Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-23T04:04:35Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

← Revisi sebelumnya		Revisi per 23 Agustus 2026 04.04
Baris 1:		Baris 1:
	'''Analisis diskriminan linear''' (, 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 (pengenalan pola)\|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 [[klasifikasi statistik\|pengklasifikasian]].		'''Analisis diskriminan linear''' (, 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 (pengenalan pola)\|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 [[klasifikasi statistik\|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. Namun, ANOVA menggunakan [[variabel independen]] [[variabel kategoris\|kategoris]] dan [[variabel dependen]] yang [[variabel kontinu\|kontinu]], sementara analisis diskriminan memiliki [[variabel independen]] yang kontinu dan variabel dependen yang kategoris. [[Regresi logistik]] dan [[regresi probit]] lebih mirip dengan LDA daripada ANOVA, karena keduanya juga mencoba menjelaskan variabel kategoris dari nilai variabel independen kontinu.		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.<ref>R. A. Fisher. ''The Use of Multiple Measurements in Taxonomic Problems''. ''Annals of Eugenics''. 1936. Vol. 7 (2). hlm. 179–188. doi:10.1111/j.1469-1809.1936.tb02137.x.</ref><ref>G. J. McLachlan. [https://archive.org/details/discriminantanal0000mcla Discriminant Analysis and Statistical Pattern Recognition]. Wiley Interscience. 2004. ISBN 0-471-69115-1.</ref> Namun, ANOVA menggunakan [[variabel independen]] [[variabel kategoris\|kategoris]] dan [[variabel dependen]] yang [[variabel kontinu\|kontinu]], sementara analisis diskriminan memiliki [[variabel independen]] yang kontinu dan variabel dependen yang kategoris.<ref>Analyzing Quantitative Data: An Introduction for Social Researchers, Debra Wetcher-Hendricks, hlm.288</ref> [[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. 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 juga terkait dengan [[analisis komponen utama]] dan [[analisis faktor]] karena sama-sama mencari kombinasi linear variabel-variabel yang terbaik dalam menjelaskan data.<ref>A. M. Martinez. [http://www.ece.osu.edu/~aleix/pami01.pdf PCA versus LDA]. ''IEEE Transactions on Pattern Analysis and Machine Intelligence''. 2001. Vol. 23 (=2). hlm. 228–233. doi:10.1109/34.908974.</ref> 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]].		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]].<ref>Abdi, H. (2007) [http://www.utdallas.edu/~herve/Abdi-DCA2007-pretty.pdf "Discriminant correspondence analysis."] In: N.J. Salkind (Ed.): ''Encyclopedia of Measurement and Statistic''. Thousand Oaks (CA): Sage. pp. 270–275.</ref><ref>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.</ref>

	~~== Referensi ==~~

	== Bacaan lanjutan ==		== Bacaan lanjutan ==
	*		*
	*		*
	*		*
	*		*
	*		*
	== Pranala luar ==		== Pranala luar ==

