Anda di halaman 1dari 18

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 1 dari 18

ANALISIS DISKRIMINAN
Oleh: BESRAL
Departemen Biostatistik FKM UI, 2010
I. Definisi
Teknik Analisis Diskriminan (Discriminan analysis) merupakan salah satu teknik analisa
statistik multivariate yang digunakan untuk mengklasifikasi individual kedalam dua atau lebih
kelompok-kelompok (atau populasi) dari suatu pengukuran. Populasi diketahui secara jelas,
dan masing-masing individu merupakan bagian dari populasi. Teknik ini dapat digunakan
untuk mengidentifikasi variabel mana yang mengkontribusi dalam pembuatan klasifikasi
(Afifi, 1984,p.247).
Analisis diskriminan merupakan teknik menganalisa data, jika variabel dependen (disebut
riterion) merupakan kategori (non matrik, nominal atau ordinal, bersifat kualitatif) sedangkan
variabel independen sebagai prediktor merupakan metric (interval atau rasio, bersifat
kuantitatif) (Supranto, 2004,p.l.).
Ciri cirri yang membedakan analisis diskriminan dengan analisis multivariate lainnya adalah
variabel dependennya adalah kategorik sedang variabel independennya adalah numerik.
Prinsip analisis diskriminan adalah membuat model yang secara jelas dapat menunjukkan
perbedaan dan mengklasifikasikan kasus-kasus ke dalam grup dengan menggunakan
determinant function.

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 2 dari 18

II. Tujuan Analisis Diskriminan


Menurut Prof. J. Supranto,MA,APU 2004 analisis diskriminan dilakukan untuk:
a) Membuat suatu fungsi diskriminan dari prediktor atau variabel independen yang bisa
mendiskriminasikan atau membedakan kategori variabel dependen atau
kriterion/kelompok, artinya mampu membedakan suatu objek (responden) masuk
kelompok/kategori yang mana.
b) Menguji apakah ada perbedaan signifikan antara katagori/kelompok, dikaitkan dengan
variabel independen
c) Menentukan prediktor/variabel independen yang mana memberikan sumbangan
terbesar terhadap terjadinya perbedaan antar kelompok.
d) Mengklarifikasikan/mengelompokkan objek/kasus atau responden ke dalam suatu
kelompok/kategori didasarkan pada nilai variabel bebas.
e) Mengevaluasi keakuratan klasifikasi
Beberapa contoh penelitian yang menggunakan diskriminan analisis dalam pengolahan
datanya, yaitu:
1. Penelitian di bidang pemasaran. Seorang manajer akan melakukan penelitian tentang
perilaku konsumen yang membeli komputer jenis desktop dan notebook. Untuk
mengetahui hal apakah yang membedakan konsumen cenderung membeli masingmasing produk tersebut, manajer meminta pembeli untuk mengisi angket tentang usia,
jam kerja menggunakan computer, jabatan, pendapatan. Dari kelima hal tersebut, akan
dicari hal manakah yang dominant membedakan konsumen tersebut.
2. Penelitain di bidang kesehatan. Peneliti ingin mendiskrimasi antara orang-orang yang
menderita suatu symptom yang mencari pengobatan (populasi 1) dan tidak mencari
pengobatan (populasi 2). Variabel-variabel yang digunakan untuk menjelaskan
perbedaan antara dua populasi diukur berdasarkan durasi dari symptom, keseriusan
dari symptom, kecemasan terhadap symptom, perasaan tentang kemampuan dokter
untuk menyembuhkan keluhan, jumlah bed-loss day (hari yang dihabiskan ditempat
tidur dan berakibat hilangnya hari kerja), variabel sosial ekonomi dan demografi.
Analisis diskriminan berguna untuk memutuskan kombinasi linier mana dari variabelvariabel tersebut yang memprediksi seseorang dengan symptom akan mencari
pengobatan atau yang tidak (Hulka dalam Klainbaum,1988,p.561)

