Analisis ini bertujuan untuk mengidentifikasi dan mereduksi struktur variabel pada dataset Dry Bean menggunakan metode Principal Component Analysis (PCA) dan Factor Analysis (FA). Uji kelayakan menunjukkan nilai KMO sebesar 0,67 yang mengindikasikan data layak untuk dianalisis lebih lanjut. Hasil PCA menunjukkan bahwa tiga komponen utama mampu menjelaskan 88% variansi total, dengan dua komponen pertama mendominasi struktur data. Analisis FA dengan rotasi oblimin menghasilkan model dua faktor yang lebih parsimonious dan stabil, dengan total variansi sebesar 81% dan nilai RMSR sebesar 0,06. Kedua faktor diinterpretasikan sebagai dimensi ukuran (size) dan dimensi bentuk (shape), yang secara konsisten merepresentasikan struktur utama dataset. Hasil ini menunjukkan bahwa kompleksitas data dapat direduksi secara optimal menjadi dua dimensi utama yang bermakna secara statistik

Tugas ini membahas analisis statistik multivariat menggunakan dataset Sirtuin6 Small Molecules dari UCI Machine Learning Repository yang berisi deskriptor molekuler numerik. Analisis dilakukan menggunakan bahasa pemrograman R dengan menghitung correlation matrix, variance–covariance matrix, serta eigen value dan eigen vector untuk memahami hubungan antar variabel, sebaran data, dan kontribusi masing-masing variabel terhadap variasi data secara keseluruhan.