1
ANALISIS DISKRIMINAN PADA DATA FAKTOR-
FAKTOR YANG MEMPENGARUHI KEPUTUSAN BANK
MEMBERIKAN PINJAMAN KEPADA NASABAH
Ardina Kusumawati(1312100057)(1) dan Tri Hidayati(1312100138)(2)
(1)(2)
Jurusan Statistika, FMIPA, Institut Teknologi Sepuluh Nopember
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail : (1)ardina.kusumawti@gmail.com, (2)trihida34@gmail.com
Abstrak—Salah satu fungsi bank yaitu bisa memberikan
kredit kepada masyarakat, membuat masyarakat untuk
menabung di bank tersebut dan suatu saat bisa meminjam
atau mengkredit uang jika mereka membutuhkan. Namun
tidak semua nasabah bank akan diizinkan untuk meminjam
uang di bank. Dalam analisis multivariat terdapat metode
yang dapat digunakan untuk mengklasifikasikan subjek ke
dalam suatu kelompok berdasarakan beberapa faktor.
Metode untuk pengklasifikasian tersebut adalah analisis
diskriminan. Dalam penelitian ini akan dilakukan analisis
diskriminan pada faktor–faktor yang mempengaruhi suatu
keputusan suatu bank dalam memberikan pinjaman kepada
nasabahnya. Faktor-faktor yang mempengaruhi keputusan
suatu bank memberikan kredit kepada nasabah adalah umur
nasabah, indeks kepercayaan konsumen, dan jumlah
karyawan. Sedangkan variabel dependen tersebut berupa
kategori dari seorang nasabah, yaitu diberi Pinjaman atau
tidak. Dapat disimpulkan bahwa data telah memenuhi
asumsi multivariat dan belum memenuhi homokedastisitas.
Selain itu fungsi diskriminan telah terbukti siginifikan
berdasarkan p-value yang kurang dari α. Selain itu,
diperoleh informasi yang menunjukkan bahwa keeratan
hubungan antara variabel prediktor dengan hasil dari data
manajemen bank sebesar 57,7% dan keragaman variabel
respon yang mampu dijelaskan oleh variabel prediktor
sebesar 33,29%. Hasil pengujian ketepatan klasifikasi fungsi
diskriminan diperoleh persentase ketepatan klasifikasi model
diskriminan sebesar 90%. Selain itu variabel umur dan
kepercayaan konsumen memiliki hubungan yang berbanding
terbalik dengan variabel respon, sedangkan untuk variabel
jumlah karyawan memiliki hubungan searah dengan
manajemen bank.
Kata Kunci- Analisis Diskriminan, Analisis Multivariat, Bank
I. PENDAHULUAN
Bank merupakan salah satu lembaga yang cukup
banyak ditemui di hampir semua Negara di dunia. Bank
juga merupakan salah satu lembaga yang cukup
berkembang di era saat ini karena disukai oleh masyarakat.
Bank merupakan suatu badan yang bertujuan untuk
memuaskan kebutuhan kredit (to statisfy the needs of
credit), baik dengan alat-alat pembayaran sendiri atau
dengan uang yang diperolehnya dari orang lain, maupun
dengan jalan mengedarkan alat-alat penukar baru berupa
uang giral (circulate new tool exchanger in the form of
demand deposits) [1].
Salah satu fungsi bank yaitu bisa memberikan kredit
kepada masyarakat, membuat masyarakat untuk menabung
di bank tersebut dan suatu saat bisa meminjam atau
mengkredit uang jika mereka membutuhkan. Namun tidak
semua nasabah bank akan diizinkan untuk meminjam uang
di bank. Bank yang akan mengklasifikasikan nasabah
mana saja yang sekiranya bisa mengembalikan uang
Pinjaman tersebut, jika nasabah tersebut dirasa mampu
mengembalikan dana pinjaman maka bank akan
menyetujui nasabah tersebut untuk melakukan Pinjaman.
Keputusan bank untuk memberikan Pinjaman inipun
dipengaruhi oleh banyak faktor misalnya saja pekerjaan
nasabah, umur nasabah dan lain sebagainya [2].
Suatu pengklasifikasian tentu sangat diperlukan dan
sangat bermanfaat di dunia perbankan ini.
Pengklasifikasian tersebut bertujuan untuk memudahkan
bank untuk melakukan tindakan lebih lanjut pada nasabah
yang diklasifikasi tersebut. Selain itu pengklasifikasian
juga berguna untuk mengetahui suatu subjek yang baru
(tidak ada pada populasi subjek sebelumnya) masuk pada
kelompok yang mana. Sehingga seseorang / lembaga /
instansi / perusahaan dapat mempersiapkan langkah yang
tepat yang akan dilakukan pada subjek baru tersebut.
Pengklasifikasian dilakukan berdasarkan faktor-faktor
yang mempengaruhi variabel dependen pada suatu subjek.
Dalam analisis multivariat terdapat metode yang dapat
digunakan untuk mengklasifikasikan subjek ke dalam
suatu kelompok berdasarakan beberapa faktor. Metode
untuk pengklasifikasian tersebut adalah analisis
diskriminan.
Dalam penelitian ini akan dilakukan analisis
diskriminan pada faktor – faktor yang mempengaruhi
keputusan suatu bank dalam memberikan pinjaman kepada
nasabahnya dimana data harus memenuhi asumsi normal
multivariat dan homogenitas matriks kovarian.
II. TINJAUAN PUSTAKA
A. Uji Asumsi Normal Multivariat
Untuk menguji normalitas data manajemen bank maka
dilakukan pengujian multivariat normal data dengan
menghitung nilai korelasi square distance ( (j)) dan
quantil chi-square (q(c,p)). Digunakan untuk menguji lebih
dari dua variabel.
Hipotesis :
H0 : Data berdistribusi normal multivariat
H1 : Data tidak berdistribusi normal multivariat
Statistik Uji:
n
 (x
j 1
( j)  x )(q( j )  q )
rq  (1)
n n
 (x
j 1
( j)  x)2  (q
j 1
( j)  q )2
Daerah Kritis:
Tolak H0 jika rq < r( , n ) .Jika hasil dari statistik uji
memiliki hasil yang kurang dari tabel normal probabilitas
koefisien korelasi ( r( ,n ) ), maka dapat disimpulkan bahwa
data tidak berdistribusi normal, begitu pun sebaliknya.
 2