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 3 dari 18

III. Asumsi Dasar Analisis Diskriminan


Pertama-tama, variabel dependen, kasus dikelompokkan menjadi dua grup (atau lebih)
yang mutually exclusive. Diskriminan variabel atau variabel independen menggunakan
skala interval atau rasio, sehingga varians dapat dihitung dan dapat dimasukkan kedalam
persamaan matematis. Diskriminan variabel tidak boleh digunakan bila ada kolinearitas
antar independen variabel. Matriks kovarians populasi dari masing-masing kelompok
adalah sama. Asumsi selanjutnya adalah pada masing-masing kelompok memiliki
distribusi normal (Klecka, 1980,p.8-11)
Asumsi dalam analisis diskriminan sebagai berikut:
1. Variabel dependen terdiri dari dua kelompok atau lebih
2. Paling sedikit memiliki 2 kasus per kelompok
3. Variabel diskriminan (independen) diukur dalam bentuk interval/ratio.
4. Tidak ada korelasi linier antara variabel diskriminan
5. Matrik kovariat pada masig-masing kelompok harus sama.
6. Variabel diskriminan (independen) berdistribusi normal

IV. Fungsi Diskriminan


Persamaan fungsi diskriminan adalah sbb:
Zjk = a + W1X1k + W2X2k + WnXnk
Z = Fungsi Diskriminan (disciminant fungction) dari subject j-k
Wi=Koefisien diskriminan utk variable independen-i
Xik= Variable independen-i
a = intercept
V. Prosedur Analisis Diskriminan
a. Merumuskan masalah
Langkah pertama dalam analisis diskriminan adalah merumuskan masalah dengan cara
mengenali:
-

Tujuan memasukkan elemen ke dalam kelompok atau kategori tertentu.

Variabel dependen kategorik, terdiri dari dua atau lebih kategori

Variabel bebas

b. Estimasi Koefisien Fungsi Diskriminan

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 4 dari 18

Jika data tentang sampel untuk estimasi sudah tersedia, dengan menggunakan SPSS
koefisien fungsi diskriminan dapat dihitung, langka-langkanya adalah sebagai berikut:
1. Menentukan metode untukmembuat fungsi disktiminan, apakah menggunakan
Simultaneous Estimation atau Stepwise Estimation. Simultaneous Estimation
digunakan bila semua variabel bebas diproses secara bersama-sama tanpa
memperhatikan discriminating power. Stepwise Estimation diproses secara
bertahap dan variabel yang tidak memenuhi batas signifikansi akan dikeluarkan
dari model.
2. Menguji signifikansi dari fungsi diskriminan dengan uji F (wilks Lambda)
3. Menguji ketepatan klasifikasi dari fungsi diskriminan
4. Melakukan interprestasi terhadap fungsi diskriminan
5. Melakukan uji validasi fungsi diskriminan

Contoh Aplikasi Analisis Diskriminan


Judul Penelitian
Faktor-faktor yang membedakan kinerja bidan desa dalam mencapai target persalinan
program JPPKMM
(Jaminan pemeliharaan kesehatan masyarakat miskin)
di Kabupaten Aceh Selatan, 2007

(Data: Kinerja-Bidan.SAV)
1.Tujuan Penelitian
a. Diketahuinya perbedaan kelompok bidan yang kinerjanya baik dengan bidan yang kinerjanya
kurang baik
b. Diketahuinya variabel-variabel yang dapat membedakan kinerja bidan
c. Diketahuinya variabel yang paling besar kontribusinya dalam
membedakan kinerja bidan
d. Didapatkannya model diskriminan yang fit untuk membedakan kinerja bidan
2. Kerangka Konsep
Variabel Independen
1.
2.
3.
4.
5.
6.
7.

Umur bidan
Status pegawai (PNS/Kontrak)
Pengetahuan
Sikap
Motivasi
Supervisi
Peran perangkat desa

