Pengklasifikasian Objek dengan Analisis Diskriminan Linier Klasik dan Analisis Diskriminan Linier Robust

Abstract

Discriminant analysis is one of multivariate analysis with dependency method. Discriminant analysis is a multivariate analysis that aims to classify observations based on several independent variables that are non-categorical and categorical dependent variables. Discriminant analysis requires the assumption of the normal multivariate distribution and the homogeneity of the variance-covariance matrix. Classical linear discriminant analysis and linear robust discriminant analysis can be applied to classify objects. The classification is based on 10 indicators of district/city poverty level in North Sumatra province, 10 indicators are as independent variable and low poverty classification and high poverty classification as dependent variable. The linear robust discriminant model classifies the object more precisely than the classic linear discriminant model. This can be seen from the total proportion of classification mistakes of 6%, less than the total proportion of classical linear discriminant classifier error classification of 21.2%. This is due to the large number of outlays in the district/city poverty data in North Sumatra.

Analisis diskriminan merupakan salah satu dari analisis multivariat dengan metode dependensi. Analisis diskriminan merupakan analisis multivariat yang bertujuan untuk mengklasifikasi amatan berdasarkan beberapa variabel independen yang bersifat non kategorik dan variabel dependen yang bersifat kategorik. Analisis diskriminan memerlukan asumsi sebaran normal multivariat dan kehomogenan matriks varians-kovarians. Analisis diskriminan linier klasik dan analisis diskriminan linier robust dapat diaplikasikan untuk mengklasifikasikan objek. Klasifikasi didasarkan pada 10 indikator tingkat kemiskinan Kabupaten/kota di provinsi Sumatera Utara, 10 indikator tersebut sebagai variabel independen dan tingkat klasifikasi kemiskinan rendah dan kemiskinan tinggi sebagai variabel dependen. Model diskriminan linier robust mengklasifikasikan objek lebih tepat dari model diskriminan linier klasik. Hal ini dapat dilihat dari total proporsi kesalahan pengklasifikasian sebesar 6%, lebih kecil dari total proporsi kesalahan pengklasifikasian model diskriminan linier klasik yaitu sebesar 21,2%. Hal ini terjadi karena jumlah pencilan yang besar pada data tingkat kemiskinan kabupaten/kota di Sumtera Utara.