.05189526  0.13005828
Kebakaran Hutan                             0.28422164  0.08864978 -0.13855639
Kekeringan                                 -0.28111906  0.17745402 -0.43264079
Tidak Ada Bencana Alam                      0.20943112 -0.38343584 -0.42404380
                                                  PC10        PC11
Tanah Longsor                               0.31327392 -0.25989500
Banjir                                     -0.33269629  0.25849794
Banjir Bandang                              0.01732846 -0.67957683
Gempa Bumi                                 -0.02873006  0.16627839
Tsunami                                     0.26748913  0.04376045
Gelombang Pasang Laut                      -0.06306936 -0.01698200
Angin Puyuh / Angin Puting Beliung / Topan  0.54835434  0.48932305
Gunung Meletus                             -0.37084153 -0.18563739
Kebakaran Hutan                             0.20008259 -0.12726597
Kekeringan                                 -0.48184476  0.28884957
Tidak Ada Bencana Alam                     -0.06399553  0.02068522
> print(pr.out1$rotation[,1:1],digits=4)
                             Tanah Longsor 
                                    0.3036 
                                    Banjir 
                                    0.3055 
                            Banjir Bandang 
                                    0.3064 
                                Gempa Bumi 
                                    0.3018 
                                   Tsunami 
                                    0.2860 
                     Gelombang Pasang Laut 
                                    0.3044 
Angin Puyuh / Angin Puting Beliung / Topan 
                                    0.3047 
                            Gunung Meletus 
                                    0.2929 
                           Kebakaran Hutan 
                                    0.3014 
                                Kekeringan 
                                    0.3044 
                    Tidak Ada Bencana Alam 
                                    0.3050

3.9 Persamaan PCA

Hasil tersebut dapat ditulis dalam bentuk persamaan: \[ PC_1 = .3036X_1 + .3055X_2 + .3064 X_3 + .3018X_4 + .2860 X_5 + .3044 X_6 + .3047X_7 + .2929X_8 + .3014 X_9 + .3044 X_10 + .3050 X_11 \]

4 KESIMPULAN

Berdasarkan penelitian yang telah dilakukan, dapat ditarik kesimpulan bahwa pada komponen utama, banjir bandang, banjir, dan tidak ada bencana alam merupakan indikator terkuat terhadap banyaknya desa/kelurahan pada provinsi Indonesia.

5 DAFTAR PUSTAKA

Albani, dkk. (2023). Analisis Kapasitas Terhadap Bencana Banjir di Kota Semarang Menggunakan Metode Principal Component Analysis (PCA), Elipsoida : Jurnal Geodesi dan Geomatika, Vol 06, 52-61.

Purwoko, dkk. (2015). Pengaruh Pengetahuan dan Sikap tentang Resiko Bencana Banjir Terhadap Kesiapsiagaan Remaja Usia 15-18 Tahun Dalam Menghadapi Bencana Banjir di Kelurahan Pedurungan Kidul Kota Semarang, Jurnal Geografi: Media Informasi Pengembangan Ilmu dan Profesi Kegeografian.

bps.go.id. (2022, 28 Maret). Banyaknya Desa/Kelurahan Menurut Jenis Bencana Alam dalam Tiga Tahun Terakhir (Desa), 2014-2021. Diakses pada 6 November 2024, dari https://www.bps.go.id/id/statistics-table/2/OTU0IzI=/banyaknya-desa-kelurahan-menurut-jenis-bencana-alam-dalam-tiga-tahun-terakhir.html

databoks.katadata.co.id (2021, 16 September), Banjir Dominasi Bencana Alam Indonesia pada 2021. Diakses pada 6 November 2024, dari https://databoks.katadata.co.id/lingkungan/statistik/e750c979a38c9cb/banjir-dominasi-bencana-alam-indonesia-pada-2021#:~:text=BNPB%20mencatat%20ada%2023%20peristiwa%20gempa%20bumi%2C%2022,511%20orang%20meninggal%20dunia%2C%20dan%2070%20orang%20hilang.

RPubs - UTP Anmul 1 menggunakan PCA. (n.d.). https://rpubs.com/finaafzy/1109108

RPubs - Penerapan Analisis Faktor pada Data Indikator Kualitas Tidur dan Gaya Hidup. (n.d.). https://rpubs.com/satrio0126/1111592