Variabel Dependen

Kinerja Bidan

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 5 dari 18

3. Definisi Operasional
a. Variabel dependen
Kinerja bidan dikelompokkan menjadi baik dan kurang. Kinerja baik jika cakupan
persalinan pasien JPKMM mencapai 90% dan kinerja kurang jika cakupan persalinan
pasien JPKMM tidak mencapai target 90%. Jenis variabel kategorik
b. Variabel Independen
1. Umur bidan adalah lama waktu yang dijalani oleh bidan mulai dari lahir sampai saat
penelitian dilakukan yang diukur dalam satuan tahun. Jenis variabel Numerik
2. Status pegawai adalah adalah status kepegawaian bidan di desa yang dibedakan antara
PNS dengan PTT. Jenis variabel kategorik
3. Pengetahuan adalah skor dari pengetahuan bidan tentang pelayanan kebidanan
program JPKMM. Jenis variabel numerik
4. Sikap adalah sikap bidan terhadap pelayanan kebidanan program JPKMM yang diukur
dengan skala Likert, kemudian skor dijumlahkan. Jenis variabel numerik
5. Motivasi adalah motivasi bidan terhadap pelayanan kebidanan program JPKMM yang
diukur dengan skala Likert, kemudian skor dijumlahkan. Jenis variabel numerik
6. Supervisi adalah persepsi bidan terhadap supervisi yang dilakukan dalam rangka
pelayanan kebidanan program JPKMM yang diukur dengan skala Likert, kemudian
skor dijumlahkan. Jenis variabel numerik
7. Peran perangkat desa adalah persepsi bidan terhadap peranan perangkat desa (kepala
desa, PKK, tokoh agama, tokoh masyarakata) dalam mempermudah pemberian
pelayanan kebidanan bagi program JPKMM yang diukur dengan skala Likert,
kemudian skor dijumlahkan. Jenis variabel numerik

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 6 dari 18

4. Analisis Data
Untuk melakukan analisis data penelitian ini digunakan analisis Multivariat Diskriminan oleh karena
variabel dependennya berbentuk katagorik dan semua variabel independennya berbentuk numerik
PROSES PEMODELAN ANALISIS DISKRIMINAN
1. UJI ASUMSI NORMALITAS
Dalam analisis diskriminan dianjurkan variabel independen berdistribusi normal. Untuk mengecek
kenormalan suatu distribusi tidak cukup hanya mengandalkan satu jenis uji saja, di sini akan
digunakan 3 jenis uji, yaitu 1. uji KS(Kolmogorov smirnov) nilai sig > 0,05, 2. histogram (terlihat
normal), dan 3. Skewness/SE (berkisar -2.0 sd 2.0). Salah satu dari ke-3 uji tersebut terlihat
normal, maka disimpulkan distribusi tersebut berdistribusi normal.
- Uji Kolmogorov Smirnov
ANALIZE NONPARAMETRIC 1.SAMPEL KS..

Mean
Std. Deviation
Absolute
Positive
Negative
KolmogorovSmirnov Z

Asymp. Sig. (2tailed)

One-Sample Kolmogorov-Smirnov Test


Umur
Motivasi
Sikap
Pengetahuan
150
150
150
150
19.527
47.453
35.080
26.147
0.946
10.976
14.621
13.130
0.218
0.106
0.078
0.105
0.218
0.106
0.068
0.105
-0.185
-0.090
-0.078
-0.054

Supervisi
150
44.067
13.476
0.112
0.112
-0.061

Perandesa
150
47.947
14.117
0.122
0.122
-0.113

1.267

1.298

0.960

1.285

1.371

1.288

0.071

0.069

0.315

0.074

0.047

0.124

Test distribution is Normal.

Setelah dilakuan pengujian kenormalan dengan uji KS ternyata semua variabel independen (umur,
motivasi, sikap, pengetahuan, supervisi, dan peran perangkat desa) berdistribusi normal karena pvalue-nya > 0,05, kecuali untuk supervisi nilai-p = 0.047, namun karena nilai-p nya masih dalam batas
signifikan (borderline significant) dan grafik histogramnya memperlihatkan distribusi normal, serta
nilai skewness/SE masih dalam kisaran -2 sd +2 maka variabel tersebut disimpulkan berdistribusi
normal dan masuk ke dalam tahapan analisis selanjutnya. Sehingga keenam variabel independen dapat
lanjut utk analisis diskriminan

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 7 dari 18

Histogram
Semua grafik histogram memperlihatkan distribusi normal

Skewness/SE
Variabel
Umur
Motivasi
Sikap
Pengetahuan
Supervisi
Peran perangkat desa

Skewness
0.549
-0.061
0.173
0.491
0.266
0.047

SE
0.198
0.198
0.198
0.198
0.198
0.198

Skew/SE
2.8
-0.3
0.9
2.5
1.3
0.2

Nilai Skewness/SE masih dalam kisaran -2.0 sd 2.0, memperlihatkan distribusi normal, kecuali untuk
umur (Namun, grafik histogram dari umur terlihat normal).

