Upload
luxminah-mcqueen
View
43
Download
0
Embed Size (px)
DESCRIPTION
Analisis diskriminan dan penerapannya dalam bidang Perencanaan Wilayah dan Kota
Citation preview
1. Latar Belakang
Pada zaman dengan teknologi yang canggih seperti sekarang ini, banyak orang yang tidak
bisa lepas dari bantuan gadget yang mempermudah aktivitas manusia. Salah satu gadget yang
sering digunakan dan memiliki banyak manfaat bagi berbagai profesi adalah komputer.
Untuk memudahkan pengguna mengolah data yang berhubungan dengan statistika
diciptakan aplikasi SPSS, yang biasa digunakan oleh dosen, mahasiswa, maupun pegawai di
badan statistika.
Di dalam dunia perencanaan yang kelak akan digeluti oleh lulusan Jurusan Perencanaan
Wilayah dan Kota pasti akan menemui banyak masalah yang berhubungan dengan statistika.
Pada laporan kali ini, akan dibahas tentang analisis crosstab yang tidak kalah penting dengan
analisis deskriptif sebelumnya. Maka dari itu, sudah seharusnya mahasiswa Jurusan
Perencanaan Wilayah dan Kota mahir menggunakan SPSS untuk memecahkan masalah.
Salah satu analisis yang terdapat di aplikasi SPSS adalah analisis diskriminan. Dalam bidang
perencanaan analisis diskriminan dapat digunakan untuk mengetahui kontribusi objek
objek yang berkaitan dengan suatu kasus, sehingga dapat mempermudah proses analisis,
misalnya dalam menentukan suatu wilayah termasuk daerah yang berkembang atau kurang
berkembang dengan variabel variabel yang telah ditentukan.
Dalam laporan ini akan digunakan analisis diskriminan dengan stepwise methods
menggunakan data rasio ketergantungan penduduk (dependency ratio), jumlah tenaga kerja,
dan jumlah industri kecil di Kabupaten Karanganyar agar diketahui kontribusi dari variabel
variabel tersebut terhadap status masing masing kecamatan di Kabupaten Karanganyar.
Berkembangnya sektor industri diawali dengan adanya pergerakan yang dilakukan oleh
pelaku industri kecil maupun industri rumah tangga. Tingkat kesejahteraan dan tingkat
pendapatan masyarakat di suatu. Maka dari itu, dalam laporan ini akan dilakukan analisis
cluster guna mengetahui kelompok (cluster) yang beranggotakan kelurahan yang sudah atau
belum terpenuhi fasilitas pendidikannya.
2. Tujuan
Tujuan pembuatan laporan ini adalah untuk mengetahui kontribusi dari variabel rasio
ketergantungan penduduk, jumlah tenaga kerja, dan jumlah industri kecil terhadap status
daerah yaitu, berkembang atau kurang berkembang. Selain mengetahui kontribusi variabel
variabel yang digunakan, analisis ini dapat dijadikan sebagai penentu apakah suatu variabel
tertentu perlu dilibatkan atau tidak dalam analisis selanjutnya.
3. Kajian Literatur
Analisis Diskriminan adalah salah satu tehnik analisa Statistika dependensi yang
memiliki kegunaan untuk mengklasifikasikan objek beberapa kelompok. Pengelompokan
dengan analisis diskriminan ini terjadi karena ada pengaruh satu atau lebih variabel lain yang
merupakan variabel independen. Kombinasi linier dari variabel-variabel ini akan membentuk
suatu fungsi diskriminan (Tatham et. al.,1998).
Analisis diskriminan adalah teknik multivariate yang termasuk dependence method,
yakni adanya variabel dependen dan variabel independen. Dengan demikian ada variabel
yang hasilnya tergantung dari data variabel independen. Analisis diskriminan digunakan
apabila variabel dependennya kategoris (maksudnya kalau menggunakan skala ordinal
maupun nominal) dan variabel independennya menggunakan skala metric (interval dan
rasio). Analisis diskriminan merupakan tehnik yang akurat untuk memprediksi seseorang
termasuk dalam kategori apa, dengan catatan data-data yang dilibatkan terjamin akurasinya.
Menurut Johnson and Wichern (1982 : 470), tujuan dari analisis disriminan adalah untuk
menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui,
baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan. Dengan kata lain,
analisis diskriminan digunakan untuk mengklasifikasikan individu ke dalam salah satu dari
dua kelompok atau lebih.
