PENDAHULUAN

ANALISIS
DISKRIMINAN

Dr. Ir. Imam Buchori

Ir. Artiningsih, MSi
1

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Pertama kali diperkenalkan oleh Fisher (1936).

Digunakan untuk mengetahui variabel-variabel penciri
yang membedakan kelompok populasi yang ada dan
juga dapat dipergunakan sebagai kriteria
pengelompokkan.
Banyak dipakai dalam berbagai bidang ilmu
pengetahuan, misalnya : Psikologi (Lie, 1964),
Pendidikan (John, 1968), Geografi (Mather, 1969),
Geologi (Davis, 1973) dan berbagai bidang ilmu lainnya.

PENDAHULUAN (Lanjutan)

DEFINISI dan CARA KERJA

Pada prinsipnya hampir sama dengan Regression

Analysis.
Mempunyai Dependen Variabel (Y) dan Independen
Variabel (X) yang mempengaruhi Dependen Variabel.
Regression Analysis :
1. Linier Regression (2 Variabel)
2. Multiple Regression ( >2 Variabel)
Discriminant Analysis :
1. Diskriminan 2 Group (2 Variabel Penciri)
2. Diskriminan 3 Group (>2 Variable Penciri)

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Definisinya adalah :
Teknik analisis statistik untuk menggolongkan populasi /
individu / objek menjadi kelompok-kelompok sendiri
dalam sekumpulan variabel independent.
Cara kerjanya adalah :
Maksimasi variansi antar kelompok dan minimasi variansi
dalam kelompok.
Menentukan nilai setiap individu dalam sampel, dimana
nilai setiap individu adalah rata-rata bobot dari individu
dalam sejumlah variabel independent.
4

TUJUAN

PRINSIP DASAR / ASUMSI-ASUMSI YANG

BERLAKU

Untuk

mencari model yang sesuai untuk dapat

menentukan objek-objek pengamatan menjadi kelompokkelompok yang lengkap.
Untuk menentukan kontribusi masing-masing variabel
yang terlibat dalam pengklasifikasian.
Sebagai dasar penentuan apakah suatu variabel tertentu
perlu dilibatkan dalam analisa pengklasifikasian
selanjutnya atau tidak.

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Variabel independent (1p) mempunyai distribusi

normal.
Matriks p x p atau matriks variant covariant untuk
setiap kelompok (1k) harus sama.
Pengamatan dari masing-masing group dipilih secara
acak / random.

CONTOH PENGGUNAAN :

FORMULA UMUM ANALISIS DISKRIMINAN

Untuk menentukan suatu daerah yang termasuk dalam

tingkat kriminalitasnya tinggi / rendah diperlukan data :
Jumlah tindakan kriminalitas (var. dependent)
Jumlah polisi, jumlah kantor polisi, jumlah penduduk
berpendapatan rendah, jumlah keluarga yang mendiami
permukiman kumuh, jumlah penduduk berpendidikan
rendah (var. independent).
Catatan :
Kemampuan untuk mengelompokkan objek pengamatan
sangat menentukan keberhasilan analisis diskriminan.

Y = b X
Dimana :
Y = Vektor nilai diskriminan untuk individu (1 x n)
b = Vektor bobot diskriminan (1 x p)
X = Matriks yang mengandung nilai-nilai untuk setiap
n individu pada p independen variabel.

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

ANALOGI DENGAN ANALISA

REGRESI

PERMASALAHAN 2 GROUP

Depeden Variabel (Y) pada multiple regresi adalah suatu nilai

kuantitatif, sedangkan pada discriminant analysis, dependen
variabel adalah suatu nilai kualitatif.
Pada analisis regresi, variabel dependen (Y) menjadi satu fokus
yang berubah (prediktif) dan variabel independen (x) relatif tetap,
sedangkan pada analisis diskriminan, variabel dependen relatif
tetap (kelompok) dan variabel independen berubah-ubah
serta
terdistribusi normal.
Analisis Regresi menurunkan perkiraan-perkiraan parameter yang
telah mempunyai kelengkapan statistik, sedang analisis diskriminan
merupakan strategi yang teliti dalam menemukan mean dari
pengelompokkan.

Misal kita memiliki dua kelompok populasi yang bebas.

Populasi 1
diambil sampel sebesar n1 serta dipelajari p karakter dari
sampel tersebut.
Populasi 2
diambil sampel sebesar n2 serta dipelajari p karakter dari
sampel tersebut.

10

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Sehingga keseluruhan sampel dari populasi 1 dan

populasi 2 adalah n = n1 + n2

PERMASALAHAN 2 GROUP (Lanjutan.)

PERMASALAH 2 GROUP (Lanjutan.)

