Anda di halaman 1dari 15

ANALISIS DISKRIMINAN A.

Definisi Model Analisis Diskriminan ditandai dengan ciri khusus yaitu data variable dependen yang harus berupa data kategori, sedangkan data independen justru berupa data non kategori. Hal ini dapat dimodelkan sebagai berikut :

Dimana : Variabel Independen (X1 dan seterusnya) adalah data metrik, yaitu data berskala interval atau rasio. Variabel Dependen (Y1) adalah data kategorikal atau nominal. Jika data kategorikal tersebut hanya terdiri dari 2 kode saja disebut Two-Groups Discriminant Analysis . Namun apa bila lebih dari 2 kategori disebut Multiple Discriminant Analysis .

B. Tujuan Analisis Diskriminan Oleh karena bentuk multivariat dari Analisis Diskriminan adalah Dependen, maka variabel Dependen adalah variabel yang menjadi dasar analisis diskriminan. Adapun tujuan dari analisis diskriminan antara lain : Mengetahui perbedaan yang jelas antar grup pada variabel dependen. Jika ada perbedaan, variabel independen manakah pada fungsi diskriminan yang membuat perbedaan tersebut. Membuat fungsi atau model diskriminan (yang mirip dengan persamaan regresi). Melakukan klasifikasi terhadap obyek ke dalam kelompok (grup).

C. Asumsi Analisis Diskriminan Asumsi penting yang harus dipenuhi agar model diskriminan dapat digunakan antara lain : Variabel bebas harus terdistribusi normal (adanya normalitas). Matriks kovarians semua variabel bebas harus sama (equal). Tidak terjadi multikolinearitas (tidak berkorelasi) antar variabel bebas. Tidak terdapat data yang ekstrim (outlier).

D. Proses Analisis Diskriminan Beberapa langkah yang merupakan proses dasar dalam Analisi Diskriminan antara lain :

Memilah variabel-variabel menjadi Variabel terikat (Dependent) dan Variabelbebas (Independent). Menentukan metode untuk membuat Fungsi Diskriminan, yaitu : - Simultaneous Estimation; semua variabel dimasukkan secara bersama-sama lalu dilakukan proses Diskriminan. - Step-Wise Estimation; variabel dimasukkan satu per satu ke dalammodel Diskriminan.

Menguji signifikansi Fungsi Diskriminan yang terbentuk, dengan menggunakan Wilks Lambda, Pilai, F test, dan lainnya . Menguji ketepatan klasifikasi dari fungsi diskriminan (secara individualdengan Casewise Diagnotics). Melakukan interpretasi Fungsi Diskriminan. Melakukan uji validasi fungsi diskriminan.

Dengan analisis diskriminan, pada akhirnya akan dibuat sebuah model seperti regresi yaitu satu variabel terikat (dependent) dan banyak variabel bebas (independent). Prinsip Diskriminan adalah ingin membuat model yang dapat secara jelas menunjukkan perbedaan (diskriminasi) antar isi variabel dependen. E. Contoh Kasus Terdapat 100 objek dengan variabel-variabel antara lain : Specification Buying (x11), dengan kode : - Kode 0 = Specification Buying - Kode 1 = Total Value Analysis Delivery Speed (x1) Price Level (x2) Price Flexibility (x3) Manufacturer Image (x4) Service (x5) Salesforce Image (x6) Product Quality (x7)

Sebelum melakukan analisis diskriminan, hal yang perlu dilakukan yaitu menguji ketepatan variabel; yaitu apakah keseluruhan variabel yang terkumpul secara keseluruhan dapat digunakan lebih lanjut dalam analisis diskriminan, atau terdapat variabel yang terpaksa harus disingkirkan dalam pelaksanaan analisis diskriminan.Untuk itu, tahap pertama yang harus dilakukan yaitu melakukan uji variabel.Seperti berikut ini. E.1 Menilai Variabel yang Layak

