| dc.description.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%. | id |
