Vous êtes sur la page 1sur 9

ANALISIS DISKRIMINAN

(Disusun untuk memenuhi tugas analisis statistika multivariat)


Dosen Pengampu:

Disusun oleh:

1. Istifada Nurul Hayati (S851702016)


2. Makdar Anwar (S851702020)
3. Taufik Kurahman (S851702032)
4. Wahyu Septi Rahma Y.S (S851702036)

PROGRAM STUDI PENDIDIKAN MATEMATIKA


PASCA SARJANA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SEBELAS MARET
2017
Analisis Diskriminan digunakan untuk mengklasifikasikan individu ke dalam salah
satu dari dua kelompok atau lebih. Analisis diskriminan merupakan metode statistika yang
digunakan untuk mengelompokkan atau mengklasifikasi suatu objek ke dalam dua
kelompok atau lebih berdasarkan variabel tertentu sedemikian rupa sehingga setiap objek
menjadi anggota dari salah satu kelompok dan tidak ada objek yang menjadi anggota lebih
dari satu kelompok (Budiyono, 2015: 169). Menurut Gudono (2017: 104) analisis
diskriminan digunakan pada saat kita menghadapi dua kondisi yaitu (1) sampel dapat
dikelompokan ke dalam dua atau lebih kelompok; (2) masing-masing kelompok memiliki
variabel yang dapat digunakan untuk meramal keanggotaan unit sampel ke dalam salah
satu kelompok. Pada prinsipnya analisis diskriminan bertujuan untuk mengelompokkan
setiap obyek ke dalam dua atau lebih kelompok berdasarkan pada kriteria sejumlah variabel
bebas (Rahmatina, 2012).
Menurut Supranto (2010: 78) tujuan analisis secara umum adalah:
1. Membuat suatu fungsi diskriminan atau kombinasi linear, dari prediktor atau variabel
bebas yang bisa mendiskriminasi atau membedakan kategori variabel tak bebas atau
criterion atau kelompok, artinya mampu membedakan suatu objek (responden)
masuk kelompok/ kategori yang sama.
2. Menguji apakah ada perbedaan signifikan antara kategori atau kelompok, dikaitkan
dengan variabel bebas atau prediktor.
3. Menentukan prediktor atau variabel bebas yang mana yang memberikan sumbangan
terbesar terhadap terjadinya perbedaan antar kelompok.
4. Mengklarifikasi/ mengelompokkan objek/kasus atau responden kedalam suatu
kelompok/kategori didasarkan pada nilai variabel bebas.
5. Mengevaluasi keakuratan klasifikasi.
Tujuan utama menggunakan analisis diskriminan ialah melihat kombinasi linier.
Artinya untuk mempelajari arah perbedaan-perbedaan yang terdapat dalam suatu kelompok
sehingga diketemukan adanya kombinasi linier dalam semua variable bebas. Kombinasi
linier ini terlihat dalam fungsi diskriminan, yaitu perbedaan-perbedaan dalam rata-rata
kelompok.
Menurut Wijaya (2010: 59) terdapat dua asumsi utama yang harus dipenuhi pada
analisis diskriminan, yaitu:
1. Sejumlah p variabel penjelas harus berdistribusi normal.
2. Matriks varians-covarians variabel penjelas pada kedua kelompok harus sama.
Homogenitas matriks varians kovarians dari setiap variabel independen sama
mengindikasikan bahwa apabila matriks varians kovarians-nya sama, maka error atau
penyimpangan dalam pengukuran oleh sejumlah indikator sama. Hal ini
mengindikasikan bahwa sebarang data untuk kedua kelompok sama.
Selain asumsi utama diatas, adapula asumsi tambahan yang harus dipenuhi dalam
analisis diskriminan adalah:
1. Tidak ada korelasi antar variabel independen. Jika dua variabel independen
mempunyai korelasi yang kuat, maka dikatakan terjadi multikolinearitas.
2. Tidak adanya data yang sangat ekstrim (outlier) pada variabel independen. Jika ada
data outlier yang tetap diproses, hal ini bisa berakibat berkurangnya ketepatan
klasifikasi dari fungsi diskriminan.
Fungsi analisis diskriminan menurut Ramayah (2010) yaitu sebagai berikut.
Discriminant or discriminant function analysis is a parametric technique to
determine which weightings of quantitative variables or predictors best discriminate
between 2 or more than 2 groups of cases and do so better than chance. The analysis
creates a discriminant function which is a linear combination of the weightings and
scores on these variables.