B. Uji Asumsi Homogenitas Matriks Kovarian dengan diberikan pada persamaan ( 5 ),

Salah satu asumsi yang dibuat saat membandingkan .
dua atau lebih vektor mean dari multivariat adalah bahwa Fungsi diskriminan katonik dengan menggunakan aturan
kovarians matriks yang dari populasi yang berbeda adalah Fisher adalah sebagai berikut :
sama.Sebelum melakukan penyatuan terhadap varians (9)
anatar sampel dari dari kovarians matriks yang disatukan (10)
saat membandingkan vektor mean, ini dapat berguna untuk Alokasikan ke jika ,
menguji persamaan dari matriks varians populasi. Salah Alokasikan ke jika .
satu yang biasanya berguna untuk menguji kovarians D. APER (Apparent Error Rate)
matriks adalah pengujian Box’s M [3]. Prosedur yang digunakan untuk mengevaluasi
Hipotesis : masalah klasifikasi adalah dengan menggunakan APER
H0 : 1 = 2 = ... = g ≈ (Apparent Error Rate). APER digunakan untuk
H1 : minimal ada satu kelompok yang berbeda, i  j ; i, menghitung seberapa besar peluang kesalahan dalam
j, ..., g klasifikasi. Nilai APER menyatakan nilai proporsi sampel
Statistik uji Box’s M : yang salah diklasifikasikan oleh fungsi klasifikasi [3].
Box’s M (11)
(2)
untuk nilai u dan M diperoleh dari:
Sedangkan rumus klasifikasi yang benar adalah
(3)
(12)
dimana p adalah banyaknya vaiabel dan g adalah
banyaknya kelompok.
(4) III. METODOLOGI PENELITIAN
g : banyak kelompok A. Sumber Data
: matrik kovarian gabungan dalam kelompok Data yang digunakan pada praktikum ini data sekunder
Sl : matrik kovarian kelompok ke-l yang diperoleh dari website UCI Machine Learning
Repository
adalah kovarians sampel yang disatukan yang (http://archive.ics.uci.edu/ml/datasets/bankmanagemen)
dapat dinyatakan sebagai berikut. dengan judul “bank managemen” [4]. Data tersebut adalah
(5) data faktor-faktor yang mempengaruhi keputusan suatu
bank apakah harus memberikan pinjaman kepada nasabah
ataukah tidak.
B. Variabel Penelitian
Daerah Penolakan:
Adapun variabel yang digunakan pada praktikum kali
Tolak H0 jika C   p ( p 1)( g 1) / 2 ( ) , yang artinya
2
ini adalah sebagai berikut.
dapat disimpulkan bahwa matrik varian kovarian antar Tabel 1. Variabel Penelitian
kelompok tidak homogen [3]. No. Simbol Variabel Keterangan
1. untuk Memberikan
C. Analisis Diskriminan Tindakan
Pinjaman
Analisis diskriminan merupakan metode multivariat 1 Y Bank/Manajemen
2. untuk tidak memberikan
Bank
untuk mengelompokkan sejumlah observasi ke dalam dua Pinjaman
atau lebih kelompok berdasarkan pada beberapa kriteria Umur dari nasabah yang
2 X1 Umur melakukan permintaan
variabel bebas, sehingga membuat observasi menjadi dana Pinjaman
anggota salah satu kelompok saja, tidak akan mungin Indeks yang menunjukan
observasi akan menjadi anggota dari dua kelompok atau Kepercayaan
seberapa percaya
lebih. Metode ini akan menghasilkan variabel independen 3 X2 konsumen terhadap
Konsumen
produk-produk dari
yang benar – benar membedakan setiap kelompok. perusahaan milik nasabah.
Berikut ini adalah aturan klasifikasi dalam analisis Jumlah karyawan yang
diskriminan untuk data yang memenuhi kedua asumsi : dimiliki oleh nasabah
Jika didefinisikan skor diskriminan linier adalah : 4 X3 Jumlah Karyawan untuk keberlanjutan
perusahaan/usaha yang
(6) dimiliki oleh nasabah.
maka untuk mengetahui digunakan rumus : C. Metode Analisis Data
(7) 1. Melakukan beberapa uji asumsi sebagai berikut
dengan a) Uji asumsi multivariat normal
b) Uji asumsi homogenitas matriks kovarian
(8) c) Uji multikolinieritas
maka, aturan klasifikasi dengan estimasi minimum TPM 2. Melakukan proses analisis diskriminan dengan
(Total Probability of Misclasification ) untuk data dengan langkah-langkah sebagai berikut.
matrik varians-kovarians yang sama dan berasal dari a) Pembentukan fungsi diskriminan
distribusi normal multivariat adalah : b) Pembentukan Fungsi Group Centroid
Alokasikan ke jika skor diskriminan linier c) Pengujian ketepatan klasifikasi dari fungsi
diskriminan
sama dengan nilai terbesar dari
3. Mengambil kesimpulan berdasarkan hasil analisis.
 3

