Analisis Diskriminan

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


Tenaga_Kerja ,0000 ,00000 5 5,000

Industri_Kecil ,0000 ,00000 5 5,000

Total


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.

Documents

Analisis Diskriminan