Anda di halaman 1dari 17

1. Latar Belakang Pada zaman dengan teknologi yang canggih seperti sekarang ini, banyak orang yang tidak bisa lepas dari bantuan gadget yang mempermudah aktivitas manusia. Salah satu gadget yang sering digunakan dan memiliki banyak manfaat bagi berbagai profesi adalah komputer. Untuk memudahkan pengguna mengolah data yang berhubungan dengan statistika diciptakan aplikasi SPSS, yang biasa digunakan oleh dosen, mahasiswa, maupun pegawai di badan statistika. Di dalam dunia perencanaan yang kelak akan digeluti oleh lulusan Jurusan Perencanaan Wilayah dan Kota pasti akan menemui banyak masalah yang berhubungan dengan statistika. Pada laporan kali ini, akan dibahas tentang analisis crosstab yang tidak kalah penting dengan analisis deskriptif sebelumnya. Maka dari itu, sudah seharusnya mahasiswa Jurusan Perencanaan Wilayah dan Kota mahir menggunakan SPSS untuk memecahkan masalah. Salah satu analisis yang terdapat di aplikasi SPSS adalah analisis diskriminan. Dalam bidang perencanaan analisis diskriminan dapat digunakan untuk mengetahui kontribusi objek objek yang berkaitan dengan suatu kasus, sehingga dapat mempermudah proses analisis, misalnya dalam menentukan suatu wilayah termasuk daerah yang berkembang atau kurang berkembang dengan variabel variabel yang telah ditentukan. Dalam laporan ini akan digunakan analisis diskriminan dengan stepwise methods menggunakan data rasio ketergantungan penduduk (dependency ratio), jumlah tenaga kerja, dan jumlah industri kecil di Kabupaten Karanganyar agar diketahui kontribusi dari variabel variabel tersebut terhadap status masing masing kecamatan di Kabupaten Karanganyar. Berkembangnya sektor industri diawali dengan adanya pergerakan yang dilakukan oleh pelaku industri kecil maupun industri rumah tangga. Tingkat kesejahteraan dan tingkat pendapatan masyarakat di suatu. Maka dari itu, dalam laporan ini akan dilakukan analisis cluster guna mengetahui kelompok (cluster) yang beranggotakan kelurahan yang sudah atau belum terpenuhi fasilitas pendidikannya.

2. Tujuan Tujuan pembuatan laporan ini adalah untuk mengetahui kontribusi dari variabel rasio ketergantungan penduduk, jumlah tenaga kerja, dan jumlah industri kecil terhadap status daerah yaitu, berkembang atau kurang berkembang. Selain mengetahui kontribusi variabel variabel yang digunakan, analisis ini dapat dijadikan sebagai penentu apakah suatu variabel tertentu perlu dilibatkan atau tidak dalam analisis selanjutnya.

3. Kajian Literatur Analisis Diskriminan adalah salah satu tehnik analisa Statistika dependensi yang memiliki kegunaan untuk mengklasifikasikan objek beberapa kelompok. Pengelompokan dengan analisis diskriminan ini terjadi karena ada pengaruh satu atau lebih variabel lain yang merupakan variabel independen. Kombinasi linier dari variabel-variabel ini akan membentuk suatu fungsi diskriminan (Tatham et. al.,1998). Analisis diskriminan adalah teknik multivariate yang termasuk dependence method, yakni adanya variabel dependen dan variabel independen. Dengan demikian ada variabel yang hasilnya tergantung dari data variabel independen. Analisis diskriminan digunakan apabila variabel dependennya kategoris (maksudnya kalau menggunakan skala ordinal maupun nominal) dan variabel independennya menggunakan skala metric (interval dan

rasio). Analisis diskriminan merupakan tehnik yang akurat untuk memprediksi seseorang termasuk dalam kategori apa, dengan catatan data-data yang dilibatkan terjamin akurasinya. Menurut Johnson and Wichern (1982 : 470), tujuan dari analisis disriminan adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan. Dengan kata lain, analisis diskriminan digunakan untuk mengklasifikasikan individu ke dalam salah satu dari dua kelompok atau lebih. Pada prinsipnya ada dua metode dasar untuk membuat fungsi diskriminan, yakni :