IV. HASIL DAN PEMBAHASAN x3 0,012

(Constant) -63,543
Pada bagian ini akan dibahas mengenai data Berdasarkan Tabel 3, dapat dibentuk fungsi linier
manajemen bank. Sebelumnya dilakukan beberapa diskriminan yaitu :
pengujian terlebih dahulu kemudian dilanjutkan pada Y = -63,543 - 0,02X1 - 0,058X2 + 0,012X3
tahapan analisis diskriminan.
Standardized canonical atau dapat disebut juga sebagai
A. Uji Asumsi Normal Multivariat koefisien fungsi diskriminan digunakan untuk mengetahui
Untuk menguji normalitas data manajemen bank maka hubungan antara variabel prediktor dengan variabel respon
dilakukan pengujian asumsi normal multivariat data Tabel 4. Standardized Canonical Discriminant Function Coefficients
dengan menghitung nilai korelasi square distance ( (j)) Variabel Function
dan quantil chi-square (q(c,p)). Hasil perhitungan korelasi 1
Umur -.244
antara q(c,p) dan (j) diperoleh nilai sebesar 0,944 kurang
kepercayaan -.330
dari nilai r dari tabel sebesar 0,998. Jadi, dapat Jumlah karyawan .888
disimpulkan bahwa data manajemen bank memenuhi Berdasarkan Tabel 4, dapat diketahui bahwa semua
asumsi multivariat normal pada selang kepercayaan 95%. variabel yaitu x1 dan x2, memiliki nilai koefisien yang
B. Uji Asumsi HomogenitasMatriks Kovarian negatif artinya variabel umur (x1) dan kepercayaan
Pada pengujian asumsi homogenitas ini digunakan konsumen (x2) memiliki hubungan yang berbanding
untuk mengetahui apakah matriks kovarian pada data terbalik dengan manajemen bank. Sedangkan untuk
manajemen bank memiliki sifat multivariat homogenitas variabel jumlah karyawan (x3) nilai koefisiennya positif
atau tidak. Berdasarkan hasil pengujian menggunakan uji artinya memiliki hubungan searah dengan manajemen
Box’s M, diperoleh p-value 0,000 < = 0.05 artinya tolak bank.
H0. Jadi, dapat disimpulkan bahwa matriks kovarian data Berikut ini merupakan nilai-nilai yang akan
pengelompokan tidak homogen pada tingkat kepercayaan membentuk fungsi persamaan diskriminan yang disajikan
95%. Sehingga pada praktikum kali ini diasumsikan pada Tabel 5.
matriks kovarian bersifat homogen. Tabel 5. Wilk’s Lambda
Test of
C. Uji Multikolinieritas Function(s)
Wilks' Lambda Sig.
Pada pengujian asumsi multikolinieritas ini digunakan 1 0,667 0,000
untuk mengetahui hubungan (korelasi) antar variabel Berdasarkan Tabel 5, diperoleh p-value sebesar 0,000
prediktor. Berikut ini merupakan hasil pengujian asumsi < α = 0,05 artinya tolak H0 sehingga dapat disimpulkan
multikolinieritas pada data manajemen bank dalam bentuk bahwa kedua variabel mampu membedakan kelompok
matriks korelasi yang disajikan pada Tabel 2. secara signifikan.
Tabel 2. Polled Within-Groups Matrices Untuk mengetahui keeratan hubungan antara variabel
x1 x2 x3 prediktor (X1, X2, X3) dengan variabel respon (Y)
x1 1,000 0,610 0,029 disajikan pada Tabel 6 dibawah ini.
Correlation x2 0,610 1,000 -0,077 Tabel 6. Eigen Values
x3 0,029 -0.077 1,000 Canonical
Function R-Squared
Berdasarkan Tabel 2, diperoleh nilai korelasi antar Correlation
1 0,577 0,3329
variabel untuk variabel x1 dengan variabel x2 nilai
korelasinya 0,61 < 0,9 yang mengindikasikan tidak ada Berdasarkan Tabel 6, diperoleh nilai canonical
kasus multikolinieritas. Variabel x1 dengan x3 nilai correlation sebesar 0,577 artinya keeratan hubungan
korelasinya 0,029 < 0,9, kemudian untuk x3 dengan x2 antara variabel prediktor dengan hasil sebesar 57,7%.
nilai korelasinya -0,077 sehingga dapat disimpulkan Selain itu, diperoleh nilai R-Squared, yang dihitung
bahwa tidak terindikasi adanya multikolinieritas. berdasarkan kuadrat dari nilai canonical correlation,
sebesar 0,3329 menjelaskan kebaikan dari fungsi
D. Analisis Diskriminan
diskriminan dan menngindikasikan bahwa fungsi pertama
Analisis diskriminan dilakukan setelah beberapa
dapat menjelaskan 33,29% keragaman dari variabel
pengujian asumsi dipenuhi seperti uji multivariat normal,
respon.
uji homogenitas, uji multikolinieritas, dan pengujian yang
lain jika diperlukan. Adanya analisis diskriminan pada Berikut ini untuk mengetahui kontribusi atau korelasi
data manajemen bank bertujuan untuk mengklasifikasikan variabel bebas terhadap fungsi diskriminan.
suatu observasi ke dalam kelompok yang saling bebas Tabel 7. Structure Matrix
dimana kelompok 1 (memberikan pinjaman) sedangkan Variabel Function
1
kelompok 2 (tidak memberikan pinjaman) berdasarkan Jumlah karyawan .907
beberapa variabel penjelas berupa umur (x1), kepercayaan kepercayaan -.413
konsumen (x 2), serta jumlah karyawan (x3). Tahapan- Umur -.238
tahapan pada analisis diskriminan akan dijelaskan sebagai Berdasakan Tabel 7, dapat diketahui bahwa kontribusi
berikut : untuk variabel jumlah karyawan yang paling berpengaruh
1. Pembentukan Fungsi Diskriminan cukup besar, dapat ditunjukkan dengan nilai 0,907.
Berikut ini merupakan nilai-nilai yang akan Berikut ini merupakan hasil pengujian group means
membentuk fungsi persamaan diskriminan yang disajikan pada data manajemen bank sebagai berikut.
pada Tabel 3.
Tabel 8. Tests of Equality of Groups Means
Tabel 3. Canonical Discriminant Function Coefficients
Wilks' Lambda F Sig.
Variabel Function 1
x1 0,972 2,783 0,098
x1 -0,02
x2 0,921 8,362 0,005
x2 -0,058
x3 0,709 40,254 0,000

