Keterangan :
nG1.1 = banyaknya observasi untuk X1 pada kelompok G1
nG1.2 = banyaknya observasi untuk X2 pada kelompok G1
nG2.1 = banyaknya observasi untuk X1 pada kelompok G2
nG2.2 = banyaknya observasi untuk X2 pada kelompok G2
Misalkan dari struktur data lengkap itu terdapat data yang hilang sebanyak a
buah untuk X1, yang terbagi menjadi sebanyak a1 pada kelompok 1 dan
sebanyak a2 pada kelompok 2 dan b buah untuk X2 yang terbagi menjadi
sebanyak b1 pada kelompok 1 dan sbanyak b2 pada kelompok 2. Untuk lebih
jelas, struktur data tersebut disajikan dalam tabel 2.2 berikut ini :
Keterangan :
a1 = banyaknya observasi yang hilang untuk X1 pada kelompok G1
a2 = banyaknya observasi yang hilang untuk X2 pada kelompok G1
b.1 = banyaknya observasi yang hilang untuk X1 pada kelompok G2
b2 = banyaknya observasi yang hilang untuk X2 pada kelompok G2
Dimana :
n11 = nG1 – a1
n12 = nG1 – b1
n21 = nG2 – a2
n22 = nG2 – b2
maka nilai yang hilang tersebut akan ditaksir dengan menggunakan metode
D1 dan perhitungan dalam D1 tersebut dimulai dengan rata-rata sampel
dengan rumus sebagai berikut :
n11
∑x
(1)
1i
♣ (1) …(3.1)
x1 = i =1
n11
n12
∑x
(1)
2i
♣ (1) …(3.2)
x2 = i =1
n12
n21
∑x
( 2)
1i
♣ (2) …(3.3)
x1 = i =1
n 21
n22
∑x
( 2)
2i
♣ ( 2) …(3.4)
x2 = i =1
n 22
Dan nilai rata-rata sampel tersebut ditaksir oleh θ̂ (taksiran nilai rata-rata
dengan observasi tak lengkap) kemudian akan dihitung jumlah kuadrat dan
perkalian silang sampel dengan rumus sebagai berikut :
( )
n11
= ∑ Χ1i
(1) (1) 2
♣ t11
i =1
…(3.5)
( )
n1
= ∑ Χ1i .Χ 2i
(1) (1) (1)
♣ t12 …(3.6)
i =1
( )
n12
= ∑ Χ 2i
(1) (1) 2
♣ t 22 …(3.7)
i =1
( )
n21
= ∑ Χ 1i
( 2) ( 2) 2
♣ t11 …(3.8)
i =1
( )
n2
= ∑ Χ1i
( 2) ( 2) ( 2)
♣ t12 .Χ 2i …(3.9)
i =1
( )
n22
= ∑ Χ 2i
( 2) ( 2) 2
♣ t 22 …(3.10)
i =1
Setelah didapat matriks kovarians kesatuan maka akan dihitung nilai yang
cocok untuk data hilang yang merupakan penjumlahan dengan
menggunakan regresi linear dengan rumus
Kelompok 1
(1) Jˆ
x1 hilang : xˆ1 = θˆ1 + 12 x 2 − θˆ2
(1)
ˆ
J 22
(1)
(
(1)
) ...(3.12.1a)
(1) Jˆ
x 2 hilang : xˆ 2 = θˆ2 + 12 x1 − θˆ1
(1)
ˆ
J 11
(1)
(
(1)
) ...(3.12.1b)
Kelompok 2
( 2) Jˆ
x1 hilang : xˆ1 = θˆ1 + 12 x 2 − θˆ2
( 2)
ˆ
J 22
( 2)
(
( 2)
) ...(3.12.2a)
( 2) Jˆ
x 2 hilang : xˆ 2 = θˆ2 + 12 x1 − θˆ1
( 2)
ˆ
J 11
( 2)
(
( 2)
) ...(3.12.2b)
♣ m2
(1 )
=