1. Simultaneous estimation, di mana semua variabel dimasukkan secara bersama-sama kemudian dilakukan proses diskriminan.

2. Step-wise estimation, di mana variabel dimasukkan satu persatu ke dalam model

diskriminan. Pada proses ini, tentu ada variabel yang tetap ada pada model dan ada kemungkinan satu atau lebih variabel independen yang dibuang dari model. Analisis diskriminan merupakan teknik yang akurat untuk memprediksi seseorang termasuk dalam kategori apa, dengan catatan data-data yang dilibatkan terjamin akurasinya. Oleh karena bentuk multivariate dari analisis diskriminan adalah dependence, maka variabel dependen adalah variabel yang menjadi dasar analisis diskriminan. Asumsi yang harus dipenuhi dalam analisis diskriminan adalah:

Multivariate normality, atau variabel independen seharusnya berdistribusi normal. Jika data tidak berdistribusi normal, hal ini akan menyebabkan masalah pada ketepatan fungsi (model) diskriminan. Regresi logistic (logistic regression) bisa dijadikan alternatif metode jika memang data tidak berdistribusi normal.

Matriks kovarians dari semua variabel independen relatif sama.

Tidak ada korelasi antar variabel independen. Jika dua variabel independen mempunyai korelasi yang kuat, maka dikatakan terjadi multikolinearitas.

4.

Studi Kasus

Perkembangan suatu kota maupun kabupaten tak lepas dari peningkatan PDRB kota maupun kabupaten tersebut. Dari berbagai sumber pendapatan daerah tak lupa sektor industri yang memiliki kontribusi besar dalam laju pertumbuhan PDRB suatu daerah. Kawasan industri yang banyak bermunculan di berbagai daerah dimulai dari industri kecil maupun industri rumah tangga. Industri kecil maupun industri rumah tangga yang muncul biasanya berupa industri kreatif yang menghasilkan kerajinan tangan atau makanan khas daerah tempat industri tersebut terbentuk. Dalam laporan ini akan dibahas pengelompokkan kawasan industri berkembang dan kawasan industri kurang berkembang dengan menggunakan variabel rasio ketergantungan penduduk, jumlah tenaga kerja, dan jumlah industri kecil di Kabupaten Karanganyar. Kabupaten Karanganyar merupakan salah satu kabupaten di Provinsi Jawa Tengah yang berbatasan dengan Kabupaten Sragen di sebelah utara, Prrovinsi Jawa Timur di sebelah timur, Kabupaten Wonogiri dan Sukoharjo di sebelah selatan, dan Kota Surakarta dan Kabupaten Boyolali di sebelah barat. Luas wilayah Kabupaten Karanganyar adalah 77.378,64 Ha yang terbagi atas 17 kecamatan. Lokasi Kabupaten Karanganyar sangat strategis karena dikelilingi oleh kabupaten maupun kota yang memiliki potensi masing masing membuat Kabupaten Karanganyar berkembang pesat dalam sektor industri. Terlihat dari banyaknya industri kecil yang bermunculan dan tenaga kerja yang semakin meningkat untuk memenuhi kebutuhan. Dengan dilakukannya analisis diskriminan menggunakan aplikasi SPSS diharapkan dapat

diketahui kecamatan mana saja yang sudah berkembang menjadi kawasan industri mana yang belum, sehingga dapat mempermudah analisis selanjutnya. Berikut ini merupakan data data yang digunakan dalam analisis diskriminan:

Tabel 1 Dependency Ratio, Jumlah Tenaga Kerja, Jumlah Industri Kecil, dan Status Kawasan Kabupaten Karanganyar

     

Industri

 