	* [https://github.com/mhaghighat/dcaFuse Discriminant Correlation Analysis (DCA)]		* [https://github.com/mhaghighat/dcaFuse Discriminant Correlation Analysis (DCA)]
	* [http://www.alglib.net/dataanalysis/lineardiscriminantanalysis.php ALGLIB] contains open-source LDA implementation in C# / C++ / Pascal / VBA.		* [http://www.alglib.net/dataanalysis/lineardiscriminantanalysis.php ALGLIB] contains open-source LDA implementation in C# / C++ / Pascal / VBA.
Baris 22:		Baris 19:
	* [http://people.revoledu.com/kardi/tutorial/LDA/index.html LDA tutorial using MS Excel]		* [http://people.revoledu.com/kardi/tutorial/LDA/index.html LDA tutorial using MS Excel]
	* [https://web.archive.org/web/20150405124836/http://biostat.katerynakon.in.ua/en/prognosis/discriminant-analysis.html Biomedical statistics. Discriminant analysis]		* [https://web.archive.org/web/20150405124836/http://biostat.katerynakon.in.ua/en/prognosis/discriminant-analysis.html Biomedical statistics. Discriminant analysis]
	*		*
	* [https://web.archive.org/web/20080312065328/http://www2.chass.ncsu.edu/garson/pA765/discrim.htm Course notes, Discriminant function analysis by G. David Garson, NC State University]		* [https://web.archive.org/web/20080312065328/http://www2.chass.ncsu.edu/garson/pA765/discrim.htm Course notes, Discriminant function analysis by G. David Garson, NC State University]
	* [http://people.revoledu.com/kardi/tutorial/LDA/ Discriminant analysis tutorial in Microsoft Excel by Kardi Teknomo]		* [http://people.revoledu.com/kardi/tutorial/LDA/ Discriminant analysis tutorial in Microsoft Excel by Kardi Teknomo]
	* [http://www.psychstat.missouristate.edu/multibook/mlt03m.html Course notes, Discriminant function analysis by David W. Stockburger, Missouri State University]		* [http://www.psychstat.missouristate.edu/multibook/mlt03m.html Course notes, Discriminant function analysis by David W. Stockburger, Missouri State University]
	* [http://userwww.sfsu.edu/~efc/classes/biol710/discrim/discrim.pdf Discriminant function analysis (DA) by John Poulsen and Aaron French, San Francisco State University]		* [http://userwww.sfsu.edu/~efc/classes/biol710/discrim/discrim.pdf Discriminant function analysis (DA) by John Poulsen and Aaron French, San Francisco State University]

			== Referensi ==
			<references />

	== Sumber dan atribusi ==		== Sumber dan atribusi ==

	Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+diskriminan+linear&oldid=29457766 Wikipedia bahasa Indonesia], revisi 29457766 (2026-07-14T12:25:49Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.		Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+diskriminan+linear&oldid=29457766 Wikipedia bahasa Indonesia], revisi 29457766 (2026-07-14T12:25:49Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

			<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29457766; atribusi sumber disertakan.

2026-08-23T03:24:55Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29457766; atribusi sumber disertakan.

Halaman baru

'''Analisis diskriminan linear''' (, 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 (pengenalan pola)|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 [[klasifikasi statistik|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. Namun, ANOVA menggunakan [[variabel independen]] [[variabel kategoris|kategoris]] dan [[variabel dependen]] yang [[variabel kontinu|kontinu]], sementara analisis diskriminan memiliki [[variabel independen]] yang kontinu dan variabel dependen yang kategoris. [[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. 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]].

== Referensi ==

== Bacaan lanjutan ==
*
*
*
*
*
== Pranala luar ==

* [https://github.com/mhaghighat/dcaFuse Discriminant Correlation Analysis (DCA)]
* [http://www.alglib.net/dataanalysis/lineardiscriminantanalysis.php ALGLIB] contains open-source LDA implementation in C# / C++ / Pascal / VBA.
* [http://www.psychometrica.de/lds.html Psychometrica.de] open-source LDA implementation in Java
* [http://people.revoledu.com/kardi/tutorial/LDA/index.html LDA tutorial using MS Excel]
* [https://web.archive.org/web/20150405124836/http://biostat.katerynakon.in.ua/en/prognosis/discriminant-analysis.html Biomedical statistics. Discriminant analysis]
*
* [https://web.archive.org/web/20080312065328/http://www2.chass.ncsu.edu/garson/pA765/discrim.htm Course notes, Discriminant function analysis by G. David Garson, NC State University]
* [http://people.revoledu.com/kardi/tutorial/LDA/ Discriminant analysis tutorial in Microsoft Excel by Kardi Teknomo]
* [http://www.psychstat.missouristate.edu/multibook/mlt03m.html Course notes, Discriminant function analysis by David W. Stockburger, Missouri State University]
* [http://userwww.sfsu.edu/~efc/classes/biol710/discrim/discrim.pdf Discriminant function analysis (DA) by John Poulsen and Aaron French, San Francisco State University]

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Analisis+diskriminan+linear&oldid=29457766 Wikipedia bahasa Indonesia], revisi 29457766 (2026-07-14T12:25:49Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

Analisis diskriminan linear - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29457766; atribusi sumber disertakan.