1) Dari data yang telah dimasukkan, selanjutnya klik menu analyze dan pilih sub menu Classify dan kemudian Discriminant 2) Masukkan variabel dependent ke dalamkotak Grouping Variable. Sedangkan keenam variabel lainnya: masukkan ke dalam kotak Independents . Berarti variabel dependent berciri data kategori.Oleh karena itu, SPSS minta masukan kode kategori yang dipakai. Untuk itu, buka icon Define Range hingga tampak tampilan di layar seperti berikut :

3) Sesuai kode variabel dependent, maka masukkan angka 0 (nol) pada bagian Minimum dan angka 1(satu) pada bagian Maximum. Lalu tekan Continue untuk kembali ke menu utama. 4) Klik mouse pada icon Statistics hingga muncul tampilan sebagai berikut

Pada bagian Descriptives aktifkan bagian Univariate ANOVAs dan Box s M. Abaikan bagian yang lain lalu tekan Continue. Selanjutnya dari tampilan menu utama, abaikan bagian yang lain dan tekan OK untuk menampilkan output aplikasi SPSS pengujian variabel pada analisis diskriminan. Tabel yang dihasilkan (tests of equality of group means) merupakan hasil pengujian tiap-tiap variabel bebas yang ada. Keputusan yang diambil dalam pengujian variabel dapat melalui 2 cara : 1. Dengan angka Wilks Lambda Angka Wilks Lambda berkisar 0 sampai 1. Jika angka mendekati 0, maka datatiap grup cenderung berbeda; sedangkan jika angka mendekati 1, data tiap grup cenderung sama. 2. Dengan F test (uji signifikansi) Uji F dilakukan untuk menguji hipotesis berikut: Ho : group means dari masing-masing kelompok adalah relatif sama H1 : group means dari masing-masing kelompok memiliki perbedaan secara nyata

Jika Sig < 0,05, maka Ho ditolak, yang berarti ada perbedaanantar grup. Jika Sig > 0,05, maka Ho tidak ditolak yang berarti group meansmasing-masing kelompok relatif sama. Hal ini menunjukkan bahwa tidak ada perbedaan antar grup Setelah dilakukan pengujian terhadap masing-masing variabel, berikutnya dilakukan pengujian variansi dari setiap variabel. Analisis Diskriminan mempunyai asumsi bahwa : Variansi variabel bebas untuk setiap grup seharusnya sama. Variansi diantara variabel-variabel bebas seharusnya juga sama.

Kedua pengertian diatas dapat disimpilkan bahwa group covariance matrices adalah relatif sama. Untuk itu, perlu dilakukan pengujian hipotesis sebagai berikut : Ho : group covariance matrices adalah relatif sama H1 : group covariance matrices adalah berbeda secara nyata Adapun penilaian signifikansi dari pengujian hipotesis diatas sebagai berikut : Jika Sig < 0,05, maka Ho ditolak. Jika Sig > 0,05, maka Ho tidak ditolak. Dari tampilan tabel (test result) output, tentukan nilai Sig. Bila > 0,05, berarti bahwa group covariance matrices adalah relatif sama. Hal ini berarti data di atas dianggap telah memenuhi asumsi analisis diskriminan, sehingga proses dapat dilanjutkan. E.2 Proses Diskriminan 1) Kembali pada tampilan data yang telah dientry, klik menu analyze dan pilih sub menu Classify dan kemudian D i s c r i mi n a n t 2) Masukkan variabel dependent ke dalam kotak Grouping Variable . Kemudian klik icon Define Range hingga tampak pada layar seperti berikut ini :

3) Masukkan angka 0 pada bagian Minimum dan angka 1 pada bagian Maximum. Kemudian tekan tombol Continue untuk kembali pada menu utama. 4) Klik icon Statistics hingga muncul tampilan seperti berikut ini :

