Analisis diskriminan linear

Analisis diskriminan linear (bahasa Inggris: linear discriminant analysis, disingkat LDA) adalah generalisasi diskriminan linear Fisher, yaitu sebuah metode yang digunakan dalam ilmu statistika, pengenalan pola dan pembelajaran mesin untuk mencari kombinasi linear fitur yang menjadi ciri atau yang memisahkan dua atau beberapa objek atau peristiwa. Kombinasi yang diperoleh dapat dijadikan pengklasifikasi linear, atau biasanya digunakan untuk proses reduksi dimensionalitas sebelum pengklasifikasian.

Metode ini sangat terkait dengan analisis variansi (ANOVA) dan analisis regresi, yang juga mencoba untuk menyatakan suatu variabel dependen sebagai suatu kombinasi linear fitur-fitur atau pengukuran-pengukuran lainnya.^[1]^[2] Namun, ANOVA menggunakan variabel independen kategoris dan variabel dependen yang kontinu, sementara analisis diskriminan memiliki variabel independen yang kontinu dan variabel dependen yang kategoris.^[3] Regresi logistik dan regresi probit lebih mirip dengan LDA daripada ANOVA, karena keduanya juga mencoba menjelaskan variabel kategoris dari nilai variabel independen kontinu.

LDA juga terkait dengan analisis komponen utama dan analisis faktor karena sama-sama mencari kombinasi linear variabel-variabel yang terbaik dalam menjelaskan data.^[4] LDA secara eksplisit mencoba memodelkan perbedaan antara kelas-kelas data. PCA di sisi lain tidak mempertimbangkan perbedaan kelas, dan analisis faktor membangun kombinasi fitur berdasarkan perbedaan daripada kesamaan. Analisis diskriminan juga berbeda dari analisis faktor karena analisis diskriminan bukan teknik yang interdependen: perbedaan antara variabel independen dan dependen harus ditetapkan.

LDA berfungsi jika pengukuran yang dilakukan terhadap variabel-variabel independen untuk setiap pengamatan merupakan kuantitas yang kontinu. Jika yang dihadapi adalah variabel independen kategoris, teknik yang serupa adalah analisis korespondensi diskriminan.^[5]^[6]

Referensi

^ Fisher, R. A. (1936). "The Use of Multiple Measurements in Taxonomic Problems". Annals of Eugenics. 7 (2): 179–188. doi:10.1111/j.1469-1809.1936.tb02137.x. hdl:2440/15227.
^ McLachlan, G. J. (2004). Discriminant Analysis and Statistical Pattern Recognition. Wiley Interscience. ISBN 0-471-69115-1. MR 1190469.
^ Analyzing Quantitative Data: An Introduction for Social Researchers, Debra Wetcher-Hendricks, hlm.288
^ Martinez, A. M.; Kak, A. C. (2001). "PCA versus LDA" (PDF). IEEE Transactions on Pattern Analysis and Machine Intelligence. 23 (=2): 228–233. doi:10.1109/34.908974. Diarsipkan dari versi asli (PDF) tanggal 2008-10-11. Diakses tanggal 2018-01-17.
^ Abdi, H. (2007) "Discriminant correspondence analysis." In: N.J. Salkind (Ed.): Encyclopedia of Measurement and Statistic. Thousand Oaks (CA): Sage. pp. 270–275.
^ Perriere, G.; & Thioulouse, J. (2003). "Use of Correspondence Discriminant Analysis to predict the subcellular location of bacterial proteins", Computer Methods and Programs in Biomedicine, 70, 99–105.

Bacaan lanjutan

Duda, R. O.; Hart, P. E.; Stork, D. H. (2000). Pattern Classification (edisi ke-2nd). Wiley Interscience. ISBN 0-471-05669-3. MR 1802993.
Hilbe, J. M. (2009). Logistic Regression Models. Chapman & Hall/CRC Press. ISBN 978-1-4200-7575-5.
Mika, S.; et al. (1999). "Fisher Discriminant Analysis with Kernels". IEEE Conference on Neural Networks for Signal Processing IX: 41–48. doi:10.1109/NNSP.1999.788121.
McFarland, H. Richard; Donald, St. P. Richards (2001). "Exact Misclassification Probabilities for Plug-In Normal Quadratic Discriminant Functions. I. The Equal-Means Case". Journal of Multivariate Analysis. 77 (1): 21–53. doi:10.1006/jmva.2000.1924.
McFarland, H. Richard; Donald, St. P. Richards (2002). "Exact Misclassification Probabilities for Plug-In Normal Quadratic Discriminant Functions. II. The Heterogeneous Case". Journal of Multivariate Analysis. 82 (2): 299–330. doi:10.1006/jmva.2001.2034.

Pranala luar

Discriminant Correlation Analysis (DCA)
ALGLIB contains open-source LDA implementation in C# / C++ / Pascal / VBA.
Psychometrica.de^{[pranala nonaktif permanen]} open-source LDA implementation in Java
LDA tutorial using MS Excel
Biomedical statistics. Discriminant analysis
StatQuest: Linear Discriminant Analysis (LDA) clearly explained di YouTube
Course notes, Discriminant function analysis by G. David Garson, NC State University
Discriminant analysis tutorial in Microsoft Excel by Kardi Teknomo
Course notes, Discriminant function analysis by David W. Stockburger, Missouri State University Diarsipkan 2016-03-03 di Wayback Machine.
Discriminant function analysis (DA) by John Poulsen and Aaron French, San Francisco State University Diarsipkan 2011-12-15 di Wayback Machine.

[Fisher:1936-1] Fisher, R. A. (1936). "The Use of Multiple Measurements in Taxonomic Problems". Annals of Eugenics. 7 (2): 179–188. doi:10.1111/j.1469-1809.1936.tb02137.x. hdl:2440/15227.

[McLachlan:2004-2] McLachlan, G. J. (2004). Discriminant Analysis and Statistical Pattern Recognition. Wiley Interscience. ISBN 0-471-69115-1. MR 1190469.

[3] Analyzing Quantitative Data: An Introduction for Social Researchers, Debra Wetcher-Hendricks, hlm.288

[Martinez:2001-4] Martinez, A. M.; Kak, A. C. (2001). "PCA versus LDA" (PDF). IEEE Transactions on Pattern Analysis and Machine Intelligence. 23 (=2): 228–233. doi:10.1109/34.908974. Diarsipkan dari versi asli (PDF) tanggal 2008-10-11. Diakses tanggal 2018-01-17.

[Abdi_2007-5] Abdi, H. (2007) "Discriminant correspondence analysis." In: N.J. Salkind (Ed.): Encyclopedia of Measurement and Statistic. Thousand Oaks (CA): Sage. pp. 270–275.

[Perriere_2003-6] Perriere, G.; & Thioulouse, J. (2003). "Use of Correspondence Discriminant Analysis to predict the subcellular location of bacterial proteins", Computer Methods and Programs in Biomedicine, 70, 99–105.

[1]

[2]

[3]

[4]

[5]

[6]