Dosen Pengampu:
Agustiah Wulandari, S.T., M.T.
Disusun Oleh :
MUHAMMAD RESNU AMAHESI D1091171002
PUJI SUKMANINGSIH D1091171012
RIDHA NADEA PUTRI D1091171030
Penyusun menyadari bahwa dalam penulisan makalah masih jauh dari kata sempurna dan
tentunya masih diperlukan perbaikan. Oleh karena itu, kritik dan saran yang sifatnya membangun
sangat diharapkan demi perbaikan penyusunan makalah ini.
Pontianak, 2019
Penyusun
ii
DAFTAR ISI
COVER.............................................................................................................................................i
KATA PENGANTAR................................................................................................................ ii
DAFTAR ISI ............................................................................................................................ iii
DAFTAR TABEL ..................................................................................................................... iv
BAB I PENDAHULUAN ...........................................................................................................1
1.1. Latar Belakang ..............................................................................................................1
1.2. Rumusan Masalah .........................................................................................................1
1.3. Tujuan dan Manfaat ......................................................................................................2
BAB II KAJIAN TEORI .............................................................................................................3
2.1. Analisis Diskriminan .....................................................................................................3
2.2. Tujuan Analis Diskriminan ...........................................................................................3
2.3. Asumsi Analisis Diskriminan ........................................................................................3
2.4. Proses Analisis Diskriminan ..........................................................................................4
BAB III PEMBAHASAN ...........................................................................................................6
3.1. Studi Kasus .......................................................................................................................7
3.2. Hasil dan Pembahasan ......................................................................................................9
BAB IV KESIMPULAN ........................................................................................................... 20
4.1. Kesimpulan..................................................................................................................... 20
4.2. Saran .............................................................................................................................. 21
4.3. Daftar Pustaka ................................................................................................................ 21
Lampiran................................................................................................................................... 22
iii
DAFTAR TABEL
iv
BAB I
PENDAHULUAN
1
1.3. Tujuan dan Manfaat
Berdasarkan rumusan masalah tersebut, diperoleh bebrapa rumusan masalah sebagai
berikut:
a. Mengetahui analisis diskriminan
b. Mengetahui asumsi dalam analisis diskriminan
c. Mengetahui langkah-langkah dalam analisis diskriminan
d. Menerapkan analisis diskrimina dalam kasus nyata.
2
BAB II
KAJIAN TEORI
3
3. Tidak terjadi multikolinearitas (tidak berkorelasi) antar variable independen.
4. Tidak terdapat data yang ekstrim (outlier)
2.4. Proses Analisis Diskriminan
Langkah-langkah dalam melakukan proses analisis diskriman antara lain :
1. Uji Multinormal
x2
Dengan mengunnakan macro minitab diperoleh bawah plot antara nilai –tabel dengan
jarak mahana lobis dari data mengikuti garis normal dan nilai ρ −value>0,5 maka dapat
disimpulkan Variabel-Variabel yangdigunakan mengikuti sebaran multinormal.
2. Pengecekan Multikolinieritas
Secara teori, idealnya dalam analisis disktiminan tidak ada multikolini. Pengecekan
multikolinieritas dapat dilihat dengan bantuan matrik korelasi. Apabila ada dua variable
memiliki nilai korelasi (r) > 0,5 maka variabel tersebut berkorelasi sehingga terdapat
multikolinieritas antar variabel. Untuk lebih meyakinkan adanya multikolinieritas, bisa
dicek dengan menggunakan uji KMO dan Barlett test pada S7SS. Jika nilai KMO >0,5
maka terdapat multikolinieritas antar Variabel. Sedangkan pada Barlett test,
multikolinieritas terjadi jika ρ –value < 0,05.
