Anda di halaman 1dari 67
 Merupakan teknik analisis data jika kriteria atau variabel dependen menggunakan data nominal, sedangkan variabel

Merupakan teknik analisis data jika kriteria atau variabel

dependen menggunakan data nominal, sedangkan variabel independen menggunakan data interval/rasio.

kriteria atau variabel dependen menggunakan data nominal, sedangkan variabel independen menggunakan data interval/rasio.
kriteria atau variabel dependen menggunakan data nominal, sedangkan variabel independen menggunakan data interval/rasio.
kriteria atau variabel dependen menggunakan data nominal, sedangkan variabel independen menggunakan data interval/rasio.
kriteria atau variabel dependen menggunakan data nominal, sedangkan variabel independen menggunakan data interval/rasio.
Manfaat Analisis Diskriminan dipergunakan : 1. Melihat signifikansi perbedaan dua kelompok sampel atau lebih 2.

Manfaat Analisis Diskriminan dipergunakan :

1. Melihat signifikansi perbedaan dua kelompok

sampel atau lebih

2. Menemukan variabel-variabel yang membedakan secara signifikan dua kelompok atau lebih.

Contoh :

1. Analisis perbedaan Keberhasilan studi mahasiswa Jurusan Akuntansi antara mahasiswa yang berasal dari SLTA jurusan IPA dan SLTA jurusan IPS.

2. Analisis perbedaan konsumen wanita dan pria dalam melakukan keputusan pembelian mobil.

3. Analisis orang kota dan desa dalam melakukan investasi.

 Merupakan teknik Multivariat yang termasuk Dependence Method , yakni adanya variabel dependen dan Independen.

Merupakan teknik Multivariat yang termasuk

Dependence Method, yakni adanya variabel

dependen dan Independen.

Data variabel dependen harus berupa data kategori (non metrik), sedangkan data variabel independen merupakan data interval atau rasio (metrik).

Jika kategori > 2, analisis diskriminan lebih baik

digunakan sebagai alat analisis daripada regresi

logistik.

 Jika kategori > 2, analisis diskriminan lebih baik digunakan sebagai alat analisis daripada regresi logistik.
 Jika kategori > 2, analisis diskriminan lebih baik digunakan sebagai alat analisis daripada regresi logistik.
 Jika kategori > 2, analisis diskriminan lebih baik digunakan sebagai alat analisis daripada regresi logistik.
 Jika kategori > 2, analisis diskriminan lebih baik digunakan sebagai alat analisis daripada regresi logistik.

Karena mirip dengan analisis regresi, analisis diskriminan memiliki 2 kegunaan:

Kemampuan memprediksi adanya variabel dependen dengan input data variabel independen.

Kemampuan memilih mana di antara variabel- variabel independen yang berpengaruh terhadap variabel dependen dan yang tidak berpengaruh terhadap variabel dependen.

variabel independen yang berpengaruh terhadap variabel dependen dan yang tidak berpengaruh terhadap variabel dependen.
variabel independen yang berpengaruh terhadap variabel dependen dan yang tidak berpengaruh terhadap variabel dependen.
variabel independen yang berpengaruh terhadap variabel dependen dan yang tidak berpengaruh terhadap variabel dependen.
variabel independen yang berpengaruh terhadap variabel dependen dan yang tidak berpengaruh terhadap variabel dependen.

Teknik analisis diskriminan ditentukan oleh jumlah kategori dalam variabel dependen.

Jika variabel dependen memiliki 2 kategori, disebut two-group discriminant analysis. Sebaliknya jika variabel dependen memiliki 3 atau lebih kategori, dikenalk dengan multiple discriminant analysis. Perbedaan utamanya adalah dalam two-group case, hanya dihasilkan satu fungsi diskriminan, sedangkan dalam MDA dapat dihasilkan lebih dari satu fungsi diskriminan.

case, hanya dihasilkan satu fungsi diskriminan, sedangkan dalam MDA dapat dihasilkan lebih dari satu fungsi diskriminan.
case, hanya dihasilkan satu fungsi diskriminan, sedangkan dalam MDA dapat dihasilkan lebih dari satu fungsi diskriminan.
case, hanya dihasilkan satu fungsi diskriminan, sedangkan dalam MDA dapat dihasilkan lebih dari satu fungsi diskriminan.
case, hanya dihasilkan satu fungsi diskriminan, sedangkan dalam MDA dapat dihasilkan lebih dari satu fungsi diskriminan.
 Mengetahui apakah terdapat perbedaan antar grup pada variabel dependen.  Jika terdapat perbedaan, variabel

Mengetahui apakah terdapat perbedaan antar grup pada

variabel dependen.

Jika terdapat perbedaan, variabel independen manakah pada fungsi diskriminan yang membuat perbedaan tersebut.

Membuat Fungsi atau Model Diskriminan. yaitu

kombinasi linear variabel-variabel independen mampu membedakan paling baik di antara kategori dalam variabel dependen (grup).

linear variabel-variabel independen mampu membedakan paling baik di antara kategori dalam variabel dependen (grup).
linear variabel-variabel independen mampu membedakan paling baik di antara kategori dalam variabel dependen (grup).
linear variabel-variabel independen mampu membedakan paling baik di antara kategori dalam variabel dependen (grup).
linear variabel-variabel independen mampu membedakan paling baik di antara kategori dalam variabel dependen (grup).

Melakukan klasifikasi terhadap objek, yaitu apakah suatu objek termasuk dalam suatu grup tertentu. Untuk

itu, sampel penelitian harus merupakan sampel

independen.

Menentukan mana di antara variabel-variabel independen yang memiliki kontribusi paling besar

dalam perbedaaan di antara grup.

Mengevaluasi ketepatan klasifikasi yang dihasilkan fungsi diskriminan.

paling besar dalam perbedaaan di antara grup.  Mengevaluasi ketepatan klasifikasi yang dihasilkan fungsi diskriminan.
paling besar dalam perbedaaan di antara grup.  Mengevaluasi ketepatan klasifikasi yang dihasilkan fungsi diskriminan.
paling besar dalam perbedaaan di antara grup.  Mengevaluasi ketepatan klasifikasi yang dihasilkan fungsi diskriminan.
paling besar dalam perbedaaan di antara grup.  Mengevaluasi ketepatan klasifikasi yang dihasilkan fungsi diskriminan.
 Memisah variabel-variabel menjadi Variabel Dependen dan Variabel Independen.  Menentukan metode untuk membuat

Memisah variabel-variabel menjadi Variabel Dependen

dan Variabel Independen.

Menentukan metode untuk membuat Fungsi Diskriminan:

SIMULTANEUS ESTIMATION

STEP-WISE ESTIMATION

Menguji signifikansi dari Fungsi Diskriminan yang telah terbentuk dengan menggunakan Wilk’s Lambda, Pilai, dan F test.

Menguji signifikansi dari Fungsi Diskriminan yang telah terbentuk dengan menggunakan Wilk’s Lambda, Pilai, dan F test.
Menguji signifikansi dari Fungsi Diskriminan yang telah terbentuk dengan menggunakan Wilk’s Lambda, Pilai, dan F test.
Menguji signifikansi dari Fungsi Diskriminan yang telah terbentuk dengan menggunakan Wilk’s Lambda, Pilai, dan F test.
Menguji signifikansi dari Fungsi Diskriminan yang telah terbentuk dengan menggunakan Wilk’s Lambda, Pilai, dan F test.
 Menguji ketepatan klasifikasi dari Fungsi Diskriminan.  Melakukan interpretasi terhadap Fungsi Diskriminan 

Menguji ketepatan klasifikasi dari Fungsi Diskriminan.