5) Pada bagian Descriptives aktifkan Means; kemudian pada bagian Function Coefficients aktifkan Fishersdan Unstandardized. Abaikan bagian yanglainnya lalu tekan Continue untuk kembali ke menu utama . 6) Perhatikan pada bagian tengah kotak dialog utama. Klik mouse pada bagian Use stepwise method sehingga secara otomatis icon METHOD akan aktif. 7) Kemudian klik icon Method hingga muncul tampilan seperti berikut ini :

8) Pada bagian Method aktifkan pilihan Mahalanobis distance. Kemudian pada bagian Criteria klik pada pilihan Use probability of F, namun jangan mengubah isi yang sudah ada. A baikan bagian yang lain, lalu tekan Continue untuk kembali ke menu utama 9) Selanjutnya klik icon Classify hingga muncul tampilan berikut ini :

Pada bagian Display aktifkan pilihan Casewise results dan juga Leave-one-out-classification. Abaikan bagian yang lain, lalu tekan tombol Continue untuk kembali ke menu utama. Kemudian dari tampilan menu utama, abaikan bagian yang lain dan tekan OK untuk menampilkan output proses diskriminan dari aplikasi program SPSS.

Tabel (group statistics) output hanya mendeskripsikan rata-rata dan standar deviasi dari kedua grup responden. Berdasarkan Tabel variables entere removed, menunjukkan variabel mana saja, dari keseluruhan variabel yang dimiliki, yang dapat dimasukkan dalam model diskriminan. Berdasarkan tabel W ilks Lambdapada prinsipnya adalah variansi total dalam discriminant scores yang tidak dapat dijelaskan oleh perbedaan di antara grup-grup yang ada. Terlihat dalam table tersebut, adanya step yang dalam hal ini terkaitn dengan adanya variabel yang dimasukkan. Perhatikan signifikansi pada kolom uji-F; hal ini adalah signifikansi secara statistik.Nilai Sig. kecil daripada 0,05, hipotesis yang diajukan ditolak, yang berarti variabel tersebut memang berbeda untuk kedua kelompok variabel dependent . Yang perlu diperhatikan pada tampilan tabel di eigenvalues atas yaitu kolom terakhir, Canonical Correlation. Hal tersebut untuk mengukur keeratan hubungan antara discriminant scores dengan grup. Untuk Tabel output Wilks Lambda yang terakhir, sebenarnya sama dengan table Wilks Lambda sebelumnya. Jadi dapat dikatakan sebagai ringkasan dari tabel Wilks Lambda terdahulu. Perhatikan nilai Wilk s Lambdanya. Tabel Stucture Matrix menunjukkan korelasi antara variabel independen (bebas) dengan fungsi diskriminan yang terbentuk. Variable yang tidak dimasukkan dalam analisis diskriminan adalah variable dengan nilai korelasi rendah dan diberikannya simbol a di sebelah masing-masing variabel tersebut. Dari tabel Canonical Discriminant Function Coefficients, maka dapat diperoleh gambaran model diskriminan yang terbentuk.MODUL 5 Analisis Diskriminan V-7 Berdasarkan tabel Functions at Grup Centroids, dapat diketahui terdapat 2 tipe industry, maka disebut Two-Groups Discriminant; dimana yang satu mempunyai centroid (group means) yang positif dan yang satu mempunyai centroid yang negatif. Nilai centroid pada tabel menunjukkan besaran Z yang memisahkan kedua grup tersebut.Sedangkan untuk komposisi anggota masing-masing grup sebagaimana diperlihatkan dalam tabel output Prior Probabilities for Groups. Pada tabel ini pula menunjukkan komposisi dari total 100 objek yang telah disurvey. Tabel output Classification Function Coefficients sama halnya dengan tabel output terdahulu, yang menampilkan koefisien pembentuk model diskriminan (Unstandardized Coefficient sebelumnya). Hanya saja dalam hal ini adanya pemisahan model diskriminan dari grup yang ada. Hal ini sesuai dengan pilihan Fisher Function Coefficient pada tahapan proses diskriminan yang dilakukan pada awalnya. Jadi model diskriminan dari Fisher pada prinsipnya membuat model persamaan dengan pembagian berdasar kode grup.Dari kedua model diskriminan grup tersebut, selanjutnya dicari selisihnya, makamodel diskriminan telah terbentuk.