Kecamatan

Dependency Ratio

Tenaga Kerja

Kecil

Status

Jatipuro

35,7

0

0

2

Jatiyoso

35,63

0

0

2

Jumapolo

44,47

0

0

1

Jumantono

41,85

43

1

1

Matesih

45,52

0

0

1

Tawangmangu

45,68

0

0

1

Ngargoyoso

41,71

0

0

2

Karangpandan

42,01

58

2

1

Karanganyar

43,38

70

1

1

Tasikmadu

43,59

0

0

1

Jaten

46,49

2453

43

1

Colomadu

47,19

245

8

1

Gondangrejo

44,9

432

8

1

Kebakkramat

43,73

507

7

1

Mojogedang

44,75

31

1

1

Kerjo

42,22

0

0

2

Jenawi

42,24

0

0

2

Sumber: Kabupaten Karanganyar dalam Angka 2014, BPS Kab. Karanganyar

5. Hasil dan Pembahasan Setelah dilakukan analisis diskriminan menggunakan aplikasi SPSS, tepatnya menggunakan stepwise method seperti yang diuraikan dalam langkah kerja, akan didapat hasil sebagai berikut:

Analysis Case Processing Summary

Unweighted Cases

N

Percent

Valid

17

100,0

 

Missing or out-of-range group codes At least one missing discriminating variable Both missing or out-of-range group codes and at least one missing discriminating variable Total

0

,0

0

,0

Excluded

0

,0

0

,0

Total

17

100,0

Dari tabel di atas dapat diketahui jumlah data yang diproses dengan baik sebanyak 17. Total validitas 100% dan missing 0%.

Group Statistics

Status

Mean

Std. Deviation

Valid N (listwise)

Unweighted

Weighted

 

Dependency_Ratio

44,4633

1,64412

12

12,000

Berkembang

Tenaga_Kerja

319,9167

694,38141

12

12,000

Industri_Kecil

5,9167

12,10904

12

12,000

Dependency_Ratio

39,5000

3,50739

5

5,000

Kurang Berkembang

Tenaga_Kerja

,0000

,00000

5

5,000

Industri_Kecil

,0000

,00000

5

5,000

Dependency_Ratio

43,0035

3,21993

17

17,000

Total

Tenaga_Kerja

225,8235

595,03385

17

17,000

Industri_Kecil

4,1765

10,41775

17

17,000

Dari tabel Group Statistics di atas dapat diketahui terjadi pengelompokkan antar kawasan industri berkembang sebanyak 12 kecamatan dan kelompok kawasan industri kurang berkembang sebanyak 5 kecamatan, dengan total 17 kecamatan. Selain itu, dapat diketahui Std. Deviation dan Mean dari masing masing variabel.

Tests of Equality of Group Means

 

Wilks' Lambda

F

df1

df2

Sig.

Dependency_Ratio

,476

16,521

 

1 15

,001

Tenaga_Kerja

,936

1,022

1 15

,328

Industri_Kecil

,929

1,149

1 15

,301

Berdasarkan tabel Tests of Equality of Group Means di atas digunakan untuk mengetahui kesamaan rata – rata variabel menggunakan Wilks’ Lambda dan nilai signifikansi. Apabila nilai Wilks’ Lambda mendekati 1 berarti tidak ada perNilai Wilks’ Lambda pada variabel dependency ratio tidak mendekati angka 1 berarti ada perbedaan antar grup. Sedangkan nilai Wilks’ Lambda untuk variabel tenaga kerja dan industri kecil mendekati 1 berarti tidak ada perbedaan antar grup. Apabila dilihat nilai signifikansinya lebih dari 0,05 berati tidak ada perbedaan antar grup. Nilai signifiansi variabel dependency ratio sebesar 0,001<0,05 berarti ada perbedaan antar grup. Sedangkan, nilai signifikansi variabel tenaga kerja 0,328>0,05 dan nilai signifikansi industri kecil sebsar 0,301>0,05 yang keduanya berarti tidak ada perbedaan antar grup.

Log Determinants

Status

Rank

Log

Determinant

,994

1 2,510

1 1,661

Berkembang 1

Kurang Berkembang

Pooled within-groups

The ranks and natural logarithms of determinants printed are those of the group covariance matrices.