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 8 dari 18

2. UJI ASUMSI COLLINEARITY


Untuk mengetahui kolinearitas maka antar variabel independen dianalisis korelasi pearson, bila nilai r
< 0,8 maka dikatakan tidak ada kolinearitas.
ANALIZE Correlate BIVARIATE

Correlations
Umur
Umur

Motivasi

Sikap

Pengetahuan

Supervisi

Peran perangkat
desa

*
**

Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N

-0.132
0.106
150
-0.088
0.284
150
.175(*)
0.032
150
0.106
0.198
150

Motivasi

.399(**)
0.000
150
0.158
0.053
150
.338(**)
0.000
150

Pearson Correlation
0.038
0.148
Sig. (2-tailed)
0.642
0.07
N
150
150
Correlation is significant at the 0.05 level (2-tailed).
Correlation is significant at the 0.01 level (2-tailed).

Sikap

Pengetahuan

0.113
0.168
150
0.146
0.074
150

.572(**)
0.000
150

-.174(*)
0.034
150

.274(**)
0.001
150

Supervisi

.339(**)
0.000
150

Hasil analisis korelasi pearson, ternyata semua variabel dihasilkan r < 0,8, berati tidak ada kecurigaan
adanya kolinearitas antar variabel independen, sehingga semua variabel dapat dilanjutkan ke tahap
analisis diskriminan
Diagnosis pasti adanya multikolinearitas pada analisis diskriminan adalah dengan memeriksa nilai
TOLERANCE, nilai ini berkisar antara 0 sampai 1. Makin besar nilai Tolerance, makin terpenuhi
asumsi tidak adanya multikolinearitas (Lihat nilai Tolerance pada pembuatan model diskriminant,
halaman ??).

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 9 dari 18

3.UJI ASUMSI HOMOGENITAS VARIANS (Lihat interpretasi output Analisis diskriminant)


4. PEMBUATAN MODEL DISKRIMINAN
a.Proses analisis diskriminan menggunakan SPSS
-

Klik Analyze Classify, Klik Discriminant, masukan variabel KINERJA_BDD ke kotak


Grouping Variable,

klik Define Range dan isikan 0 pada minimum dan isikan 1 pd maximum (kode sesuai
dengan isi variabel KINERJA_BDD: 0 dan 1), kemudian klik continue.

Kemudian masukan semua variabel independen (umur, biaya persalinan, jumlah bumil
JPKMM, jumlah bumil umum, pengetahuan, sikap, motivasi, dan imbalan) ke kotak
independents,
klik Use stepwise method,

Pada menu Statistics, berikan cek list utk bagian descriptives yaitu means, univariate
anova, dan boxs m. Kemudian lakukan cek list juga pada bagian Function Coefficients yaitu
pada Fishers dan Unstandardized
klik Continue

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 10 dari 18

Pada menu Method, berikan cek list utk bagian Use Probability of F, kemudian Klik
Continue

Klik kotak Classify, lakukan cek list utk bagian Display yaitu casewise result, summary
table, leave-one-out.
Klik Continue
Klik OK, Hasilnya sbb: (hasil terlampir di bagian interpretasi output)

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 11 dari 18

5. INTERPRETASI OUTPUT ANALISIS DISKRIMINAN:


1.Uji Asumsi Homogenitas Varian
Asumsi ini dapat diketahui dengan melihat nilai Log determinant, bila antar variabel nilainya hampir
sama maka asumsi homogenitas terpenuhi. Selain itu bisa juga menggunakan uji Boxs, bila p value >
0,05 maka asumsi homogenitas terpenuhi (uji boxs hati-hati digunkan karena sangat sensitif dengan
jumlah sampel)
Box's Test of Equality of Covariance Matrices
Log Determinants

Kinerja Bidan di Desa


Kurang

Log
Determinant
12.105

13.002

Rank

Baik
Pooled within-groups

4
12.839
The ranks and natural logarithms of determinants printed are those of the group covariance matrices.

