ANALISIS DISKRIMINAN

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.

MINIMAL DATA YANG SIGNIFIKAN ADA DUA

fungsi diskriminannya
Canonical Discriminant
Function Coefficients
Function
1
Freshwater

.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

jika y >= m =>> masuk kategori 1 (0)

jika y < m =>> masuk kategori 2 (1)
tergantung default spss (last) kodingan 1 masuk klasifikasi 1, kodingan 0 masuk
klasifikasi 2

(NGIKUT YANG SPSS YOOOO (NGKOK DITAKOKNE BU PINGIT NEH...)

Functions at Group
Centroids
Origin

Function
1

Alaska

-1.440

Canada

1.440

Unstandardized
canonical discriminant
functions evaluated at
group means

kuning = y bar satu

merah = y bar 2

Classification Function Coefficients

Origin
Alaska

Canada

Freshwater

.371

.499

Marine

.384

.332

-101.377

-95.835

(Constant)

Fisher's linear discriminant functions

pengamatan yang dari fresh water itu cenderung diklasifikasikan ke kanada

sedangkan pengamatan yang adari marine itu cenderung diklasifikasikan ke alaska
Classification Resultsa,c
Origin

Predicted Group Membership

Alaska

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

a. 93.0% of original grouped cases correctly classified.

b. Cross validation is done only for those cases in the analysis. In cross validation, each
case is classified by the functions derived from all cases other than that case.
c. 93.0% of cross-validated grouped cases correctly classified.

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

kesalahan klasifikasi sebesar 7% maka ketepannya adalah 93%

CARI DATA SENDIRI MINIMAL N=30

VARIABEL X KONTINYU MINIMAL YANG SIGNIFIKAN 2 @15

DIKUMPULKAN SESUAI DENGAN ASDOS MASINGMASING