Dari tabel di atas dapat diketahui nilai log determinant untuk kawasan industri berkembang adalah 0,994 sedangkan nilai log determinant untuk kawasan industri kurang berkembang adalah 2,510. Nilai log determinant keduavariabel tersebut berbeda

atau tidak mendekati satu sama lain, sehingga group covariance matrices akan berbeda untuk kedua kelompok.

 

Test Results

Box's M

3,932

 

Approx.

3,631

df1

1

F

df2

359,000

Sig.

,058

Tests null hypothesis of equal population covariance matrices.

Dari tabel di atas dapat diketahui nilai signifikansi sebesar 0,058 <0,05 maka Ho ditolak. Dengan demikian varians kelompok data adalah tidak sama atau heterogen.

Variables Entered/Removed a,b,c,d

Step

Entered

 

Min. D Squared

 

Statistic

Between

 

Exact F

 

Groups

Statistic

df1

df2

Sig.

     

Berkembang

       

1

Dependency_R

atio

4,681

and Kurang

Berkembang

16,521

1

15,000

,001

At each step, the variable that maximizes the Mahalanobis distance between the two closest groups is

entered.

a. Maximum number of steps is 6.

b. Maximum significance of F to enter is .05.

c. Minimum significance of F to remove is .10.

d. F level, tolerance, or VIN insufficient for further computation.

Berdasarkan tabel di atas menunjukkan variabel yang dapat dimasukkan ke dalam persamaan diskriminan yaitu variabel Dependency Ratio. Variabel tersebut memiliki tingkat signifikansi 0,001<0,05 yang berarti variabel dependency ratio mempengaruhi kawasan industri berkembang maupun yang kurang berkembang.

Variables in the Analysis

Step

Tolerance

Sig. of F to Remove

1

Dependency_Ratio

1,000

,001

Tabel di atas menunjukkan variabel yang dimasukkan ke dalam analisis yaitu variabel dependency ratio dengan nilai signifikansi sebesar 0,001 yang lebih kecil dari 0,05 artinya variabel tersebut dapat dimasukkan ke dalam analisis diskriminan.

Variables Not in the Analysis

Step

Tolerance

Min. Tolerance

Sig. of F to Enter

Min. D Squared

Between Groups

         

Berkembang and

 

Dependency_Ratio

1,000

1,000

,001

4,681

Kurang

 

Berkembang

       

Berkembang and

0

Tenaga_Kerja

1,000

1,000

,328

,289

Kurang

 

Berkembang

       

Berkembang and

 

Industri_Kecil

1,000

1,000

,301

,326

Kurang

 

Berkembang

Berkembang and

 

Tenaga_Kerja

,937

,937

,995

4,681

Kurang

 

Berkembang

1

       

Berkembang and

 

Industri_Kecil

,923

,923

,970

4,682

Kurang

 

Berkembang

Pada step 0, ketiga variabel dimunculkan dengan angka sig of F to Enter sebagai faktor penguji. Dapat diketahui bahwa variabel dependency ratio merupakan variabel yang digunakan di analisis diskriminan maka pada step 1 variabel dependency ratio sudah tidak ada karena nilai Sig of F to enter nya paling kecil dan nilai Min. D squared nya paling besar di antara yang lain. Pada step 1 dapat diketahui nilai signifikansi variabel tenaga kerja dan industri kecil lebih besar dari 0,05 sehingga tidak ada variabel yang dikeluarkan dari step 1 dan dimasukkan ke dalam analisis.

Wilks' Lambda

Step

Number of

Lambda

df1

df2

df3

 

Exact F

 

Variables

Statistic

df1

df2

Sig.

1

1

,476

1

1

15

16,521

1

15,000

,001

Pada step 1, jumlah variabel yang dimasukkan ada 1 yaitu variabel dependency ratio dengan Wilks’ Lambda 0,476. Hal ini berarti 47,6% varian tidak dapat dijelaskan oleh perbedaan antar kelompok.

Eigenvalues

Function

Eigenvalue

% of Variance

Cumulative %

Canonical

Correlation

1

1,101 a

100,0

100,0

,724

a. First 1 canonical discriminant functions were used in the analysis.