Hasil log determinant utk kinerja kurang, baik, dan pooled menunjukkan nilai hampir sama, berkisar
12,105 sampai 13,002 sehingga tidak ada pelanggaran terhadap asumsi homogenitas varian. Walaupun
hasil Boxs M test menyatakan hasil yang sebaliknya, di mana nilai sig 0.000 yang berarti variannya
tidak sama, yang berdampak pada hasil estimasi kurang akurat.
Test Results
Box's M
F

36.874
Approx.

3.579

df1

10

df2

98783.879

Sig.

.000
Tests null hypothesis of equal population covariance matrices.

Hasil test Boxs M mempelihatkan p value = 0,000, berarti asumsi homogenitas varian tidak terpenuhi
sehingga asumsi untuk model diskriminan yang didapat mungkin kurang akurat.

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 12 dari 18

2.Analisis Deskriptif
Discriminant
Group Statistics

Kinerja Bidan di Desa


Kurang

Baik

Total

Mean
19.5942
1.5942
39.2754
29.9130
23.1884
38.7826
42.4348
19.4691
1.6914
54.4198
39.4815
28.6667
48.5679
52.6420
19.5267
1.6467
47.4533
35.0800
26.1467
44.0667
47.9467

Umur
PNS_PTT
Motivasi
Sikap
Pengetahuan
Supervisi
Peran perangkat desa
Umur
PNS_PTT
Motivasi
Sikap
Pengetahuan
Supervisi
Peran perangkat desa
Umur
PNS_PTT
Motivasi
Sikap
Pengetahuan
Supervisi
Peran perangkat desa

Std. Deviation
.95976
.49464
7.73054
10.12530
12.03093
10.53408
14.57584
.93657
.46481
8.17139
16.38224
13.56835
14.11820
11.91985
.94618
.47961
10.97623
14.62118
13.13042
13.47614
14.11734

Valid N (listwise)
Unweighted Weighted
69
69.000
69
69.000
69
69.000
69
69.000
69
69.000
69
69.000
69
69.000
81
81.000
81
81.000
81
81.000
81
81.000
81
81.000
81
81.000
81
81.000
150
150.000
150
150.000
150
150.000
150
150.000
150
150.000
150
150.000
150
150.000

Dari tabel ini terlihat bahwa data yg dianalisis ada 150 responden yang terdiri : 69 bidan berkinerja
kurang dan 81 bidan berkinerja baik. Dari tabel dapat diperbandingkan nilai mean dan standar deviasi
masing-masing variabel independen pada kinerja bidan kurang dan baik.
Terlihat ada kecenderungan bahwa nilai motivasi, sikap, pengetahuan, dan peran perangkat desa pada
kelompok bidan kinerja baik, lebih tinggi dibandingkan kelompok bidan kinerja kurang.
Sedangkan umur bidan yang kinerja baik lebih rendah dibandingkan bidan kinerja kurang.
Dan Bidan kinerja baik memiliki skor PNS_PTT lebih tinggi (dengan skor 1=PNS dan 2=PTT, makin
tinggi skor kinerja berarti PPT lebih baik kinerjanya dibanding PNS).
2. Uji perbedaan Mean (Bivariat)
Tests of Equality of Group Means

Umur

Wilks'
Lambda
.996

F
.649

df1
1

df2
148

Sig.
.422

PNS_PTT

.990

1.534

148

.217

Motivasi

.524

134.470

148

.000

Sikap

.893

17.751

148

.000

Pengetahuan

.956

6.736

148

.010

Supervisi

.868

22.477

148

.000

Peran perangkat desa

.869

22.257

148

.000

Hasil uji perbedaan mean dihasilkan ada dua variabel yang tidak signifikan yaitu Umur dan
PNS_PTT(Sig.= 0,422 dan 0.217), sedangkan variabel yang lainnya signifikan (p < 0,05). Hal ini
berarti baik atau kurangnya kinerja bidan dipengaruhi oleh motivasi, sikap, pengetahuan, supervisi, dan
peran perangkat desa.