3. Menguji kesamaan rata-rata kelompok
Untuk melakukan pengujian kesamaan rata-rata kelompok menggunakan angka Wilks
Lambda dan menggunakan angka signifikasu. Wilks Lambda adalah rasio antara jumlah
kuadrat dalam kelompok dan jumlah kuadrat total. Nilai wilks Lambda bekisar antar 0
sampai 1. Nilai lambda yang mendekati 1 menunjuka bahwa rata-rata kelompok yanhg
cenderung tidak berbeda.Sebaliknya nilai lambda yang mendekati 0 menunjukan nilai
rata-rata kelompok berbeda. Melakukan pengujian terhadap masing-masing variable,
menggunakan uji (F test). Uji F dilakukan untuk menguji hipotesis berikut :
H0 : rata-rata dari masing-masing kelompok relative sama
H1 : rata-rata dari masing-masing kelompok memiliki perbedaan secara nyata
Jika F hitung F tabel, maka tidak ada perbedaan antar grup
Jika F hitung > F tabel, maka ada perbedaan antar grup
Jika Sig< 0,05, maka ditolak, yang berarti ada perbedaan antar kelompok.
Jika Sig> 0,05, maka diterima, yang berarti rata-rata masing-masing kelompok relatif
sama. Hal ini menunjukkan bahwa tidak ada perbedaan antar kelompok.
4
Uji kesamaan rata-rata juga digunakan untuk mengetahui variabel mana saja yang secara
signifikan menjadi faktor pembeda pada kelompok 1 dan kelompok 2.
4. Menguji Kesamaan Varians Kovarians (Homokesdasitas)
Melakukan pengujian varians dari masing-masing variabel, digunakan angka Box’M
dengan asumsi bahwa variansi variabel independen untuk setiap kelompok seharusnya
sama dan variansi diantara variabel-variabel independen seharusnya juga sama.
(Sarwono,209:270) kedua pengertian di atas dapat disimpulkan bahwa “covariance
matrices” adalah relatif sama. Untuk itu, perlu dilakukan pengujian hipotesis sebagai
berikut :
: covariance matrices adalah relatif sama
: grup covariance matrices adalah berbeda secara nyata
Adapun penilaian signifikan dari pengujian hipotesis diatas sebagai berikut :
Jika Sig< 0,05, maka ditolak.
Jika Sig> 0,05, maka diterima.
5. Menentukan variabel yang memenuhi persyaratan untuk membentuk fungsi diskriminan
6. Membentuk fungsi diskriminan
Fungsi diskriminan dapat dibentuk dengan kriteria Fisher yaitu mengelompokan suatu
observasi berdasarkan nilai skor yang dihitung dari suatu fungsi linier. Pembentukan
fungsi linier juga dapat dilakukan dengan bantuan SPSS. Pada output SPSS, koefisien
untuk tiap variabel yang masuk dalam model dapat dilihat pada tabel Canonical
Discriminana Function Coefficient. Tabel ini akan dihasilkan pada output apabila pilihan
Function Coefficient bagian Unstandardized diaktifkan.
7. Menilai validitas analisis diskriminan
Hasil klasifikasi dapat didasarkan pada analisis sampel ataupun validitas sampel dapat
dilakukan dengan cara sebagai berikut :
a. Menghitung diskriminan score
Setelah dibentuk fungsi liniernya, maka dapat dihitung skor diskriminan untuk tiap
observasi dengan memasukkan nilai-nilai variabel penjelasnya.
b. Menghitung cutting score
Cutting score (m) dapat dihitung dengan rumus sebagai berikut :
5
Keterangan :
: Cutting score
: jumlah anggota grup A
: jumlah anggota grup B
: centroid grup A
: centroid grup B
Kemudian nilai-nilai diskriminan score tiap observasi akan dibandingkan dengan cutting
score, sehingga dapat diklasifikasikan suatu observasi akan termasuk ke dalam kelompok
yang mana. Suatu observasi dengan karakteristik x akan diklasifikasikan sebagai anggota
kelompok kode 1 jika
( )
Selain itu dimasukkan kedalam kelompok 2. Perhitungan dapat dilakukan dengan
SPSS yaitu dengan bantuan tabel Function at Group Centroids dari output SPSS.
c. Akurasi statistik
Klasifikasi yang dilakukan dengan fungsi diskriminan dapat diuji keakuratannya dengan
menggunakan Press’s Q Statistik. Ukuran sederhana ini membandingkan jumlah kasus
yang diklasifikasikan secara tepat dengan ukuran sampel dan jumlah grup. Nilai yang
diperoleh dari perhitungan kemudian dibandingkan dengan nilai kritis (critical value).
