Documente Academic
Documente Profesional
Documente Cultură
“ANALISIS DISKRIMINAN”
Disusun oleh:
Mashadi Dwi M.
0910950049
Salah satu analisis statistik peubah ganda yang bertujuan untuk membagi beberapa
kelompok data yang telah terkelompokkan dengan membentuk fungsi diskriminan, adalah
analisis diskriminan. Analisis diskriminan dapat digunakan untuk menganalisis hubungan antar
peubah yang telah diketahui mana peubah respon dan peubah prediktornya. Dapat juga
digunakan untuk menganalisis data dimana peubah respon berupa data kualitatif, sedangkan
peubah prediktornya berupa data kuantitatif.
Pada analisis diskriminan peubah respon merupakan data kategorik nominal dan ordinal,
sedangkan peubah prediktor berupa data interval atau rasio. Terdapat dua metode dalam analisis
multivariat yaitu metode dependensi dan metode interdenpendensi. Metode dependensi yaitu
peubah-peubahnya tidak saling bergantung satu sama lain, sedangkan metode interdenpendensi
adalah antar peubahnya ada saling ketergantungan. Data kategorik yang terdiri dari dua
kelompok atau kategori disebut two-group discriminant analysis, sedangkan jika lebih dari dua
kategori disebut dengan multiple discriminant analysis.
Latar belakang penulisan makalah ini adalah terkait dengan peranan dan aplikasi analisis
diskriminan yang merupakan salah satu dari teknik statistik multivariat yang banyak digunakan
dalam berbagai bidang ilmu yang terjadi dalam sebuah fenomena sosial, keuangan dan ekonomi.
contohnya seperti pada penelitian skripsi fakultas ekonomi dan bisnis ini dengan tujuan
penelitian yaitu untuk menganalisis faktor-faktor yang berpengaruh terhadap pengambilan
keputusan migran bekerja di dalam negeri dan luar negeri. Suatu fungsi diskriminan layak untuk
dibentuk, bila terdapat perbedaan nilai rataan di antara kelompok-kelompok yang ada. Pada
prinsipnya Analisis Diskriminan hampir sama dengan Analisis Regresi, karena termasuk dalam
Dependence Method yang memiliki variabel respon (dependent variable) dan variabel prediktor
(Independent variable). Ciri khusus dari Analisis Diskriminan adalah variabel dependen harus
berupa data kategori, sedangkan data independen harus non kategori
1.2 Tujuan
1.2.1 Untuk mengetahui tipe data yang termasuk ke dalam analisis diskriminan
1.2.2 Untuk mengetahui langkah pengerjaan analisis diskriminandengan software
statistika
1.2.3 Untuk mengetahui interpretasi dari output hasil analisis data menggunakan
software statistik
BAB II
TINJAUAN PUSTAKA
D = b0 + b1 X1 + b2 X2 + … + bk Xk (1.1.1)
Dengan:
D = skor diskriminan
b = koefisien diskriminasi atau bobot
X = prediktor atau variabel independent
Yang diestimasi adalah koefisien ‘b’, sehingga nilai ‘D’ setiap grup sedapat mungkin
berbeda. Ini terjadi pada saat rasio jumlah kuadrat antargrup (betweengroup sum of squares)
terhadap jumlah kuadrat dalam grup (within-group sum of square) untuk skor diskriminan
mencapai maksimum. Berdasarkan nilai D itulah keanggotaan suatu objek diprediksi.
Membentuk fungsi diskriminan yang optimal diperlukan beberapa asumsi terhadap data
yang digunakan. Asumsi ini antara lain adalah data pada variabel bebas seharusnya berdistribusi
normal multivariat dan adanya kesamaan matriks varians -kovarians antar kelompok serta tidak
adanya multikolinieritas pada data.
maka data tersebut dapat dinyatakan sebagai normal multivariat. Statistik uji yang
digunakan:
d²j = , j = 1, 2, …, n (1.3.1)
(1.3.3)
(1.3.4)
2.3.4. Tidak adanya data yang sangat ekstrim (outlier) pada variabel independen.
Jika ada outlier yang tetap diproses, hal ini bisa berakibat berkurangnya ketepatan
klarifikasi dari fungsi diskriminan. (Santosa, 2002).
BAB III
METODOLOGI
1. Inputkan data yang dimiliki pada software SPSS dengan memberi nama variabel pada
window variabel view. Selanjutnya ubah kolom Measure sesuai dengan sifat data yang
dimiliki
4. Akan muncul kotak dialog. Selanjutnya isi kotak dialog hanya dengan variabel yang
ingin kita uji kenormalannya Test Variable List OK
N 38 38 38
Mean 14.8421 6.4037 4.5371
Normal Parametersa,b
Std. Deviation 6.31434 .89794 2.24707
Absolute .086 .203 .161
Most Extreme Differences
Positive .086 .203 .161
Negative -.062 -.135 -.091
Kolmogorov-Smirnov Z .527 1.254 .991
Asymp. Sig. (2-tailed) .944 .086 .279
6. Untuk menganalisis data diskriminan juga dengan menguji homogenitas, Klik Analyze
Classify Discriminant
Akan muncul kotak dialog
7. Klik Define Range untuk memasukkan nilai kategori pada variabel Y Continue
8. Klik Statistics Centang Means, Univariates ANOVAs, Box,s M pada point Descriptives
Fishers dan Unstandardized pada poin Function Coefficients Continue OK
9. Klik Clasify Centang Summary table Continue
Sebelum data dianalisis menggunakan analisis diskriminan. Sebaiknya uji terlebih dahulu
dengan asumsi diskriminan. Hasil output untuk uji asumsi diskriminan adalah sebagai berikut :
N 38 38 38
Mean 14.8421 6.4037 4.5371
Normal Parametersa,b
Std. Deviation 6.31434 .89794 2.24707
Absolute .086 .203 .161
Most Extreme Differences Positive .086 .203 .161
Negative -.062 -.135 -.091
Kolmogorov-Smirnov Z .527 1.254 .991
Asymp. Sig. (2-tailed) .944 .086 .279
a. Test distribution is Normal.