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 13 dari 18

Namun demikian hasil ini masih dalam bentuk bivariat, artinya efek dari masing-masing variabel
masih kasar, belum mempertimbangkan pengaruh dari variabel lainnya. Dengan demikian belum
menjamin apakah umur dan PNS-PTT benar-benar tidak signifikan thd kinerja bidan ataupun motivasi,
sikap, pengetahuan, supervisi, dan peran perangkat desa benar-benar signifikan terhadap kinerja bidan.
Untuk lebih akuratnya maka perlu dilakukan analisis multivariat diskriminan, dengan menggunakan
metode stepwise dengan tetap menyertakan semua variabel independen.
3. Pembuatan model
Stepwise Statistics
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Exact F
Step
1
2

3
4

Entered
Motivasi
Peran
perangkat
desa
Sikap
PNS_PTT

Statistic
.524

df1

df2
1

df3
148.000

.455

148.000

.439
.426

3
4

1
1

148.000
148.000

Statistic
134.470

df1
1

df2
148.000

Sig.
.000

87.979

147.000

.000

62.271
48.901

3
4

146.000
145.000

.000
.000

At each step, the variable that minimizes the overall Wilks' Lambda is entered.
a. Maximum number of steps is 14.
b. Maximum significance of F to enter is .09.
c. Minimum significance of F to remove is .10.
d. F level, tolerance, or VIN insufficient for further computation.

Tahapan (stepwise) dari analisis diskriminan ditampilkan dalam variables entered/removed


Variables in the Analysis
Step
1
2
3

Motivasi
Motivasi
Peran perangkat desa
Motivasi
Peran perangkat desa
Sikap
Motivasi
Peran perangkat desa
Sikap
PNS_PTT

Tolerance
1.000
.977
.977
.931
.885
.848
.929
.884
.799
.931

Sig. of F to
Remove
.000
.000
.000
.000
.000
.021
.000
.000
.007
.037

Wilks'
Lambda
.869
.524
.712
.521
.455
.689
.506
.448
.439

Model ke-4 dengan 4 variabel independen, terlihat bahwa nilai Tolerance yang mendekati 1 (kisaran
0,884 sd 0.931), artinya asumsi multikolinearitas terpenuhi (tidak ada variabel independen yang saling
berkorelasi kuat).
Dari hasil analisis diskriminan metode stepwise ternyata dihasilkan empat variabel yang signifikan,
yang dapat membedakan kinerja bidan desa yaitu variabel motivasi (sig 0.000), peran perangkat desa
(sig 0.000), sikap (sig 0.007), dan PNS_PTT (sig 0.037). Walaupun hasil uji bivariat PNS_PTT tidak
signifikan, namun setelah dikontrol oleh variabel independen lainnya, ternyata di multivariat variabel
ini menjadi signifikan.

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 14 dari 18

Variables Not in the Analysis


Step
0

Umur
PNS_PTT
Motivasi
Sikap
Pengetahuan
Supervisi
Peran perangkat desa
Umur
PNS_PTT
Sikap
Pengetahuan
Supervisi
Peran perangkat desa
Umur
PNS_PTT
Sikap
Pengetahuan
Supervisi
Umur
PNS_PTT
Pengetahuan
Supervisi
Umur
Pengetahuan
Supervisi

Min.
Tolerance
1.000
1.000
1.000
1.000
1.000
1.000
1.000
.986
.989
.936
1.000
.983
.977
.965
.968
.848
.929
.909
.847
.799
.830
.818
.798
.784
.787

Tolerance
1.000
1.000
1.000
1.000
1.000
1.000
1.000
.986
.989
.936
1.000
.983
.977
.983
.988
.848
.950
.915
.982
.931
.935
.908
.980
.928
.887

Sig. of F
to Enter
.422
.217
.000
.000
.010
.000
.000
.670
.076
.341
.091
.020
.000
.858
.130
.021
.537
.286
.812
.037
.744
.395
.740
.886
.597

Wilks'
Lambda
.996
.990
.524
.893
.956
.868
.869
.523
.513
.521
.514
.505
.455
.455
.448
.439
.454
.452
.439
.426
.438
.436
.425
.426
.425