Press’s Q Statistik dapat ditulis dengan rumus :
[ ( )]
( )
N : ukuran sampel
n : jumlah kasus yang diklasifikasi secara tepat
K : jumlah grup
BAB III
PEMBAHASAN
6
3.1 . Studi Kasus
Seperti halnya wilayah yang lain, Kabupaten Kubu Raya memiliki 9 kecamatan yang
bisa dibedakan menjadi dua kawasan yang berbeda karena beberapa alasan. Oleh itu, untuk
mendapatkan perencanaan dan keputusan yang tepat, dibutuhkan bantuan analisis
diskriminan pengelompokan kawasan perkotaan dan perdesaan terhadap masing-masing
kecamatan yang terdapat di Kabupaten Kubu Raya.
Dalam analisis diskriminan, data yang di-input adalah data kategoris dan numerik.
Untuk data kategoris yang digunakan adalah jenis data ordinal yang dalam laporan ini
diwakili oleh data status kawasan (desa atau kota) dan berperan sebagai variabel dependen.
Sedangkan untuk data numeriknya adalah berjenis data rasio, diwakili oleh data kepadatan
penduduk, PDRB ADHB, dan berbagai macam data terkait infrastruktur yang sekiranya
dapat merepresentasikan suatu wilayah dapat disebut kawasan perkotaan atau perdesaan.
Data numerik ini berperan sebagai variabel bebas atau independen. Berikut merupakan
variabel data yang diolah dalam analisis diskriminan:
7
Tabel 3. 1.DATA KEPADATAN PENDUDUK, KELUARGA SEJAHTERA, SARANA PENDIDIKAN,
SARANAKESEHATAN, SARANA PERIBADATAN, JUMLAH PELANGANGGAN PLN, PAM, DAN PDRB ADHB DI
KABUPATEN KUBU RAYA TAHUN 2018
Kepadatan
Keluarga Sarana Sarana Sarana Pelanggan Pelanggan
Kecamatan Status Penduduk PDRB ADHB
Sejahtera Pendidikan Kesehatan Peribadatan PLN PDAM
(Jiwa/desa)
Sumber: Kubu Raya Dalam Angka 2018, Bappeda dan BPS Kabupaten Kubu Raya
Keterangan:
1: Perdesaan 2: Perkotaan
8
3.2 . Hasil dan Pembahasan
Berikut merupakan hasil (output) analisis diskriminan yang didapatkan dari bantuan
SPSS 24.0 beserta pembahasan yang akan user lakukan. Tujuan pembahasan adalah untuk
mengetahui variabel apa saja yang bisa dan menjelaskan untuk mengkategorikan
kecamatan-kecamatan sebagai kawasan perkotaan atau perdesaan yang ada di Kabupaten
Kubu Raya.
Tabel diatas menunjukkan bahwa data yang digunakan dapat diproses karena
seluruh data diketahui oleh program (tidak ada yang missing/terlewatkan).
Jumlah data yang terproses merupakan total keseluruhan kecamatan yang ada di
Kabupaten Kubu Raya, yaitu sebanyak 9 kecamatan. Hal ini berarti rangkaian
analisis yang dilakukan dapat dikatakan valid 100% karena keseluruhan data
berhasil diproses dan terdeteksi oleh program.
b. Group Statistic
9
Berdasarkan tabel Group Statistics menunjukkan bahwa terdapat suatu kelas
“Kota” dan “Desa”. Diketahui bahwa 4 dari 9 kecamatan berstatus kawasan
perkotaan dan sisanya (5 kecamatan) berstatus sebagai kawasan perdesaan. Rata-
rata (mean) kepadatan penduduk adalah 6083,75, yang artinya rata-rata
kecamatan perkotaan memiliki kepadatan penduduk sekitar 6083 jiwa penduduk
setiap satu kilometer persegi. Begitu pula cara membaca mean pada variabel
lainnya.