Pada prinsipnya ada dua metode dasar untuk membuat fungsi diskriminan, yakni :
1. Simultaneous estimation, di mana semua variabel dimasukkan secara bersama-sama
kemudian dilakukan proses diskriminan.
2. Step-wise estimation, di mana variabel dimasukkan satu persatu ke dalam model
diskriminan. Pada proses ini, tentu ada variabel yang tetap ada pada model dan ada
kemungkinan satu atau lebih variabel independen yang dibuang dari model.
Analisis diskriminan merupakan teknik yang akurat untuk memprediksi seseorang
termasuk dalam kategori apa, dengan catatan data-data yang dilibatkan terjamin akurasinya.
Oleh karena bentuk multivariate dari analisis diskriminan adalah dependence, maka variabel
dependen adalah variabel yang menjadi dasar analisis diskriminan. Asumsi yang harus
dipenuhi dalam analisis diskriminan adalah:
Multivariate normality, atau variabel independen seharusnya berdistribusi normal. Jika
data tidak berdistribusi normal, hal ini akan menyebabkan masalah pada ketepatan fungsi
(model) diskriminan. Regresi logistic (logistic regression) bisa dijadikan alternatif
metode jika memang data tidak berdistribusi normal.
Matriks kovarians dari semua variabel independen relatif sama.
Tidak ada korelasi antar variabel independen. Jika dua variabel independen mempunyai
korelasi yang kuat, maka dikatakan terjadi multikolinearitas.
4. Studi Kasus
Perkembangan suatu kota maupun kabupaten tak lepas dari peningkatan PDRB kota
maupun kabupaten tersebut. Dari berbagai sumber pendapatan daerah tak lupa sektor industri
yang memiliki kontribusi besar dalam laju pertumbuhan PDRB suatu daerah. Kawasan industri
yang banyak bermunculan di berbagai daerah dimulai dari industri kecil maupun industri
rumah tangga. Industri kecil maupun industri rumah tangga yang muncul biasanya berupa
industri kreatif yang menghasilkan kerajinan tangan atau makanan khas daerah tempat industri
tersebut terbentuk. Dalam laporan ini akan dibahas pengelompokkan kawasan industri
berkembang dan kawasan industri kurang berkembang dengan menggunakan variabel rasio
ketergantungan penduduk, jumlah tenaga kerja, dan jumlah industri kecil di Kabupaten
Karanganyar.
Kabupaten Karanganyar merupakan salah satu kabupaten di Provinsi Jawa Tengah yang
berbatasan dengan Kabupaten Sragen di sebelah utara, Prrovinsi Jawa Timur di sebelah timur,
Kabupaten Wonogiri dan Sukoharjo di sebelah selatan, dan Kota Surakarta dan Kabupaten
Boyolali di sebelah barat. Luas wilayah Kabupaten Karanganyar adalah 77.378,64 Ha yang
terbagi atas 17 kecamatan. Lokasi Kabupaten Karanganyar sangat strategis karena dikelilingi
oleh kabupaten maupun kota yang memiliki potensi masing masing membuat Kabupaten
Karanganyar berkembang pesat dalam sektor industri. Terlihat dari banyaknya industri kecil
yang bermunculan dan tenaga kerja yang semakin meningkat untuk memenuhi kebutuhan.
