11.07.2015 Views

Analisa Kinerja Sistem - Blog Sivitas STIKOM Surabaya

Analisa Kinerja Sistem - Blog Sivitas STIKOM Surabaya

Analisa Kinerja Sistem - Blog Sivitas STIKOM Surabaya

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Chapter 3.WorkloadDispersi juga dapat diukur dengan mean absolute deviation, yang didefinisikandenganMeanabsolutedeviation = 1 nn∑|x i − ¯x| (3.4)i=1Principal Component Analysis (PCA)Principal Component Analysis (PCA) merupakan salah satu cara yang dapatdigunakan untuk mengklasifikasikan komponen dari workload. Seringkalidalam suatu pengukuran sistem, kita mendapati suatu sistem dapat dikarakterisasikanke dalam 2 atau bahkan lebih variabel. Karena itu semakin besarjumlah variabel yang berperan dalam pengukuran, maka proses komputasi semakinbesar. PCA adalah suatu metode tranformasi linear yang mentransformasivariabel-variabel tersebut ke dalam satu variabel saja, disebut principalfactor (selanjutnya variabel hasil transformasi ini yang digunakan untuk prosesanalisa). PCA merupakan transformasi linier yang melakukan klasifikasi dengancara mentransformasikan data ke koordinat baru sedemikian rupa sehinggadata dengan varian terbesar akan berada di sekitar koordinat baru tersebut.1. Proses transformasi dilakukan dengan persamaan:y i =n∑a ij x j (3.5)j=1dimana y i disebut sebagai principal factor. Secara statistik, jika diberikansatu set data yang terdiri atas n parameter {x 1 , x 2 , . . . x n }, PCA akanmenghasilkan satu set factor {y 1 , y 2 , . . . y n } sedemikian rupa sehinggay’s merupakan kombinasi linier dari x’s. Sedangkan a ij disebut sebagailoading dari variabel x j pada factor y i .2. factor y ′ s membentuk sebuah set yang orthogonal, yang memiliki innerproduct sebesar 0 (nol):〈y i , y j 〉 = ∑ ka ik a kj = 0 (3.6)Ini juga berarti bahwa y i ’s saling tidak berkorelasi satu dengan yang lain.54

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!