b. Calculated from data.
Interpretasi:
untuk ketiga variabel prediktor (X1,X2,X3) memiliki Asymp. Sig. (2-tailed) >0.05. Hal ini
menunjukkan bahwa asumsi data menyebar normal terpenuhi.
2) Asumsi Homoskedastisitas
Hipotesis yang diuji:
Ho: data homogeny
H1: data tidak homogeny
Log Determinants
Y Rank Log
Determinant
Test Results
Box's M 20.726
Approx. 2.992
df1 6
F
df2 1749.828
Sig. .007
Berdasarkan output tersebut, didapatkan nilai Sig. untuk uji Box’s M adalah
sebesar 0.007. Nilai ini ebih besar drai taraf nyata 0.05 sehingga diputuskan untuk
menerima Ho. Jadi, asumsi kehomegenan tidak ragam terpenuhi.
.
b. Fungsi Diskriminan
Banyaknya fungsi diskriminan yang terbentuk ditentukan oleh min= (g-1,p). Pada kasus
ini, g=2 dan p=3. Sehingga jumlah fungsi diskriminan yang terbentuk adalah min(1,2) yaitu 1.
Canonical Discriminant
Function Coefficients
Function
1
X1 (%) -.143
X2 (%) .519
X3 (%) .167
(Constant) -1.955
Unstandardized
coefficients
Berdasarkan table eigenvalues tersebut, diperoleh nilai eigen sebesar 0.680 Nilai ini
kurang dari 1, sehingga mengindikasikan tidak adanya multikolinearitas antar variabel predictor.
Selain itu, juga diperoleh nilai korelasi kanonik sebesar 0.680 (dikuadratkan)-R-squared (68%).
Nilai tersebut menunjukkan bahwa variabel predictor X1, X2 dan X3 berkontribusi terhadap
variabel respon Y sebesar 67.6%.
Sedangkan dari table Wilk’s Lambda, diperoleh nilai Sig. sebesar 0.000. Nilai ini kurang
dari 0.05, sehingga dapat dikatakan bahwa fungsi diskriminan yang terbentuk dan diskriminan
sisaan bersifat nyata.
Standardized
Canonical
Discriminant
Function
Coefficients
Function
1
X1 (%) -.721
X2 (%) .441
X3 (%) .332
c. Klasifikasi Diskriminan
Salah satu manfaat dari analisis diskriminan adalah sebagai peramalan/prediksi. Dalam
hal ini, hasil dari analisis diskriminan dapat digunakan untuk mengklasifikasikan objek-objek
dengan karakteristik tertentu.
Dari table Classification Function Coefficients, dapat dibuat fungsi diskriminan yang
berguna untuk prediksi yaitu:
Y1 = -40.036 + 1.158 X1 + 8.256 X2 + 2.048 X3
Y2 = -43.047 + 0.864 X1 9.321 X2 + 2.391 X3
Classification Resultsa
Y Predicted Group Membership Total
y (IPM rendah) y (IPM tinggih )
y (IPM rendah) 8 2 10
Count
y (IPM tinggih ) 3 25 28
Original
y (IPM rendah) 80.0 20.0 100.0
%
y (IPM tinggih ) 10.7 89.3 100.0
a. 86.8% of original grouped cases correctly classified.
Berdasarkan nilai Hitt ratio tersebut sebesar 86.8%, menunjukkan bahwa model
diskriminan yang terbentuk memiliki ketepatan prediksi sekitar 86.8%. Nilai tersebut cukup
besar karena lebih dari 50%, sehingga dapat dikatakan bahwa model diskriminan yang terbentuk
adalah baik.
BAB V
KESIMPULAN
Santoso, Singgih. 2010. Statistik Multivariate Konsep dan Aplikasi dengan SPSS. Jakarta: PT
Elex Media Komputindo.
Johnson, R. A. dan Whichern, D. W., (2007), Applied Multivariate Statistical Analisys, Sixth
Edition. United States of America: Prentice-Hall, Inc.,
Morrison, Donald F. 1976. Multivariate Statistical Methods. Second Edition. New York:
McGraw-Hill.
Ghozali, I. 2002. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan
Penerbit Universitas Diponegoro Semarang.
Supranto, J. 2004. Analisis Multivariat Arti dan Intepretasi. Jakarta: Rineka Cipta.
Santosa, Singgih. 2002. Buku Latihan SPSS Statistik Multivariat. Jakarta: PT Elex Media
Komptindo.
LAMPIRAN