Berdasarkan Tabel 8, diperoleh nilai wilk’s lambda
masing-masing variabel prediktor berturut-turut sebesar
0,972 ; 0,921 ; dan 0,709 mendekati nilai 1 artinya
semakin besar nilai wilk’s lambda maka pengaruh variabel
prediktor terhadap perbedaan pengelompokkan variabel
respon semakin besar pula. Selain itu, terlihat bahwa p-
value untuk x1 = 0,098 > α = 0,05 artinya gagal tolak H0.
Jadi, dapat disimpulkan bahwa group means dari
kelompok umur pada data manajemen bank relatif sama
pada tingkat kepercayaan 95%. P-value untuk x2 dan x3
berturut-turut adalah 0,005 dan 0,000 < α = 0,05 artinya
tolak H0, sehingga dapat disimpulkan bahwa group means
dari masing-masing kelompok data manajemen berbeda
secara signifikan pada kepercayaan 95%.
2. Fungsi Group Centroid
Untuk mengetahui pengelompokan observasi
berdasarkan perhitungan cutting score (nilai batas)
menggunakan nilai centroid digunakan ouput function at
group centroid yang dapat disajikan pada Tabel 9 dibawah
ini.
Tabel 9. Function At Group Centroid
Function
Y 1
1 -0,700
2 0,700
Pada Tabel 9, diperoleh nilai centroid pertama
sebesar -0,700 dan nilai centroid kedua sebesar 0,700
sehingga dapat dilakukan perhitungan cutting score
menggunakan rumus sebagai berikut.
Apabila nilai masing-masing observasi disubstitusikan
ke dalam fungsi diskriminan pada persamaan Y memiliki
hasil m, maka akan masuk kategori pertama yakni tidak
terakreditasi. Begitu pula sebaliknya, apabila nilai masing-
masing observasi disubstitusikan ke dalam fungsi
diskriminan pada persamaan Y memiliki hasil m, maka
akan masuk kategori kedua yakni terakreditasi.
3. Pengujian Ketepatan Klasifikasi Dari Fungsi
Diskriminan
Berikut ini merupakan nilai-nilai yang akan
membentuk fungsi persamaan diskriminan.
Tabel 10. Classification Function Coefficients
Variabel Kode
1.00 2.00
umur .140 .112
kepercayaan -.273 -.354
Jumlah karyawan .943 .960
(Constant) -2399.990 -2488.937
Berdasarkan Tabel 10, dapat diketahui bahwa untuk
variabel x1 dikalsifikasikan ke kelompok 1, untuk variabel
x2 ke kelompok 2 dan untuk variabel x3 ke kelompok 2.
Tabel 11. Prior Probability for Groups
Kode Prior Cases Used in Analysis
Unweighted Weighted
1.00 .500 50 50.000
2.00 .500 50 50.000
Total 1.000 100 100.000
Berdasakan Tabel 11, dapat diketahui bahwa kedua
variabel random memiliki kemungkinan yang sama untuk
di kelompokan di kedua kelompok. Ditunjukkan oleh nilai
4
prior untuk kelompok 1 dan kelompok 2 masing-masing
memiliki nilai yang sama yaitu 0,5.
Berikut ini adalah hasil dari klasifikasi yang disajikan
pada Tabel 12.
Tabel 12. Classification Results
Predicted Group
Klasifikasi
Y Membership Total
berdasarkan
1 2
1 35 15 50
Count
Original
2 5 45 55
1 70 30 100
%
2 10 90,0 100
80.0% of original grouped cases correctly classified.
Berdasarkan Tabel 12, fungsi diskriminan yang
terbentuk diperoleh kesalahan pengklasifikasian data
training sebesar 20% dengan akurasi sebesar 80%. Nilai
ini cukup besar sehingga fungsi diskriminan tersebut dapat
dikatakan sudah cukup baik dalam mengklasifikasikan
data.
IV. KESIMPULAN DAN SARAN
A. Kesimpulan
Berdasarkan hasil analisis dan pembahasan diatas,
maka dapat diambil beberapa kesimpulan sebagai berikut.
1) Data manajemen bank memenuhi asumsi multivariat
normal dan homogenitas matriks kovarian.
2) Korelasi antar variabel prediktor masih dapat dikatakan
rendah karena mendekati nilai 0 sehingga dapat
disimpulkan bahwa tidak terindikasi adanya
multikolinieritas.
3) Group means dari masing-masing kelompok pada data
manajemen bank memiliki perbedaan secara signifikan
dengan nilai wilk’s lambda mendekati nilai 1.
4) Fungsi linier diskriminan yang terbentuk yaitu :
Y = -63,543 - 0,02X1 - 0,058X2 + 0,012X3
5) Fungsi diskriminan telah terbukti siginifikan
berdasarkan p-value yang kurang dari α. Selain itu,
diperoleh informasi yang menunjukkan bahwa keeratan
hubungan antara variabel prediktor dengan hasil dari
data manajemen bank sebesar 57,7% dan keragaman
variabel respon yang mampu dijelaskan oleh variabel
prediktor sebesar 33,29%.
6) Hasil pengujian ketepatan klasifikasi fungsi
diskriminan diperoleh persentase ketepatan klasifikasi
model diskriminan sebesar 90%.
7) Diperoleh informasi bahwa variabel umur (x1) dan
kepercayaan konsumen (x2) memiliki hubungan yang
berbanding terbalik dengan variabel respon, sedangkan
untuk variabel jumlah karyawan (x3) memiliki
hubungan searah dengan manajemen bank.
B. Saran
Saran untuk penelitian selanjutnya sebaiknya peneliti
lebih teliti dalam pencarian data agar sesuai dengan
analisis yang akan digunakan, lebih memahami metode
analisis yang akan digunakan serta cara penyusunan kata
atau penggunaan kata-kata dalam pembuatan interpretasi,
sehingga mudah dipahami ketika oleh pembaca dan cukup
menjelaskan output hasil analisis yang disajikan dalam
laporan.
DAFTAR PUSTAKA
[1] http://www.apapengertianahli.com/2015/01/
pengertian-bank-fungsi-dan-sejarah-bank.html
[2] http://id.wikipedia.org/wiki/Bank
 5

