terjamin akurasinya.
2.7.1 Tujuan Analisis Diskriminan
Tujuan analisis diskriminan secara umum adalah : 1. Membuat suatu fungsi diskriminan atau kombinasi linear, dari predictor atau
variabel bebas yang bisa mendiskriminasi atau membedakan katagori variabel tak bebas, artinya mampu membedakan suatu objek responden
masuk kelompok yang mana. 2. Menguji apakah ada perbedaan signifikan antara kelompok, dikaitkan
dengan variabel bebas. 3. Menentukan variabel bebas yang mana yang memberikan sumbangan
terbesar terhadap terjadinya perbedaan antar kelompok. 4. Mengklasifikasi atau mengelompokkan responden ke dalam suatu
kelompok didasarkan pada nilai variabel bebas. 5. Mengevaluasi keakuratan klasifikasi the accuracy of classification.
2.7.2 Proses Dasar Analisis Diskriminan
Proses dasar Analisis Diskriminan adalah: 1. Memisahkan variabel-variabel menjadi variabel dependen dan variabel
independen. 2. Menentukan metode untuk membuat fungsi diskriminan. Pada dasarnya ada
dua metode dasar untuk itu, yaitu: a. Simultaneous Estimation, dimana semua variabel dimasukkan secara
bersama-sama kemudian dilakukan proses diskriminan. b. Stepwise Estimation, dimana variabel dimasukkan satu persatu
kedalam model diskriminan. Pada proses ini, tentu ada variabel yang tetap ada pada model dan ada kemungkinan satu atau lebih variabel
independen yang dibuang dari model. 3. Menguji signifikansi dari fungsi diskriminan yang telah terbentuk
menggunakan Wilk ’s Lambda, Pilai, F test lainnya.
Universitas Sumatera Utara
4. Melakukan interpretasi terhadap fungsi diskriminan tersebut. 5. Menguji ketepatan klasifikasi dari fungsi diskriminan, termasuk mengetahui
ketepatan klasifikasi secara individual dengan casewise diagnostics.
2.7.3 Asumsi dalam Analisis Diskriminan
Berikut ini asumsi yang harus dipenuhi agar model diskriminan dapat digunakan:
1. Multivariat Normality, atau variabel independen yang 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. Tujuan uji normal adalah ingin mengetahui, apakah distribusi dengan berbentuk lonceng bell shapped. Data yang baik adalah data yang
mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak menceng ke kiri atau menceng ke kanan. Uji normalitas pada multivariat
sebenarnya kompleks, karena harus dilakukan pada seluruh variabel secara bersama-sama. Namun, uji ini bisa juga dilakukan pada setiap variabel
dengan logika bahwa jika secara individual masing-masing variabel memenuhi asumsi normalitas, maka secara bersama-sama multivariat variabel-variabel
tersebut juga dianggap memenuhi asumsi normalitas. Adapun kriteria pengujiannya adalah:
a. Angka signifikansi Sig. 0,05, maka data tersebut berdistribusi normal.
b. Angka signifikansi Sig. 0,05, maka data tersebut tidak berdistribusi
normal. 2. Matriks Kovarian dari semua variabel independen seharusnya sama atau equal.
3. Tidak ada korelasi antara dua variabel independen. 4. Tidak adanya data yang sangat ekstrim pada variabel independen.
2.7.4 Model Analisis Diskriminan