Setelah model diskriminan telah terbentuk, selanjutnya dilakukan klasifikasi. Akan dilihat seberapa jauh klasifikasi tersebut sudah tepat ?atau berapa persen terjadi misklasifikasi pada proses klasifikasi tersebut. Hal tersebut dapat terlihat sebagaimana tampilan tabel output Classification Result.

ANALISIS KONJOIN Analisis konjoin adalah suatu teknik analisis yang dapat digunakan untuk menentukan tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh suatu produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk terkait. Untuk menentukan strategi pemasaran, analisis conjoint ini tepat dan baik.Bahkan pada tataran yang lebih tinggi bisa dipakai untuk segmentasi pasar berdasarkan preferensi konsumen terhadap atribut produk yang dipilihnya. Filosofi dari teknik analisis ini ialah setiap stimulus apa saja yang bisa berupa produk, merek atau barang yang dijual dipasar akan dievaluasi oleh konsumen sebagai suatu kumpulan atribut-atribut tertentu. Oleh karena itu, teknik ini sangat bermanfaat dalam pemasaran untuk mengetahui preferensi konsumen terhadap suatu produk yang diluncurkan di pasar.Dalam pemasaran teknik analisis conjoint biasanya digunakan untuk hal-hal sebagai berikut : 1) Menentukan tingkat kepentingan relatif atribut-atribut pada proses pemilihan yang dilakukan oleh konsumen. 2) Membuat estimasi pangsa pasar suatu produk tertentu yang berbeda tingkat atributnya. 3) Untuk menentukan komposisi produk yang paling disukai oleh konsumen. 4) Untuk membuat segmentasi pasar yang didasarkan pada kemiripan preferensi terhadap tingkat-tingkat atribut. Manfaat yang dapat diambil dari penggunaan analisis konjoin ini adalah produsen dapat mencari solusi kompromi yang optimal dalam merancang atau mengembangkan suatu produk. Menurut Green & Krieger (1991) analisis ini dapat juga dimanfaatkan untuk: 1) Merancang harga 2) Memprediksi tingkat penjualan atau penggunaan produk (market share), uji coba konsep produk baru. 3) Segmentasi preferensi 4) Merancang strategi promosi Tahapan yang umumnya dilakukan dalam merancang dan melaksanakan analisis konjoin secara umum adalah sebagai berikut : a. Merumuskan Masalah b. Mengkonstruksi Stimulus c. Menentukan Bentuk Data Input d. Membuat Prosedur Analisa Konjoin e. Menafsir Hasilnya f. Menguji Reliabilitas dan Validitas

Langkah-langkah melakukan analisis konjoin menggunakan SPSS 13.0 1. Merumuskan masalah Merumuskan masalah dalam analisis konjoin berarti penentuan atribut dan tarafnya. Dari hasil penelitian awal yaitu identifikasi atribut yang terkait dengan jam tangan, didapat ada 2 atribut dengan masing-masing 2 dan 3 taraf yang dinilai berperan mempengaruhi responden (konsumen).Penelitian dilakukan terhadap beberapa responden. Pada tabel 1 berikut ini diuraikan atribut tersebut beserta tarafnya: Tabel 1 Hasil penelitian awal (evaluasi atribut dan taraf produk jam tangan)

2. Membuat Kombinasi Produk (Stimuli) Setelah mengetahui atribut dan taraf yang diinginkan maka selanjutnya yang dilakukan adalah merancang kombinasi taraf atribut.Untuk merancang kombinasi taraf atribut, terdapat dua pendekatan yang sering digunakan, yaitu kombinasi berpasangan (pairwise combination) dan kombinasi lengkap (full profile). Sebagai contoh akan digunakan perancangan stimuli dengan menggunakan kombinasi lengkap. Dari tabel 1 diketahui bahwa jumlah taraf dari masing-masing atribut adalah 2 x 3 = 6 stimuli. Keenam stimuli tersebut bila dilakukan secara manual adalah:

