Langkah 1 - Import Data
library(readr)
raisin <- read_delim( “C:/Users/nor hofifah/Downloads/raisin.csv”, delim = “;” )
str(raisin)
Penjelasan: Dataset Raisin berhasil diimport dan terdiri dari 900 observasi dengan 8 variabel, dimana mencakup variabel numerik dan satu variabel kategorik.
Langkah 2 - Correlation Matrix
data_numerik <- raisin[, sapply(raisin, is.numeric)]
correlation_matrix <- cor(data_numerik) correlation_matrix
Penjelasan: Berdasarkan output matriks korelasi, terlihat bahwa beberapa variabel memiliki hubungan yang cukup kuat, pada variabel yang berkaitan dengan ukuran objek, seperti Area, ConvexArea, dan Perimeter.
Langkah 3 - Variance-Covariance Matrix
covariance_matrix <- cov(data_numerik) covariance_matrix
Penjelasan: Dari output matriks varians-kovarians menunjukkan besarnya penyebaran data dan hubungan antar variabel numerik. Nilai kovarians yang besar menunjukkan bahwa variasi data pada variabel tersebut juga cukup besar.
Langkah 4 - Eigen value dan Eigen vector
eigen_result <- eigen(covariance_matrix)
eigen_result$values
eigen_result$vectors
Penjelasan: Dari output Eigen value menunjukkan besarnya variasi data yang dijelaskan oleh masing-masing komponen utama. Sedangkan eigen vector menunjukkan arah pembentukan komponen utama berdasarkan kombinasi dari variabel-variabel yang digunakan.