Klasifikasi Perusahaan-Perusahaan Go Public Di Indonesia Dengan Fungsi Diskriminan Fisher, Jarak Euclid Dan Jarak Mahalanobis

Abstract

Dalam statistika, ada banyak metode yang bertujuan untuk mengklasifikasikan suatu objek ke dalam suatu kelompok, di mana untuk klasifikasi objek, dibutuhkan beberapa peubah penciri yang dapat membedakan suatu kelompok dengan kelompok lainnya. Namun, pada umumnya pengklasifikasian suatu objek ke dalam suatu kelompok sering mengalami salah klasifikasi (classification error), karena objek yang seharusnya digolongkan ke suatu kelompok malah terklasifikasi ke kelompok yang lain. Oleh karena itu, diperlukan suatu metode yang dapat meminimumkan salah klasifikasi tersebut. Pengklasifikasian suatu objek ke suatu kelompok dapat dilakukan antara lain dengan menggunakan fungsi diskriminan Fisher, jarak Mahalanobis dan jarak Euclid. Metode pengklasifikasian objek tersebut dapat diterapkan pada berbagai bidang, salah satunya dalam bidang keuangan seperti kasus mengklasifikasikan perusahaan berdasarkan indeks harga saham. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi perusahaanperusahaan dari 3 metode dengan menghitung persentase salah klasifikasi objek (AER, Apparent Error Rate). Kemudian, untuk mengomunikasikan informasi dengan jelas dan efisien maka dilakukan visualisasi data dengan menggunakan analisis komponen utama. Dari hasil penghitungan AER diperoleh bahwa metode yang paling baik dalam mengklasifikasikan objek adalah jarak Mahalanobis. Nilai AER dari fungsi diskriminan Fisher, jarak Euclid dan Mahalanobis masing-masing adalah sebesar 12.95%, 4.46% dan 4.01%. Namun, untuk visualisasi menggunakan 2 komponen utama, fungsi diskriminan Fisher kuadratik memberikan hasil yang terbaik, di mana AER yang dihasilkan hanya sebesar 3.13%. Sedangkan jarak Euclid dan Mahalanobis menghasilkan AER masing-masing sebesar 4.91% dan 7.14%.