3. Ukuran Jarak
Dalam hal ini, ukuran jarak digunakan untuk menempatkan observasi ke dalam gerombol berdasarkan centroid terdekat. Ukuran jarak yang digunakan dalam
metode K-Means adalah jarak Euclid.
2.2 Analisis Diskriminan
Analisis diskriminan adalah teknik multivariat yang termasuk pada Dependence Method
, dengan ciri adanya variabel dependen dan independen. Dengan demikian, ada variabel yang hasilnya tergantung pada variabel independen. Ciri
khusus analisis diskriminan adalah data variabel dependen harus berupa data kategori, sedangkan data untuk variabel independen berupa data rasio.
Kegunaan analisis diskriminan ada dua yaitu pertama adalah kemampuan memprediksi terjadinya variabel dependen dengan memasukkan data variabel
independen; kedua adalah kemampuan memilih mana variabel independen yang secara nyata memengaruhi variabel dependen dan mana yang tidak Santoso, 2010.
2.2.1 Tujuan Analisis Diskriminan
Adapun tujuan analisis diskriminan adalah : Yasril, 2009 1.
Membuat suatu fungsi diskriminan dari variabel independen yang bisa mendiskriminan atau membedakan kelompok variabel dependen, artinya mampu
membedakan suatu objek masuk kelompok yang mana. 2.
Menguji apakah ada perbedaan signifikan antara kelompok, dikaitkan dengan variabel independen.
3. Menentukan variabel independen yang mana yang memberikan sumbangan
terbesar terhadap terjadinya perbedaan antar kelompok.
Universitas Sumatera Utara
4. Mengelompokkan mengklasifikasikan variabel dependen ke dalam suatu
kelompok didasarkan pada nilai variabel independen.
2.2.2 Asumsi Analisis Diskriminan
Asumsi-asumsi yang harus dipenuhi untuk analisis diskriminan adalah : Yasril, 2009
1. Multivariate Normality
Bila menggunakan teknik analisis multivariat dengan analisa diskriminan, variabel independen seharusnya berdistribusi normal. Jika data tidak
berdistribusi normal, hal ini akan menyebabkan masalah pada ketepatan fungsi model diskriminan. Regresi Logistik bisa dijadikan alternatif metode
jika memang data tidak berdistribusi normal. 2.
Matriks kovarians dari semua variabel independen seharusnya sama equel 3.
Tidak adanya data yang sangat ekstrim outlier pada variabel independen. Jika ada data outlier yang tetap diproses, hal ini bisa berakibat berkrangnya
ketepatan klasifikasi dari fungsi diskriminan. 4.
Tidak ada multikolinearitas antar variabel independen. Multikolinearitas terjadi bila ada variabel independen yang berkorelasi sangat
kuat dengan variabel independen lainnya. Untuk mengetahui adanya multikolinearitas dapat dilakukan dengan melihat korelasi antar variabel
independen yaitu jika nilai r 0,8 menunjukkan adanya multikolinearitas.
2.2.3 Model Analisis Diskriminan
Model analisis diskriminan berkenaan dengan kombinasi linier yang disebut juga fungsi diskriminan bentuknya sebagai berikut : Yasril, 2009
Universitas Sumatera Utara
Z
jk
= a + W
1
X
1k
+ W
2
X
2k
+ … + W
n
X
nk
dimana Z
jk
= Nilai skor diskriminan dari fungsi diskriminan j untuk objek k a
= Intercept W
n
= Timbangan diskriminan untuk variabel independen X
nk
= Variabel independen n untuk objek k
2.2.4 Langkah-Langkah Analisis Diskriminan