Melakukan interpretasi terhadap Fungsi Diskriminan

Melakukan uji validasi Fungsi Diskriminan

Fungsi Diskriminan.  Melakukan interpretasi terhadap Fungsi Diskriminan  Melakukan uji validasi Fungsi Diskriminan
Fungsi Diskriminan.  Melakukan interpretasi terhadap Fungsi Diskriminan  Melakukan uji validasi Fungsi Diskriminan
Fungsi Diskriminan.  Melakukan interpretasi terhadap Fungsi Diskriminan  Melakukan uji validasi Fungsi Diskriminan
Fungsi Diskriminan.  Melakukan interpretasi terhadap Fungsi Diskriminan  Melakukan uji validasi Fungsi Diskriminan
 Sampel ideal pada Analisis Diskriminan minimum adalah 20 data untuk setiap kategori variabel dependen.

Sampel ideal pada Analisis Diskriminan minimum

adalah 20 data untuk setiap kategori variabel

dependen.

Contohnya jika dalam model analisis digunakan 2 kategori variabel dependen, jumlah sampel minimum adalah 20 x 2 = 40 data.

Sampel penelitian sebaiknya dibagi menjadi dua, yaitu analysis sample dan holdout sample.

Pemisahan ini diperlukan untuk proses validasi silang

dari Fungsi Diskriminan.

analysis sample dan holdout sample . Pemisahan ini diperlukan untuk proses validasi silang dari Fungsi Diskriminan.
analysis sample dan holdout sample . Pemisahan ini diperlukan untuk proses validasi silang dari Fungsi Diskriminan.
analysis sample dan holdout sample . Pemisahan ini diperlukan untuk proses validasi silang dari Fungsi Diskriminan.
 Data variabel independen harus berdistribusi normal.  Matriks kovarians dari semua variabel independen seharusnya

Data variabel independen harus berdistribusi normal.

Matriks kovarians dari semua variabel independen

seharusnya sama.

Tidak ada korelasi antara variabel independen (multikoliniearitas).

Tidak ada data yang sangat ekstrim (outlier) pada variabel independen.

variabel independen (multikoliniearitas).  Tidak ada data yang sangat ekstrim ( outlier ) pada variabel independen.
variabel independen (multikoliniearitas).  Tidak ada data yang sangat ekstrim ( outlier ) pada variabel independen.
variabel independen (multikoliniearitas).  Tidak ada data yang sangat ekstrim ( outlier ) pada variabel independen.
variabel independen (multikoliniearitas).  Tidak ada data yang sangat ekstrim ( outlier ) pada variabel independen.
Model analisis diskriminan dapat dinyatakan sbb: D = b 0 + b 1 X 1

Model analisis diskriminan dapat dinyatakan

sbb:

D = b 0 + b 1 X 1 + b 2 X 2 + …. + b k X k Keterangan:

D = skor diskriminan

b = koefisien diskriminan

X = variabel independen

2 X 2 + …. + b k X k Keterangan: D = skor diskriminan b
2 X 2 + …. + b k X k Keterangan: D = skor diskriminan b
2 X 2 + …. + b k X k Keterangan: D = skor diskriminan b
2 X 2 + …. + b k X k Keterangan: D = skor diskriminan b
Rumuskan Permasalahan Estimasikan koefisien fungsi Diskriminan Tentukan sig. dari fungsi Diskriminann Interpretasikan
Rumuskan Permasalahan
Rumuskan Permasalahan
Rumuskan Permasalahan Estimasikan koefisien fungsi Diskriminan Tentukan sig. dari fungsi Diskriminann Interpretasikan
Estimasikan koefisien fungsi Diskriminan
Estimasikan koefisien fungsi Diskriminan
Permasalahan Estimasikan koefisien fungsi Diskriminan Tentukan sig. dari fungsi Diskriminann Interpretasikan Hasil
Permasalahan Estimasikan koefisien fungsi Diskriminan Tentukan sig. dari fungsi Diskriminann Interpretasikan Hasil
Tentukan sig. dari fungsi Diskriminann
Tentukan sig. dari fungsi Diskriminann
fungsi Diskriminan Tentukan sig. dari fungsi Diskriminann Interpretasikan Hasil Uji Validitas Analisis Diskriminan 14
Interpretasikan Hasil
Interpretasikan Hasil
fungsi Diskriminan Tentukan sig. dari fungsi Diskriminann Interpretasikan Hasil Uji Validitas Analisis Diskriminan 14
Uji Validitas Analisis Diskriminan
Uji Validitas Analisis Diskriminan
1. Menilai variabel independen yang layak untuk analisis. 2. Melakukan proses Diskriminan. 3. Menganalisis Output

1. Menilai variabel independen yang layak untuk

analisis.

2. Melakukan proses Diskriminan.

3. Menganalisis Output Diskriminan.

4. Membuat simpulan berdasarkan Output Diskriminan di atas.

proses Diskriminan. 3. Menganalisis Output Diskriminan. 4. Membuat simpulan berdasarkan Output Diskriminan di atas.
proses Diskriminan. 3. Menganalisis Output Diskriminan. 4. Membuat simpulan berdasarkan Output Diskriminan di atas.
proses Diskriminan. 3. Menganalisis Output Diskriminan. 4. Membuat simpulan berdasarkan Output Diskriminan di atas.
proses Diskriminan. 3. Menganalisis Output Diskriminan. 4. Membuat simpulan berdasarkan Output Diskriminan di atas.
 Angka Wilk’s lambda . Angka ini berkisar antara 0 – 1. Jika angka mendekati

Angka Wilk’s lambda. Angka ini berkisar antara 0

1. Jika angka mendekati 0, data tiap grup cenderung

berbeda, sedangkan jika angka mendekati 1, data tiap

grup cenderung sama.

F test (ANOVA). Simpulan yang diambil

berdasarkan angka Sig.

Jika Sig. > 0,05, berarti tidak ada perbedaan antar grup.

Jika Sig. < 0,05, berarti ada perbedaan antar grup.

Jika ada suatu variabel independen memiliki angka

Wilk’s Lamda mendekati 1 dan angka Sig. > 0,05,

harus dikeluarkan dari model.

variabel independen memiliki angka Wilk’s Lamda mendekati 1 dan angka Sig. > 0,05, harus dikeluarkan dari
variabel independen memiliki angka Wilk’s Lamda mendekati 1 dan angka Sig. > 0,05, harus dikeluarkan dari
variabel independen memiliki angka Wilk’s Lamda mendekati 1 dan angka Sig. > 0,05, harus dikeluarkan dari
variabel independen memiliki angka Wilk’s Lamda mendekati 1 dan angka Sig. > 0,05, harus dikeluarkan dari
 Pengujian varians setiap variabel independen dilakukan dengan menggunakan Box’s M.  Keputusan diambil

Pengujian varians setiap variabel independen dilakukan

dengan menggunakan Box’s M.

Keputusan diambil berdasarkan angka Sig.

Jika Sig. > 0,05, berarti tidak ada perbedaan antar matriks kovarian grup.

Jika Sig. < 0,05, berarti ada perbedaan matriks kovarian antar

grup.