P karakter yang dipelajari bila dinyatakan dalam variabel

(multidimensional) melalui vektor x = (x1 , x2 ,., xp)
)
X ((1pxn
1 ) ( X 11 , X 12 ,....., X 1 n 1 )

Sehingga vektor nilai rata-rata dan matriks variance

kovariance dirumuskan sebagai berikut :

2)
X ((pxn
2) ( X 21, X 22 ,....., X 2 n2 )

1
n1

n1

j 1

1 n
S1
( X 1 j X 1 )( X 1 j X 1 ) '

n1 1 j 1
1

11

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

12

UJI HIPOTESIS PADA ANALISIS

DISKRIMINAN

PERMASALAHAN 2 GROUP (Lanjutan..)

Asumsi populasi mempunyai peragam yang sama yaitu maka

matrik peragam S1 & S2 dapat digabung sebagai penduga bagi
Melalui rata-rata terbobot sebagai berikut :
S

( n 1 1 ). S 1 ( n 2 1 ). S
(n1 n 2 2 )

H0 : U1 = U2 ; vektor nilai rata-rata dari populasi 1

sama dengan dari populasi 2
H1 : U1 U2 ; kedua vektor nilai rata-rata itu berbeda

n1 .n 2
1
( X 1 X 2 )'SG ( X 1 X 2 )
n1 n 2
Selanjutnya.
T

Diskriminan dibangun untuk menerangkan perbedaan diantara

populasi perlu diuji apakah ada perbedaan yang nyata secara
statistik (uji statistik T2-Hotteling)

13

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

n1 n 2 p 1 2
T
( n1 n 2 2 ) p
14

UJI HIPOTESIS PADA DISK. ANALISIS

(Lanjutan..)

FUNGSI DISKRIMINAN LINIER FISHER

1

F adalah derajat kebebasan yang berdistribusi, dimana v 1=

p dab v 2 = n1+ n2 p -1
1. Kaidah keputusan.
Terima Ho : U1 = U2 , jika T2 - tabel T2 - hitung
2. Selain itu ada alternatif lain :
Terima H0 : U1 = U2, jika F- tabel F-hitung
Tolak

H0 : U1 = U2, jika F- tabel > F-hitung.

15

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Y b' X (X1 X 2 )'.SG .X

Dimana :
b
: vektor koefisien pembobot fungsi diskriminan
X
: vektor variabel acak (yang diident) dalam
diskriminan
X 1
: vektor nilai rata-rata dari variabel acak
kelompok 1
X 2 : vektor nilai rata-rata dari variabel acak
kelompok 2
1
SG
: invers matriks gabungan
16

ATURAN PENGGOLONGAN

ATURAN PENGGOLONGAN (Lanjutan)

Menurut Fisher untuk menetapkan individu dengan nilai x di p pada

kelompok 1 :

b ' ( X X 1 ) b' ( X X 2 )

m 12 ( X 1 X 2 )' SG .( X 1 X 2 )
Bila ukuran sampel tidak sama (n1 n2), maka :

pada kelompok 2 jika ;

b' ( X X 1) b' ( X X 2 )
m

Cara lain adalah Metoda mid point

n 2 .Y 1 n 1 Y
n1 n 2

m 12 ( X 1 X 2 )' SG 1.(X 1 X 2 )
17

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

18

ATURAN PENGGOLONGAN MID POINT

BAHAN BACAAN

Kelompok

1
jika yo > m
2
jika yo m
Yo = skor diskriminan dari individu

Metode lain adalah Wald Anderson Statistic W

1

W X 1S G ( X 1 X 2 )

1
1
( X 1 X 2 )1 S G ( X 1 X 2 )
2

Anderson, Black, Hair and Tatham, Multivariate Data

Analysis, Fifth Edition, Prentice Hall, USA, 1998
Gasperz, Teknik Analisis dalam Penelitian Percobaan,
Edisi ke-2, Tarsito, Bandung, 1992.
William R Dillon and Mathew Goldstein, Multivariate
Analysis Methods and Applications, USA, 1984.

Alokasikan pada kelompok 1. Jika W > 0

2. Jika W 0.

19

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

20

Contoh Aplikasi

Contoh Aplikasi

Analisis Diskriminan

21

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Sebuah toko yang bernama LAKU KERAS selama ini

menduga ada dua kelompok pembeli, yaitu mereka yang
sering berbelanja di toko LAKU KERAS dan mereka
yang jarang berbelanja di toko tersebut.
Jika ini benar, pihak manajemen ingin mengetahui faktor
apa saja yang mendorong seorang konsumen untuk
sering atau jarang berbelanja di toko tersebut.
Kepada setiap responden diberikan daftar kuesioner
yang memuat pertanyaan tentang pendapat responden
terhadap atribut-atribut toko LAKU KERAS serta
frekuensi belanja di toko tersebut.
22

Contoh Pertanyaan

Variabel (untuk 40 responden)

Bagaimana dengan fasilitas pendingin udara yang ada pada toko LAKU KERAS?
________________________________________________________________
1.
Sangat Tidak Sejuk

5.
Sangat Sejuk

Responden memberi tanda x pada di sembarang tempat di antara garis 1

sampai 5, yang akan diukur oleh periset sebagai jawaban responden dalam
bentuk angka.
Semua pengukuran atribut mempunyai arah yang sama, yaitu angka 1
untuk penilaian negatif dan angka 5 untuk penilaian positif.
Hasil pengukuran adalah bersifat numerik seperti 3,4 atau 2,5 dan
sebagainya.
23

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Layout, yaitu tata letak barang di toko LAKU KERAS.