Pada tabel eigenvalues dilihat nilai canonical correlation yang berkisar antara 0 sampai 1. Dapat diketahui bahwa nilai canonical correlationnya adalah 0,724 yang mendekati 1 berarti keakuratannya tinggi.

Wilks' Lambda

Test of Function(s)

Wilks' Lambda

Chi-square

df

Sig.

1

,476

10,768

1

,001

Pada tabel diatas dapat diketahui presentase yang tidak dapat dijelaskan berdasarkan nilai Wilks’ Lambda. Presentase tersebut sebesar 47,6%. Nilai Wilks’ Lambda 0,476>0,05 berarti fungsi yang akan terbentuk baik. Nilai signifikansi tabel di atas adalah 0,001 yang berarti lebih kecil dari 0,05 menunjukkan bahwa tidak ada perbedaan antar 2 grup.

Standardized Canonical Discriminant Function Coefficients

Function

1

Dependency_Ratio

1,000

Pada Tabel Standarized Canonical Dicriminant Funcion Coefficients dapat ditentukan fungsi diskriminan yaitu Z score = dependency ratio. Fungsi tersebut merupakan fungi yang telah distandarisasi.

Structure Matrix

Function

1

Dependency_Ratio

Industri_Kecil a

Tenaga_Kerja a

1,000

,277

,251

Pooled within-groups correlations between discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function. a. This variable not used in the analysis.

Tabel Structure Matrix menunjukkan urutan karakteristik yang paling membedakan perilaku 2 kelompok kawasan perkembangan. Karakteristik dependency ratio adalah yang paling membedakan kemudian jumlah industri kecil.

Functions at Group Centroids

Status

Function

1

Berkembang Kurang Berkembang

,636

-1,527

Unstandardized canonical discriminant functions evaluated at group means

Tabel di atas menunjukkan apabila hasil Zscore mendekati nilai 0,636 berarti termasuk kawasan industri berkembang. Apabila hasil Zscore mendekati angka -1,527 berarti termasuk kawasan industri kurang berkembang.

Classification Processing Summary

Processed

17

 

Missing or out-of-range group codes At least one missing discriminating variable

0

Excluded

0

Used in Output

17

Tabel di atas menunjukkan data yang di proses sebanyak 17 buah, tidak ada data yang missing, dan semua data digunakan dalam output.

Prior Probabilities for Groups

Status

Prior

Cases Used in Analysis

Unweighted

Weighted

Berkembang Kurang Berkembang Total

,500

12

12,000

,500

5

5,000

1,000

17

17,000

Tabel di atas menunjukkan kecamatan yang termasuk dalam kawasan industri berkembang sebanyak 12 kecamatan, sedangkan yang termasuk kawasan industri kurang berkembang sebanyak 5 kecamatan.

Classification Function Coefficients

Status

Berkembang

Kurang

Berkembang

Dependency_Ratio

(Constant)

8,449

-188,522

7,506

-148,928

Fisher's linear discriminant functions

Pada tabel di atas dapat diketahui persamaan untuk kelompok kawasan berkembang adalah Nilai= -188,522 (konstan) + 8,449 (dependency ratio). Sedangkan persamaan untuk kawasan kurang berkembang adalah Nilai= -148,928 (konstan) + 7,506 (dependency ratio). Selisih antara 2 kelompok kawasan adalah Nilai Z= -39,594 (konstan) + 15,955 (dependency ratio)

Classification Results a,c

   

Status

Predicted Group Membership

Total

   

Berkembang

Kurang

Berkembang

 

Berkembang

11

1

12

 

Count

Kurang Berkembang

2

3

5

Original

Berkembang

91,7

8,3

100,0

 

%

Kurang Berkembang Berkembang

40,0

60,0

100,0

 

10

2

12

Cross-validated b

Count

Kurang Berkembang

3

2

5

 

Berkembang

83,3

16,7

100,0

 

%

Kurang Berkembang

60,0

40,0

100,0

a. 82,4% of original grouped cases correctly classified.

b. Cross validation is done only for those cases in the analysis. In cross validation, each case is

classified by the functions derived from all cases other than that case.

