原则分析方法的使用决定了主导因素

Gina Enzellina, Didi Suhaedi
{"title":"原则分析方法的使用决定了主导因素","authors":"Gina Enzellina, Didi Suhaedi","doi":"10.29313/jrm.v2i2.1192","DOIUrl":null,"url":null,"abstract":"Abstract. Principal Component Analysis is a statistical technique that has been widely used in terms of data processing. This study aims to extract interrelated variables. This type of research is quantitative in nature by taking the case of fundraising in Dompet Dhuafa, West Java. The variables in this study are the ten types of collection funds from 2016-2021 with 72 data. This shows that the selection of the dominant factor can be used by the principal component analysis method. The results of this study show that there are 10 variables (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) which is extracted into 5 Principal Components based on the eigen1 value , where the first Principal Component is showing the most dominant factor. The first principal component is zakat with a loading value of 0.414 and a variance percentage of 19.39% from 64.37%. Based on the fact in Dompet Dhuafa that the dominant factor is zakat with a percentage of 40%. So that the relative error of the research results is the same as the real data of 0.035. \nAbstrak. Principal Component Analysis adalah teknik statistik yang sudah digunakan secara luas dalam hal pengolahan data.  Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan. Jenis peneitian ini bersifat kuantitatif dengan mengambil kasus dana penghimpunan di Dompet Dhuafa Jawa Barat. Variabel dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan data sebanyak 72. Hal ini menunjukan bahwa pemilihan faktor dominan dapat digunakan metode principal component analysis. Hasil dari penelitian ini menunjukan ada 10 variabel (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) yang diekstraksi menjadi 5 Principal Component berdasarkan nilai eigen≥1 , dimana principal component pertama ialah menunjukan faktor yang paling dominan karena memiliki nilai keragaman total yang paling besar. Principal Component pertama ialah zakat dengan nilai loading  sebesar 0,414 dan presentase varians sebesar 19,39% dari 64,37% . Berdasarkan kenyataan di Dompet Dhuafa bahwa faktor dominan adalah zakat dengan persentase sebesar 40 %.  Sehingga galat relatif hasil penelitian sama dengan data real sebesar 0.035.","PeriodicalId":31272,"journal":{"name":"Jurnal Riset Pendidikan Matematika","volume":"1 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-12-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Penggunaan Metode Principal Component Analysis dalam Menentukan Faktor Dominan\",\"authors\":\"Gina Enzellina, Didi Suhaedi\",\"doi\":\"10.29313/jrm.v2i2.1192\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Abstract. Principal Component Analysis is a statistical technique that has been widely used in terms of data processing. This study aims to extract interrelated variables. This type of research is quantitative in nature by taking the case of fundraising in Dompet Dhuafa, West Java. The variables in this study are the ten types of collection funds from 2016-2021 with 72 data. This shows that the selection of the dominant factor can be used by the principal component analysis method. The results of this study show that there are 10 variables (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) which is extracted into 5 Principal Components based on the eigen1 value , where the first Principal Component is showing the most dominant factor. The first principal component is zakat with a loading value of 0.414 and a variance percentage of 19.39% from 64.37%. Based on the fact in Dompet Dhuafa that the dominant factor is zakat with a percentage of 40%. So that the relative error of the research results is the same as the real data of 0.035. \\nAbstrak. Principal Component Analysis adalah teknik statistik yang sudah digunakan secara luas dalam hal pengolahan data.  Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan. Jenis peneitian ini bersifat kuantitatif dengan mengambil kasus dana penghimpunan di Dompet Dhuafa Jawa Barat. Variabel dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan data sebanyak 72. Hal ini menunjukan bahwa pemilihan faktor dominan dapat digunakan metode principal component analysis. Hasil dari penelitian ini menunjukan ada 10 variabel (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) yang diekstraksi menjadi 5 Principal Component berdasarkan nilai eigen≥1 , dimana principal component pertama ialah menunjukan faktor yang paling dominan karena memiliki nilai keragaman total yang paling besar. Principal Component pertama ialah zakat dengan nilai loading  sebesar 0,414 dan presentase varians sebesar 19,39% dari 64,37% . Berdasarkan kenyataan di Dompet Dhuafa bahwa faktor dominan adalah zakat dengan persentase sebesar 40 %.  Sehingga galat relatif hasil penelitian sama dengan data real sebesar 0.035.\",\"PeriodicalId\":31272,\"journal\":{\"name\":\"Jurnal Riset Pendidikan Matematika\",\"volume\":\"1 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-12-20\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Riset Pendidikan Matematika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.29313/jrm.v2i2.1192\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Riset Pendidikan Matematika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29313/jrm.v2i2.1192","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