Dengan dilakukannya analisis diskriminan menggunakan aplikasi SPSS diharapkan dapat
diketahui kecamatan mana saja yang sudah berkembang menjadi kawasan industri mana yang
belum, sehingga dapat mempermudah analisis selanjutnya. Berikut ini merupakan data data
yang digunakan dalam analisis diskriminan:
Tabel 1
Dependency Ratio, Jumlah Tenaga Kerja, Jumlah Industri Kecil, dan
Status Kawasan Kabupaten Karanganyar
Kecamatan Dependency Ratio Tenaga Kerja
Industri
Kecil Status
Jatipuro 35,7 0 0 2
Jatiyoso 35,63 0 0 2
Jumapolo 44,47 0 0 1
Jumantono 41,85 43 1 1
Matesih 45,52 0 0 1
Tawangmangu 45,68 0 0 1
Ngargoyoso 41,71 0 0 2
Karangpandan 42,01 58 2 1
Karanganyar 43,38 70 1 1
Tasikmadu 43,59 0 0 1
Jaten 46,49 2453 43 1
Colomadu 47,19 245 8 1
Gondangrejo 44,9 432 8 1
Kebakkramat 43,73 507 7 1
Mojogedang 44,75 31 1 1
Kerjo 42,22 0 0 2
Jenawi 42,24 0 0 2 Sumber: Kabupaten Karanganyar dalam Angka 2014, BPS Kab. Karanganyar
5. Hasil dan Pembahasan
Setelah dilakukan analisis diskriminan menggunakan aplikasi SPSS, tepatnya
menggunakan stepwise method seperti yang diuraikan dalam langkah kerja, akan didapat
hasil sebagai berikut:
Analysis Case Processing Summary
Unweighted Cases N Percent
Valid 17 100,0
Excluded
Missing or out-of-range
group codes 0 ,0
At least one missing
discriminating variable 0 ,0
Both missing or out-of-range
group codes and at least
one missing discriminating
variable
0 ,0
Total 0 ,0
Total 17 100,0
Dari tabel di atas dapat diketahui jumlah data yang diproses dengan baik
sebanyak 17. Total validitas 100% dan missing 0%.
Group Statistics
Status Mean Std. Deviation Valid N (listwise)
Unweighted Weighted
Berkembang
Dependency_Ratio 44,4633 1,64412 12 12,000
Tenaga_Kerja 319,9167 694,38141 12 12,000
Industri_Kecil 5,9167 12,10904 12 12,000
Kurang Berkembang
Dependency_Ratio 39,5000 3,50739 5 5,000
Tenaga_Kerja ,0000 ,00000 5 5,000
Industri_Kecil ,0000 ,00000 5 5,000
Total
Dependency_Ratio 43,0035 3,21993 17 17,000
Tenaga_Kerja 225,8235 595,03385 17 17,000
Industri_Kecil 4,1765 10,41775 17 17,000
Dari tabel Group Statistics di atas dapat diketahui terjadi pengelompokkan antar
kawasan industri berkembang sebanyak 12 kecamatan dan kelompok kawasan industri
kurang berkembang sebanyak 5 kecamatan, dengan total 17 kecamatan. Selain itu,
dapat diketahui Std. Deviation dan Mean dari masing masing variabel.
Tests of Equality of Group Means
Wilks' Lambda F df1 df2 Sig.
Dependency_Ratio ,476 16,521 1 15 ,001
Tenaga_Kerja ,936 1,022 1 15 ,328
Industri_Kecil ,929 1,149 1 15 ,301
Berdasarkan tabel Tests of Equality of Group Means di atas digunakan untuk
mengetahui kesamaan rata rata variabel menggunakan Wilks Lambda dan nilai
signifikansi. Apabila nilai Wilks Lambda mendekati 1 berarti tidak ada perNilai Wilks
Lambda pada variabel dependency ratio tidak mendekati angka 1 berarti ada perbedaan
antar grup. Sedangkan nilai Wilks Lambda untuk variabel tenaga kerja dan industri kecil
mendekati 1 berarti tidak ada perbedaan antar grup. Apabila dilihat nilai signifikansinya
lebih dari 0,05 berati tidak ada perbedaan antar grup. Nilai signifiansi variabel
dependency ratio sebesar 0,0010,05 dan nilai signifikansi industri kecil sebsar
0,301>0,05 yang keduanya berarti tidak ada perbedaan antar grup.
Log Determinants
Status Rank Log
Determinant
Berkembang 1 ,994
Kurang Berkembang 1 2,510
Pooled within-groups 1 1,661
The ranks and natural logarithms of determinants
printed are those of the group covariance matrices.
Dari tabel di atas dapat diketahui nilai log determinant untuk kawasan industri
berkembang adalah 0,994 sedangkan nilai log determinant untuk kawasan industri
kurang berkembang adalah 2,510. Nilai log determinant keduavariabel tersebut berbeda
atau tidak mendekati satu sama lain, sehingga group covariance matrices akan berbeda
untuk kedua kelompok.
Test Results
Box's M 3,932
F
Approx. 3,631
df1 1
df2 359,000
Sig. ,058
Tests null hypothesis of equal
population covariance matrices.
