Analisis diskriminan
Membedakan kelompok dari beberapa variabel.
Untuk apa dipakai
- Mengklasifikasi atau memprediksi
- Membandingkan dua kelompok atau lebih
Data yang dibutuhkan
Kolom angka butir kuesioner untuk beberapa variabel (konstruk), satu baris per responden.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Wilks' lambda tiap prediktor menunjukkan seberapa besar kelompok berbeda pada prediktor itu sendirian; lambda mendekati 0 berarti kelompok berbeda jauh, mendekati 1 berarti hampir tidak berbeda.
Box's M menguji apakah matriks kovarians antar kelompok sama; uji ini sangat sensitif sehingga dinilai pada taraf 0,001 (Tabachnick & Fidell, 2019). Bila dilanggar dan ukuran kelompok sangat tidak seimbang, klasifikasi linear kurang tepat.
Fungsi diskriminan dicari dengan memaksimumkan rasio varians antar-kelompok terhadap varians dalam-kelompok (eigen dari W⁻¹B). Jumlah fungsi maksimum = min(jumlah prediktor, jumlah kelompok − 1). Wilks' lambda menguji signifikansi tiap fungsi secara bertahap.
maksimumkan v'Bv / v'Wv
Fungsi klasifikasi Fisher dipakai untuk memprediksi kelompok setiap responden. Akurasi resubstitusi (diuji pada data yang sama) cenderung terlalu optimis, sehingga dibandingkan dengan validasi silang leave-one-out, dan keduanya dibandingkan dengan kriteria peluang proporsional (Cpro × 1,25) serta uji Q Press untuk menilai apakah model mengungguli tebakan acak.
Cpro = Σ(nᵢ/n)²
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Box's M, p | > 0,001 → kesamaan kovarians tidak dilanggar | Tabachnick & Fidell (2019) |
| Korelasi struktur prediktor | |r| ≥ 0,30 dianggap berperan pada fungsi itu | Hair dkk. (2019) |
| Akurasi validasi silang | harus melebihi Cpro × 1,25 agar dianggap berarti | Hair dkk. (2019) |
- Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
- Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annals of Eugenics, 7(2), 179–188.
- Huberty, C. J., & Olejnik, S. (2006). Applied MANOVA and discriminant analysis (2nd ed.). John Wiley & Sons.
- Press, S. J., & Wilson, S. (1978). Choosing between logistic regression and discriminant analysis. Journal of the American Statistical Association, 73(364), 699–705.
- Box, G. E. P. (1949). A general distribution theory for a class of likelihood criteria. Biometrika, 36(3-4), 317–346.
Hair dkk. (2019); Fisher (1936)
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.