Berdasarkan tabel di atas pada kolom Original baris 1 kawasan berkembang sebanyak 11 kecamatan atau 91,7%, sedangkan 1 kecamatan (8,3%) berpindah ke kawasan kurang berkembang. Sementara itu, 3 kecamatan (60%) yang berada di kawasan kurang berkembang dan ada 2 kecamatan (40%) berpindah ke kawasan berkembang. Maka ketepatan fungsi diskriminan dapat diketahui sebagai berikut:

(10+2)/17 = 0,70588 atau 70,6% Karena tingkat ketepatan yang tinggi, maka model tersebut dapat digunakan untuk analisis diskriminan.

6.

Kesimpulan Setelah dilakukan analisis diskriminan terhadap status perkembangan kawasan industri di Kabupaten Karanganyar dapat disimpulkan:

a. Menurut tabel Wilks’ Lambda Nilai signifikansi adalah 0,001 yang berarti lebih kecil dari 0,05 menunjukkan bahwa tidak ada perbedaan antar 2 grup yang berarti tidak ada perbedaan yang signifikan antara kecamatan yang mempunyai kawasan industri berkembang dengan kawasan industri kurang berkembang.

b. Variabel yang menjadi pembeda antar kecamatan dalam pengelompokkan kawasan berdasarkan tabel Variable in Analysis maupun Variable Not in Analysis adalah variabel dependency ratio.

c. Fungsi diskriminan untuk studi kasus penentuan kawasan industri berkembang atau kurang berkembang adalah Zn = 1 (dependency ratio)

d. Berdasarkan tabel Classification Result dapat diketahui terdapat 12 kecamatan yang termasuk dalam kawasan industri berkembang dan 5 kecamatan yang termasuk dalam kawasan industri kurang berkembang.

e. Fungsi diskriminan tersebut mempunyai ketepatan mengklasifikasi kasus sebesar 70,6% dianggap tinggi karena di atas 50% dan fungsi tersebut dapat digunakan untuk mengklasifikasi kasus pada penentuan kawasan industri.

DAFTAR PUSTAKA

Anonim, 2013. Informasi Laporan Penyelenggaraan Pemerintahan Daerah dalam karanganyarkab.go.id. Diakses pada Jumat, 1 Mei 2015. BPS Kabupaten Karanganyar. 2014. Kabupaten Karanganyar Dalam Angka 2014 dalam karanganyarkab.bps.go.id. Diakses pada Jumat, 1 Mei 2015. Hidayat, Anwar. 2013. Interpretasi Analisis Diskriminan dengan SPSS Part 2 dalam statistikian.com. Diakses pada Jumat, 1 Mei 2015.

LAMPIRAN

1. Buka aplikasi spss, masukkan variable view. Lalu masukkan data dengan cara meng- copy data dari excel ke SPSS.

Lalu masukkan data dengan cara meng- copy data dari excel ke SPSS. 2. Klik menu Analyze
Lalu masukkan data dengan cara meng- copy data dari excel ke SPSS. 2. Klik menu Analyze

2. Klik menu Analyze > Classify > Discriminant.

Lalu masukkan data dengan cara meng- copy data dari excel ke SPSS. 2. Klik menu Analyze

3. Setelah muncul kotak dialog discriminant, masukkan variabel status ke dalam grouping variabel. Variabel lain dimasukkan ke kolom independents. Lalu klik define range isi minimum 1 maximum 2 untuk menentukan kelompok yang akan dibuat. Klik Use stepwise Method.

kelompok yang akan dibuat. Klik Use stepwise Method. 4. Setelah itu klik statistics > centang Means,
kelompok yang akan dibuat. Klik Use stepwise Method. 4. Setelah itu klik statistics > centang Means,

4. Setelah itu klik statistics > centang Means, Univariate Annovas, Box’s M, dan Fisher. Klik Continue.

Univariate Annovas, Box’s M, dan Fisher. Klik Continue. 5. Lalu klik method > Mahalonobis distance >

5. Lalu klik method > Mahalonobis distance > use probability to F > Summary of steps > klik continue.

6. Klik Classify > All groups are equal > Casewise result > leave one out

6. Klik Classify > All groups are equal > Casewise result > leave one out classification > within groups. Klik Continue. Setelah semua diatur klik OK.