(n x 1 2
(1)
+ Σxˆ 2
(1)
) …
n1 + b1
(3.13.2)
♣ m1
(2)
=
(n x 2 1
(2)
+ Σxˆ1
(2)
) …
n2 + a 2
(3.13.3)
♣ m1
(2)
=
(n x 2 2
(2)
+ Σxˆ 2
(2)
) …(3.13.4)
n2 + a 2
dan matriks S terdiri dari :
( ) + ∑(x )
n11
(1) (1) (1) 2 (1) (1) 2
s11 = t11 + n1 x1 − m1 1i − m1
i =1
( ) + ∑ (x )
n21
( 2) (2) ( 2) 2 ( 2) ( 2) 2
+ t11 + n2 x1 − m1 1i − m1 …(3.13.5)
i =1
( ) + ∑ (x )
n12
(1) (1) (1) 2 (1) (1) 2
s 22 = t 22 + n1 x 2 − m2 2i − m2
i =1
( ) + ∑ (x )
n22
( 2) ( 2) ( 2) 2 ( 2) ( 2) 2
+ t 22 + n2 x 2 − m2 2i − m2 …(3.13.6)
i =1
( ) + ∑ (x )
n12
(1) (1) (1) 2 (1) (1) 2
s12 = s 21 = t12 + n1 x 2 − m2 2i − m2
i =1
( ) + ∑ (x )
n21
(2) ( 2) ( 2) 2 ( 2) ( 2) 2
+ t12 + n2 x1 − m1 1i − m1 …(3.13.7)
i =1
~ s11 s12
s =
s12 s 22
Jˆ12
2
ˆ
J 22.1 = J 22 − ...(3.14.2)
Jˆ11
maka didapat :
s12
∗
s11 ∗
∗
S = ∗
∗
s12 s 22
♣
∗ (1)
ˆθ = m (1)
1 1
♣ θˆ2
∗ (1) (1)
= m2
♣
∗ ( 2)
ˆθ = m (2)
1 1
♣ θˆ2
∗ (2) (2)
= m2
dimana θ̂∗ adalah penaksir rata-rata observasi lengkap.
1 ˆ
J
∗
− Jˆ 2 1
∗
∗ˆ−1 22
J = ∗ ∗ ∗ ∗ ∗
( )( ) ( )( ) ...(3.16)
ˆJ Jˆ − Jˆ Jˆ − Jˆ Jˆ11∗
11 22 12 21 12
w ( )1
( ) (
ˆ = Χ' Jˆ ∗ θˆ ∗(1) − θˆ ∗( 2 ) − θˆ ∗(1) + θˆ ∗( 2 ) ' Jˆ ∗ θˆ ∗(1) − θˆ ∗( 2 )
−1
2
−1
) ...(3.17)
dimana Jˆ ∗
−1
adalah matriks kebalikan dari varians-kovarians sampel
gabungan dengan observasi lengkap.
3.1 Pendahuluan
3.2 Bahan
Data yang digunakan adalah data sekunder yang diperoleh dari buku
Teknik analisis Regresi dan Korelasi (Sudjana, 1996) dan data tersebut
mengenai berhasil atau gagalnya seorang mahasiswa dalam menempuh mata
kuliah. Dari data diketahui bahwa ada 2 kelompok yaitu kelompok berhasil
(G1) dan kelompok gagal (G2). Dari masing - masing kelompok terdapat 2
variabel bebas yaitu X1 = skor tentang kemampuan mengeluarkan pendapat
dan X2 = skor motivasi. Dengan menggunakan variable –variabel tersebut
penulis ingin mengklasifikasikan apakah seorang mahasiswa berhasil atau
dalam menempuh mata kuliah. Data tersebut akan dianalisis menggunakan
Metode regresi konsisten untuk analisis diskriminan dengan data hilang dan
data tersebut disajikan dalam bentuk table berikut ini :
BAB IV
HASIL DAN PEMBAHASAN
4.1 Pendahuluan
Setelah bahan tersedia yaitu berupa dan telah diketahui metode yang
baik untuk digunakan, maka tindakan selanjutnya adalah melakukan
pengolahan data tersebut dengan metode yang dipilih.