Standar deviasi kepadatan penduduk antar 7 kecamatan perkotaan yang
terbentuk cukup besar, yaitu 1552,312, hal ini menandakan data kepadatan
penduduk besifat cukup heterogen karena data semakin menyebar dan memiliki
kecendurungan setiap data berbeda satu sama lainnya. Standar deviasi terbesar
adalah variabel PDRB, diikuti jumlah pelanggan PAM, PLN, dan kepadatan
penduduk. Sedangkan standar deviasi terkecil (datanya bersifat homogen) adalah
sarana kesehatan. Artinya, banyaknya sarana kesehatan tidak jauh berbeda di
masing-masing kecamatan. Begitu pula cara membaca standar deviasi pada
variabel lainnya.
Group Statistics
Status Mean Std. Deviation Valid N (listwise)
Unweighted Weighted
Desa Kepadatan Penduduk 2753,80 1552,312 5 5,000
Keluarga Sejahtera 6763,00 2249,665 5 5,000
Sarana Pendidikan 47,80 18,047 5 5,000
Sarana Kesehatan 29,20 9,834 5 5,000
Sarana Peribadatan 109,60 41,458 5 5,000
Pelanggan PLN 23558,40 8983,904 5 5,000
Pelanggan PDAM 24877,20 9486,455 5 5,000
PDRB ABHB 1463663,71 486877,661 5 5,000
Kota Kepadatan Penduduk 6083,75 3329,584 4 4,000
Keluarga Sejahtera 18924,25 10452,454 4 4,000
Sarana Pendidikan 127,00 53,790 4 4,000
Sarana Kesehatan 73,00 32,290 4 4,000
10
Sarana Peribadatan 189,00 87,396 4 4,000
Pelanggan PLN 107819,25 72176,076 4 4,000
Pelanggan PDAM 113854,75 76216,270 4 4,000
PDRB ABHB 4095628,84 2262143,577 4 4,000
Total Kepadatan Penduduk 4233,78 2905,562 9 9,000
Keluarga Sejahtera 12168,00 9196,896 9 9,000
Sarana Pendidikan 83,00 54,683 9 9,000
Sarana Kesehatan 48,67 31,181 9 9,000
Sarana Peribadatan 144,89 73,992 9 9,000
Pelanggan PLN 61007,67 62976,717 9 9,000
Pelanggan PDAM 64422,78 66501,949 9 9,000
PDRB ABHB 2633425,99 1990412,893 9 9,000
11
Melalui nilai Sig. diatas dapat diketahui bahwa variabel keluarga sejahtera, sarana
pendidikan, sarana kesehatan, pelanggan PLN, pelanggan PDAM, dan PDRB
ADHB bernilai <0,05, berarti keenam variabel tersebut menunjukkan adanya
perbedaan antar grup. Sedangkan variabel lainnya menunjukkan angka >0,05,
yang artinya mereka tidak memiliki perbedaan antar grup. Hal ini
mengindikasikan bahwa klasifikasi kawasan perkotaan dan perdesaan bisa diketahui
melalui perhitungan variable keluarga sejahtera, sarana pendidikan, sarana kesehatan,
pelanggan PLN, pelanggan PDAM, dan PDRB ADHB. Dengan kata lain, kecamatan
yang berstatus kawasan perkotaan pasti memiliki masing-masing nilai keenam
variabel yang lebih besar dibanding masing-masing nilai keenam variabel di
kecamatan yang berstatus kawasan perdesaan.
Selain melihat nilai Sig., perhatikan pula nilai Wilks’ Lambda, semakin angka Wilks'
Lambda mendekati angka 0 maka cenderung ada perbedaan dalam kelompok.
Berdasarkan urutan, variabel yang paling memiliki perbedaan dalam kelompok adalah
sarana pendidikan, sarana kesehatan, pelanggan PLN, dan pelanggan PDAM.
d. Log Determinant
Tabel 3. 5. Log Determinants
Log Determinants
Status Rank Log Determinant
Desa 1 5,786
Kota 1 7,970
Pooled within-groups 1 7,263
Berdasarkan tabel diatas menunjukkan bahwa selisih nilai log determinant antara
kecamatan berstatus perkotaan dan perdesaan terpaut cukup jauh, yaitu 2, 202. Hal ini
berarti kedua grup tersebut memilki banyak perbedaan sehingga group covariance
matrices akan relatif berbeda.