[3] Johson, Ricard R. (2007). Applied Multivariate Statistical Lampiran 3. Output Software SPSS
Analysis.Pearson Education : United States
[4] http://archive.ics.uci.edu/ml/datasets/bankmanagemen du_1 dis1_1 dis2_1
[5] Morrison, Donald F, Multivariate Statistical Methods 4 edition, 1 0.93291 0.06709
United State 1 0.84563 0.15437
1 0.97066 0.02934
1 0.84417 0.15583
LAMPIRAN 2 0.24565 0.75435
Lampiran 1. Data Manajemen Bank 2 0.39489 0.60511
Dipinjami Deposit Tidak Dipinjami Deposit 2 0.12883 0.87117
X1 X2 X3 X1 X2 X3 1 0.72922 0.27078
37 -26.9 5018 30 -42.7 5228 1 0.92338 0.07662
52 -31.4 5076 32 -46.2 5099 2 0.29396 0.70604
68 -26.9 5018 45 -46.2 5099 1 0.93778 0.06222
36 -40 5009 48 -41.8 5228 1 0.89444 0.10556
57 -36.1 5228 31 -42 5196 1 0.91377 0.08623
33 -46.2 5099 40 -46.2 5099 1 0.88455 0.11545
48 -42.7 5228 56 -47.1 5099 1 0.86949 0.13051
54 -40.8 5076 57 -42 5196 2 0.0842 0.9158
30 -37.5 4964 47 -36.4 5191 1 0.86917 0.13083
28 -50 5099 36 -46.2 5099 1 0.6195 0.3805
38 -37.5 4964 53 -36.4 5191 2 0.42448 0.57552
52 -40 5009 58 -36.1 5228 1 0.86467 0.13533
60 -40 5009 36 -42 5196 1 0.50513 0.49487
64 -31.4 5076 35 -46.2 5099 2 0.23659 0.76341
59 -31.4 5076 34 -41.8 5228 1 0.87108 0.12892
31 -42.7 5228 30 -46.2 5099 2 0.32378 0.67622
32 -33 5024 30 -36.1 5228 2 0.47719 0.52281
36 -40.8 5076 37 -36.4 5191 2 0.32254 0.67746
40 -47.1 5099 53 -42.7 5228 1 0.94218 0.05782
31 -39.8 4992 34 -46.2 5099 1 0.75797 0.24203
49 -46.2 5099 28 -46.2 5099 2 0.43132 0.56868
53 -42 5196 29 -41.8 5228 1 0.51212 0.48788
33 -39.8 4992 44 -42 5196 1 0.59281 0.40719
33 -50 5099 31 -42.7 5228 2 0.08861 0.91139
45 -46.2 5099 40 -41.8 5228 1 0.72028 0.27972
49 -36.4 5191 47 -46.2 5099 1 0.96518 0.03482
52 -30.1 5018 37 -46.2 5099 2 0.33897 0.66103
32 -31.4 5076 57 -36.4 5191 2 0.19859 0.80141
41 -47.1 5099 37 -36.1 5228 1 0.85933 0.14067
50 -46.2 5099 52 -36.4 5191 1 0.72588 0.27412
32 -40.8 5076 34 -36.1 5228 1 0.92475 0.07525
33 -42.7 5228 43 -36.4 5191 1 0.56556 0.43444
25 -31.4 5076 34 -34.8 5009 1 0.9394 0.0606
71 -30.1 5018 49 -42 5196 1 0.66444 0.33556
27 -47.1 5099 25 -41.8 5228 1 0.92557 0.07443
45 -42 5196 38 -42.7 5228 1 0.95036 0.04964
29 -33 5024 40 -41.8 5228 2 0.37321 0.62679
26 -31.4 5076 31 -42 5196 1 0.91018 0.08982
54 -33 5024 29 -36.4 5191 1 0.94966 0.05034
28 -40.8 5076 57 -42.7 5228 1 0.58129 0.41871
39 -37.5 4964 38 -46.2 5099 1 0.93557 0.06443
43 -40.8 5076 48 -42 5196 1 0.90861 0.09139
33 -26.9 5018 30 -29.8 5018 2 0.08207 0.91793
66 -34.8 5009 52 -41.8 5228 2 0.38823 0.61177
57 -36.4 5191 34 -46.2 5099 2 0.47719 0.52281
74 -31.4 5076 60 -50.8 4964 2 0.13728 0.86272
81 -49.5 4964 37 -41.8 5228 2 0.14349 0.85651
60 -46.2 5099 47 -36.1 5228 2 0.44248 0.55752
47 -29.8 5018 28 -38.3 4992 1 0.53566 0.46434
25 -26.9 5018 36 -41.8 5228 2 0.25737 0.74263
2 0.31044 0.68956
2 0.4151 0.5849
Lampiran 2. Output Software MINITAB 2 0.34744 0.65256
2 0.25087 0.74913
Data Display 2 0.16154 0.83846
t 0.500000
2 0.40833 0.59167
mengikuti distribusi multivariat normal
MTB > Correlation C4 C5. 2 0.09714 0.90286
Correlations: C4, C5
Pearson correlation of C4 and C5 = 0.944
P-Value = 0.000
 6