Lengkap, yaitu kelengkapan barang di toko.
Harga, yaitu harga yang murah dan kompetitif.
Musik, yaitu fasilitas musik untuk para pengunjung toko.
AC, yaitu fasilitas pendingin udara untuk pengunjung toko.
Lampu, yaitu fasilitas penerangan untuk pengunjung toko.
Pelkar, yaitu pelayanan karyawan toko.
Pelkasir, yaitu pelayanan kasir toko.
Promosi, yaitu kegiatan promosi toko LAKU KERAS.
Image, yaitu citra toko di mata konsumen

24

Variabel (lanjutan)

Selain itu kepada setiap konsumen ditanyakan apakah

mereka:

Sering membeli di toko LAKU KERAS dengan kode 0.

Jarang membeli di toko LAKU KERAS dengan kode 1.

VARIABEL
DEPENDEN
(Kategori)
Y: Kode 0 = Sering
Kode 1 = Jarang

Dengan demikian, sekarang terdapat dua kelompok

variabel, yaitu:

Variabel

SEBUAH variabel dependen, yaitu variabel berjenis kategori,

dengan kode 0 (sering beli) dan 1 (jarang beli).

VARIABEL
INDEPENDEN
X1 . Layout
X2 . Lengkap
X3 . Harga
Xn . dst

SEPULUH variabel independen, yaitu atribut yang

diduga membuat perbedaan perilaku konsumen yang
menjadi sering membeli atau jarang membeli.

25

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

26

Tujuan Analisis (dalam kasus ini)

Langkah Pengerjaan-01

1.

2.

3.
4.

Apakah perilaku beli konsumen benar-benar berbeda, dalam arti

mereka yang sering membeli perilakunya benar-benar berbeda
dengan yang jarang membeli?
Jika berbeda, variabel bebas mana saja yang membedakan
perilaku beli konsumen? Semua variabel bebas atau hanya
sebagian? Jika ada sejumlah variabel yang membedakan
(diskriminan) maka ada sebuah model diskriminan.
Jika ada sejumlah variabel bebas yang membedakan perilaku,
variabel mana yang paling penting dan seterusnya?
Dilakukan pengujian apakah model diskrimanan tersebut mampu
melakukan klasifikasi responden dengan tepat?

27

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Buka program SPSS dan

masukkan data yang ada
dengan terlebih dahulu
mendefinisikan variabel
yang akan dimasukkan
datanya
Dari menu utama SPSS,
pilih menu Analyze, lalu
submenu Classify,
kemudian pilih
Discriminant.

28

Langkah Pengerjaan-02

Langkah Pengerjaan-03

Masukkan variabel beli ke grouping

variabel yang berfungsi sebagai
dependen variabel dan masukkan
kode kategori yang dipakai.

Pengisian:

Masukkan angka 0 pada minimum.

Masukkan angka 1 pada maksimum.

Tekan Continue untuk kembali pada

kotak dialog discriminant.

Masukkan variabel-variabel
lainnya pada kotak independents
yang berarti kesepuluh variabel ini
berfungsi sebagai variabel bebas.

29

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Klik tombol Statistics

dan aktifkan pilihan
sesuai tampilan layar
berikut ......
Klik Continue untuk
kembali ke kotak dialog
utama.

30

Langkah Pengerjaan-04

Klik mouse pada pilihan

Stepwise Method dan klik
tombol Method sehingga akan
tampak di layar ......

Langkah Pengerjaan-05

Pilihan Stepwisie berarti

pemasukan variabel akan
dilakukan secara bertahap.

Pada bagian Method, pilih

Mahalanobis Distance dan
bagian Criteria pilih Use
Probability of F tetapi jangan
mengubah isi yang telah ada.
Abaikan pilihan yang lain dan
tekan Continue untuk kembali
ke menu utama.

31

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Pada menu utama klik tombol

Classify, sehingga akan tampak
di layar........
Pada bagian Display, aktifkan
pilihan Casewise Results dan
juga aktifkan pilihan Leave-oneout classification.

Abaikan pilihan yang lain dan

klik Continue untuk kembali ke
menu utama. Pada menu utama
klik OK untuk proses data.