Sebagai metode untuk membedakan objek menjadi dua atau lebih grup maka analisis
dirkriminan dapat dihitung dengan memberi timbangan kepada setiap variabel independen
agar bisa memaksimalkan perbedaan antara grup yang ada. Model analisis diskriminan
adalah sebuah persamaan yang menunjukkan suatu kombinasi linier dari berbagai variabel
independen yaitu :
Djk= a+ w1 X1k+w2 X2k+w3 X3k+...+wn Xnk
Dengan :
Djk = nilai diskriminan D dari fungsi diskriminan j objek k
a = intersep
w = timbangan diskriminan variabel independen i
Xik = variabel independen I untuk objek k.
(Widarjono, 2015: 134)

A. Analisis Diskriminan untuk Dua Kelompok


Analisis diskriminan dua kelompok meliputi cara pembentukan variat, yaitu
kombinasi linear dari dua atau lebih variabel independen yang terbaik dalam
membedakan kelompok yang terdefinisi. Pemilihan kombinasi linear dari p variabel
independen tersebut ditentukan dengan metode Fisher, dengan cara memilih vektor-
vektornya yang menghasilkan hasil bagi maksimum antara variansi antar kelompok
dengan variansi dalam kelompok. Fungsi yang terbentuk melalui analisis ini disebut
fungsi diskriminan linear.
Misalkan terdapat p variabel peramal X1 , X2 , , Xp pada Kelompok I yang
berukuran n1 , dan Kelompok II, yang berukuran n2 , yang tata letaknya adalah
sebagai berikut.
Tabel 1. Tata Letak Data Analisis Diskriman untuk Dua Kelompok
Kelompok Kelompok I Kelompok II
Var.
X1 X2 Xp X1 X2 Xp
Peramal
Data X111 X211 Xp11 X121 X221 Xp21
X112 X212 Xp12 X122 X222 Xp22
X113 X213 Xp13 X123 X223 Xp23

X11n1 X21n1 Xp1n1 X12n2 X22n2 Xp2n2
Banyak
n1 n2
data
Rerata
X11
X 21
Xp1
X12
X 22
Xp2

Terdapat tiga buah jumlah kuadrat dan cross product pada matriks, sebagai
berikut:
m n

JKST = (Xij
X)(Xij
X)
i=1 j=1
n

JKSW = (Xij
X)(Xij
X)
j=1

JKSB = JKST JKSW


Terdapat pula tiga buah kovarian matrik, sebagai berikut:
a. Kovarian matriksdalam kelompok (within group)
1
W=( ) JKSW
NK
b. Kovarian matriksantar kelompok (between group)
1
B=( ) JKSB
K1
c. Kovarian matrikssemua kelompok/total
1
T=( ) JKST
N1
Komposisi linear dari X1 , X2 , , X p yang dicari berbentuk:
Y = b1 X1 + b2 X2 + + bp Xp
= ... (1)
b1 X1
Dengan = [b2 ] dan = [X2 ]
bp Xp
Matriks b dicari dengan formula sebagai berikut:

= ( ) ... (2)
Dengan
X11 X12
= [X

21 ] [ X 22 ]

Xp1 Xp2
+
=
+ 2
adalah W untukkelompok I dan adalah Wuntuk kelompok II.
Untuk selanjutnya, fungsi Y = b1 X1 + b2 X2 + + bp Xp disebut fungsi
diskriminan dan b1 , b2 , , bp disebut bobot diskriminan. Statistik uji untuk menguji
signifikansi fungsi diskrimnan tersebut adalah
n n n +n p1
= (n 1+n2 ) ((n1 +n2 2)p) D2 ~ F(p, n1 + n2 p 1) ... (3)
1 2 1 2

Dengan
D2 =
Y1
Y2

= ( ) (

) ... (4)
Kuantitas D2 pada persamaan 4 disebut jarak Mahalanobis antara vektor rerata
sampel. Perhatikanlah bahwa D2 adalah suatu notasi yang menunjukkan bahwa jarak
Mahalanobis tersebut tidak pernah bernilai negatif. Notasi D2 bukan notasi dari sesuatu
yang dikuadratkan (Budiyono, 2015: 169-171).

B. Analisis Diskriminan Untuk k Kelompok (k > 2)


Pada analisis diskriminan dua kelompok, hanya mencari satu fungsi
diskriminan yang mampu memaksimumkan perbedaan antara dua kelompok.
Sedangkan pada analisis diskriminan yang lebih dari 2 (Multiple Discriminant
Analysis (MDA)) kelompok tidak dapat menjelaskan perbedaan lebih dari dua
kelompok hanya dengan menggunakan satu fungsi diskriminan saja. Tujuan MDA
adalah mengidentifikasi jumlah fungsi diskriminan seminimum mungkin yang
mampu memaksimumkan perbedaan antara kelompok yang ada. Jika terdapat lebih
dari dua kelompok maka mempunyai lebih dari satu fungsi diskriminan. Fungsi
diskriminan yang pertama adalah fungsi diskriminan yang mampu membedakan
paling baik di antara k kelompok. Sedangkan fungsi diskriminan yang kedua adalah
sebuah fungsi diskriminan yang mempunyai korelasi dengan fungsi diskriminasi
pertama dan mempunyai kekuatan terbaik kedua dalam membedakan antara k
kelompok dan seterusnya.Dengan demikian, jika kita mempunyai sejumlah k
kelompok maka akan ada sebanyak k 1 fungsi diskriminan.
Misalkan terdapat p variabel peramal X1 , X2 , , Xp pada Kelompok I yang
berukuran n1 , dan Kelompok II, yang berukuran n2 , , dan kelompok ke-k yang
berukuran nk yang tata letaknya adalah sebagai berikut.
Tabel 2. Tata Letak untuk k Kelompok dengan p Varibel Terikat
Klp. Kelompok ke-1 Kelompok ke-2 Kelompok ke-k
Var. X1 X2 Xp X1 X2 Xp X1 X2 Xp
Data X111 X211 X p11 X121 X221 X p21 Xk11 Xk21 Xkp1
X112 X212 Xp12 X122 X222 Xp22 Xk12 Xk22 Xkp2
X113 X213 Xp13 X123 X223 Xp23 Xk13 Xk23 Xkp3