12
Tabel 3. 6. Variable Entered/Removed
Variables Entered/Removeda,b,c,d
Min. D Squared
Sarana
1 4,398 Desa and Kota 9,774 1 7,000 ,017
Pendidikan
Tabel diatas menyajikan informasi mengenai variabel apa saja yang dapat diproses lanjut
kedalam analisis diskriminan. Variabel yang dimasukan merupakan variabel yang
memiliki nilai statistic pada F yang tinggi dibanding variabel lain. Melalui
perhitungan SPSS didapatkan bahwa variabel sarana pendidikan merupakan satu-satunya
yang bisa diproses lebih lanjut ke dalam analisis diskriminan sebab memiliki nilai
statistik terhadap F yang paling besar diantara variabel lainnya (lihat tabel Tests of
Equality of Group Means kolom F), yaitu sebesar 9,774.
Tabel diatas menunjukkan bahwa hanya ada satu variabel yang signifikan. Hal ini
mengartikan bahwa sarana pendidikan merupakan satu-satunya variabel yang mampu
mempengaruhi pengelompokan kecamatan berdasarkan kawasan perkotaan atau
perkotaan. Nilai Sig. of F to remove variabel kepadatan penduduk adalah 0.017 atau
<0.05, yang berarti variabel sarana pendidikan memiliki pengaruh terhadap variabel
terikat.
13
Tabel 3. 8. Variables Not in the Analysis
14
Tabel 3. 9. Wilks' Lamda
Wilks' Lambda
Exact F
Number of Lambd
Step df1 df2 df3 Statisti
Variables a df1 df2 sig.
c
1 1 ,417 1 1 7 9,774 1 7,000 0,017
Pada tabel diatas, perhatikan kolom nilai Lambda. Nilai tersebut merupakan representasi
nilai lambda dari variabel yang dianalisis, yaitu kepadatan penduduk. Konsep dari Wilk’s
Lambda adalah varian total dalam discriminant scores yang tidak bisa dijelaskan oleh
perbedaan di antara grup-grup yang ada. Nilai Lambda tercatat sebesar 0,417, berarti
42% varian tidak dapat dijelaskan oleh perbedaan antar grup-grup pada step 1
dengan 1 variabel yang ada. Sedangkan untuk nilai Sig.-nya adalah 0.017 yang berarti
variabel kepadatan penduduk merupakan variabel yang dapat diproses lanjut ke dalam
analisis diskriminan karena memiliki pengaruh terhadap variabel terikat.
Tabel 3. 10. Eigenvalues
Eigenvalues
Function Eigenvalue % of Cumulative Canonical
Variance % Correlation
a
1 1,396 100,0 100,0 ,763
Wilks' Lambda
Test of Wilks' Chi-
df Sig.
Function(s) Lambda square
1 ,417 5,681 1 ,017
15
Nilai Chi-square pada tabel diatas menunjukkan angka sebesar 5,681. Karena nilainya
tidak terlalu besar, hal ini menunjukan bahwa tidak terjadi perbedaan yang cukup jelas
antara kecamatan berstatus perkotaan dengan kecamatan berstatus perdesaan. Hasil
perhitungan pada tabel ini juga selaras dengan perhitungan pada tabel Log Determinants
sebelumnya.
Standardized Canonical
Discriminant Function
Coefficients
Functio
n
1
Sarana Pendidikan 1,000
Tabel diatas berfungsi untuk menentukan fungsi diskriminan. Diketahui bahwa variabel
pembeda yang dapat diproses hanya satu, yaitu sarana pendidikan, sehingga dapat
didapatkan fungsi diskriminan sebagai berikut:
Zscore 1
Zscore
1 = variabel pembeda (atau dalam kasus ini adalah “sarana pendidikan”)
Fungsi ini digunakan untuk menilai suatu kecamatan di Kabupaten Jepara apakah
termasuk kedalam kawasan perkotaan atau perdesaan.
