Analisis Diskriminan Untuk Klasifikasi Varietas Benih Gandum Berdasarkan Karakteristik Morfologi Biji
DOI:
https://doi.org/10.32670/dej.v2i2.20Keywords:
PCA, Kandungan gizi makanan, KMO, Bartlett's Test of SphericityAbstract
Principal Component Analysis (PCA) adalah teknik statistik yang digunakan untuk mengurangi dimensi data multivariat dengan mengubah variabel asli menjadi komponen utama yang lebih sedikit. Penelitian ini bertujuan untuk mereduksi faktor-faktor kandungan giji yang mempengaruhi jenis makanan dengan membentuk beberapa komponen utama yang terbentuk untuk menggambarkan pola kandungan gizi makanan. PCA telah dilakukan untuk menyederhanakan data kandungan gizi makanan yang terdiri dari enam variabel. Hasil analisis menunjukkan bahwa dua komponen utama dapat menjelaskan 72,2% variasi total data. Komponen utama pertama merepresentasikan pola makanan berbasis karbohidrat, sedangkan komponen utama kedua merepresentasikan pola makanan tinggi energi dan protein. Meskipun nilai KMO rendah, hasil Bartlett’s Test of Sphericity menunjukkan korelasi signifikan antar variabel, sehingga PCA dapat digunakan sebagai analisis eksploratif untuk memperoleh gambaran awal struktur dan pola kandungan gizi makanan.
References
Hidayat, R., Santoso, B., & Wijayanti, L. (2022). Penerapan principal component analysis dalam pemetaan karakteristik mutu pangan olahan. Jurnal Teknologi dan Industri Pangan, 33(1), 45–54. https://doi.org/10.6066/jtip.2022.33.1.45.
Johnson, R. A., & Wichern, D. W. (2018). Applied Multivariate Statistical Analysis. 7th Edition. Pearson.
Lestari, D., Rahmawati, A., & Nugroho, S. (2023). Pemahaman label gizi dan pengaruhnya terhadap pemilihan makanan kemasan pada masyarakat perkotaan. Jurnal Gizi Indonesia, 11(2), 97–106. https://doi.org/10.14710/jgi.11.2.97-106.
Nugraha, F., & Laksmiwati, H. (2023). Uji kelayakan analisis faktor menggunakan KMO dan Bartlett pada data kesehatan masyarakat. Jurnal Biostatistika dan Kependudukan, 12(1), 33–42.
Pramesti, D. A., & Wibowo, A. (2024). Reduksi kompleksitas informasi nilai gizi menggunakan principal component analysis pada produk pangan kemasan. Jurnal Informatika dan Analisis Data, 5(1), 1–11. https://doi.org/10.30865/jiad.v5i1.2024.
Pratama, R. Y., & Nugroho, B. A. (2022). Pemanfaatan data label gizi sebagai basis analisis kuantitatif produk makanan kemasan. Jurnal Pangan dan Agroindustri, 10(3), 161–170.
Rencher, A. C., & Christensen, W. F. (2012). Methods of Multivariate Analysis. 3rd Edition, Wiley.
Tobing, R.S., dkk. (2026). Penerapan Principal Component Analysis (PCA) untuk Reduksi Dimensi dan Pemetaan Karakteristik Nutrisi pada Produk Makanan Kemasan di Indonesia. Jurnal Matematika, Ilmu pengetahuan Alam. 4(1), 20 – 30 https://doi.org/10.62383/algoritma.v4i1.891