Jika angka Sig. < 0,05, proses lanjutan seharusnya tidak bisa dilaksanakan.

matriks kovarian antar grup.  Jika angka Sig. < 0,05, proses lanjutan seharusnya tidak bisa dilaksanakan.
matriks kovarian antar grup.  Jika angka Sig. < 0,05, proses lanjutan seharusnya tidak bisa dilaksanakan.
matriks kovarian antar grup.  Jika angka Sig. < 0,05, proses lanjutan seharusnya tidak bisa dilaksanakan.
matriks kovarian antar grup.  Jika angka Sig. < 0,05, proses lanjutan seharusnya tidak bisa dilaksanakan.

Jika hasil uji Box’M menghasilkan nilai Sig. < 0,05, dapat disimpulkan bahwa fungsi

diskriminan memiliki problem heterokedastisitas. Namun, analisis fungsi diskriminan tetap

robust walaupun asumsi homogeneity of

variance tidak terpenuhi. Tetapi, dengan syarat data tidak memiliki

outlier.

walaupun asumsi homogeneity of variance tidak terpenuhi.  Tetapi, dengan syarat data tidak memiliki outlier .
walaupun asumsi homogeneity of variance tidak terpenuhi.  Tetapi, dengan syarat data tidak memiliki outlier .
walaupun asumsi homogeneity of variance tidak terpenuhi.  Tetapi, dengan syarat data tidak memiliki outlier .
walaupun asumsi homogeneity of variance tidak terpenuhi.  Tetapi, dengan syarat data tidak memiliki outlier .
 Sebuah perusahaan AMDK sedang melakukan penelitian dengan tujuan berikut ini: ◦ Apakah terdapat perbedaan

Sebuah perusahaan AMDK sedang melakukan penelitian dengan tujuan berikut ini:

Apakah terdapat perbedaan antara konsumen yang banyak minum AMDK dengan yang sedikit minum AMDK.

Jika ada perbedaan, variabel apa saja yang membuat perilaku konsumsi air mineral mereka berbeda.

Membuat model diskriminan.

Menguji ketepatan model diskriminan.

perilaku konsumsi air mineral mereka berbeda. ◦ Membuat model diskriminan. ◦ Menguji ketepatan model diskriminan.
perilaku konsumsi air mineral mereka berbeda. ◦ Membuat model diskriminan. ◦ Menguji ketepatan model diskriminan.

Untuk melakukan analisis diskriminan dengan tujuan penelitian di atas, bukalah file diskriminan.

Dari menu Analyze, pilih submenu Classify,

kemudian pilih Discriminant.

Masukkan variabel minum ke bagian GROUPING VARIABLE. Hal ini berarti variabel minum merupakan variabel dependen dengan data kategorikal.

Kemudian, buka icon Define Range. Masukkan

angka 0 pada Minimum, sedangkan 1 pada

Maximum.

dengan data kategorikal.  Kemudian, buka icon Define Range . Masukkan angka 0 pada Minimum, sedangkan
dengan data kategorikal.  Kemudian, buka icon Define Range . Masukkan angka 0 pada Minimum, sedangkan
dengan data kategorikal.  Kemudian, buka icon Define Range . Masukkan angka 0 pada Minimum, sedangkan
dengan data kategorikal.  Kemudian, buka icon Define Range . Masukkan angka 0 pada Minimum, sedangkan

Kemudian, masukkan variabel-variabel

independen yang terdiri atas usia, berat, tinggi, income, jamkerja, dan olahraga ke

dalam bagian INDEPENDENT.

Dalam icon STATISTICS, aktifkan pilihan univariate ANOVA’S dan Box’s M.

Tekan OK untuk proses uji variabel.

icon STATISTICS, aktifkan pilihan univariate ANOVA’S dan Box’s M.  Tekan OK untuk proses uji variabel.
icon STATISTICS, aktifkan pilihan univariate ANOVA’S dan Box’s M.  Tekan OK untuk proses uji variabel.
icon STATISTICS, aktifkan pilihan univariate ANOVA’S dan Box’s M.  Tekan OK untuk proses uji variabel.
icon STATISTICS, aktifkan pilihan univariate ANOVA’S dan Box’s M.  Tekan OK untuk proses uji variabel.
Tests of Equality of Group Means   Wilks' Lambda F df1 df2 Sig. usia .945

Tests of Equality of Group Means

 

Wilks'

Lambda

F

df1

df2

Sig.

usia

.945

4.247

1

73

.043

berat

.934

5.173

1

73

.026

tinggi

.946

4.186

1

73

.044

income

.894

8.656

1

73

.004

jamkerja

.999

.076

1

73

.783

olahraga

.946

4.183

1

73

.044

8.656 1 73 .004 jamkerja .999 .076 1 73 .783 olahraga .946 4.183 1 73 .044
8.656 1 73 .004 jamkerja .999 .076 1 73 .783 olahraga .946 4.183 1 73 .044
8.656 1 73 .004 jamkerja .999 .076 1 73 .783 olahraga .946 4.183 1 73 .044
8.656 1 73 .004 jamkerja .999 .076 1 73 .783 olahraga .946 4.183 1 73 .044
 Angka Wilk’s Lambda ◦ Angka ini berkisar antara 0 s.d. 1. ◦ Jika angka

Angka Wilk’s Lambda

Angka ini berkisar antara 0 s.d. 1.

Jika angka mendekati 0, data setiap grup cenderung berbeda. Sebaliknya jika angka

mendekati 1, data tiap grup cenderung

sama. Hampir semua variabel memiliki angka Wilks’ Lambda yang besar. Artinya, data tiap grup cenderung sama.

◦ Hampir semua variabel memiliki angka Wilks ’ Lambda yang besar. ◦ Artinya, data tiap grup
◦ Hampir semua variabel memiliki angka Wilks ’ Lambda yang besar. ◦ Artinya, data tiap grup
◦ Hampir semua variabel memiliki angka Wilks ’ Lambda yang besar. ◦ Artinya, data tiap grup
◦ Hampir semua variabel memiliki angka Wilks ’ Lambda yang besar. ◦ Artinya, data tiap grup

Uji F

Hasil uji F dapat dilihat dari angka Sig.

Jika Sig. > 0,05, tidak ada perbedaan antar grup.

Jika Sig. < 0,05, ada perbedaan antar grup.

Semua variabel, kecuali jam kerja memiliki angka Sig < 0,05. Artinya, kelima variabel tersebut berbeda untuk dua grup diskriminan.

Dengan demikian, jumlah konsumsi AMDK

responden dipengaruhi oleh usia, BB, TB, tingkat penghasilan, dan kegiatan olahraga responden, sedangkan jam kerja reponden tidak

memengaruhi jumlah konsumsi AMDK mereka

sehingga variabel ini tidak lolos uji.

sedangkan jam kerja reponden tidak memengaruhi jumlah konsumsi AMDK mereka sehingga variabel ini tidak lolos uji.
sedangkan jam kerja reponden tidak memengaruhi jumlah konsumsi AMDK mereka sehingga variabel ini tidak lolos uji.
sedangkan jam kerja reponden tidak memengaruhi jumlah konsumsi AMDK mereka sehingga variabel ini tidak lolos uji.
sedangkan jam kerja reponden tidak memengaruhi jumlah konsumsi AMDK mereka sehingga variabel ini tidak lolos uji.
 

Test Results

Box's M

28.145

 

Approx.

1.222

F

df1

21

df2

19569.371

Sig.

.220

Tests null hypothesis of equal population covariance

matrices.