Tabel 3. 13. Structure Matrix
Structure Matrix
Function
1
Sarana Pendidikan 1,000
Sarana Kesehatana ,770
a
Sarana Peribadatan ,732
a
Keluarga Sejahtera ,718
a
PDRB ABHB ,718
a
Pelanggan PDAM ,706
a
Pelanggan PLN ,706
16
Kepadatan Penduduka ,690
Functions at Group
Centroids
Status Function
1
Desa -,932
Kota 1,165
Tabel diatas berfungsi sebagai indikator penentu apakah suatu kecamatan masuk ke status
kawasan perkotaan atau perdesaan. Perhatikan garis dibawah ini:
Jika nilai yang dihasilkan oleh suatu kecamatan < -,932 maka kecamatan tersebut
berstatus perdesaan, sedangkan jika nilai yang dihasilkan >1,165, berarti kecamatan
tersebut masuk sebagai kawasan perkotaan.
Tabel 3. 15. Classification Processing Summary
17
Used in Output 9
Tabel Classification Processing Summary di atas menunjukan bahwa yang di proses tidak
ada yang hilang (missing/terlewatkan).
Tabel diatas menunjukan bahwa terdapat 4 kecamatan yang masuk ke dalam status
kawasan perkotaan dan 5 kecamatan yang masuk ke dalam status kawasan perdesaan.
Tabel 3. 17. Classification Function Coefficients
18
Kemudian kedua persamaan tersebut diselisihkan sehingga didapatkan nilai Z-Score
sebagai berikut:
( ) sarana pendidikan
( ) sarana pendidikan
Hasil fungsi fisher ternyata memiliki hasil yang berbeda dengan fungsi Standardized
Canonical Discriminant Function Coefficients sebelumnya. Jadi, hasil yang digunakan
sebaiknya adalah fungsi Standardized Canonical Discriminant Function Coefficients.
Classification Resultsa,c
Statu Predicted Group Total
s Membership
Desa Kota
Original Count Desa 5 0 5
Kota 1 3 4
% Desa 100,0 ,0 100,0
Kota 25,0 75,0 100,0
Cross- Count Desa 5 0 5
validatedb Kota 1 3 4
% Desa 100,0 ,0 100,0
Kota 25,0 75,0 100,0
a. 88,9% of original grouped cases correctly classified.
b. 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.
c. 88,9% of cross-validated grouped cases correctly classified.
19
kenyataannya terdapat dua kecamatan yang berpindah posisi dari desa ke kota dan kota
ke desa. Hal tersebut menjadikan tingkat ketepatan model diskriminan hanya mencapai
angka 88,9 %.
BAB IV
KESIMPULAN
4.1 . Kesimpulan
Melalui hasil dan pembahasan analisis diskriminan yang telah dilakukan, diketahui
pengelompokan kawasan perkotaan dan perdesaan pada tiap-tiap kecamatan yang ada di
Kabupaten Jepara. Dari output yang didapatkan, variabel pembeda yang dapat digunakan
dalam analisis diskriminan hanya satu, yaitu Kepadatan Penduduk. Hal ini disebabkan
hanya variabel kepadatan penduduk saja yang berhasil memenuhi syarat, yaitu memiliki
nilai Sig. of F to Enter sebesar 0.000 (<0.05) sehingga mampu mempengaruhi variabel
terikat. Setelah variabel kepadatan penduduk diolah lebih lanjut, didapatkan hasil dari uji
Wilks’ Lambda bahwa sebesar 42% varian tidak dapat dijelaskan oleh perbedaan antar
grup-grup pada step 1 dengan variabel kepadatan penduduk. Meskipun demikian, melalui
uji Eigenvalues diketahui bahwa hubungan antara kawasan perkotaan dan perdesaan
adalah erat/kuat karena nilai canonical correlation yang dihasilkan mendekati angka 1,
yaitu 0.763 (atau 58% varians dari variabel independen (kelompok) dapat dijelaskan dari
model diskriminan yang terbentuk).
