MANOVA
- Y : Kontinyu
- X : Kategorik
DESKRIMINAN
- X : Kontinyu
- Y : Kategorik
salah satu metode analisis multivariat yang bertujuan untuk memisahlkan bebrapa
kelompok data yang terkelompokkan dengan cara membentuk fungsui diskriminan.
variabel independen bersifat metrik (interval atau rasio) variabel dependen bersifat
kategorik
REGLOG :
- X : Kategorik, kontinyu
- y : kategorik
tUJUAN DISKRIMINAN
ada data, 0 dan 1, salmon, 0 dari alaska 1 dari kanada, maksudnya yang no 1
diukur dengan yang x apakah masuk yang alaska atau kanada
ASUMSI
berdistribusi normal multivariat
matriks kovarian harus homogen
LANGKAH
asumsi
pembentukan fungsi diskriminan
mengukur nilai cutt of
LANGSUNG PRAKTIKUM
ikan apakah tertangkap dari alaska atau canada? 50 ikan di air tawar dan laut
distribusi normal multivariat pake DJ" minitab loo. mosok lali rek??
karakteristik data
Group Statistics
Origin
Mean
Std. Deviation
Valid N (listwise)
Unweighted
Freshwater
Alaska
Canada
Total
Weighted
98.38
16.143
50
50.000
Marine
429.66
37.404
50
50.000
Freshwater
137.46
18.058
50
50.000
Marine
366.62
29.887
50
50.000
Freshwater
117.92
26.001
100
100.000
Marine
398.14
46.240
100
100.000
lihat yg bertanda kuning kan signifikan, maka keduanya sampe bawah harus dipakai terus. kalo
salah satu yang signifikan maka yang digunakan hanya yang signifikan saja
Variables Entered/Removeda,b,c,d
Step
Entered
Wilks' Lambda
Statistic
df1
df2
df3
Exact F
Statistic
df1
df2
Sig.
Freshwater
.430
98.000
130.156
98.000
.000
Marine
.321
98.000
102.591
97.000
.000
At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 4.
b. Minimum partial F to enter is 3.84.
c. Maximum partial F to remove is 2.71.
d. F level, tolerance, or VIN insufficient for further computation.
.045
Marine
-.018
(Constant)
1.924
Unstandardized
coefficients
rumusan Masalah
1. Karakteristik data
2. Uji Normal Multivariat pakai r
3. Homogenitas var => Box's M
4. Fungsi diskriminan y= 1.924 + 0,045 X1 - 0.018 X2
Cutting Score
m n1 xY1 n2 xY2
n1 n2
Function
1
Alaska
-1.440
Canada
1.440
Unstandardized
canonical discriminant
functions evaluated at
group means
merah = y bar 2
Canada
Freshwater
.371
.499
Marine
.384
.332
-101.377
-95.835
(Constant)
Count
Original
%
Count
Cross-validatedb
%
Total
Canada
Alaska
44
50
Canada
49
50
Alaska
88.0
12.0
100.0
Canada
2.0
98.0
100.0
Alaska
44
50
Canada
49
50
Alaska
88.0
12.0
100.0
Canada
2.0
98.0
100.0
jadi tadi kita kan punya model, manualnya data asli kalian dimasukkan ke model terus dapet kita
masuk ke berapa
alaska yang diprediksi alaska ada 44 pengamatan yang salah ada satu pengamatan
APPER ( proporsi observasi yang diprediksi secara tidak benar oleh fungsi klasifikasi)
APPER
n12 n21 6 1
x100% 7%
n
100