Analisis Diskriminan Linier (LDA) adalah metode statistik yang digunakan untuk mengklasifikasikan sekumpulan titik data ke dalam kelompok yang telah ditentukan sebelumnya. Ini digunakan di berbagai bidang seperti visi komputer, pemrosesan gambar, pengenalan pola, genetika, keuangan, ilmu manajerial, ilmu sosial, kecerdasan buatan, dan bioinformatika. Metode ini dikembangkan pada tahun 1936 oleh Ronald Fisher dan merupakan algoritma pembelajaran terawasi. Ia bekerja dengan menemukan pemisahan maksimum antara kelas data yang berbeda dan dapat digunakan untuk membedakan dua kelas atau lebih.
Analisis diskriminan linier didasarkan pada asumsi bahwa data berasal dari distribusi normal (Gaussian) dan terdiri dari beberapa fitur atau karakteristik data yang dapat digunakan untuk mengklasifikasikannya ke dalam kategori yang berbeda. Metode ini menciptakan kombinasi linier dari variabel masukan (fitur) dan menggunakan permukaan pemisah linier untuk prediksi. Kombinasi linier ini dapat digunakan untuk mengukur seberapa baik ia dapat mengklasifikasikan titik data tertentu ke dalam salah satu kelas yang telah ditentukan sebelumnya.
Metode ini digunakan di banyak aplikasi berbeda. Ini digunakan dalam sistem pengenalan wajah untuk membedakan orang yang berbeda, diagnosis medis untuk mengklasifikasikan penyakit, deteksi penipuan kartu kredit, dan deteksi objek dalam visi komputer. Hal ini juga digunakan untuk aplikasi pemasaran, seperti segmentasi pelanggan dan analisis keranjang pasar.
Analisis diskriminan linier relatif sederhana untuk dipahami dan diterapkan. Ini efisien secara komputasi dan fleksibel untuk digunakan dalam berbagai jenis data. Metode ini memerlukan pengetahuan tentang aljabar linier dan distribusi probabilitas untuk memahami implementasinya.
