Analisis diskriminan termasuk dalam Multivariate Dependence Method, dengan model:
Y1 = X1+X2+…+Xn
Non - Metrik Metrik
Keterangan:
• Variabel Independen (X1 dan seterusnya) adalah data metrik, yakni data berjenis interval atau rasio, seperti Usia seseorang, tinggi sebuah pohon, kandungan zat besi dalam tubuh, dan sebagainya.
• Variabel Dependen (Y1) adalah Data Kategorikal atau Nominal, seperti Golongan Miskin (kode 1), Golongan Menengah (kode 2), Golongan Kaya (kode 3) dan sebagainya. Jika data kategorikal tersebut hanya terdiri atas dua kode saja (misal kode 1 untuk Daerah Banjir dan kode 2 Daerah Non-Banjir), maka model bisa disebut Two-Group Discriminant Analysis. Sedang jika kode lebih dari dua kategori, disebut dengan Multiple Discriminant Analysis.
• Dari keterangan di atas, perhatikan adanya perbedaan dalam penempatan data yang sekilas mirip. Seperti Usia seseorang (dalam tahun). Jika usia disebut secara langsung sekian tahun (17 tahun, 32 tahun dan sebagainya), maka data tersebut adalah rasio dan otomatis diperlakukan sebagai variabel independen. Namun, jika Usia seseorang dilakukan penggolongan, dan dimasukkan dalam kategori-kategori tertentu, seperti jika Usia seseorang antara 15-20 tahun, ia digolongkan Remaja, di atas 20 tahun digolongkan Dewasa, maka data orang yang berusia 17 tahun tidak akan ditulis langsung '17', namun akan ditulis Remaja. Data hasil kategorisasi ini adalah data nominal dan termasuk variabel Dependen. Dengan demikian, usia 17 tahun bisa menjadi variabel dependen atau independen tergantung bagaimana data tersebut akan diperlakukan, langsung diinput apa adanya atau dilakukan penggolongan.
Y1 = X1+X2+…+Xn
Non - Metrik Metrik
Keterangan:
• Variabel Independen (X1 dan seterusnya) adalah data metrik, yakni data berjenis interval atau rasio, seperti Usia seseorang, tinggi sebuah pohon, kandungan zat besi dalam tubuh, dan sebagainya.
• Variabel Dependen (Y1) adalah Data Kategorikal atau Nominal, seperti Golongan Miskin (kode 1), Golongan Menengah (kode 2), Golongan Kaya (kode 3) dan sebagainya. Jika data kategorikal tersebut hanya terdiri atas dua kode saja (misal kode 1 untuk Daerah Banjir dan kode 2 Daerah Non-Banjir), maka model bisa disebut Two-Group Discriminant Analysis. Sedang jika kode lebih dari dua kategori, disebut dengan Multiple Discriminant Analysis.
• Dari keterangan di atas, perhatikan adanya perbedaan dalam penempatan data yang sekilas mirip. Seperti Usia seseorang (dalam tahun). Jika usia disebut secara langsung sekian tahun (17 tahun, 32 tahun dan sebagainya), maka data tersebut adalah rasio dan otomatis diperlakukan sebagai variabel independen. Namun, jika Usia seseorang dilakukan penggolongan, dan dimasukkan dalam kategori-kategori tertentu, seperti jika Usia seseorang antara 15-20 tahun, ia digolongkan Remaja, di atas 20 tahun digolongkan Dewasa, maka data orang yang berusia 17 tahun tidak akan ditulis langsung '17', namun akan ditulis Remaja. Data hasil kategorisasi ini adalah data nominal dan termasuk variabel Dependen. Dengan demikian, usia 17 tahun bisa menjadi variabel dependen atau independen tergantung bagaimana data tersebut akan diperlakukan, langsung diinput apa adanya atau dilakukan penggolongan.