Artinya : Pada stimuli 1 produk yang mungkin diinginkan konsumen adalah jam tangan dengan desain modern dan dengan bentuk kotak. Pada stimuli 2 produk yang mungkin diinginkan konsumen adalah jam tangan dengan desain modern dan dengan bentuk bulat. Dst Jika perancangan kartu stimuli dibuat dalam SPSS, maka perancangannya dilakukan dengan cara membuat syntax. Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong (tidak ada file yang dibuka) Dari menu file, pilih submenu open, lalu pilihan syntax (buka file syntax.sav) Untuk kasus diatas ketik

ORTHOPLAN /FACTORS= DISAIN 'Disain Jam Tangan' ('Klasik' 'Modern') BENTUK 'Bentuk Jam Tangan' ('Kotak' 'Bulat' 'Lainnya') /HOLDOUT=0. SAVE OUTFILE='CONJOINT SOAL 1.SAV'. Ket : logika penulisan syntax Orthoplan, merupakan command pembuatan stimuli Factors, untuk mendeskripsikan faktorfaktor yang akan dibuat stimulinya. Dalam kasus ini, faktor adalah atribut, yang berjumlah 2. Penulisan selanjutnya adalah nama dari kedua atribut diatas secara berurutan, dengan tiap atribut diikuti oleh taraf atributnya. Beberapa hal yang harus diperhatikan : nama faktor tidak boleh lebih dari 8 karakter penulisan label untuk factor dan label harus dimulai dan diakhiri dengan tanda kutip (...) Holdout, adalah penguji hasil yang didapat nanti. Dalam kasus ini holdout diberi nilai 0, berarti tidak ada stimuli untuk penguji. Save Outfile, untuk menyimpan hasil pembuatan stimuli pada file tertentu. Dalam kasus ini diberi nama file CONJOINT SOAL 1. sav Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka menu RUN, lalu pilih ALL Setelah beberapa saat akan muncul tampak output yang tersimpan pada CONJOINT SOAL 1. Sav 3. Melakukan Proses Konjoin Setelah stimuli dibuat, responden akan melakukan ranking terhadap stimuli yang ada (dalam contoh ini ada 2 responden), dengan angka 1 adalah model jam tangan yang paling tidak disukai, dan angka yang terakhir (tergantung jumlah stimuli yang dihasilkan) adalah model jam

tangan yang paling disukai. Dari stimuli yang terbentuk, proses dilanjutkan dengan proses conjoint, yang mengambil file syntax yaitu CONJOINT SOAL 1 PROSES.sps Buka program SPSS, dan biarkan SPSS data dalam keadaan kosong(tidak ada file yang dibuka) Dari menu file, pilih submenu open, lalu pilihan syntax. Untuk proses konjoin pada kasus diatas ketik: DATA LIST FREE/ QN PROD1 TO PROD6. BEGIN DATA. 101 1.00 3.00 2.00 5.00 4.00 6.00 102 2.00 4.00 6.00 1.00 3.00 5.00 ENDDATA. CONJOINT PLAN='CONJOINT SOAL 1.SAV' /FACTORS= DISAIN 'Disain Jam Tangan' ('Klasik' 'Modern') BENTUK 'Bentuk Jam Tangan' ('Kotak' 'Bulat' 'Lainnya') /SUBJECT=QN /SCORE=PROD1 PROD2 PROD3 PROD4 PROD5 PROD6 /UTILITY='CONJOINT SOAL 1 UTILITY.SAV'. Ket : logika penulisan syntax Data list..prod6. menjelaskan pembuatan data untuk produk 1 sampai produk 6 (karena jumlah card adalah 6) Begin data., menjelaskan awal data yang ditulis.Perhatikan adanya tanda titik (.) pada akhir penulisan data. Angka 101 menjelaskan kode responden Angka inputan 1.00 lalu 3.00 dan seterusnya pada kode 101.menjelaskanpemasukan pendapat responden, yang sebelumnya telah ada pada kolom resp 1. urutan ranking berasal dari file CONJOINT SOAL 1. sav yang mempunyai format menurun ke bawah. End data. Menjelaskan akhir penulisan data, Perhatikan adanya tanda titik (.) pada akhir penulisan data. Conjoint plan. Menjelaskan command SPSS untuk proses konjoin =CONJOINT SOAL 1. sav menjelaskan data file stimuli yang sebelumnya telah dibuat, yang akan digabung dengan pendapat responden pada penulisan data antara BEGIN DATA. DAN END DATA. Factors, untuk mendeskripsikan faktor-faktor yang ada, yang telah dijelaskan pada syntax pertama.