F df1 21 df2 19569.371 Sig. .220 Tests null hypothesis of equal population covariance matrices.
F df1 21 df2 19569.371 Sig. .220 Tests null hypothesis of equal population covariance matrices.
F df1 21 df2 19569.371 Sig. .220 Tests null hypothesis of equal population covariance matrices.
F df1 21 df2 19569.371 Sig. .220 Tests null hypothesis of equal population covariance matrices.
 Analisis ANOVA dan angka Wilks ’ Lambda menguji rerata dari setiap variabel, sedangkan Box’s

Analisis ANOVA dan angka Wilks’ Lambda

menguji rerata dari setiap variabel,

sedangkan Box’s M menguji varians dari

setiap variabel.

Analisis Diskriminan memiliki asumsi bahwa:

Varians setiap variabel untuk tiap grup seharusnya sama.

Varians di antara variabel-variabel bebas

seharusnya juga sama.

setiap variabel untuk tiap grup seharusnya sama. ◦ Varians di antara variabel-variabel bebas seharusnya juga sama.
setiap variabel untuk tiap grup seharusnya sama. ◦ Varians di antara variabel-variabel bebas seharusnya juga sama.
setiap variabel untuk tiap grup seharusnya sama. ◦ Varians di antara variabel-variabel bebas seharusnya juga sama.
setiap variabel untuk tiap grup seharusnya sama. ◦ Varians di antara variabel-variabel bebas seharusnya juga sama.

Berdasarkan kedua asumsi tersebut,

seharusnya grup covariance matrices adalah

relatif sama.

HIPOTESIS:

H 0 : grup covariance matrices relatif sama

H 1 : grup covariance matrices berbeda

Keputusan:

Jika Sig. > 0,05, H 0 diterima

Jika Sig. < 0,05, H 0 ditolak

matrices berbeda  Keputusan: ◦ Jika Sig. > 0,05, H 0 diterima ◦ Jika Sig. <
matrices berbeda  Keputusan: ◦ Jika Sig. > 0,05, H 0 diterima ◦ Jika Sig. <
matrices berbeda  Keputusan: ◦ Jika Sig. > 0,05, H 0 diterima ◦ Jika Sig. <
matrices berbeda  Keputusan: ◦ Jika Sig. > 0,05, H 0 diterima ◦ Jika Sig. <

Angka Sig. (0,22) > 0,05. Artinya

grup covariance matrices adalah

sama.

Artinya, data di atas sudah memenuhi asumsi analisis diskriminan sehingga proses

selanjutnya bisa dilanjutkan.

.  Artinya, data di atas sudah memenuhi asumsi analisis diskriminan sehingga proses selanjutnya bisa dilanjutkan.
.  Artinya, data di atas sudah memenuhi asumsi analisis diskriminan sehingga proses selanjutnya bisa dilanjutkan.
.  Artinya, data di atas sudah memenuhi asumsi analisis diskriminan sehingga proses selanjutnya bisa dilanjutkan.
.  Artinya, data di atas sudah memenuhi asumsi analisis diskriminan sehingga proses selanjutnya bisa dilanjutkan.

Uji kesamaan grup covariance matrices juga dapat

dilakukan dengan melihat output Log Determinant di bawah ini.

Log Determinants

MINUM

Rank

Log Determinant

.00 sedikit

6

14.085

1.00 banyak

6

14.258

Pooled within-groups

6

14.556

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

Angka Log determinants untuk kategori sedikit (14,085) dan banyak (14,258) tidak berbeda

sehingga grup covariance matrices akan relatif

sama untuk kedua grup tersebut.

dan banyak (14,258) tidak berbeda sehingga grup covariance matrices akan relatif sama untuk kedua grup tersebut.
dan banyak (14,258) tidak berbeda sehingga grup covariance matrices akan relatif sama untuk kedua grup tersebut.

Jika grup covariance matrices untuk kedua grup berbeda namun hanya ada dua kategori,

proses selanjutnya tidak dapat dilanjutkan.

Setelah dilakukan uji variabel, proses selanjutnya adalah melakukan pembuatan

model diskriminan.

Variabel-variabel yang dimasukkan dalam analisis adalah usia, BB, TB, tingkat

penghasilan, dan kegiatan olahraga responden

Variabel-variabel yang dimasukkan dalam analisis adalah usia, BB, TB, tingkat penghasilan, dan kegiatan olahraga responden
Variabel-variabel yang dimasukkan dalam analisis adalah usia, BB, TB, tingkat penghasilan, dan kegiatan olahraga responden
Variabel-variabel yang dimasukkan dalam analisis adalah usia, BB, TB, tingkat penghasilan, dan kegiatan olahraga responden
Variabel-variabel yang dimasukkan dalam analisis adalah usia, BB, TB, tingkat penghasilan, dan kegiatan olahraga responden
 PROSES DISKRIMINAN ◦ Dari menu Analyze, pilih submenu Classify, kemudian Discriminant. ◦ Dalam isian

PROSES DISKRIMINAN

Dari menu Analyze, pilih submenu

Classify, kemudian Discriminant.

Dalam isian Independent, keluarkan

jamkerja.

Klik icon Statistics dan aktifkan pilihan Means.

Pada bagian Function Coefficients,

aktifkan pilihan Fisher’s dan Unstandardized.

dan aktifkan pilihan Means. ◦ Pada bagian Function Coefficients, aktifkan pilihan Fisher’s dan Unstandardized .
dan aktifkan pilihan Means. ◦ Pada bagian Function Coefficients, aktifkan pilihan Fisher’s dan Unstandardized .
dan aktifkan pilihan Means. ◦ Pada bagian Function Coefficients, aktifkan pilihan Fisher’s dan Unstandardized .
dan aktifkan pilihan Means. ◦ Pada bagian Function Coefficients, aktifkan pilihan Fisher’s dan Unstandardized .

Aktifkan pilihan Use stepwise method, kemudian klik icon Method dan pilih Mahalanobis distance.

Pada bagian criteria, pilih Use Probability of F.

Klik icon Classify. Pada bagian Display, aktifkan Casewise results dan

Leave-one-out classification.

Klik OK untuk menjalankan SPSS.

bagian Display, aktifkan Casewise results dan Leave-one-out classification .  Klik OK untuk menjalankan SPSS.
bagian Display, aktifkan Casewise results dan Leave-one-out classification .  Klik OK untuk menjalankan SPSS.
bagian Display, aktifkan Casewise results dan Leave-one-out classification .  Klik OK untuk menjalankan SPSS.
bagian Display, aktifkan Casewise results dan Leave-one-out classification .  Klik OK untuk menjalankan SPSS.
 Tabel Wilks ’ Lambda Wilks ’ Lambda adalah varians total dalam skor diskriminan yang

Tabel Wilks’ Lambda

Wilks’ Lambda adalah varians total dalam skor diskriminan yang tidak bisa dijelaskan oleh

perbedaan di antara grup-grup yang ada.

Pada step 1,angka Wilks’ Lambda adalah 0,894. Artinya, 89,4% varians tidak dapat dijelaskan oleh perbedaan antar grup-grup.

Pada kolom F dan signifikansinya, diperoleh angka Sig. semuanya < 0,05. Artinya, ketiga variabel (income, berat, dan tinggi) berbeda untuk kedua grup.

diperoleh angka Sig. semuanya < 0,05. Artinya, ketiga variabel (income, berat, dan tinggi) berbeda untuk kedua
diperoleh angka Sig. semuanya < 0,05. Artinya, ketiga variabel (income, berat, dan tinggi) berbeda untuk kedua
diperoleh angka Sig. semuanya < 0,05. Artinya, ketiga variabel (income, berat, dan tinggi) berbeda untuk kedua
diperoleh angka Sig. semuanya < 0,05. Artinya, ketiga variabel (income, berat, dan tinggi) berbeda untuk kedua

Summary of Canonical Discriminant Function Tabel Eigenvalues

Canonical Correlation mengukur keeratan hubungan antara skor diskriminan dengan grup.

