Penelitian ini membahas penerapan Analisis Komponen Utama (Principal Component Analysis/PCA) pada dataset Iris untuk melakukan reduksi dimensi tanpa menghilangkan informasi penting dari data. PCA digunakan untuk menyederhanakan empat variabel fitur bunga—Sepal Length, Sepal Width, Petal Length, dan Petal Width—menjadi sejumlah komponen utama yang mampu menjelaskan sebagian besar variasi data. Proses analisis dimulai dengan uji kelayakan data melalui Kaiser-Meyer-Olkin (KMO) dan Bartlett’s Test of Sphericity, dilanjutkan dengan pembentukan matriks korelasi, perhitungan nilai eigen, scree plot, serta interpretasi komponen utama. Melalui PCA, penelitian ini menunjukkan bagaimana reduksi dimensi dapat dilakukan secara efektif pada data multivariat untuk mempermudah visualisasi, mengurangi redundansi variabel, dan meningkatkan efisiensi analisis lanjutan.