Upload Data (MFA)
MFA menyeimbangkan pengaruh beberapa kelompok variabel (blocks) agar grup dengan banyak variabel atau varians besar tidak mendominasi PCA global.
Drag & drop dataset MFA di sini
Gunakan data numerik observasi (baris) dan variabel (kolom) yang akan dipisah ke beberapa grup.
Pengelompokan Variabel (Blocks)
Tentukan setiap variabel masuk ke grup yang mana. Minimal butuh 2 grup, dan tiap grup minimal punya 2 variabel.
📁 Active Groups
0
Blok variabel yang diproses
✨ Global Variance (F1+F2)
0%
Informasi di peta 2D
📉 Eigenvalue Tertinggi
0.000
Dari Matriks Global
🎯 Variabel Input
0
Terdistribusi di semua grup
Variables Factor Map (Correlation Circle)
Korelasi variabel asli dengan Faktor Global 1 (X) dan Faktor Global 2 (Y). Koordinat mendekati lingkaran luar (1.0 atau -1.0) sangat direpresentasikan dengan baik.
Bobot Grup (Group Weights)
Bobot = 1 / √λ₁ (λ₁ adalah max eigenvalue dari PCA internal masing-masing grup).
| Grup | Bobot |
|---|
Global Eigenvalues
| Faktor | Eigen | % Var |
|---|
Korelasi Variabel dengan Global Axis (Dim 1 & Dim 2)
| Variabel Indikator | Grup Asal | Dim 1 (X) | Dim 2 (Y) | cos² (Kualitas Rep.) |
|---|