Angka 0,49 menunjukkan keeratan yang cukup kuat.

Tabel Wilks’ Lambda

Angka Chi-square sebesar 19,321 dengan nilai Sig. 0,00. Artinya,

terdapat perbedaan yang jelas antar dua grup konsumen.

Tabel Structure Matrix

Menjelaskan korelasi antara variabel independen dengan fungsi diskriminan yang terbentuk.

Variabel income paling erat hubungannya dengan fungsi diskriminan yang terbentuk.

Canonical Discriminant Function Coefficients

Menjelaskan koefisien-koefisien variabel independen yang dihasilkan.

Canonical Discriminant Function Coefficients ◦ Menjelaskan koefisien-koefisien variabel independen yang dihasilkan.
Canonical Discriminant Function Coefficients ◦ Menjelaskan koefisien-koefisien variabel independen yang dihasilkan.
Canonical Discriminant Function Coefficients ◦ Menjelaskan koefisien-koefisien variabel independen yang dihasilkan.
Canonical Discriminant Function Coefficients ◦ Menjelaskan koefisien-koefisien variabel independen yang dihasilkan.

Fungsi diskriminan yang terbentuk:

◦
zScore = 7,884 + 0,064 Berat – 0,93 Tinggi + 0,006 Income
zScore = 7,884 + 0,064 Berat – 0,93 Tinggi + 0,006 Income

Kegunaan fungsi di atas adalah untuk mengetahui sebuah case masuk pada grup yang mana.

Function at Group Centroids

Centroids adalah rerata kelompok (group means). Kelompok minum banyak memiliki nilai Z=-0,557, sedangkan kelompok sedikit minum memiliki nilai Z=0,542.

Angka dalam tabel menunjukkan besaran yang memisahkan kedua grup tersebut.

Prior Probabilities for Groups

Tabel tersebut menunjukkan komposisi responden yang dihasilkan oleh fungsi diskriminan.

Sebanyak 37 responden termasuk dalam grup banyak minum, sedangkan sisanya ada di grup sedikit minum.

diskriminan. ◦ Sebanyak 37 responden termasuk dalam grup banyak minum, sedangkan sisanya ada di grup sedikit
diskriminan. ◦ Sebanyak 37 responden termasuk dalam grup banyak minum, sedangkan sisanya ada di grup sedikit
diskriminan. ◦ Sebanyak 37 responden termasuk dalam grup banyak minum, sedangkan sisanya ada di grup sedikit
diskriminan. ◦ Sebanyak 37 responden termasuk dalam grup banyak minum, sedangkan sisanya ada di grup sedikit

Classification Function Coefficients

Fungsi diskriminan Fisher digunakan untuk membuat persamaan regresi dengan pembagian berdasarkan kode grup.

Fungsi diskriminan untuk kelompok sedikit minum zScore = -297,88 + 0,04 Berat + 3,59 Tinggi + 0,04 Income

Fungsi diskriminan untuk kelompok banyak minum zScore = -306,56 - 0,04 Berat + 3,69 Tinggi + 0,03 Income

Casewise Statistics

Tabel di atas digunakan untuk menguji apakah model

diskriminan yang terbentuk akan mengelompokkan dengan tepat seorang responden pada kategori minum banyak atau sedikit.

diskriminan yang terbentuk akan mengelompokkan dengan tepat seorang responden pada kategori minum banyak atau sedikit .
diskriminan yang terbentuk akan mengelompokkan dengan tepat seorang responden pada kategori minum banyak atau sedikit .
diskriminan yang terbentuk akan mengelompokkan dengan tepat seorang responden pada kategori minum banyak atau sedikit .
diskriminan yang terbentuk akan mengelompokkan dengan tepat seorang responden pada kategori minum banyak atau sedikit .

Contoh:

Responden 1 (0) memiliki data:

Berat 65 kg; tinggi 154 cm; dan income Rp680 rb.

zScore = 7,89 + (0,06x65) (0,09x154) + (0,006x680)=1,57

Hasil skor tersebut dibandingkan dengan cut-off score untuk mengetahui apakah konsumen masuk grup sedikit atau banyak. Cut-off score dihitung dengan rumus:

Z CU

N Z

A

B

N Z

B

A

N

A

N

B

banyak.  Cut-off score dihitung dengan rumus: Z CU  N Z A B  N
banyak.  Cut-off score dihitung dengan rumus: Z CU  N Z A B  N
banyak.  Cut-off score dihitung dengan rumus: Z CU  N Z A B  N
banyak.  Cut-off score dihitung dengan rumus: Z CU  N Z A B  N

Keterangan:

Z cu = cut-off score

N A dan N B = jumlah sampel setiap grup. Z A dan Z B = angka centroid setiap grup. A = grup sedikit minum B = grup banyak minum

Perhitungan:

Z CU

38



0,56



37



0,54

 

75

 0,0148

Karena skor (-0,0148) sangat kecil, bisa

dianggap 0.

 37  0,54    75  0,0148 Karena skor (-0,0148) sangat kecil, bisa dianggap
 37  0,54    75  0,0148 Karena skor (-0,0148) sangat kecil, bisa dianggap
 37  0,54    75  0,0148 Karena skor (-0,0148) sangat kecil, bisa dianggap
 37  0,54    75  0,0148 Karena skor (-0,0148) sangat kecil, bisa dianggap

Penggunaan angka Z CU

Angka skor kasus > Z CU, masuk ke grup sedikit

(0).

Angka skor kasus < Z CU, masuk ke grup banyak

(1).

Contoh:

Kasus 1 mempunyai skor 1,57. Karena 1,57 > 0,

masuk grup 0 (sedikit).

Kasus 6 mempunyai skor -0,378. Karena -0,378 < 0, masuk grup 1 (banyak). Tanda ** berarti fungsi diskriminan tidak mampu mengelompokkan suatu kasus dengan tepat.

0, masuk grup 1 (banyak).  Tanda ** berarti fungsi diskriminan tidak mampu mengelompokkan suatu kasus
0, masuk grup 1 (banyak).  Tanda ** berarti fungsi diskriminan tidak mampu mengelompokkan suatu kasus
0, masuk grup 1 (banyak).  Tanda ** berarti fungsi diskriminan tidak mampu mengelompokkan suatu kasus
0, masuk grup 1 (banyak).  Tanda ** berarti fungsi diskriminan tidak mampu mengelompokkan suatu kasus

Classification Results

Tabel ini menunjukkan seberapa jauh klasifikasi tersebut sudah tepat. Dengan kata lain, berapa % terjadi kesalahan klasifikasi pada proses klasifikasi

kasus.

Ketepatan prediksi dapat dihitung sbb:

27

24

75

0,68

klasifikasi pada proses klasifikasi kasus. ◦ Ketepatan prediksi dapat dihitung sbb: 27  24  75
klasifikasi pada proses klasifikasi kasus. ◦ Ketepatan prediksi dapat dihitung sbb: 27  24  75
klasifikasi pada proses klasifikasi kasus. ◦ Ketepatan prediksi dapat dihitung sbb: 27  24  75
klasifikasi pada proses klasifikasi kasus. ◦ Ketepatan prediksi dapat dihitung sbb: 27  24  75

atau

68%

 Terdapat perbedaan signifikan antara responden yang banyak minum AMDK dengan responden yang sidikit minum

Terdapat perbedaan signifikan antara responden yang banyak minum AMDK dengan responden yang sidikit minum AMDK. Hal ini dibuktikan dengan hasil analisis WilksLamda.

