Merupakan

teknik analisis data

jika 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. 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.
3

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.

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 variabelvariabel 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.

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).

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.

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 Wilks Lambda,
Pilai, dan F test.

Menguji ketepatan klasifikasi dari 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.
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.

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.

Model analisis diskriminan dapat dinyatakan

sbb:

D = b0 + b1X1 + b2X2 + . + bkXk

Keterangan:
D = skor diskriminan
b = koefisien diskriminan
X = variabel independen

Rumuskan Permasalahan
Estimasikan koefisien fungsi Diskriminan

Tentukan sig. dari fungsi Diskriminann

Interpretasikan Hasil
Uji Validitas Analisis Diskriminan
14

1.

2.
3.
4.

Menilai variabel independen yang layak untuk

analisis.
Melakukan proses Diskriminan.
Menganalisis Output Diskriminan.
Membuat simpulan berdasarkan Output Diskriminan
di atas.

Angka Wilks 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

Wilks Lamda mendekati 1 dan angka Sig. > 0,05,
harus dikeluarkan dari model.

Pengujian varians setiap variabel independen dilakukan

dengan menggunakan Boxs 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.

Jika hasil uji BoxM 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.

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.

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.

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 ANOVAS dan Boxs M.
Tekan OK untuk proses uji variabel.

Tests of Equality of Group Means

usia

Wilks'
Lambda
.945

F
4.247

df1
1

df2
73

Sig.
.043

berat

.934

5.173

73

.026

tinggi

.946

4.186

73

.044

income

.894

8.656

73

.004

jamkerja

.999

.076

73

.783

olahraga

.946

4.183

73

.044

Angka Wilks 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.

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.

Test Results
Box's M

28.145
Approx.

1.222

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 Boxs 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.

Berdasarkan kedua asumsi tersebut,

seharusnya grup covariance matrices adalah
relatif sama.
HIPOTESIS:
H0: grup covariance matrices relatif sama
H1: grup covariance matrices berbeda

Keputusan:

Jika Sig. > 0,05, H0 diterima

Jika Sig. < 0,05, H0 ditolak

 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.

Uji kesamaan grup covariance matrices juga dapat

dilakukan dengan melihat output Log Determinant
di bawah ini.
Log Determinants
MINUM
.00 sedikit

Rank
6

Log Determinant
14.085

1.00 banyak

14.258

Pooled within-groups

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.

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

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 Fishers 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.

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.

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.

Fungsi diskriminan yang terbentuk:

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.

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.

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:
N AZ B N B Z A
ZCU
N A NB

Keterangan:

Zcu = cut-off score

NA dan NB = jumlah sampel setiap grup.
ZA dan ZB = angka centroid setiap grup.
A = grup sedikit minum
B = grup banyak minum

Perhitungan:
Z CU

38 0,56 37 0,54

0,0148
75

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

dianggap 0.

Penggunaan angka ZCU

Angka skor kasus > ZCU, masuk ke grup sedikit

(0).
Angka skor kasus < ZCU, 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.

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
0,68atau 68%
75

Terdapat perbedaan signifikan antara responden

yang banyak minum AMDK dengan responden yang
sidikit minum AMDK. Hal ini dibuktikan dengan
hasil analisis Wilks Lamda.
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.

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 lankgkahlangkah 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.

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.

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.

Klik icon Statistics, aktifkan pilihan Univariate

ANOVAs dan Boxs 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.

Klik OK untuk menjalankan SPSS.

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

usia

Tests of Equality of Group Means

Wilks'
F
df1
df2
Lambda
.904
3.821
2
72

Sig.
.026

berat

.851

6.318

72

.003

tinggi

.984

.589

72

.557

income

.972

1.038

72

.360

jamkerja

.972

1.039

72

.359

olahraga

.898

4.089

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.

Hasil uji kesamaan matrik kovarians dengan

Boxs 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.

Variables Entered/Removeda,b,c,d
Min. D Squared
Exact F

Step

Between
Statistic
df1
df2
Sig.
Groups
1
usia
.093
sedang and
1.083
1
72.000
.302
banyak
2
berat
.162
sedang and
.929
2
71.000
.400
banyak
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.
Entered

Statistic

Wilks' Lambda
Number of
Variables

Lambda

.904

.789

Step

df1

df2

Exact F

df3
Statistic

df1

df2

Sig.

72

3.821

72.000

.026

72

4.456

142.000

.002

Tabel Wilks Lambda

Pada step 1, jumlah variabel yang dimasukkan ada
1 (usia) dengan angka Wilks 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 Wilks 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.

Pairwise Group Comparisonsa,b

Step
1

minum
sedikit
sedang
banyak

sedikit
sedang

sedikit
F

Sig.
F
Sig.
F

Sig.

.085

1.083

.085

.302

7.306

1.083

.009

.302

Sig.
Sig.

4.441

8.697

.015

.000

4.441

.929

.015

.400

8.697

.929

Sig.
.000
a. 1, 72 degrees of freedom for step 1.
b. 2, 71 degrees of freedom for step 2.

.400

banyak

.009

3.041

F
F

sedang
banyak
3.041
7.306

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.

Menguji Perbedaan antar grup

Eigenvalues
Function
1
2

Eigenvalue
.266a
.001a

% of Variance
Cumulative %
99.7
99.7
.3

100.0

Canonical
Correlation
.458
.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.

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 Wilks Lambda, kolom Test of
Functions digunakan untuk menguji hipotesis
berikut:
H0: Tidak ada perbedaan rerata (centroid) dari kedua fungsi
diskriminan.
H1: Ada perbedaan rerata (centroid) dari kedua fungsi
diskriminan.

Wilks' Lambda

Test of
Function(s)
1 through 2
2

Wilks' Lambda
.789
.999

Chi-square
16.908

df
4

Sig.
.002

.065

.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.

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:
H0: Tidak ada perbedaan rerata dari fungsi
diskriminan kedua.
H1: Ada perbedaan rerata dari fungsi diskriminan
kedua.

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.

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.

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.

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

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.

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.