Dan akan dihitung nilai rata – rata sampel untuk tiap kelompok :
n
11
♣ x1
(1)
=
∑ x1i (1)
i =1
=
72
9 =8
n11
n12
♣ x2
(1) ∑ x 2 i (1 ) 7
= i =1
n12 = 63
9 =
n 21
♣ x
(2) ∑ x1i( 2 ) 5.71428
1
= i =1
n21 = 40
7 =
5714
n
22
♣ x2
(2) ∑ x 2i( 2)
= i =1
n22
= 37
7
= 5.28571
4286
Dan dihitung pula nilai jumlah kuadrat dan perkalian silang sampel
o t11(1)
[ ]
n11
= ∑ ( X 1i ) 2 = (8 + 8 + 7 + 9 + 8 + 7 + 9 + 7 + 9) 2 = 582
(1)
i =1
n1
= ∑ (X1i .X 2i )
(1) (1)
o t12(1) i =1
=[( 8)( 7) +(8)( 6) +(9)( 7) +(8)( 8) +(7)( 8) +(9)( 8) +(7)( 6) +(9)( 7)]
= 464
• t22(1)
n12
= ∑ (X 2i ) 2 = [(7 + 6 + 7 + 8 + 8 + 6 + 6 + 7) 2 ] = 447
(1)
i =1
• t11(2)
[ ]
n21
= ∑ (X1i ) 2 = (6 + 5 + 6 + 7 + 6 + 5 + 5) 2 = 232
( 2)
i =1
n2
= ∑ (X1i .X 2i
( 2) ( 2)
)
• t 12
(2) i =1
[ ]
n22
= ∑ (X 2i ) 2 = ( 4 + 5 + 66 + 7 + 5 + 4) 2 = 203
( 2)
i =1
perhitungan jumlah kuadrat dan perkalian silang sampel tersebut digunakan untuk menghitung matriks kovarians kesatuan yang
n1 + n2 − 2
Ĵ1 1Ĵ1 2
= 27 .13333333 21.23333333
21.66666667
21 .23333333
Ĵ1 2Ĵ 2 2
Nilai rata-rata tersebut ditaksir oleh penaksir awal dari rata-rata dibentuk
dari observasi lengkap:
θˆ1 = 8
(1)
θˆ2 = 7
(1)
θˆ1 = 5.714285714
( 2)
θˆ2 = 5.285714286
( 2)
Menhitung nilai yang cocok untuk data hilang yang merupakan
penjumlahan dengan menggunakan regresi liner:
Kelompok 1
a. x1 hilang:
(1) Jˆ
xˆ1 = θˆ1 + 12 x2 −θˆ2
(1)
ˆ
J 22
(1) (1)
( )
(1)
xˆ1 = 8 +
21 .3333333
21 .66666667
( )
(1)
x2 − 7
(1) (1)
xˆ1 = 0.979999999 x2 +1.140000002
b. x2 hilang:
(1) Jˆ
xˆ 2 = θˆ2 + 12 x1 − θˆ1
(1)
ˆ
J 11
(1)
(
(1)
)
(1)
xˆ 2 = 7 +
21 .3333333
27 .13333333
( )
(1)
x1 − 8
(1) (1)
xˆ 2 = 0.782555282 x1 + 0.739557739
Kelompok 2:
a. x1 hilang:
(1) ( 2) Jˆ
xˆ1 = θˆ1 + 12 x2 −θˆ2
Jˆ
( 2)
(
( 2)
)
22
( 2)
xˆ1 = 5.714285714 +
21 .3333333
21 .66666667
( ( 2)
x2 − 5.285714286 )
( 2) ( 2)
xˆ1 = 0.979999999 x2 + 0.534285715
b. x2 hilang:
( 2) ( 2) Jˆ
xˆ 2 = θˆ2 + 12 x1 −θˆ1
Jˆ
( 2)
(
( 2)
)
11
( 2)
xˆ 2 = 5.285714286 +
21 .3333333
27 .13333333
( ( 2)
x1 − 5.714285714 )
( 2) ( 2)
xˆ 2 = 0.782555282 x1 + 0.813969814
Sehingga didapat
Tabel KELOMPOK
3.1 Data lengkap dengan nilai taksiran data
SKORhilang
Kemampuan
Motivasi
