Nama : Ulfah Resti Inayah

NIM : 1607015007
Program Studi : Statistika

TUGAS MASUK
ANALISIS MULTIVARIAT

Kasus Analisis Diskriminan

Diketahui data rasio keuangan EBITAS (Earnings Before Interest and Taxes) dan
ROTC (Return on Total) pada 24 sampel perusahaan yang dibagi ke dalam dua
kelompok yaitu 12 perusahaan sehat dan 12 perusahaan bangkrut.
No CODE EBITAS ROTC NO CODE EBITAS ROTC
1 1 0,158 0,182 13 2 0,012 -0,012
2 1 0,21 0,206 14 1 0,036 0,036
3 1 0,207 0,188 15 2 0,038 0,038
4 1 0,208 0,236 16 1 0,063 -0,063
5 1 0,197 0,193 17 1 0,054 -0,054
6 1 0,227 0,173 18 2 0 0
7 2 0,148 0,196 19 1 0,005 0,005
8 1 0,254 0,212 20 2 0,091 0,091
9 2 0,079 0,147 21 2 0,036 -0,036
10 1 0,149 0,128 22 2 0,045 0,045
11 2 0,2 0,15 23 2 0,026 -0,026
12 1 0,187 0,191 24 2 0,016 0,016

Keterangan
1 = Sehat
2 = Bangkrut
Penyelesaian
Sintaks Software R
mnorm.test<-function(x) {
rata2<-apply(x,2,mean)
mcov<-var(x)
ds<-sort(mahalanobis(x,center=rata2,cov=mcov))
n<-length(ds)
p<-(1:n-0.5)/n
chi<-qchisq(p,df=ncol(x))
win.graph()
plot(ds,chi,type="p")
return(ks.test(ds,chi,df=ncol(x)))
}
data=read.table("D://Book2.txt",header=T)
ebitas=data$EBITAS
rotc=data$ROTC
library(mvnormtest)
X<-matrix(c(ebitas,rotc),ncol=2)
mnorm.test(X)
X
p1=matrix(c(data$EBITAS),24,1)
p1
p2=matrix(c(data$ROTC),24,1)
p2
grp=matrix(c(data$CODE),24,1)
grp
Y=data.frame(cbind(p1,p2))
Y
names(Y)=c("ebitas","rotc")
Y
library(biotools)
factor(grp)
boxM(Y,grp)
1. Uji Normalitas Multivariat

Berdasarkan plot di atas dapat dilihat bahwa sebaran untuk data rasio keuangan
untuk perusahaan sehat dan bangkrut memiliki tingkat penyebaran titik yang tidak
terlalu jauh dari garis linier (garis lurus). Hal ini menandakan bahwa secara visual data
sudah berdistribusi normal multivariat. Berikut adalah pengujian hipotesis untuk
membuktikan hal tersebut.

Hipotesis
H0 : Data rasio keuangan perusahaan sehat dan bangkrut berdistribusi normal
multivariat
H1 : Data rasio keuangan perusahaan sehat dan bangkrut tidak berdistribusi
normal multivariat
Taraf Siginifikansi
 : 0,05
Daerah Kritis
Tolak H 0 jika p-value < 0,05
Keputusan
Karena p-value = 0,449 >  = 0,05 maka diputuskan gagal tolak H 0
Kesimpulan
 Data rasio keuangan perusahaan sehat dan bangkrut berdistribusi normal
multivariat
2. Uji Homogenitas Varian Kovarian

Hipotesis
H0 : Matriks varian kovarian dari data rasio keuangan perusahaan sehat dan
bangkrut adalah homogen
H1 : Matriks varian kovarian dari data rasio keuangan perusahaan sehat dan
bangkrut adalah tidak homogen
Taraf Siginifikansi
 : 0,05
Daerah Kritis
Tolak H 0 jika p-value < 0,05
Keputusan
Karena p-value = 0,828 >  = 0,05 maka diputuskan gagal tolak H 0
Kesimpulan
Matriks varian kovarian dari data rasio keuangan perusahaan sehat dan bangkrut
adalah homogen

3. Estimasi Fungsi Diskriminan

 Model diskriminan untuk perusahaan sehat

D1  2,625  55, 238 X1  24,330 X 2
Konstanta sebesar -2,652 menyatakan bahwa jika tidak ada EBITAS dan ROTC
maka rasio keuangan perusahaan sehat berkurang sebesar 2,625. Koefisien EBITAS
sebesar 55,238 menyatakan bahwa setiap penambahan 1 satuan EBITAS maka akan
meningkatkan rasio keuangan perusahaan sehat sebesar 55,238. Dan koefisien ROTC
sebesar -24,330 menyatakan bahwa setiap penambahan 1 satuan ROTC maka akan
mengurangi rasio keuangan perusahaan sehat sebesar 24,330.

 Model diskriminan untuk perusahaan bangkrut

D2  0, 431  21,322 X1  8,626 X 2
Konstanta sebesar -0,431 menyatakan bahwa jika tidak ada EBITAS dan ROTC
maka rasio keuangan perusahaan bangkrut berkurang sebesar 0,431. Koefisien EBITAS
sebesar 21,322 menyatakan bahwa setiap penambahan 1 satuan EBITAS maka akan
meningkatkan rasio keuangan perusahaan bangkrut sebesar 21,322. Dan koefisien
ROTC sebesar -8,626 menyatakan bahwa setiap penambahan 1 satuan ROTC maka
akan mengurangi rasio keuangan perusahaan bangkrut sebesar 8,626.

4. Ketepatan Prediksi

11+10
Proporsi Klasifikasi Tepat =
24
= 0,875
11+10
Proporsi Klasifikasi Kurang Tepat =
24
= 0,125

Berdasarkan output di atas, dapat diketahui bahwa terdapat 21 data yang

penempatan klasifikasi perusahaannya sudah tepat dengan nilai proportion correct
sebesar 87,5% sedangkan 3 buah data lainnya kurang tepat dalam pengklasifikasian.
5. Identifikasi Kesalahan Klasifikasi

Dari hasil analisis tersebut dapat diketahui bahwa terdapat 3 perusahaan salah
klasifikasi dalam pengklasifikasian jenis perusahaan. Hal ini menunjukkan bahwa
terdapat 21 perusahaan yang tepat terklasifikasi berdasarkan rasio keuangan EBITAS
dan ROTC.