SPSS juga akan memperlihatkan variabel yang tidak masuk dalam setiap step (tahapan pembuatan
model). Pada step ke-4 ternyata masih ada 3 variabel lagi yg tidak bisa masuk kedalam model
(dikeluarkan dari model) yaitu umur, pengetahuan, dan supervisi. Jika variabel tersebut tetap
dimasukkan ke dalam model, maka nilai signifikannya lebih dari 0.05.
Wilks' Lambda

Step
1
2
3
4

Number of
Variables
1
2
3
4

Exact F
Lambda
.524
.455
.439
.426

df1

df2
1
2
3
4

1
1
1
1

df3
148
148
148
148

Statistic
134.470
87.979
62.271
48.901

df1
1
2
3
4

df2
148.000
147.000
146.000
145.000

Sig.
.000
.000
.000
.000

Dari WilksLamda terlihat bahwa model yang didapat dari empat variabel yang dimasukkan adalah
signifikan untuk menjelaskan perbedaan kinerja bidan.

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 15 dari 18

4. Kemampuan prediksi/ketepatan klasifikasi model diskriminan


Summary of Canonical Discriminant Functions
Eigenvalues

Function
1

Eigenvalue
1.349(a)

% of Variance
100.0

Canonical
Correlation
.758

Cumulative %
100.0

a First 1 canonical discriminant functions were used in the analysis.

Pada tabel Eigenvalues, terlihat nilai canonical correlation sebesar 0,758, yang jika dikuadratkan akan
menjadi (0,758 x 0,758) = 0,574.
Artinya kemampuan model diskriminan untuk menjelaskan perbedaan antara kedua grup (kinerja baik
dan kinerja kurang) adalah sebesar 57,4%. Hasil ini sudah cukup bagus, karena sudah lebih dari 50%.
Wilks' Lambda

Test of Function(s)
1

Wilks'
Lambda
.426

Chi-square
124.682

df
4

Sig.
.000

Wilks lambda 0,426 artinya 1- 0,426 = 0,574 atau 57,4% variasi skor diskriminan dapat dijelaskan
karena perbedaan kedua grup (bidan kinerja baik dan kinerja kurang).
Atau dapat diartikan kemampuan fungsi diskriminan untuk menjelaskan perbedaan antara kedua grup
(bidan kinerja baik dan kinerja kurang) adalah sebesar 57,4%. Hasil uji p value = 0,000 artinya ada
perbedaan yg signifikan antara kedua grup (bidan kinerja baik dan kinerja kurang) pada model
diskriminan.
5. Variabel yang paling dominan
Standardized Canonical Discriminant Function Coefficients
Function
1
PNS_PTT

.235

Motivasi

.846

Sikap

.330

Peran perangkat desa

.559

Dari tabel standardized canonical dapat diketahui variabel yang paling dominan yaitu dilihat dari
variabel yang mempunyai skor yang terbesar.
Dari tabel diatas variabel motivasi mempunyai skor paling besar yaitu 0,846 sehingga motivasi
merupakan variabel yang paling dominan untuk membedakan kedua grup(bidan kinerja baik dan
kinerja kurang).

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 16 dari 18

6. Persamaan/model Diskriminan
Canonical Discriminant Function Coefficients
Function
1
PNS_PTT

.491

Motivasi

.106

Sikap

.024

Peran perangkat desa

.042

(Constant)

-8.710

Unstandardized coefficients

Dari hasil Canonical Discriminant dapat dibuat persamaan sbb:


D = -8,71 + 0,491*PNS/PTT + 0,106*motivasi + 0,024*sikap + 0,042*peran
Aplikasi Model :
1. Bidan Nelly, seorang bidan PTT, skor motivasi 70, skor sikap 70, skor peran perangkat desa 70,
apakah kinerjanya akan baik?
D = -8,71 + 0,491*2 + 0,106*70 + 0,024*70 + 0,042*70 = 12,151
2. Bidan Anne, seorang bidan PNS, skor motivasi 40, skor sikap 40, skor peran perangkat desa 40,
apakah kinerjanya akan baik?
D = -8,71 + 0,491*1 + 0,106*40 + 0,024*40 + 0,042*40 = -1,339
Baik atau tidak kinerjanya ditentukan oleh nilai cut off sbb
7. Penentuan Cut Off Diskriminan
Functions at Group Centroids
Function
Kinerja Bidan di Desa
Kurang