mengeluarkan pendapat
(X2)
(X1)
Berhasil (G1) 8 7
8 6
7 6.217444718*
9 7
8 8
7 8
9 8
7.02* 6
7 6
9 7
72 63
Gagal (G2) 6 5.50930151*
5 4
6 5
7 6
6 6
7.394285713* 7
5 5
5 4
40 37
Keterangan : tanda (*) menunjukkan nilai hasil taksiran
a. m
(1)
=
(18x 1
(1)
+ Σxˆ1
(1)
)
1
18+ 1
m1
(1 )
=
[18(8) + 7.02 ] = 7.948421053
19
b. m2
(1)
=
(1 8x 2
(1)
+ Σxˆ2
(1 )
)
1 8+ 1
m2
(1)
=
[18(7) + 6.217444718 ] = 6.958812879
19
c. m
(2)
=
(1 4x 1
(2)
+ Σxˆ1
(2)
)
1
1 4+ 1
m1
(2)
=
[14(5.714285714 ) + 7.394285713 ] = 5.82685714
15
d. m2
(2)
=
(1 4x 2
(2)
+ Σ ˆ
x 2
(2)
)
1 4+ 1
m2
(2)
=
[14 (5.285714286 ) + 5.50930151 ] = 5.3006201
18 +1
( ) + ∑(x )
n11
(1) (1) (1) 2 (1) (1) 2
s11 = t11 + n1 x1 − m1 1i − m1
i =1
( ) + ∑ (x )
n21
( 2) (2) ( 2) 2 ( 2) ( 2) 2
+ t11 + n2 x1 − m1 1i − m1
i =1
+ (5 − 5.826285714 ) 2 ]
( ) + ∑(x )
n11
(1) (1) (1) 2 (1) (1) 2
s22 = t 22 + n1 x1 − m2 2i − m2
i =1
( ) + ∑(x )
n21
( 2) ( 2) ( 2) 2 ( 2) ( 2) 2
+ t 22 + n2 x 2 − m2 2i − m2
i =1
s22 = 447 + 18(7 − 6.958812879 ) 2 + [(7 − 6.958812879 ) 2 + (6 − 6.958812879 ) 2
+ (7 − 6.958812879 ) 2 + (8 − 6.958812879 ) 2 + (8 − 6.958812879 ) 2
+ ( 4 − 5.3006201 ) 2 ]
( ) + ∑(x )
n12
(1) (1) (1) 2 (1) (1) 2
s12 = t12 + n1 x2 − m2 2i − m2
i =1
( ) + ∑ (x )
n21
(2) ( 2) ( 2) 2 ( 2) ( 2) 2
+ t12 + n2 x1 − m1 1i − m1
i =1
+ [( 6 − 5.826285714 ) 2 + (5 − 5.826285714 2
+ (6 − 5.826285714 ) 2
+ (7 − 5.826285714 ) 2 + (6 − 5.826285714 2
+ (5 − 5.826285714 ) 2
+ (5 − 5.826285714 ) 2 ]
s 22 = 647 .3377977
Jˆ12
2
ˆ
J 11.2 = J 11 −
Jˆ 22
2
(21 .23333333 )
Jˆ11 .2 = 27 .13333333 − = 6.324666674
21 .66666667
Jˆ12
2
ˆ
J 22.1 = J 22 −
Jˆ 11
2
(21 .23333333 )
Jˆ 22 .1 = 21 .66666667 − = 5.050409508
27 .13333333
Maka didapat :
∗
s11 = 823.7638259 + 2(6.32466674) = 836.4131592
∗
s12 = 647.3377377
∗
s22 = 663.4790395 + 2(5.050409508) = 673.5798585
ˆθ ∗ (1) = m (1) = .7 9 4 8 4 2 1 0 5 3
1 1
θˆ1 = m1 = 6.958812879
∗ ( 2) ( 2)
ˆθ ∗ (1) = m (1) = .5 8 2 6 2 8 5 7 1 4
2 2
θˆ2 = m2 = 5.3006201
∗ ( 2) ( 2)
S11 * S12 *
J* =
n1 +n2 −2 n1 + n2 −2
S12 * S 22 *
n1 +n2 −2 n1 + n2 −2
836.4131592
34 34
6 4 7.3 3 7 7 9 7 7
6 7 3.5 7 9 8 5 85
= 647.3377977
34 34
24 .60038704 19.03934699
=
19.81117231
19 .03934699
yaitu 36.