Dari tabel di atas dapat diketahui nilai signifikansi sebesar 0,058
Variables Not in the Analysis
Step Tolerance Min. Tolerance Sig. of F to Enter Min. D Squared Between Groups
0
Dependency_Ratio 1,000 1,000 ,001 4,681
Berkembang and
Kurang
Berkembang
Tenaga_Kerja 1,000 1,000 ,328 ,289
Berkembang and
Kurang
Berkembang
Industri_Kecil 1,000 1,000 ,301 ,326
Berkembang and
Kurang
Berkembang
1
Tenaga_Kerja ,937 ,937 ,995 4,681
Berkembang and
Kurang
Berkembang
Industri_Kecil ,923 ,923 ,970 4,682
Berkembang and
Kurang
Berkembang
Pada step 0, ketiga variabel dimunculkan dengan angka sig of F to Enter sebagai
faktor penguji. Dapat diketahui bahwa variabel dependency ratio merupakan variabel
yang digunakan di analisis diskriminan maka pada step 1 variabel dependency ratio
sudah tidak ada karena nilai Sig of F to enter nya paling kecil dan nilai Min. D squared
nya paling besar di antara yang lain. Pada step 1 dapat diketahui nilai signifikansi
variabel tenaga kerja dan industri kecil lebih besar dari 0,05 sehingga tidak ada variabel
yang dikeluarkan dari step 1 dan dimasukkan ke dalam analisis.
Wilks' Lambda
Step Number of
Variables
Lambda df1 df2 df3 Exact F
Statistic df1 df2 Sig.
1 1 ,476 1 1 15 16,521 1 15,000 ,001
Pada step 1, jumlah variabel yang dimasukkan ada 1 yaitu variabel dependency
ratio dengan Wilks Lambda 0,476. Hal ini berarti 47,6% varian tidak dapat dijelaskan
oleh perbedaan antar kelompok.
Eigenvalues
Function Eigenvalue % of Variance Cumulative % Canonical
Correlation
1 1,101a 100,0 100,0 ,724
a. First 1 canonical discriminant functions were used in the analysis.
Pada tabel eigenvalues dilihat nilai canonical correlation yang berkisar antara 0
sampai 1. Dapat diketahui bahwa nilai canonical correlationnya adalah 0,724 yang
mendekati 1 berarti keakuratannya tinggi.
Wilks' Lambda
Test of Function(s) Wilks' Lambda Chi-square df Sig.
1 ,476 10,768 1 ,001
Pada tabel diatas dapat diketahui presentase yang tidak dapat dijelaskan
berdasarkan nilai Wilks Lambda. Presentase tersebut sebesar 47,6%. Nilai Wilks
Lambda 0,476>0,05 berarti fungsi yang akan terbentuk baik. Nilai signifikansi tabel di
atas adalah 0,001 yang berarti lebih kecil dari 0,05 menunjukkan bahwa tidak ada
perbedaan antar 2 grup.
Standardized Canonical
Discriminant Function
Coefficients
Function
1
Dependency_Ratio 1,000
Pada Tabel Standarized Canonical Dicriminant Funcion Coefficients dapat
ditentukan fungsi diskriminan yaitu Z score = dependency ratio. Fungsi tersebut
merupakan fungi yang telah distandarisasi.
Structure Matrix
Function
1
Dependency_Ratio 1,000
Industri_Kecila ,277
Tenaga_Kerjaa ,251
Pooled within-groups correlations
between discriminating variables
and standardized canonical
discriminant functions
Variables ordered by absolute
size of correlation within function.
a. This variable not used in the
analysis.
Tabel Structure Matrix menunjukkan urutan karakteristik yang paling
membedakan perilaku 2 kelompok kawasan perkembangan. Karakteristik dependency
ratio adalah yang paling membedakan kemudian jumlah industri kecil.
Functions at Group Centroids
Status Function
1
Berkembang ,636
Kurang Berkembang -1,527
Unstandardized canonical
discriminant functions evaluated at
group means
Tabel di atas menunjukkan apabila hasil Zscore mendekati nilai 0,636 berarti
termasuk kawasan industri berkembang. Apabila hasil Zscore mendekati angka -1,527
berarti termasuk kawasan industri kurang berkembang.
Classification Processing Summary
Processed 17
Excluded
Missing or out-of-range
group codes 0
At least one missing
discriminating variable 0
Used in Output 17
Tabel di atas menunjukkan data yang di proses sebanyak 17 buah, tidak ada data
yang missing, dan semua data digunakan dalam output.