2 0.37504 0.62496
Between-Subjects Factors
2 0.13276 0.86724
2 0.25395 0.74605 N
2 0.14535 0.85465
2 0.40159 0.59841 1.00 50
2 0.36202 0.63798 VAR00004
2.00 50
2 0.08555 0.91445
2 0.19417 0.80583
2 0.0842 0.9158
2 0.11288 0.88712 Box's Test of Equality
2 0.49115 0.50885 a
of Covariance Matrices
2 0.4219 0.5781
2 0.37321 0.62679 Box's M 26.596
2 0.15695 0.84305
2 0.34113 0.65887 F 4.285
2 0.14617 0.85383 df1 6
2 0.28702 0.71298
df2 69583.698
1 0.8867 0.1133
2 0.21698 0.78302 Sig. .000
2 0.0772 0.9228
2 0.10057 0.89943 Tests the null hypothesis
2 0.11288 0.88712 that the observed
2 0.14349 0.85651
2 0.21395 0.78605 covariance matrices of
2 0.1598 0.8402 the dependent variables
2 0.42874 0.57126
are equal across groups.
2 0.21227 0.78773
1 0.90028 0.09972 a. Design: Intercept +
2 0.15107 0.84893
VAR00004
2 0.40159 0.59841 a
Multivariate Tests
1 0.90415 0.09585
2 0.10475 0.89525 Effect Value F Hypothe Error Si
sis df df g.
2 0.19758 0.80242
1 0.86909 0.13091 Pillai's 159577.1 96.0 .00
1.000 b 3.000
2 0.10215 0.89785 Trace 69 00 0
Wilks'
159577.1 96.0 .00
Lambd .000 b 3.000
General Linear Model a
69 00 0
Notes Intercep
t Hotellin
Output Created 06-MAY-2015 08:17:23 4986.7 159577.1 96.0 .00
g's b 3.000
Comments 87 69 00 0
Trace
Active Roy's
DataSet0 4986.7 159577.1 96.0 .00
Dataset Largest 3.000
b
Filter <none> 87 69 00 0
Root
Weight <none> Pillai's 96.0 .00
Input .333 15.995
b
3.000
Split File <none> Trace 00 0
N of Rows
in Working 100 Wilks'
b 96.0 .00
Data File Lambd .667 15.995 3.000
00 0
Definition of User-defined missing values a
VAR00
Missing Missing are treated as missing. 004 Hotellin
b 96.0 .00
Value Statistics are based on all g's .500 15.995 3.000
Cases 00 0
Handling cases with valid data for all Trace
Used
variables in the model. Roy's
b 96.0 .00
GLM umur kepercayaan Largest .500 15.995 3.000
00 0
jumlah BY VAR00004 Root
/METHOD=SSTYPE(3) a. Design: Intercept + VAR00004
Syntax /INTERCEPT=INCLUDE b. Exact statistic
/PRINT=HOMOGENEITY
/CRITERIA=ALPHA(.05)
a
/DESIGN= VAR00004. Levene's Test of Equality of Error Variances
Processor F df1 df2 Sig.
00:00:00.06
Time
Resources Umur 9.035 1 98 .003
Elapsed Kepercayaan 15.335 1 98 .000
00:00:00.11
Time Jumlah .600 1 98 .441
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept + VAR00004
 7