Subject = QN, menjelaskan pembuatan variabel QN, yang berisi kode responden yaitu 101 dan 102. Score=prod1...prod6, menjelaskan pembuatan variabel score1 sampai score6, yang berisi data seperti tertulis di antara BEGIN DATA. DAN END DATA.hasilscore ini akan terlihat pada file utility dibawah ini. Utility, menjelaskan pembuatan file baru sebagai pelengkap hasil proses konjoin, yang berisi perhitungan utility dari masing-masing responden, namun dalam bentuk data bertipe sav. Lakukan eksekusi syntax dengan cara dari tampilan SPSS syntax editor, buka menu RUN, lalu pilih ALL Setelah beberapa saat akan muncul output (lihat file CONJOINT SOAL 1 HASIL.spo) II.4 Output Hasil Pengolahan SPSS 13.0

3. Interpretasi Hasil Responden nomor 1 (dengan kode 101) menganggap Bentuk Jam Tangan lebih penting (77,78%) dibanding Disain Jam (22,22%). Dan ia lebih senang disain Jam yang modern serta berbentuk kotak. Responden nomor 2 sebaliknya menganggap Disain Jam Tangan lebih penting (52,63%) dibanding Bentuk Jam (47,37%). Dan ia lebih senang disain Jam yang klasik serta berbentuk lainnya (selain bentuk kotak atau bulat). Secara total, responden menganggap Bentuk Jam Tangan lebih penting (62,57%) dibanding Disain Jam (37,43%). Dan ia lebih senang disain Jam yang klasik serta berbentuk kotak atau lainnya, asal jangan bulat.

Pengukuran korelasi, baik secara Pearson ataupun Kendall, menghasilkan angka yang relatif kuat yaitu diatas 0.5.hal ini menunjukkan adanya hubungan yang kuat antara Estimates dan Actual, atau ada predictive accuracy yang tinggi pada proses konjoin Sedangkan untuk menguji signifikansi kedua korelasi diatas. Jika signifikansinya di bawah 0.05 maka kedua korelasi tersebut mempunyai signifikansi yang cukup kuat. Sedangkan jika hasil signifikansinya diatas 0.05 maka signifikansinya tidak kuat. Oleh karena pendapat responden mempunyai ketepatan akurasi yang tinggi dan pada uji signifikansi diketahui signifikan, maka dari analisis diatas dapat disimpulkan bahwa hubungan relatif yang terpenting dari ke dua atribut diatas (desain jam tangan, bentuk jam tangan) adalah bentuk jam tangan lebih penting daripada desain jam tangan. Karena Bentuk merupakan atribut yang sangat penting dalam pemilihan produk jam tangan, maka responden tersebut dapat dikatakan sensitif terhadap bentuk jam tangan. Oleh karena itu sebaiknya pabrik tersebut memproduksi jam tangan dengan desain klasik serta berbentuk kotak atau lainnya, asal jangan bulat.