Prior Probabilities for Groups
Status Prior Cases Used in Analysis
Unweighted Weighted
Berkembang ,500 12 12,000
Kurang Berkembang ,500 5 5,000
Total 1,000 17 17,000
Tabel di atas menunjukkan kecamatan yang termasuk dalam kawasan industri
berkembang sebanyak 12 kecamatan, sedangkan yang termasuk kawasan industri
kurang berkembang sebanyak 5 kecamatan.
Classification Function Coefficients
Status
Berkembang Kurang
Berkembang
Dependency_Ratio 8,449 7,506
(Constant) -188,522 -148,928
Fisher's linear discriminant functions
Pada tabel di atas dapat diketahui persamaan untuk kelompok kawasan
berkembang adalah Nilai= -188,522 (konstan) + 8,449 (dependency ratio). Sedangkan
persamaan untuk kawasan kurang berkembang adalah Nilai= -148,928 (konstan) +
7,506 (dependency ratio). Selisih antara 2 kelompok kawasan adalah Nilai Z= -39,594
(konstan) + 15,955 (dependency ratio)
Classification Resultsa,c
Status Predicted Group Membership Total
Berkembang Kurang
Berkembang
Original
Count Berkembang 11 1 12
Kurang Berkembang 2 3 5
% Berkembang 91,7 8,3 100,0
Kurang Berkembang 40,0 60,0 100,0
Cross-validatedb
Count Berkembang 10 2 12
Kurang Berkembang 3 2 5
% Berkembang 83,3 16,7 100,0
Kurang Berkembang 60,0 40,0 100,0
a. 82,4% 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. 70,6% of cross-validated grouped cases correctly classified.
Berdasarkan tabel di atas pada kolom Original baris 1 kawasan berkembang
sebanyak 11 kecamatan atau 91,7%, sedangkan 1 kecamatan (8,3%) berpindah ke
kawasan kurang berkembang. Sementara itu, 3 kecamatan (60%) yang berada di
kawasan kurang berkembang dan ada 2 kecamatan (40%) berpindah ke kawasan
berkembang. Maka ketepatan fungsi diskriminan dapat diketahui sebagai berikut:
(10+2)/17 = 0,70588 atau 70,6%
Karena tingkat ketepatan yang tinggi, maka model tersebut dapat digunakan
untuk analisis diskriminan.
6. Kesimpulan
Setelah dilakukan analisis diskriminan terhadap status perkembangan kawasan industri
di Kabupaten Karanganyar dapat disimpulkan:
a. Menurut tabel Wilks Lambda Nilai signifikansi adalah 0,001 yang berarti lebih kecil
dari 0,05 menunjukkan bahwa tidak ada perbedaan antar 2 grup yang berarti tidak
ada perbedaan yang signifikan antara kecamatan yang mempunyai kawasan industri
berkembang dengan kawasan industri kurang berkembang.
b. Variabel yang menjadi pembeda antar kecamatan dalam pengelompokkan kawasan
berdasarkan tabel Variable in Analysis maupun Variable Not in Analysis adalah
variabel dependency ratio.
c. Fungsi diskriminan untuk studi kasus penentuan kawasan industri berkembang atau
kurang berkembang adalah Zn = 1 (dependency ratio)
d. Berdasarkan tabel Classification Result dapat diketahui terdapat 12 kecamatan yang
termasuk dalam kawasan industri berkembang dan 5 kecamatan yang termasuk dalam
kawasan industri kurang berkembang.
e. Fungsi diskriminan tersebut mempunyai ketepatan mengklasifikasi kasus sebesar
70,6% dianggap tinggi karena di atas 50% dan fungsi tersebut dapat digunakan untuk
mengklasifikasi kasus pada penentuan kawasan industri.
DAFTAR PUSTAKA
Anonim, 2013. Informasi Laporan Penyelenggaraan Pemerintahan Daerah dalam
karanganyarkab.go.id. Diakses pada Jumat, 1 Mei 2015.
BPS Kabupaten Karanganyar. 2014. Kabupaten Karanganyar Dalam Angka 2014 dalam
karanganyarkab.bps.go.id. Diakses pada Jumat, 1 Mei 2015.
Hidayat, Anwar. 2013. Interpretasi Analisis Diskriminan dengan SPSS Part 2 dalam
statistikian.com. Diakses pada Jumat, 1 Mei 2015.