w ( 1
) ( ) (
ˆ = Χ' Jˆ ∗ θˆ ∗( 1 ) − θˆ ∗( 2 ) − θˆ ∗( 1 ) + θˆ ∗( 2 ) ' Jˆ ∗ θˆ ∗( 1 ) − θˆ ∗( 2 )
-1
2
-1
)
Untuk mengetahui apakah data yang ada masuk ke dalam kelompok satu
diskriminannya.
ˆ = 0.083858698
w (8) + 0.003108242 ( 7 ) − 0.59661713
ˆ = 0.096010148
w
8 7 0.096010148 Berhasil
8 6 0.092901906 Berhasil
7 6.217444718 0.009719079 Berhasil
9 7 0.179868846 Berhasil
8 8 0.0991839 Berhasil
7 8 0.015259692 Berhasil
9 8 0.182977088 Berhasil
7.02 6 0.010720382 Berhasil
7 6 0.009043208 Berhasil
9 7 0.179868846 Berhasil
6 5.50930151 -0.07634069 Gagal
5 4 -0.16489067 Gagal
6 5 -0.07792373 Gagal
7 6 0.09043208 Berhasil
6 6 -0.07481549 Gagal
7.394285713 7 0.045215736 Berhasil
5 5 -0.16178243 Gagal
5 4 -0.16489067 Gagal
2
pengklasifikasiaan sebesar ×100% = 11.11% .
18
BAB V
KESIMPULAN DAN SARAN
5.1 Pendahuluan
5.2 Kesimpulan
Dari hasil perhitungan pada bab IV, kita dapat menarik kesimpulan
sebagai berikut :
1. Taksiran data dengan metode D1
a. Untuk data pada kelompok 1 dengan variabel X1, data yang hilang
dapat ditaksir dengan X2(1) = 6 dan didapatkan X1(1) = 7.02
b. Untuk data pada kelompok 1 dengan variabel X2 , data yang hilang
dapat ditaksir dengan X1(1) = 7 dan didapatkan X 2(1)
= 6.217444718
c. Untuk data pada kelompok 2 dengan variabel X1 , data yang hilang
dapat ditaksir dengan X2(2) = 7 dan didapatkan X 1(2)
= 7.394825713
d. Untuk data pada kelompok 2 dengan variabel X2 , data yang hilang
dapat ditaksir dengan X1(2) = 6 dan didapatkan X2(2) = 5.50930151
5.3 Saran
Pada makalah ini tidak dibahas mengenai uji keberartian model
diskriminan yang menguji apakah model yang ada cocok atau tidak. Untuk
itu pada penelitian selanjutnya disarankan untuk melakukan uji keberartian
model diskriminan agar diketahui model yang didapat cocok atau tidak
untuk data yang dipergunakan.