3
Langkah- Langkah Dalam Analisis Diskriminan :
1. Pengecekan asumsi ( Multivariat normal dan homogenitas)
Materi 2. Pembentukan model diskriminan
Setelah diperoleh fungsi diskriminan maka dapat dihitung skor
diskriminan untuk tiap observasi dengan memasukkan nilai-nilai
Tutorial variabel penjelasnya.
3. Alokasi obyek atau pengamatan ke dalam grup menggunakan
(SPSS) fungsi klasifikasi fisher.
Studi
Kasus
4
Kemudian nilai-nilai discriminant score tiap observasi akan
Materi dibandingkan dengan cutting score, sehingga dapat
diklasifikasikan suatu observasi akan termasuk ke dalam
kelompok yang mana.
Tutorial
(SPSS) Perhitungan Hit Ratio
Setelah semua observasi diprediksi keanggotaanya,
dapat dihitung ratio yaitu rasio antara observasi yang tepat
Studi pengklasifikasiannya dengan total seluruh observasi untuk
Kasus mengetahui seberapa valid model diskriminan yang
dihasilkan.
5
Analyze >> Classify >> Discriminant
Materi
Tutorial
(SPSS)
Studi
Kasus
6
Materi
Tutorial
(SPSS)
Studi
Kasus
7
Materi
Tutorial
(SPSS)
Studi
Kasus
8
Materi
Tutorial
(SPSS)
Studi
Kasus
9
Materi
Tutorial
(SPSS)
Studi
Kasus
10
Identifikasi Variabel :
Materi Variabel Keterangan Skala Kategori
Y Nominal 0 = Penghasilan < 2 juta
Penghasilan Rumah Tangga 1 = Penghasilan > 2 juta
11
Materi ASUMSI yang harus dipenuhi sebelum melakukan analisis
diskriminan :
12
Hipotesis: Uji Multikolinieritas
Materi H0 : = I (Tidak ada korelasi antar variabel)
H1 : I (Terdapat korelasi antar variabel)
Uji Bartlett :
Tutorial Approx. Chi-Square 9,102
(SPSS) tidak terdapat korelasi
Df 6 antar variabel
P-value 0,168
Studi
Kasus Pooled Within-Groups Matrices
X1 X2 X3 X4
Correlatio X1 1.000 -.283 .307 -.151
n X2 -.283 1.000 -.499 .285
X3 .307 -.499 1.000 -.266
X4 -.151 .285 -.266 1.000
13
Hipotesis:
H0 : Data berdistibusi normal multivariat
Uji Multinormal
Materi H1 : Data tidak berdistribusi normal multivariat
Tutorial
(SPSS)
Gnakan korelasi
14
Uji Homogenitas Matriks
Materi Hipotesis: Varian Kovarian
H0 : 1 = 2
H1 : 1 2
Tutorial
(SPSS) Statistik Uji : Boxs M
Test Results
Box's M 11.866
Studi
Kasus F Approx. 1.653
df1 6
df2 1767.485
Matriks Varian Kovarian
Sig. 0.129 Homogen
Tests null hypothesis of equal
population covariance matrices.
Group Statistics
Materi Y
Mean Std. Deviation
X1 1.17222 0.36152
X2 0.98889 0.27016
Tutorial < 2 juta
X3 0.39778 0.23594
(SPSS)
X4 5.22222 1.78730
X1 1.69375 0.51861
Studi X2 1.32250 0.34713
> 2 juta
Kasus X3 0.81938 0.53564
X4 4.56250 1.15289
Y= Penghasilan Rumah Tangga
X1 = Penghasilan dari melaut (Ratusan Ribu Rupiah)
X2 = Pengeluaran untuk pangan (Ratusan Ribu Rupiah)
X3 = Pengeluaran untuk Non Pangan (Ratusan Ribu Rupiah)
X4 = Jumlah Anggota Keluarga
Metode Stepwise Penentuan model terbaik
Materi
Variables Entered/Removeda,b,c,d
Wilks' Lambda
Tutorial Exact F
(SPSS) Step Entered Statistic df1 df2 df3 Statistic df1 df2 Sig.
1 X1 .764 1 1 23.000 7.093 1 23.000 .014
2 X2 .554 2 1 23.000 8.843 2 22.000 .002
Kasus
P-value lebih kecil dari (0,05), maka keputusannya
tolak H0. : Variabel X1, X2, dan X3 signifikan (masuk ke
dalam model/fungsi diskriminan)
Fungsi Diskriminan Pembentukan Fungsi Linier
Materi
Canonical Discriminant Function
Coefficients
Tutorial Function
(SPSS) 1
X1 1.148
X2 3.007
Studi
X3 1.597
Kasus
(Constant) -6.411
Unstandardized coefficients
cutting score :
Studi
Functions at Group Centroids
Kasus Function
Y 1 (n1 y1) (n 2 y 2 )
< 2 juta -1.456 Cutting Score (m)
n1 n 2
> 2 juta .819
Unstandardized canonical
discriminant functions evaluated
at group means
Classification Resultsa,c
Predicted Group
Membership
Materi Y < 2 juta > 2 juta Total
Original Count < 2 juta 9 0 9
> 2 juta 1 15 16
% < 2 juta 100.0 0.0 100.0
Tutorial > 2 juta 6.3 93.8 100.0
(SPSS) Cross- Count < 2 juta 8 1 9
validated b > 2 juta 3 13 16
% < 2 juta 88.9 11.1 100.0
Studi > 2 juta 18.8 81.3 100.0
Kasus
(9 -1,456) (16 0,819)
Cutting Score 0
9 16
Kasus
(n 1 n 4 )
AKURASI 100 %
N
(9 15)
100 % 96 %
25
22