Perbandingan Kernel Discriminant Analysis dan k-Nearest Neighbour Discriminant Analysis Pada Pengelompokan Obyek

Analisis diskriminan merupakan teknik statistika multivariat yang digunakan untuk mengelompokkan dan mengidentifikasi sifat khas suatu kelompok. Terdapat dua asumsi utama yang harus dipenuhi dalam analisis diskriminan yaitu variabel prediktor berdistribusi normal multivariat dan matriks ragam peragam antar kelompok homogen. Terdapat metode pengelompokan yang tidak mempertimbangkan kedua asumsi tersebut, yaitu analisis diskriminan nonparametrik. Analisis yang termasuk dalam analisis diskriminan nonparametrik adalah analisis diskriminan Kernel dan analisis diskriminan k-Nearest Neighbour. Tujuan penelitian ini adalah ingin mengetahui hasil dugaan fungsi kepadatan peluang kelompok tiap obyek berdasarkan analisis diskriminan Kernel dan analisis diskriminan k-Nearest Neighbour. Selain itu, kedua metode tersebut ingin dibandingkan sebagai metode terbaik dalam analisis diskriminan nonparametrik. Kriteria perbandingan yang digunakan adalah hit ratio. Berdasarkan hasil penelitian dapat disimpulkan bahwa analisis diskriminan Kernel lebih baik digunakan untuk mengelompokkan obyek daripada analisis diskriminan k-Nearest Neighbour untuk ukuran sampel 20 (kecil), 30 (sedang) dan 50 (besar). Kesimpulan untuk ukuran sampel ini berlaku hanya untuk ketiga set data, tidak berlaku secara umum