Variabel-variabel yang membuat beda adalah berat badan, tinggi badan, dan income.

Model atau fungsi diskriminan yang dihasilkan

adalah:

zScore = 7,884 + 0,064 Berat 0,93 Tinggi + 0,006 Income

Fungsi di atas mempunyai ketepatan mengklasifikasi kasus sebesar 68% sehingga dapat

digunakan untuk mengklasifikasikan suatu kasus dengan cukup akurat.

mengklasifikasi kasus sebesar 68% sehingga dapat digunakan untuk mengklasifikasikan suatu kasus dengan cukup akurat.
mengklasifikasi kasus sebesar 68% sehingga dapat digunakan untuk mengklasifikasikan suatu kasus dengan cukup akurat.
 Bertujuan untuk membuat model diskriminan dan menguji model tersebut jika terdapat lebih dari dua

Bertujuan untuk membuat model diskriminan

dan menguji model tersebut jika terdapat

lebih dari dua kategori.

Langkah-langkah dalam analisis diskriminan tiga faktor tidak berbeda dengan lankgkah- langkah sebelumnya.

kategori.  Langkah-langkah dalam analisis diskriminan tiga faktor tidak berbeda dengan lankgkah- langkah sebelumnya.
kategori.  Langkah-langkah dalam analisis diskriminan tiga faktor tidak berbeda dengan lankgkah- langkah sebelumnya.
kategori.  Langkah-langkah dalam analisis diskriminan tiga faktor tidak berbeda dengan lankgkah- langkah sebelumnya.
kategori.  Langkah-langkah dalam analisis diskriminan tiga faktor tidak berbeda dengan lankgkah- langkah sebelumnya.

Contoh 2:

Buka file diskriminan tiga faktor.sav

Kategori minum konsumen dibagi ke dalam tiga kelompok:

Kode 0 untuk kategori minum sedikit

Kode 1 untuk kategori minum sedang Kode 2 untuk kategori minum banyak

Dengan menggunakan 3 kelompok responden, jumlah fungsi diskriminan yang terbentuk sejumlah (n-1) atau 2.

minum banyak  Dengan menggunakan 3 kelompok responden, jumlah fungsi diskriminan yang terbentuk sejumlah (n-1) atau
minum banyak  Dengan menggunakan 3 kelompok responden, jumlah fungsi diskriminan yang terbentuk sejumlah (n-1) atau
minum banyak  Dengan menggunakan 3 kelompok responden, jumlah fungsi diskriminan yang terbentuk sejumlah (n-1) atau
minum banyak  Dengan menggunakan 3 kelompok responden, jumlah fungsi diskriminan yang terbentuk sejumlah (n-1) atau

Tujuan Penelitian:

Menguji secara empiris perbedaan antara ketiga

tipe responden.

Menentukan variabel mana yang membuat berbeda jumlah minum ketiga tipe responden tersebut.

Membuat fungsi diskriminan untuk menentukan

kategori minum seseorang.

Menguji ketepatan fungsi diskriminan yang terbentuk untuk menggolongkan ketiga tipe

konsumen tersebut.

seseorang. ◦ Menguji ketepatan fungsi diskriminan yang terbentuk untuk menggolongkan ketiga tipe konsumen tersebut.
seseorang. ◦ Menguji ketepatan fungsi diskriminan yang terbentuk untuk menggolongkan ketiga tipe konsumen tersebut.
seseorang. ◦ Menguji ketepatan fungsi diskriminan yang terbentuk untuk menggolongkan ketiga tipe konsumen tersebut.
seseorang. ◦ Menguji ketepatan fungsi diskriminan yang terbentuk untuk menggolongkan ketiga tipe konsumen tersebut.
1. Uji variabel  Dari menu Analyze , pilih submenu Classify , kemudian pilih Discriminant

1. Uji variabel

Dari menu Analyze, pilih submenu Classify, kemudian pilih Discriminant.

Masukkan variabel minum ke bagian

Grouping variable. Kemudian, buka icon

Define Range.

Masukkan angka 0 pada Minimum dan 2

pada Maximum.

Masukkan semua variabel ke isian Independents.

Define Range .  Masukkan angka 0 pada Minimum dan 2 pada Maximum.  Masukkan semua
Define Range .  Masukkan angka 0 pada Minimum dan 2 pada Maximum.  Masukkan semua
Define Range .  Masukkan angka 0 pada Minimum dan 2 pada Maximum.  Masukkan semua
Define Range .  Masukkan angka 0 pada Minimum dan 2 pada Maximum.  Masukkan semua

Klik icon Statistics, aktifkan pilihan Univariate ANOVAs dan Box’s M pada bagian Descriptives.

Pada bagian Function Coefficients, aktifkan pilihan

Unstandardized.

Pilih Use stepwise method, kemudian klik icon Method.

Pilih Mahalanobis distance, Use Probability of F,

dan F for pairwaise distances.

Klik icon Classify, aktifkan pilihan Casewise results, Leave-one-out classification, dan Teritorial map.

Klik icon Save dan aktikan pilihan Prediction membership dan Discriminant scores.

dan Teritorial map.  Klik icon Save dan aktikan pilihan Prediction membership dan Discriminant scores.
dan Teritorial map.  Klik icon Save dan aktikan pilihan Prediction membership dan Discriminant scores.
dan Teritorial map.  Klik icon Save dan aktikan pilihan Prediction membership dan Discriminant scores.
dan Teritorial map.  Klik icon Save dan aktikan pilihan Prediction membership dan Discriminant scores.

Klik OK untuk menjalankan SPSS.

Output SPSS:

Hasil uji kesamaan rerata grup (Test of Equality of Group Means)

 

Tests of Equality of Group Means

 
 

Wilks'

F

df1

df2

Sig.

Lambda

usia

.904

3.821

2

72

.026

berat

.851

6.318

2

72

.003

tinggi

.984

.589

2

72

.557

income

.972

1.038

2

72

.360

jamkerja

.972

1.039

2

72

.359

olahraga

.898

4.089

2

72

.021

Terdapat tiga variabel yang tidak signifikan, yaitu tinggi (Sig. 0,557),

income (Sig. 0,360), dan jamkerja (Sig.

0,359) sehingga perlu dikeluarkan dari model. Hasil uji F:

Variabel usia, berat, dan tinggi membuat beda ketiga tipe konsumen. Artinya, ketiga variabel tersebut berpengaruh terhadap jumlah konsumsi air minum.

Misalnya, semakin tua konsumen, cenderung semakin

banyak mengonsumsi air mineral.

terhadap jumlah konsumsi air minum.  Misalnya, semakin tua konsumen, cenderung semakin banyak mengonsumsi air mineral.
terhadap jumlah konsumsi air minum.  Misalnya, semakin tua konsumen, cenderung semakin banyak mengonsumsi air mineral.
terhadap jumlah konsumsi air minum.  Misalnya, semakin tua konsumen, cenderung semakin banyak mengonsumsi air mineral.
terhadap jumlah konsumsi air minum.  Misalnya, semakin tua konsumen, cenderung semakin banyak mengonsumsi air mineral.