Split File <none>

N of Rows
Tests of Between-Subjects Effects in Working 100
Sourc Depen Type III df Mean F Si Data File
e dent Sum of Square g. User-defined missing values
Definition
Variabl Squares are treated as missing in the
of Missing
e analysis phase.
.0 In the analysis phase, cases
umur 416.160
a
1 416.160 2.783 9 Missing with no user- or system-
8 Value missing values for any
Handling Cases predictor variable are used.
Corre .0
keperc b Used Cases with user-, system-
cted 269.288 1 269.288 8.362 0
ayaan missing, or out-of-range values
Model 5
for the grouping variable are
.0 always excluded.
216132.0 216132.0
jumlah c 1 40.254 0 DISCRIMINANT
10 10
0 /GROUPS=kode(1 2)
.0 /VARIABLES=umur
179098.2 179098.2 1197.7
umur 1 0 kepercayaan jumlah
40 40 69
0 /ANALYSIS ALL
.0 /SAVE=CLASS PROBS
Interc keperc 158746.4 158746.4 4929.5
1 0 /PRIORS EQUAL
ept ayaan 65 65 50 Syntax
0 /STATISTICS=MEAN
.0 STDDEV UNIVF BOXM
26211635 26211635 48818
jumlah 1 0 COEFF RAW CORR COV
27.290 27.290 8.735
0 TCOV TABLE
.0 /PLOT=SEPARATE
umur 416.160 1 416.160 2.783 9 /CLASSIFY=NONMISSING
8 POOLED.
.0 Processor
VAR0 keperc 00:00:04.06
269.288 1 269.288 8.362 0 Time
0004 ayaan Resources
5 Elapsed
.0 00:00:05.24
216132.0 216132.0 Time
jumlah 1 40.254 0 Dis_1 Predicted Group for Analysis 1
10 10
0 Variables Probabilities of Membership in
14653.60 9 Dis1_1
umur 149.527 Created or Group 1 for Analysis 1
0 8 Modified Probabilities of Membership in
keperc 9 Dis2_1
Error 3155.897 32.203 Group 2 for Analysis 1
ayaan 8 Number of unweighted
526177.7 9 cases written to the
jumlah 5369.160 100
00 8 working file after
1 classification
194168.0
umur 0
00
0
Analysis Case Processing Summary
1
keperc 162171.6 Unweighted Cases N Percent
Total 0
ayaan 50
0 Valid 100 100.0
1 Missing or out-of-range group
26219058 0 .0
jumlah 0 codes
37.000
0 At least one missing
0 .0
15069.76 9 discriminating variable
umur Excluded
0 9 Both missing or out-of-range
Corre group codes and at least one 0 .0
keperc 9
cted 3425.185 missing discriminating variable
ayaan 9
Total Total 0 .0
742309.7 9
jumlah Total 100 100.0
10 9
a. R Squared = .028 (Adjusted R Squared = .018)
b. R Squared = .079 (Adjusted R Squared = .069)
Group Statistics
c. R Squared = .291 (Adjusted R Squared = .284)
kode Mean Std. Valid N (listwise)
Deviati Unweight Weight
on ed ed
Discriminant
Notes 14.299
umur 44.3600 50 50.000
65
Output Created 06-MAY-2015 11:51:06
Comments 1.0 kepercaya - 6.7662
50 50.000
Data D:\multivarmod5\mod5.sav 0 an 38.2020 6
Active 5073.24 73.745
DataSet1 jumlah 50 50.000
Input Dataset 00 17
Filter <none> 2.0 9.7248
umur 40.2800 50 50.000
Weight <none> 0 7
 8

