Anda di halaman 1dari 6

Mata Kuliah Dosen

: Statistik Multivariat : Dr. Abdul Hamid Habbe, SE.,M.Si

Analisis Diskriminan Berganda

Kelompok I Teri Dian Novita R Nurul Fuada P3400212001 P3400212002 P3400212003

Program Pascasarjana Magister Akuntansi Universitas Hasanuddin 2012

Materi Rangkuman : 1. Penggunaan analisis diskriminan terhadap regresi berganda 2. Mengidentifikasi isu utama sehubungan dengan tipe variabel dan ukuran sampel yang digunakan dan dibutuhkan dalam aplikasi analisis diskriminan 3. Menjelaskan asumsi dasar analisis diskriminan dalam menaksir kelayakan untuk masalah yang timbul 4. Menjelaskan dua pendekatan yang digunakan dalam analisis diskriminan dan menilai kelayakan metode atas model dapat digunakan 5. Menjelaskan klasifikasi matriks dan cara mengembangkan serta menjelaskan cara dalam mengevaluasi tingkat akurasi fungsi diskriminan 6. Mengidentifikasi variabel independen dengan praktek diskriminan 7. Penggunaan pendekatan sampel acak untuk menentukan validasi

Penggunaan Analisis Diskriminan Terhadap Regresi Berganda Analisis diskriminan merupakan teknik statistik ketika variabel dependen yang kategori (nominal/nonmetrik) variabel dan variabel bebas kategori metrik. Variasi diskriminan adalah kombinasi linier atas dua atau lebih variabel bebas yang akan di diskriminasi atas objek yang terbaik dalam sebuah kelompok (orang, perusahaan dan lain sebagainya). Proses diskriminasi dilakukan dengan menghitung bobot variasi dari setiap variabel bebas untuk memaksimalkan perbedaan antara kedua grup (varians grup relatif atau varians grup). Contohnya (Zjk = a + W1X1k + W2X2k + + WnXnk) dimana : Zjk = Diskriminan nilai Z atas fungsi diskriminan J untuk objek K a = Potongan Wi = Bobot diskriminan atas variabel bebas i Xik = Variabel bebas objek i ke objek k

Untuk melihat keunikan dari analisis diskriminan adalah bahwa banyak fungsi yang akan dihasilkan dari setiap objek yang memiliki lebih dari satu nilai diskriminan. Tipe Variabel dan Ukuran Sampel yang digunakan Tipe variabel dependen yang memiliki asumsi atas setiap kelompok yang memiliki variabel bebas tersendiri. Analisis diskriminan membangun fungsi untuk memaksimalkan kelompok berdasarkan variabelnya. Ukuran sampel terbagi dua yang pertama sampel secara keseluruhan dimana yang dilakukan adalah mempertimbangkan hubungan sampel secara keseluruhan. Analisis diskriminan merupakan rasio utama terhadap angka prediksi sebuah variabel. Ketika rasio sulit untuk di praktekkan, peneliti sebaiknya mencatat hasil yang berpotensi tidak stabil dari sebuah sampel yang bersifat relatif dari variabel bebas. Kedua ketika telah mendapatkan ukuran sampel secara keseluruhan dilakukan pengambilan sampel per kategori. Minimal dari dari kelompok yang

memiliki nilai terendah dari setiap kategor serta harus melebihi nilai dari variabel bebas. Variasi yang luas dari sebuah kelompok akan memberikan hasil estimasi dari fungsi diskriminasi dan dilakukan klasifikasi observasi. Klasifikasi dilakukan untuk melihat tingkatan, kelompok besar yang memiliki tingkat klasifikasi yang tidak sebanding. Asumsi Dasar Analisis Diskriminan Identifikasi pelanggaran asumsi secara normal memiliki tingkat keberhasilan yang lebih untuk univariat dimana dari variabel individu akan memiliki waktu yang cukup dalam menganalisis data analisis multivariat. Implikasi atas asumsi analisis multivariat karena akan menimbulkan masalah atas estimasi dari fungsi diskriminan. Yang lazim digunakan adalah

mentransformasi data untuk dikurangi dan membagi kedalam matriks kovarian, ketika banyak contoh yang diberikan seperti yang diatas maka data yang lazim digunakan adalah data yang tidak efektif. Implikasi dari klasifikasi adanya perbedaan matriks kovarian yang bernilai negatif atas proses klasifikasi. Jika ukuran sampel kecil dan matriks kovarian memiliki perbedaan, lalu setelah dimasukkan dalam perhitungan statistik dimana menunjukan tingkat signifikan yang merupakan proses estimasi akan memberikan efek yang kurang baik.