1
-1.250

Baik
1.065
Unstandardized canonical discriminant functions evaluated at group means
na Zb + nb Za
Cut off skor = ------------------na + nb
na, nb = jumlah sampel kelompok a dan b
Za, Zb = centroid pd kelompok a dan b

Cut Off Skor =((81* -1,250) + (69*1,065)) / (81+69) = -0,185


Ketentuan:
- bila nilai D < -0,185 maka masuk ke kelompok kinerja kurang
- bila nilai D > -0,185 maka masuk ke kelompok kinerja baik
Bidan Nelly mempunyai nilai D = 12,151, berarti lebih besar dari nilai Cut Off, jadi Bidan Nelly
diprediksi akan berkinerja baik.

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 17 dari 18

Sedangkan Bidan Anne mempunyai nilai D = -1,339, berarti lebih kecil dari nilai Cut Off, jadi Bidan
Anne diprediksi akan berkinerja kurang.
8. Ketepatan Model Prediksi
Classification Statistics
Classification Resultsb,c

Original

Count
%

Cross-validated a

Count
%

Kinerja Bidan di Desa


Kurang
Baik
Kurang
Baik
Kurang
Baik
Kurang
Baik

Predicted Group
Membership
Kurang
Baik
56
13
12
69
81.2
18.8
14.8
85.2
56
13
12
69
81.2
18.8
14.8
85.2

Total
69
81
100.0
100.0
69
81
100.0
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. 83.3% of original grouped cases correctly classified.
c. 83.3% of cross-validated grouped cases correctly classified.

Dari hasil klasifikasi model, terlihat bahwa ketepatan model dalam memprediksi kinerja bidan kurang
adalah 81.2% dan kinerja baik adalah 85.2%.
Secara keseluruhan ketepatan model dalam memprediksi kinerja bidan (baik dan kurang) adalah 83,3%
(baik menggunakan metode original maupun cros-vadilated). Artinya ketepatan model dalam
memprediksi kinerja bidan cukup baik.
6. KESIMPULAN
1. Variabel yang signifikan bisa membedakan apakah kinerja seorang bidan desa baik atau kurang
adalah variabel motivasi bidan, peran perangkat desa, sikap bidan, dan status kepegawaian bidan
(PNS/PTT).
2. Variabel yang paling besar kontribusinya (paling dominan) dalam membedakan kinerja seorang
bidan desa adalah variabel motivasi
3. Variabel yang tidak signifikan (tidak bisa digunakan untuk menjelaskan perbedaan kinerja bidan)
adalah frekuensi umur bidan, supervisi, dan pengetahuan. Walaupun variabel supervisi dan
pengetahuan sangat signifikan pada saat analisis bivariat, setelah analisis multivariat discriminant
ternyata kedua variabel tersebut tidak signifikan.
4.Persamaan model diskriminan yang didapat adalah:
D = -8,71 + 0,491*PNS/PTT + 0,106*motivasi + 0,024*sikap + 0,042*peran
5. Cut off model diskriminan adalah D = -0,185
6. Ketepatan model dalam membedakan kinerja bidan cukup baik yaitu 83.3%

BESRAL (Dept Biostatistik FKM UI)

Analisis Diskriminan: hal 18 dari 18

DAFTAR PUSTAKA
Afifi,A.A.;Virginia Clark. Computer Aided Multivariate Analysis. New York:Van Nostrand
Reinhold Company,1984.
Kleinbaum, David G.;Lawrence L. Koppen & Keith E. Muller. Applied Regression Analysis
and Other Multi Variable Methods.2nd.Ed.Belmont, CA:Duxbury Press,1988.
SPSS Inc. 2008. SPSS Base 15 User Guide. SPSS Inc. Chicago, USA.
Supranto, J. Analisis Multivariat, Arti dan Interprestasi. Jakarta:Rineka Cipta, 2004.