Analisis diskriminan merupakan teknik menganalisis data, dimana variabel dependent/ respon
berskala non metrik (kategorik ; nominal atau ordinal/ berupa kelompok) sedangkan variabel
independent/prediktor berskala numerik (interval atau rasio).
1. Membuat suatu fungsi diskriminan atau kombinasi linear, dari prediktor/variabel bebas yang
bisa mendiskriminasi atau membedakan kategori variabel tak bebas atau kelompok, artinya
mampu membedakan suatu objek masuk kelompok kategori yang mana.
(Tujuan utama memperoleh fungsi diskriminan, yaitu fungsi yang mampu digunakan
membedakan suatu objek masuk ke dalam populasi tertentu berdasarkan pengamatan terhadap
objek tersebut)
2. Menguji apakah ada perbedaan signifikan antara kategori/ kelompok, dikaitkan dengan
variabel bebas.
3. Menentukan prediktor/ variabel bebas yang mana yang memberikan sumbagan terbesar
terhadap terjadinya perbedaan antar kelompok.
4. Mengklarifikasi/mengelompokan objek/kasus atau responden ke dalam suatu
kelompok/kategori didasarkan pada nilai variabel bebas.
5. Mengevaluasi keakuratan klasifikasi.
Model dasar analisis diskriminan mirip regresi berganda. Perbedaannya adalah kalau variabel
dependen regresi berganda dilambangkan dengan Y, maka dalam analisis diskriminan dilambangkan
dengan D.
Model analisis diskriminan adalah sebuah persamaan yang menunjukkan suatu kombinasi linier dari
berbagai variabel independen yaitu :
= 0 + 1 1 + 2 2 + +
Keterangan:
D : nilai (skor) diskriminan
X : Variabel prediktor (atribut)
b : koefisien diskriminan (bobot)
Yang diestimasi adalah koefisien b, sehingga nilai D setiap grup sedapat mungkin berbeda.
Ini terjadi pada saat rasio jumlah kuadrat antargrup (betweengroup sum of squares) terhadap jumlah
kuadrat dalam grup (within-group sum of square) untuk skor diskriminan mencapai maksimum.
Berdasarkan nilai D itulah keanggotaan seseorang diprediksi.
Uji Normalitas
Untuk menguji kenormalan ganda (Multivariate Normality) adalah dengan mencari nilai jarak kuadrat
untuk setiap pengamatan yaitu dengan rumus sebagai berikut :
2 = 1 ( )
Dimana :
2 = Nilai jarak kuadrat untuk setiap pengamatan ke-i
Xi = Pengamatan ke-i (i=1, 2, ..., n)
X = Rata-rata variabel independen
S-1 = Kebalikan (inverse) matriks varians-kovarians S
Kemudian 2 diurutkan dari yang paling kecil ke yang paling besar. Selanjutnya dibuat plot 2
dimana i = urutan 1, 2, ..., n. Bila hasil plot dapat didekati dengan garis lurus maka dapat disimpulkan
bahwa peubah ganda menyebar normal.
Dengan :
Keterangan :
S = Matriks kovarians dalam kelompok gabungan
Si = Matriks kovarians kelompok ke-i (i = 1, 2, ..., k)
ni = Jumlah responden pada kelompok ke-i
k = banyaknya kelompok
p = Jumlah peubah pembeda (Y) dalam fungsi diskriminan = 1
Dimana :
X = Vektor pengamatan
X1 dan X2 = Vektor rata-rata variabel independen
S-1 = Invers matriks varians kovarian dalam kelompok gabungan
Dimana uji Wald tersebut diatas akan menghasilkan model atau persamaan fungsi diskriminan
sebagai berikut :
= 0 + 1 1 + 2 2 + +
Dimana :
D = Skor fungsi diskriminan dari responden ke-i, dimana i=1, 2, ..., n. D merupakan variabel
tak bebas
b0 = Konstanta (intercep)
bj = Koefisien fungsi diskriminan dari variabel ke-j
Xij = Variabel bebas ke-j dari responden ke-i (i = 1, 2, ..., n)
Untuk dua grup yang mempunyai ukuran yang sama, cutting score dinyatakan dengan rumus :
Jika angka skor kasus lebih besar dari nilai angka kritis (Zcu), maka responden tersebut masuk
kedalam grup A. Sedangkan jika angka skor kasus lebih kecil dari nilai angka kritis (Zcu), maka
responden tersebut masuk kedalam grup B.
merumuskan masalah
mengestimasi koefisien
fungsi diskriminan
menginterpretasi hasil
uji signifikansi
validasi fungsi
diskriminan
Merumuskan masalah
Tahap ini mencakup jawaban atas pertanyaan kenapa analisis diskriminan dilakukan (latar
belakang masalah) dan apa tujuan masalah diskriminan, termasuk variabel-variabel apa yang
dilibatkan.
Karena analisis diskriminan akan melakukan tugasnya begitu data dimasukkan, perlu dipastikan
terlebih dulu bahwa instrument yang digunakan akurat (baik secara teori maupun statistik) dan
datanya reliable.
Pada tahap ini peneliti juga mengidentifikasi sasaran, variabel dependen, serta variabel
independen. Variabel dependen harus berisikan dua atau lebih kategori, di mana antara satu
kategori dan kategori lain bersifat terpisah. sekiranya variabel dependen memakai skala metric
(interval ataupun rasio), skala variabel tersebut harus diubah menjadi kategori terlebih dahulu.
Mengistemasi fungsi diskriminan
Estimasi dapat dilakukan setelah sampel analisis diperoleh. Ada dua pendekatan umum yang
tersedia. Pertama, metode langsung yaitu suatu cara mengestimasi fungsi diskriminan dengan
melibatkan variabel-variabel prediktor sekaligus.
Setiap variabel dimasukkan tanpa memperhatikan kekuatan diskriminan masing-masing variabel.
Metode ini baik kalau variabel-variabel prediktor dapat diterima secara teoretis.
Kedua, stepwise method. Dalam metode ini, variabel prediktor dimasukkan secara bertahap,
tergantung pada kemampuannya melakukan diskriminasi grup. Metode ini cocok kalau peneliti
ingin memilih sejumlah variabel prediktor untuk membentuk fungsi diskriminan.