32

Group Statistics

Interpretasi-01

Beli
.00

Tidak ada data yang

hilang:
1.00

22 orang sering
belanja
18 orang jarang
belanja
Total = 40 orang

Total

Layout
Lengkap
Harga
Musik
AC
Lampu
Pelkar
Pelkasir
Promosi
Image
Layout
Lengkap
Harga
Musik
AC
Lampu
Pelkar
Pelkasir
Promosi
Image
Layout
Lengkap
Harga
Musik
AC
Lampu
Pelkar
Pelkasir
Promosi
Image

Mean
2.8091
2.6136
3.2227
2.7955
2.4682
2.4455
2.2818
2.9000
3.0864
2.9364
2.8833
2.7944
2.9611
2.7833
2.9111
2.6056
3.1222
2.6111
2.6778
2.6111
2.8425
2.6950
3.1050
2.7900
2.6675
2.5175
2.6600
2.7700
2.9025
2.7900

Std. Deviation
1.27126
1.01807
1.01603
1.16393
1.10556
1.04139
.89583
1.31258
1.14363
1.18745
.85147
1.10479
1.02334
1.00250
.97973
1.04795
1.09306
1.01974
1.20614
1.04875
1.08979
1.04806
1.01475
1.08055
1.06130
1.03401
1.06405
1.18413
1.17506
1.12496

Valid N (listwise)
Unweighted
Weighted
22
22.000
22
22.000
22
22.000
22
22.000
22
22.000
22
22.000
22
22.000
22
22.000
22
22.000
22
22.000
18
18.000
18
18.000
18
18.000
18
18.000
18
18.000
18
18.000
18
18.000
18
18.000
18
18.000
18
18.000
40
40.000
40
40.000
40
40.000
40
40.000
40
40.000
40
40.000
40
40.000
40
40.000
40
40.000
40
40.000

33

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

Interpretasi-02

Walupun terdapat satu atribut perbedaan

perilaku konsumen tapi secara umum
tidak ada perbedaan yang nyata antara
mereka yang sering berbelanja di toko
LAKU KERAS dengan mereka yang
jarang berbelanja di toko tersebut (Tabel
Test of Equality of Group Means).

Wilks Lamda:
Semakin mendekati nol semakin berbeda
Semakin mendekati satu semakin sama

Sig:
Sig>0.05 tidak ada perbedaan
Sig<0.05 ada perbedaan

Tests of Equality of Group Means

Layout
Lengkap
Harga

Wilks'
Lambda
.999

F
.045

38

Sig.
.833

.992

.289

38

.594

df1

df2

.983

.652

38

.424

1.000
.956

.001
1.758

1
1

38
38

.972
.193

Lampu

.994

.233

38

.632

Pelkar
Pelkasir

.842

7.149

38

.011

.985

.583

38

.450

Promosi

.969
.979

1.203
.824

1
1

38
38

.280
.370

Musik
AC

Image

Semakin tinggi angka F semakin ada perbedaan

34

Interpretasi-03

Interpretasi-04

Atribut yang paling

membedakan perilaku kedua
kelompok tersebut adalah
atribut PELKAR
Perhatikan nilai Sig.-nya

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

Step
1

Entered
Pelkar

Statistic
.722

Between
Groups
.00 and 1.
00

Exact F
Statistic
7.149

df1

df2
1

38.000

Sig.
.011

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

Sehubungan dengan hasil dari no. 2,

maka kesembilan atribut yang ada
bukanlah variabel yang membedakan
perilaku kedua kelompok. Atau dapat
dikatakan sikap mereka terhadap
kesembilan atribut tersebut relatif sama
(sama-sama positif atau sama-sama
negatif).

a. Maximum number of steps is 20.

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.

35

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -

36

Interpretasi-05

Model diskriminan yang ada

tidak dapat digunakan karena
walaupun hasil menunjukkan
tingkat validitasnya di atas 50
% (60% valid), hanya satu
variabel yang mempengaruhi
pembedaan, itupun tidak
cukup signifikan.
Model ini belum dapat
digunakan sebagai bahan
untuk pengambilan keputusan
secara menyeluruh (Tabel
Classification Results).

Classification Resultsb,c
Predicted Group
Membership
Original

Count

Beli
.00

%
Cross-validated a

Count

1.00

Total
7

10

18

.00

68.2

31.8

100.0

1.00

44.4

55.6

100.0

.00
1.00

.00
15

1.00

14

22

22

10

18

.00

63.6

36.4

100.0

1.00

44.4

55.6

100.0

a. 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.
b. 62.5% of original grouped cases correctly classified.
c. 60.0% of cross-validated grouped cases correctly classified.

37

METODE ANALISIS PERENCANAAN - ANALISIS

FAKTOR (4) -