Hasil uji kesamaan matrik kovarians dengan Box’s M menunjukkan adanya kesamaan matrik di antara varian kelompok responden (Sig. = 0,149) sehingga proses analisis berikutnya dapat dilanjutkan. Variabel yang membentuk Fungsi Diskriminan

Untuk mengetahui variabel-variabel apa saja

yang membentuk Fungsi Diskriminan dapat dilihat dalam tabel Variables Entered/Romoved.

variabel-variabel apa saja yang membentuk Fungsi Diskriminan dapat dilihat dalam tabel Variables Entered/Romoved.
variabel-variabel apa saja yang membentuk Fungsi Diskriminan dapat dilihat dalam tabel Variables Entered/Romoved.
variabel-variabel apa saja yang membentuk Fungsi Diskriminan dapat dilihat dalam tabel Variables Entered/Romoved.
variabel-variabel apa saja yang membentuk Fungsi Diskriminan dapat dilihat dalam tabel Variables Entered/Romoved.

Variables Entered/Removed a,b,c,d

Step

Entered

Min. D Squared

Exact F

Statistic

Between

Groups

Statistic

df1

df2

Sig.

1

usia

.093

sedang and

banyak

1.083

1 72.000

.302

2

berat

.162

sedang and

banyak

.929

2 71.000

.400

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

a. Maximum number of steps is 12.

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.

Wilks' Lambda

 

Number of

Lambda

df1

df2

df3

 

Exact F

 

Step

Variables

Statistic

df1

df2

Sig.

1

1 .904

 

1

2

72

3.821

2

72.000

.026

2

2 .789

2

2

72

4.456

4

142.000

.002

Tabel Wilk’s Lambda

Pada step 1, jumlah variabel yang dimasukkan ada

1 (usia) dengan angka Wilk’s Lambda sebesar

0,904.

Artinya, 90,4% varians tidak dapat dijelaskan oleh

grup-grup yang ada.

Kemudian, pada step 2 dimasukkan variabel berat menghasilkan angka Wilk’s Lambda 0,789. Dengan demikian, jumlah varians yang tidak dapat

dijelaskan oleh grup-grup semakin berkurang.

Wilk’s Lambda 0,789. Dengan demikian, jumlah varians yang tidak dapat dijelaskan oleh grup-grup semakin berkurang.
Wilk’s Lambda 0,789. Dengan demikian, jumlah varians yang tidak dapat dijelaskan oleh grup-grup semakin berkurang.
Wilk’s Lambda 0,789. Dengan demikian, jumlah varians yang tidak dapat dijelaskan oleh grup-grup semakin berkurang.
Wilk’s Lambda 0,789. Dengan demikian, jumlah varians yang tidak dapat dijelaskan oleh grup-grup semakin berkurang.

Hasil analisis perbedaan antar konsumen dapat dilihat dalam tabel Pairwise Goup

Comparison berikut ini.

 Hasil analisis perbedaan antar konsumen dapat dilihat dalam tabel Pairwise Goup Comparison berikut ini.
 Hasil analisis perbedaan antar konsumen dapat dilihat dalam tabel Pairwise Goup Comparison berikut ini.
 Hasil analisis perbedaan antar konsumen dapat dilihat dalam tabel Pairwise Goup Comparison berikut ini.
 Hasil analisis perbedaan antar konsumen dapat dilihat dalam tabel Pairwise Goup Comparison berikut ini.
 

Pairwise Group Comparisons a,b

 

Step

minum

sedikit

sedang

banyak

1

sedikit

F

 

3.041

7.306

Sig.

 

.085

.009

sedang

F

3.041

 

1.083

Sig.

.085

 

.302

banyak

F

7.306

1.083

 

Sig.

.009

.302

 

2

sedikit

F

 

4.441

8.697

Sig.

 

.015

.000

sedang

F

4.441

 

.929

Sig.

.015

 

.400

banyak

F

8.697

.929

 

Sig.

.000

.400

 

a.

1, 72 degrees of freedom for step 1.

 

b.

2, 71 degrees of freedom for step 2.

 

Analisis Tabel Pairwise Group Comparison

Perhatikan angka-angka pada step 2 yang merupakan step

terakhir.

Jarak antar grup dapat dilihat pada angka F.

Misalnya, jarak antara grup sedikit dengan grup banyak

adalah 8,697, sedangkan jarak antara grup banyak dengan

grup sedang adalah 0,929.

Jadi, dapat disimpulkan bahwa konsumen di grup sedikit paling berbeda profilnya dari segi usia dan berat badan

dibandingkan dengan konsumen yang banyak minumnya.

Sebaliknya, profil konsumen dalam grup sedang memiliki perbedaan yang kecil dengan konsumen dalam grup banyak.

◦ Sebaliknya, profil konsumen dalam grup sedang memiliki perbedaan yang kecil dengan konsumen dalam grup banyak.
◦ Sebaliknya, profil konsumen dalam grup sedang memiliki perbedaan yang kecil dengan konsumen dalam grup banyak.
◦ Sebaliknya, profil konsumen dalam grup sedang memiliki perbedaan yang kecil dengan konsumen dalam grup banyak.
◦ Sebaliknya, profil konsumen dalam grup sedang memiliki perbedaan yang kecil dengan konsumen dalam grup banyak.

Menguji Perbedaan antar grup

Eigenvalues

Function

Eigenvalue

% of Variance

Cumulative %

Canonical

Correlation

1

.266 a

99.7

99.7

.458

2

.001 a

.3

100.0

.030

a. First 2 canonical discriminant functions were used in the analysis.

Fungsi Diskriminan 1 digunakan untuk memilah

mana yang masuk ke Grup Sedikit atau ke Grup Sedang.

Fungsi Diskriminan 2 digunakan untuk memilah mana yang masuk ke Grup Sedang atau ke Grup Banyak.

atau ke Grup Sedang.  Fungsi Diskriminan 2 digunakan untuk memilah mana yang masuk ke Grup
atau ke Grup Sedang.  Fungsi Diskriminan 2 digunakan untuk memilah mana yang masuk ke Grup
atau ke Grup Sedang.  Fungsi Diskriminan 2 digunakan untuk memilah mana yang masuk ke Grup
atau ke Grup Sedang.  Fungsi Diskriminan 2 digunakan untuk memilah mana yang masuk ke Grup

Angka Canonical Correlation mengukur keeratan hubungan antara diskriminan skor dengan grup.

Pada fungsi 1, angka 0,458 menunjukkan tingkat keeratan yang cukup tinggi, tetapi pada fungsi 2 tidak ada hubungan antara diskriminan skor

dengan grup (0,03).

Dalam Tabel Wilk’s Lambda, kolom Test of Functions digunakan untuk menguji hipotesis berikut:

H 0 : Tidak ada perbedaan rerata (centroid) dari kedua fungsi diskriminan. H 1 : Ada perbedaan rerata (centroid) dari kedua fungsi diskriminan.

) dari kedua fungsi diskriminan. ◦ H 1 : Ada perbedaan rerata ( centroid ) dari
) dari kedua fungsi diskriminan. ◦ H 1 : Ada perbedaan rerata ( centroid ) dari
) dari kedua fungsi diskriminan. ◦ H 1 : Ada perbedaan rerata ( centroid ) dari
) dari kedua fungsi diskriminan. ◦ H 1 : Ada perbedaan rerata ( centroid ) dari

Wilks' Lambda

Test of

       

Function(s)

Wilks' Lambda

Chi-square

df

Sig.