Meskipun Kabupaten Jepara terbagi menjadi kawasan perkotaan dan perdesaan, namun
berdasarkan uji log determinants diketahui bahwa perbedaan antar keduanya mencolok,
yaitu hanya sebesar 2.12 (tterpaut jauh), begitu pula halnya seperti yang dilakukan pada
uji wilks’ lambda kedua. Pada pengelompokan sebelum analisis dilakukan, terdapat 4
kecamatan berstatus perkotaan dan 5 kecamatan berstatus perdesaan. Setelah dilakukan
analisis, jumlah kecamatan perkotaan dan perdesaan masih tetap, namun ternyata terdapat
dua kecamatan yang saling bertukar posisi. Berikut merupakan tabel pengelompokan
kawasan perkotaan dan perdesaan pada tiap-tiap kecamatan sebelum dan sesudah analisis
diskriminan:
20
Tabel 4.1. Tabel Hasil Analisis
21
Lampiran
Berikut merupakan langkah-langkah yang dilakukan dalam proses analisis diskriminan dengan
bantuan Microsoft Excel dan software SPSS
1. Masukkan data-data yang dibutuhkan pada Microsoft Excel. Data tersebut diantaranya
Nama Kecamatan, status kecamatan, kepadatan penduduk, jumlah keluarga sejahtera,
sarana pendidikan, sarana kesehatan, sarana peribadatan, jumlah pelanggan PLN dan
PDAM serta jumlah PDRB ADHB.
2. Buka jendela baru software SPSS, buka tab variable view dan ketik nama data apa saja
yang akan di-input. Berikut adalah beberapa data yang akan diolah beserta settingannya:
3. Masukkan data yang hendak digunakan dari Microsoft Excel ke dalam software SPSS
untuk diolah. Masukkan data ke dalam tab Data View seperti gambar dibawah ini:
22
4. Dari data diatas, diketahui bahwa jenis data variabel “Status” merupakan data ordinal
(angka 1 dan 2). Untuk masing-masing angka memiliki arti, maka dibutuhkan
penafsiran. Langkahnya adalah kembali ke tab Variable, isi kolom Value pada baris
Status.
5. Muncul kotak dialog value labels. Angka 1 mewakili “Desa” dan 2 mewakili
“Kota”.Ikuti setting-an seperti yang tertera dalam gambar dibawah:
6. Kembali ke tab Data, maka kolom variabel status akan berubah (jika belum berubah,
pastikan menu bar→value labels sudah aktif).
7. Selanjutnya adalah proses inti, yaitu mengolah data untuk analisis Diskriminan. Klik
menu bar Analyze → Classify → Discriminant.
23
8. Selanjutnya, muncul kotak dialog Discriminant analysis yang meminta untuk input
data. Jenis data yang diolah merupakan jenis data ordinal dan rasio.
a. Pindahkan variabel “Status” ke kolom Grouping Variable (untuk variabel depedent)
b. Pindahkan variabel lainnya ke kolom Independents.
9. Klik Define Range, isi kolom minimum dengan angka “1” dan kolom maximum dengan
angka “2”, kemudian klik Continue.
24
10. Pilih Use stepwise method sebelum mengatur pilihan yang lain.
11. Selanjutnya, klik pilihan Statistics di sebelah kanan, buat setting-an seperti dibawah ini:
12. Kemudian atur pilihan Method-nya, pilih Mahalanobis distance pada kolom Method,
pilih Use probability of F pada kolom Criteria, dan pilih Summary of steps pada kolom
Display→Continue.
13. Selanjutnya atur pilihan Classify. Buat setting-an seperti dibawah ini: (kemudian klik
Continue jika telah selesai)
25
14. Terakhir, atur pilihan Save seperti dibawah ini: (kemudian klik Continue jika telah
selesai)
15. Berikut merupakan tampilan akhir kotak dialog analisis diskriminan sebelum kita
memerintah program untuk menghasilkan output. Klik OK dan tunggu beberapa saat
hingga muncul jendela output memeberikan hasil output dari software SPSS.
26
16. Muncul jendela output seperti dibawah ini:
17. Buka kembali Data View. Maka akan muncul 2 variabel baru sebagai kesimpulan dari
analisis yang ada.
27