Dua Pendekatan Analisis Diskriminan 1. Pendekatan Estimasi Simultan Dimana pendekatan ini menghitung keterlibatan dalam fungsi diskriminan oleh karena itu semua variabel bebas mempertimbangkan secara bersamaan. Demikian pula fungsi diskriminan yang berbasis perhitungan dengan segala kumpulan variabel bebas tanpa memperhatikan kekuatan diskriminan dari setiap variabel bebas

2. Pendekatan Estimasi Bertahap Pendekatan ini merupakan alternatif dari pendekatan secara simultan. Dimana ketika variabel bebas dimasukkan kedalam sebuah fungsi diskriminan dalam periode yang sama. Hal ini akan menghasilkan kekuatan atas proses diskriminan.

Klasifikasi Matriks Tes statistik digunakan untuk menilai tingkat signifikan dari fungsi diskriminan dimana hanya menilai tingkat yang tinggi dari perbedaan antara kelompok yang berbasis diskriminan Z Score tetapi, hal ini tidak berindikasi bahwa ini adalah konsep yang terbaik dalam menentukan tingkat prediksi dari fungsi yang diskriminan, peneliti harus melakukan perbaikan atau

rekonstruksi klasifikasi matriks. Prosedur klasifikasi, matriks menyediakan perspektif dalam praktek signifikan I dibandingkan dengan tingkat signifikan statistik. Sebelum melakukan klasifikasi, matriks dapat diperbaiki dimana peneliti harus menentukan nilai potong untuk setiap fungsi diskriminan. Nilai potong digunakan sebagai representasi dari pembagian poin untuk mengklasifikasikan observasi ke dalam masing-masing kelompok berdasarkan nilai fungsi yang diskriminan. Hasil kalkulasi nilai potong terbagi dua kelompok yaitu kelompok centroid dan ukuran relatif. Hasil prosedur klasifikasi dimasukkan dan ditampilkan kedalam form matriks.

Mengidentifikasi Variabel Independen Terdapat 3 metode untuk menentukan kepentingan relatif antara lain : a. Memberikan bobot standar diskriminan b. Diskriminan loading (korelasi struktur) c. Nilai F parsial

Dalam

pendekatan

tradisional

untuk

menginterpretasikan

fungsi

diskriminan dilakukan pemeriksaan tanda dan besarnya jarak bobot standar diskriminan untuk menugaskan perhitungan ke masing-masing variabel

terhadap fungsi diskriminan. Variabel bebas dengan bobot relatifmemberikan kontribusi lebih untuk kekuatan fungsi diskriminan dibanding variabel yang memiliki bobot terkecil. Sebuah tanda menunjukan variabel yang dihasilkan memiliki kontribusi bernilai positif atau negatif. Diskriminan loading adalah peningkatan interpretasi karena adanya defisiensi bobot pemanfaatan. Menilai korelasi linier sederhana antara masingmasing variabel bebas dan fungsi diskriminan. Diskriminan loading menggambarkan varians atas variabel bebas yang digabung dengan fungsi diskriminan. Penggunaan Pendekatan Sampel Acak Untuk Menentukan Validasi Tahap terakhir dari menentukan analisis diskriminan serta validasi hasil diskriminan untuk menyediakan kepercayaan atas hasil yang dimana dilakukan pengujian internal. Dalam situasi tertentu untuk memvalidasi rasio, peneliti harus menggunakan profil kelompok untuk memberikan keyakinan atas kelompok tersebut memang dapat dijadikan indikator model konseptual yang digunakan untuk memilih variabel bebas. Validasi dapat terjadi pada saat sampel terpisah atau memanfaatkan prosedur estimasi sampel yang berulang kali. Validasi rasio adalah performa yang sering dibuat dengan menggunakan sampel terpisah, menunjuk sampel yang tervalidasi. Tujuannya adalah untuk melihat seberapa baik fungsi diskriminan berjalan terhadap sampel observasi yang tidak digunakan untuk mendapatkan fungsi diskriminan. Analisis diskriminan berganda membantu kita untuk lebih memahami dan mampu menjelaskan masalah penelitian dimana memiliki keterlibatan atas variabel dependen dan beberapa variabel bebas (metrik). Teknik ini dapat digunakan untuk mengetahui karakteristik dari subjek dan penandaan secara tepat dalam kelompok.