1 through 2

.789

16.908

4

.002

2

.999

.065

1

.799

Pengambilan keputusan:

Jika angka Sig. > 0,05, Ho diterima

Jika angka Sig. < 0,05, Ho ditolak Pada baris 1 angka Sig. < 0,05 sehingga Ho ditolak. Artinya, memang ada perbedaan antara rata-rata ( centroid ) dari kedua fungsi

diskriminan yang terbentuk. Jadi, dapat

disimpulkan bahwa perilaku minum ketiga tipe konsumen memang berbeda.

kedua fungsi diskriminan yang terbentuk. Jadi, dapat disimpulkan bahwa perilaku minum ketiga tipe konsumen memang berbeda.
kedua fungsi diskriminan yang terbentuk. Jadi, dapat disimpulkan bahwa perilaku minum ketiga tipe konsumen memang berbeda.

Jadi dari segi usia dan berat, konsumen yang minum sedikit, sedang, dan banyak memang berbeda. Pada baris 2, hanya memasukkan fungsi diskriminan kedua, yang mengelompokkan antara konsumen yang minumnya bertipe

sedang dan banyak.

Fungsi diskriminan kedua menguji hipotesis berikut:

H 0: Tidak ada perbedaan rerata dari fungsi diskriminan kedua.

H 1: Ada perbedaan rerata dari fungsi diskriminan kedua.

ada perbedaan rerata dari fungsi diskriminan kedua. ◦ H 1 : Ada perbedaan rerata dari fungsi
ada perbedaan rerata dari fungsi diskriminan kedua. ◦ H 1 : Ada perbedaan rerata dari fungsi
ada perbedaan rerata dari fungsi diskriminan kedua. ◦ H 1 : Ada perbedaan rerata dari fungsi
ada perbedaan rerata dari fungsi diskriminan kedua. ◦ H 1 : Ada perbedaan rerata dari fungsi

Nilai Sig. (0,799) > 0,05. Artinya, tidak terdapat perbedaan antara usia dan berat badan dari konsumen dengan tipe minum sedang dengan konsumen dengan tipe minum banyak. Tabel Structure Matrix menjelaskan korelasi antaravariabel independen dengan dua fungsi diskriminan yang terbentuk.

Korelasi berat dengan fungsi 1 (0,812) > korelasi

variabel berat dengan fungsi 2 (0,583).

Dengan demikian,variabel berat masuk ke dalam fungsi diskriminan 1.

Sebaliknya,variabel usia masuk ke dalam fungsi 2.

Dengan demikian,variabel berat masuk ke dalam fungsi diskriminan 1.  Sebaliknya,variabel usia masuk ke dalam fungsi
Dengan demikian,variabel berat masuk ke dalam fungsi diskriminan 1.  Sebaliknya,variabel usia masuk ke dalam fungsi
Dengan demikian,variabel berat masuk ke dalam fungsi diskriminan 1.  Sebaliknya,variabel usia masuk ke dalam fungsi
Dengan demikian,variabel berat masuk ke dalam fungsi diskriminan 1.  Sebaliknya,variabel usia masuk ke dalam fungsi

Tabel Canonical Discriminant digunakan untukmembuat fungsi diskriminan yang terbentuk. Fungsi diskriminan 1:

zScore = -7,17 + 0,09 Usia + 0,08 Berat

Fungsi diskriminan 2:

zScore = -5,16 + 0,13 Usia - 0,06 Berat

Tabel Function of Group Centroid menjelaskan pola penyebaran data setiap grup dan bagaimana kedekatan antar centroid tiap-tiap grup.

Centroid adalah nilai rerata fungsi Z skor dari

setiap objek yang ada grup.

Pada fungsi 1, centroid grup sedikit adalah 0,622, sedangkan pada fungsi 2 adalah -0,012.

setiap objek yang ada grup.  Pada fungsi 1, centroid grup sedikit adalah 0,622, sedangkan pada
setiap objek yang ada grup.  Pada fungsi 1, centroid grup sedikit adalah 0,622, sedangkan pada
setiap objek yang ada grup.  Pada fungsi 1, centroid grup sedikit adalah 0,622, sedangkan pada
setiap objek yang ada grup.  Pada fungsi 1, centroid grup sedikit adalah 0,622, sedangkan pada

Menilai Kelayakan Fungsi Dsikriminan

Untuk menilai kelayakan fungsi-fungsi diskriminan yang terbentuk, digunakan Tabel Classification Results.

Dari tabel tersebut diketahui bahwa 54,7% dari

data telah terklasifikasikan dengan benar.

Artinya, 54,7% dari 75 data yang diolah telah dimasukkan pada grup sesuai dengan data semula.

Hasil validasi silang diperoleh angka 49,3%.

Meskipun demikian, kedua angka tersebut masih di sekitar 50% sehingga fungsi diskriminan yang terbentuk sudah layak untuk membedakan ketiga grup konsumen.

masih di sekitar 50% sehingga fungsi diskriminan yang terbentuk sudah layak untuk membedakan ketiga grup konsumen.
masih di sekitar 50% sehingga fungsi diskriminan yang terbentuk sudah layak untuk membedakan ketiga grup konsumen.

Simpulan:

1. Terdapat perbedaan yang jelas antara konsumen yang mengonsumsi sedikit

AMDK dengan kelompok konsumen lain

yang mengonsumsi AMDK.

2. Variabel yang membedakan perilaku

konsumsi AMDK adalah usia dan berat

badan konsumen.

3. Ada dua fungsi diskriminan yang terbentuk, yaitu:

zScore_1 = -7,17+0,09Usia+0,08Berat zScore_2 = -7,52+0,13Usia-0,06Berat
zScore_1 = -7,17+0,09Usia+0,08Berat
zScore_2 = -7,52+0,13Usia-0,06Berat

4. Karena hasil validasi mendekati angka 50%, fungsi diskriminan yang terbentuk dianggap tepat untuk mengelompokkan konsumen berdasarkan usia dan berat badan ke dalam kelompok sedikit, sedang, dan banyak minum AMDK.

untuk mengelompokkan konsumen berdasarkan usia dan berat badan ke dalam kelompok sedikit, sedang, dan banyak minum
untuk mengelompokkan konsumen berdasarkan usia dan berat badan ke dalam kelompok sedikit, sedang, dan banyak minum
untuk mengelompokkan konsumen berdasarkan usia dan berat badan ke dalam kelompok sedikit, sedang, dan banyak minum
untuk mengelompokkan konsumen berdasarkan usia dan berat badan ke dalam kelompok sedikit, sedang, dan banyak minum
 Manajemen HATCO ingin menguji apakah terdapat perbedaan antara konsumen yang menggunakan Use of specification

Manajemen HATCO ingin menguji apakah terdapat

perbedaan antara konsumen yang menggunakan

Use of specification buying dengan konsumen yang memilih Employs total value analysis.

Jika berbeda, faktor-faktor apa saja (X1 s.d. X7) yang dapat membuat berbeda Specification buying mereka.

Rumuskan permasalahan, tujuan penelitian, hipotesis penelitian, dan berdasarkan pengujian

data apakah semua hipotesis diterima.

permasalahan, tujuan penelitian, hipotesis penelitian, dan berdasarkan pengujian data apakah semua hipotesis diterima.
permasalahan, tujuan penelitian, hipotesis penelitian, dan berdasarkan pengujian data apakah semua hipotesis diterima.
permasalahan, tujuan penelitian, hipotesis penelitian, dan berdasarkan pengujian data apakah semua hipotesis diterima.
permasalahan, tujuan penelitian, hipotesis penelitian, dan berdasarkan pengujian data apakah semua hipotesis diterima.