kepercaya - 4.3155 Summary of Canonical Discriminant

50 50.000
an 41.4840 3
5166.22 72.800 Functions
jumlah 50 50.000 Eigenvalues
00 90
12.337 100.00 Functio Eigenvalu % of Cumulativ Canonical
umur 42.3200 100
74 0 n e Varianc e% Correlatio
Tot kepercaya - 5.8819 100.00 e n
100 a
al an 39.8430 9 0 1 .500 100.0 100.0 .577
5119.73 86.591 100.00 a. First 1 canonical discriminant functions were used in
jumlah 100
00 44 0 the analysis.

Tests of Equality of Group Means Wilks' Lambda

Wilks' Lambda F df1 df2 Sig. Test of Wilks' Chi- df Sig.
umur .972 2.783 1 98 .098 Function(s) Lambda square
kepercayaan .921 8.362 1 98 .005 1 .667 39.117 3 .000
jumlah .709 40.254 1 98 .000

Standardized Canonical
a
Pooled Within-Groups Matrices Discriminant Function
Umur kepercayaa jumlah Coefficients
n Function
149.52 1
umur 4.204 26.108
7 Umur -.244
Covarianc Kepercayaa kepercayaan -.330
4.204 32.203 -31.838 jumlah .888
e n
5369.16
jumlah 26.108 -31.838
0
umur 1.000 .061 .029 Structure Matrix
Correlatio Kepercayaa Function
.061 1.000 -.077
n n 1
jumlah .029 -.077 1.000 jumlah .907
a. The covariance matrix has 98 degrees of freedom. kepercayaan -.413
Umur -.238
Pooled within-groups
a
Covariance Matrices correlations between
Kode umur kepercayaan jumlah discriminating variables and
Umur 152.220 7.543 -69.953 standardized canonical
discriminant functions
Total kepercayaan 7.543 34.598 -108.577
Variables ordered by
Jumlah -69.953 -108.577 7498.078 absolute size of correlation
a. The total covariance matrix has 99 degrees of freedom. within function.

Analysis 1 Canonical Discriminant

Box's Test of Equality of Covariance Function Coefficients
Function
Matrices
Log Determinants 1
Kode Rank Log Determinant umur -.020
kepercayaan -.058
1.00 3 17.630
jumlah .012
2.00 3 15.941
(Constant) -63.543
Pooled within-groups 3 17.057
Unstandardized coefficients
The ranks and natural logarithms of determinants printed
are those of the group covariance matrices.
Functions at
Group Centroids
Test Results
kode Function
Box's M 26.596
Approx. 4.285 1
df1 6 1.00 -.700
F 2.00 .700
df2 69583.698
Unstandardized
Sig. .000
canonical
Tests null hypothesis of equal population covariance discriminant
matrices. functions evaluated
at group means
 9

Classification Statistics Count

1.00 35 15 50
Classification Processing Summary 2.00 5 45 50
Original
Processed 100 1.00 70.0 30.0 100.0
%
Missing or out-of-range group codes 0 2.00 10.0 90.0 100.0
Excluded At least one missing discriminating a. 80.0% of original grouped cases correctly classified.
0
variable
Used in Output 100
Prior Probabilities for Groups
kode Prior Cases Used in Analysis
Unweighted Weighted
1.00 .500 50 50.000
2.00 .500 50 50.000
Total 1.000 100 100.000

Classification Function Coefficients

kode
1.00 2.00
umur .140 .112
kepercayaan -.273 -.354
jumlah .943 .960
(Constant) -2399.990 -2488.937
Fisher's linear discriminant functions

Separate-Groups Graphs

a
Classification Results
kode Predicted Group Total
Membership
1.00 2.00