X11n1 X21n1 Xp1n1 X12n2 X22n2 Xp2n2 Xk1nk Xk2nk Xkpnk
Banyak
n1 n2 n1
data
Rerata 11
X 21
X p1
X 12
X 22
X p2
X 1k
X 2k
X pk
X

Seperti yang telah jelaskan di atas, jika terdapat lebih dari dua kelompok, maka
pada umumnya terdapat lebih dari satu fungsi diskriminan. Jika semua fungsi
diskriminannya signifikan, maka fungsi-fungsi tersebut dapat dipakai sebagai
petunjuk untuk melakukan pengelompokan. Sebaliknya, jika ada fungsi diskriminan
yang tidak signifikan, maka tidak dapat dilakukan pengelompokan dengan
menggunakan fungsi-fungsi tersebut.
Fungsi diskriminan yang dicari berbentuk:
Ym = b1m X1 + b2m X2 + + bpm Xp ... (5)
Dengan bm = [b1m b2m bpm ] adalah vektor eigen terstandar dari
, dengan B adalah covariance matrix between group. Perhatikanlah bahwa
2
vektor bj disebut terstandar jika b1m + b22m + + b2pm = 1.
Untuk menguji signifikansi fungsi diskriminan tersebut didefenisikan statistic
uji berikut, yang berdistribusi chi kuadrat.
p+k
V = {N 1 } ln
2
p+k
= {N 1 } ln{(1 + 1 )(1 + 2 ) (1 + r )}
2
p+k
= {N 1 } {ln(1 + 1 ) + ln(1 + 2 ) + + ln(1 + r )}
2
p+k
= {N 1 } rm=1 ln(1 + m ) (6)
2

Dengan N = n1 + n2 + + nk dan 1 , 2 , , r adalah nilai eigen tak nol dari


yang telah diurutkan dari yang terbesar ke terkecil (dalam arti berlaku 1
2 r ).
Perlu diketahui bahwa jika mempunya r buah nilai eigen tak nol
||
1 , 2 , , r dan adalah nilai lamda Wilk yang didefinisikan sebagai = ||
, maka

berlaku:
1 1 1
=( )( )( )
1 + 1 1 + r 1 + r
1
= (1 + 1 )(1 + 2 ) (1 + r ) sehingga

1
ln = ln = ln{(1 + 1 )(1 + 2 ) (1 + r )}

= ln(1 + 1 ) + ln(1 + 2 ) + + ln(1 + r )
r

= ln(1 + i )
i=1
Komponen ke-m dari statistik V di atas, yang berbentuk berikut, juga
berdistribusi chi kuadrat.
p+k
Vm = {N 1 } ln(1 + i ) (7)
2

Perhatikan bahwa V V1 V2 Vr .
Untuk menguji signifikansi fungsi-fungsi diskriminan yang diperoleh,
digunakan statistik uji berikut.
Tabel 3. Statistik Uji untuk Menguji Fungsi Diskriminan
Fungsi Diskriminan Statistik Uji Derajad Kebebasan
Fungsi diskriminan pertama V p(k 1)
Fungsi diskriminan kedua V V2 (p 1)(k 2)
Fungsi diskriminan ketiga V V1 V2 (p 2)(k 3)

Catatan: Statistik uji V, V V1 , V V1 V2 , dan seterusnya berdistribusi chi kuadrat
(Budiyono, 2015: 175-177)

DAFTAR PUSTAKA
Budiyono. (2015). Pengantar Metode Statistika Multivariat. Surakarta: UNS Press.

Gudono. (2017). Analisis Data Multivariat. Yogyakarta: BPFE-Yogyakarta.

Rahmatina, D. (2012). Analisis Diskriminan Dalam Mengklasifikasikan Predikat Kesehatan


Bank (Studi Kasus Pada Bank Umum Syariah), JEMI 3(1): 78-90.

Ramayah, T., Ahmad, N.H., Halim, H.A., Zainal. S.R.M., & Lo, M. (2010). Discriminant
Analysis: An Illustrated Example, African Journal of Business Management 4(9):
1654-1667.

Supranto, J. (2010). Analisis Multivariat Arti dan Interpretasi. Jakarta: Rineka Cipta.

Widarjono, A. (2015). Analisis Multivariat Terapan. Yogyakarta: UPP STIM YKPM.

Wijaya, T. (2010). Analisis Multivariat. Yogyakarta: Universitas Atma Jaya.