LAMPIRAN
1. Buka aplikasi spss, masukkan variable view. Lalu masukkan data dengan cara meng-
copy data dari excel ke SPSS.
2. Klik menu Analyze > Classify > Discriminant.
3. Setelah muncul kotak dialog discriminant, masukkan variabel status ke dalam
grouping variabel. Variabel lain dimasukkan ke kolom independents. Lalu klik define
range isi minimum 1 maximum 2 untuk menentukan kelompok yang akan dibuat.
Klik Use stepwise Method.
4. Setelah itu klik statistics > centang Means, Univariate Annovas, Boxs M, dan Fisher.
Klik Continue.
5. Lalu klik method > Mahalonobis distance > use probability to F > Summary of steps
> klik continue.
6. Klik Classify > All groups are equal > Casewise result > leave one out classification
> within groups. Klik Continue. Setelah semua diatur klik OK.
7. Maka akan keluar tabel tabel output seperti di Hasil dan Pembahasan, salah satu tabel tersebut adalah sebagai berikut:
Casewise Statistics
Case
Number
Actual
Group
Highest Group Second Highest Group Discriminant
Scores
Predicted
Group
P(D>d | G=g) P(G=g |
D=d)
Squared
Mahalanobis
Distance to
Centroid
Group P(G=g |
D=d)
Squared
Mahalanobis
Distance to
Centroid
Function 1
p df
Original
1 2 2 ,098 1 ,997 2,744 1 ,003 14,592 -3,184
2 2 2 ,092 1 ,998 2,846 1 ,002 14,826 -3,214
3 1 1 ,998 1 ,913 ,000 2 ,087 4,694 ,639
4 1 2** ,306 1 ,531 1,049 1 ,469 1,298 -,503
5 1 1 ,645 1 ,966 ,212 2 ,034 6,886 1,097
6 1 1 ,596 1 ,970 ,281 2 ,030 7,257 1,167
7 2 2 ,335 1 ,564 ,928 1 ,436 1,440 -,564
8 1 1 ,285 1 ,507 1,144 2 ,493 1,197 -,433
9 1 1 ,637 1 ,789 ,223 2 ,211 2,861 ,164
10 1 1 ,703 1 ,820 ,145 2 ,180 3,179 ,256
11 1 1 ,377 1 ,986 ,780 2 ,014 9,284 1,520
12 1 1 ,235 1 ,993 1,413 2 ,007 11,237 1,825
13 1 1 ,849 1 ,940 ,036 2 ,060 5,541 ,827
14 1 1 ,749 1 ,839 ,102 2 ,161 3,400 ,317
15 1 1 ,901 1 ,932 ,016 2 ,068 5,237 ,761
16 2 1** ,328 1 ,556 ,956 2 ,444 1,406 -,342
17 2 1** ,332 1 ,561 ,939 2 ,439 1,427 -,333
Cross-
validate
db
1 2 2 ,023 1 ,998 5,188 1 ,002 17,657
2 2 2 ,020 1 ,998 5,440 1 ,002 18,140
3 1 1 ,998 1 ,899 ,000 2 ,101 4,381
4 1 2** ,298 1 ,563 1,081 1 ,437 1,592
5 1 1 ,625 1 ,959 ,239 2 ,041 6,528
6 1 1 ,572 1 ,964 ,319 2 ,036 6,915
7 2 1** ,227 1 ,501 1,457 2 ,499 1,467
8 1 2** ,270 1 ,521 1,219 1 ,479 1,386
9 1 1 ,616 1 ,774 ,252 2 ,226 2,714
10 1 1 ,687 1 ,805 ,163 2 ,195 2,998
11 1 1 ,338 1 ,984 ,919 2 ,016 9,187
12 1 1 ,186 1 ,993 1,749 2 ,007 11,689
13 1 1 ,841 1 ,929 ,040 2 ,071 5,185
14 1 1 ,735 1 ,824 ,114 2 ,176 3,197
15 1 1 ,895 1 ,920 ,017 2 ,080 4,894
16 2 1** ,315 1 ,658 1,011 2 ,342 2,322
17 2 1** ,319 1 ,664 ,995 2 ,336 2,361
For the original data, squared Mahalanobis distance is based on canonical functions.
For the cross-validated data, squared Mahalanobis distance is based on observations.
**. Misclassified case
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.