> Casewise result > leave one out classification > within groups. Klik Continue. Setelah semua diatur

7. Maka akan keluar tabel tabel output seperti di Hasil dan Pembahasan, salah satu tabel tersebut adalah sebagai berikut:

Casewise Statistics

 

Case

Actual

 

Highest Group

   

Second Highest Group

Discriminant

Number

Group

   

Scores

 

Predicted

P(D>d | G=g)

P(G=g |

Squared

Group

P(G=g |

Squared

Function 1

 

Group

p

df

D=d)

Mahalanobis

D=d)

Mahalanobis

Distance to

Distance to

 

Centroid

Centroid

 

1

2

 

2

,098

 

1 ,997

2,744

1

,003

14,592

-3,184

2

2

 

2

,092

 

1 ,998

2,846

1

,002

14,826

-3,214

3

1

 

1

,998

 

1 ,913

,000

2

,087

4,694

,639

4

1

2

**

,306

 

1 ,531

1,049

1

,469

1,298

-,503

5

1

 

1 ,645

 

1 ,966

,212

2

,034

6,886

1,097

6

1

 

1 ,596

 

1 ,970

,281

2

,030

7,257

1,167

Original

7

2

 

2 ,335

 

1 ,564

,928

1

,436

1,440

-,564

8

1

 

1 ,285

 

1 ,507

1,144

2

,493

1,197

-,433

9

1

 

1 ,637

 

1 ,789

,223

2

,211

2,861

,164

10

1

 

1 ,703

 

1 ,820

,145

2

,180

3,179

,256

11

1

 

1 ,377

 

1 ,986

,780

2

,014

9,284

1,520

12

1

 

1 ,235

 

1 ,993

1,413

2

,007

11,237

1,825

13

1

 

1 ,849

 

1 ,940

,036

2

,060

5,541

,827

 

14

1

 

1

,749

1 ,839

,102

2

,161

3,400

,317

15

1

 

1

,901

1 ,932

,016

2

,068

5,237

,761

16

2

 

1 **

,328

1 ,556

,956

2

,444

1,406

-,342

17

2

 

1 **

,332

1 ,561

,939

2

,439

1,427

-,333

1

2

2

,023

1 ,998

5,188

1

,002

17,657

2

2

 

2

,020

1 ,998

5,440

1

,002

18,140

 

3

1

 

1

,998

1 ,899

,000

2

,101

4,381

 

4

1

2

**

,298

1 ,563

1,081

1

,437

1,592

 

5

1

 

1

,625

1 ,959

,239

2

,041

6,528

 

6

1

 

1

,572

1 ,964

,319

2

,036

6,915

 

7

2

 

1 **

,227

1 ,501

1,457

2

,499

1,467

 

Cross-

8

1

2 **

,270

1 ,521

1,219

1

,479

1,386

 

validate

9

1

 

1 ,616

1 ,774

,252

2

,226

2,714

 

d

b

10

1

 

1 ,687

1 ,805

,163

2

,195

2,998

 
 

11

1

 

1 ,338

1 ,984

,919

2

,016

9,187

 

12

1

 

1 ,186

1 ,993

1,749

2

,007

11,689

 

13

1

 

1 ,841

1 ,929

,040

2

,071

5,185

 

14

1

 

1 ,735

1 ,824

,114

2

,176

3,197

 

15

1

 

1 ,895

1 ,920

,017

2

,080

4,894

 

16

2

 

1 **

,315

1 ,658

1,011

2

,342

2,322

 

17

2

 

1 **

,319

1 ,664

,995

2

,336

2,361

 

For the original data, squared Mahalanobis distance is based on canonical functions. For the cross-validated data, squared Mahalanobis distance is based on observations.

**. Misclassified case b. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by the functions derived from all cases other than that case.