Analisis diskriminan merupakan teknik yang akurat untuk memprediksi seseorang termasuk kategori apa, dengan catatan data-data yang terlibat terjamin akurasinya.
2.7.1 Tujuan Analisis Diskriminan
Adapun tujuan analisis diskriminan secara umum adalah : 1.
Ingin mengetahui apakah ada perbedaan yang jelas antar grup pada variabel dependen.
2. Jika ada perbedaan, variabel independen manakah pada fungsi diskriminan
yang membuat perbedaan tersebut. 3.
Membuat fungsi atau model diskriminan, yang pada dasarnya mirip dengan persamaan regresi
4. Melakukan klasifikasi terhadap objek dalam terminologi SPSS disebut
baris, apakah suatu objek bisa berupa nama orang, tumbuhan, benda atau lainnya termasuk pada kelompok ke-2 atau lainnya.
2.7.2 Proses Dasar Analisis Diskriminan
Adapun 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’sLambda, 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
Adapun 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 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.
Universitas Sumatera Utara
2.7.4 Model Analisis Diskriminan