摘要主成分分析是一种广泛应用于数据处理的统计技术。本研究旨在提取相关变量。这种类型的研究本质上是定量的,以西爪哇东佩杜瓦法的筹款为例。本研究的变量为2016-2021年的十种征缴基金,共72个数据。这表明主成分分析法可以用于主导因素的选择。研究结果表明:10个变量(=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak,=Zakat)根据特征值提取为5个主成分,其中第一个主成分显示出最主导的因素。第一主成分是天课,载荷值为0.414,方差百分比从64.37%增加到19.39%。根据东佩华法的事实,占主导地位的因素是天课,占40%。使得研究结果与实际数据的相对误差为0.035。Abstrak。主成分分析adaltech统计杨sudah digunakan secara luam hal pengolahan数据。Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan。Jenis penetitian是一种定量的dengan和monbibil kasus, penghimpunan和Dompet Dhuafa Jawa Barat。变量dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan数据sebanyak 72。主成分分析方法:主成分分析。Hasil dari penelitian ini menunjukan ada 10个变量(=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak,=Zakat) yang diekstraksi menjadi 5个主成分berdasarkan nilai eigenen≥1,dimana主成分perama ialah menunjukan factor for yang paling dominan karena memiliki nilai keragaman总yang paling besar。主成分perama - alah zakat - dengan - nilai加载sebesar 0,414,呈现不同的sebesar 19,39%和64,37%。Berdasarkan kenyataan和di Dompet Dhuafa bahwa因素主导adalah zakat dengan代表sebesar 40%。星城银河相对较弱,观测数据真实值为0.035。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Penggunaan Metode Principal Component Analysis dalam Menentukan Faktor Dominan
Abstract. Principal Component Analysis is a statistical technique that has been widely used in terms of data processing. This study aims to extract interrelated variables. This type of research is quantitative in nature by taking the case of fundraising in Dompet Dhuafa, West Java. The variables in this study are the ten types of collection funds from 2016-2021 with 72 data. This shows that the selection of the dominant factor can be used by the principal component analysis method. The results of this study show that there are 10 variables (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) which is extracted into 5 Principal Components based on the eigen1 value , where the first Principal Component is showing the most dominant factor. The first principal component is zakat with a loading value of 0.414 and a variance percentage of 19.39% from 64.37%. Based on the fact in Dompet Dhuafa that the dominant factor is zakat with a percentage of 40%. So that the relative error of the research results is the same as the real data of 0.035. Abstrak. Principal Component Analysis adalah teknik statistik yang sudah digunakan secara luas dalam hal pengolahan data.  Penelitian ini bertujuan untuk mengekstraksi variabel yang saling berhubungan. Jenis peneitian ini bersifat kuantitatif dengan mengambil kasus dana penghimpunan di Dompet Dhuafa Jawa Barat. Variabel dalam penelitian ini ialah ke sepuluh jenis dana penghimpunan dari tahun 2016-2021 dengan data sebanyak 72. Hal ini menunjukan bahwa pemilihan faktor dominan dapat digunakan metode principal component analysis. Hasil dari penelitian ini menunjukan ada 10 variabel (=Fidyah, =Zakat MPZ, =Zakat Fitrah, =Kurban, =Bound Infak, =Thematic Infak, =Humanity, =Waqf, =Infak ,=Zakat ) yang diekstraksi menjadi 5 Principal Component berdasarkan nilai eigen≥1 , dimana principal component pertama ialah menunjukan faktor yang paling dominan karena memiliki nilai keragaman total yang paling besar. Principal Component pertama ialah zakat dengan nilai loading  sebesar 0,414 dan presentase varians sebesar 19,39% dari 64,37% . Berdasarkan kenyataan di Dompet Dhuafa bahwa faktor dominan adalah zakat dengan persentase sebesar 40 %.  Sehingga galat relatif hasil penelitian sama dengan data real sebesar 0.035.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
审稿时长
24 weeks
期刊最新文献
Pengembangan Media Pembelajaran Articulate Storyline untuk Pemahaman Konsep Materi Turunan Siswa di SMA Penerapan Metode Cubic Spline Interpolation untuk Menentukan Peluang Kematian pada Tabel Mortalita Penerapan Logika Fuzzy dalam Menentukan Tingkat Kerawanan Longsor di Suatu Wilayah Implementasi Metode Topsis dalam Seleksi Penerimaan Dana Bantuan Masyarakat Peramalan Jumlah Penumpang Kereta Api Eksekutif di Pulau Jawa Menggunakan Model SARIMA
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1