ANALISIS DISKRIMINAN UNTUK MENDAPATKAN

FUNGSI GUNA MENDUGA FREKUENSI LIBURAN

KELUARGA

Untuk Memenuhi Tugas Mata Kuliah Analisis Data Kuantitatif

Dosen Pengampu:

Dr. H. Karim, M.Si

Taufiq Hidayanto, M.Pd

Indah Budiarti, M.pd

Oleh :

Amanah 1610118120002

Amalia Ayunani 1610118220002

Devi Refitasari 1610118220006

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMBUNG MANGKURAT
MARET 2019
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis diskriminan merupakan teknik menganalisis data, dimana variabel dependen
merupakan data kategorik atau kualitatif (ordinal atau rasio), sedangkan variabel
independen berupa data kuantitatif (interval atau rasio).
Analisis diskriminan merupakan salah satu dari analisis multivariat dengan metode
dependensi. Di mana kita mengenal ada dua metode dalam analisis multivariat, yaitu
metode dependensi dan metode interdependensi. Yang dimaksud dengan metode
dependensi yaitu variabel-variabelnya tidak saling bergantung satu dengan yang lain,
sedangkan metode interdenpendensi adalah antarvariabelnya ada saling ketergantungan.

Oleh karena itu dalam makalah ini, untuk mendapatkan fungsi guna menduga
frekuensi liburan keluarga maka dilakukan analisis menggunakan teknik analisis
diskriminan.

1.2 Rumusan Masalah

Bagaimana pengklasifikasian frekuensi liburan keluarga yang dianalisis menggunakan
teknik analisis diskriminan?
1.3 Tujuan Penulisan
Untuk mengetahui pengklasifikasian frekuensi liburan keluarga yang dianalisis
menggunakan teknik analisis diskriminan.

2
 BAB II
HASIL PENELITIAN

2.1 Kasus Analisis Diskriminan

Seorang peneliti menggunakan analisis diskriminan untuk mendapatkan fungsi guna

menduga frekuensi liburan keluarga (Y), dimana variabel Y terdiri dari 2 kategori, yakni
Y=1 untuk frekuensi liburan rendah, Y=2 untuk frekuensi liburan tinggi. Variabel yang
digunakan sebagai penduga Y adalah :

X1 = pendapatan keluarga per bulan (juta rupiah)

X2 = sikap terhadap perjalanan (skala 1-7, dari sangat negatif sampai sangat positif)

X3 = tingkat kepentingan liburan keluarga (skala 1-7, dari sangat tidak penting sampai sangat
penting)

X4 = jumlah anggota keluarga

X5 = umur kepala keluarga (dalam tahun)

Adapun data sebagai berikut :

Responden Y X1 X2 X3 X4 X5

1 1 1.50 1 1 6 25

2 1 2.00 1 1 7 30

3 1 1.17 1 1 8 55

4 1 3.50 2 1 9 60

5 1 1.25 2 1 5 30

6 2 10.00 7 7 2 43

7 2 15.00 6 7 1 45

8 2 13.00 7 6 3 29

9 2 14.00 6 6 2 28

3
 10 2 8.00 7 6 2 26

11 1 1.50 1 1 10 23

12 1 2.30 2 1 7 24

13 1 3.10 1 2 8 32

14 1 1.40 1 2 9 34

15 1 0.75 2 2 6 47

16 2 11.00 7 7 2 35

17 2 12.00 5 7 3 42

18 2 12.50 7 6 2 43

19 2 13.70 6 6 3 44

20 2 19.00 6 7 1 45

2.2 Pengujian untuk setiap variabel bebas.

a. Hasil uji means (rata-rata) dari setiap variabel

 Dengan angka Wilk’s Lambda

Angka Wilks’ Lambda berkisar 0 sampai 1. Jika angka mendekati 0 maka data tiap
grup cenderung berbeda, sedang jika angka mendekati 1, data tiap grup cenderung sama.
Dari tabel terlihat angka Wilks’ Lambda berkisar antara 0,033 sampai 0,991
(mendekati 1). Dari kolom tersebut bisa dilihat bahwa hanya variabel Umur Kepala
Keluarga yang cenderung tidak berbeda. Hal ini berarti umur kepala keluarga untuk keluarga

4
 dengan frekuensi liburan rendah atau tinggi ternyata tidak berbeda secara nyata. Berarti di
sini hanya ada satu variabel yang tidak lolos yakni Umur Kepala Keluarga .

 Dengan F test
Lihat angka Sig.
Jika Sig. > 0,05 berarti tidak ada perbedaan antar grup.
Jika Sig. < 0,05 berarti ada perbedaan antar grup.
Contoh analisis menggunakan uji F:
- Variabel pendapatan keluarga per bulan, sikap terhadap perjalanan, tingkat kepentingan
liburan keluarga, jumlah anggota keluarga, dengan angka Sig. dibawah 0,05 (0,000).
Hal ini berarti ada perbedaan antar grup, atau juga berarti keempat variabel tersebut
memengaruhi tinggi atau rendahnya frekuensi liburan mereka.
- Variabel Umur Kepala Keluarga, dengan angka Sig. jauh diatas 0,05 (0,685). Hal ini
berarti Umur Kepala Keluarga responden tidak memengaruhi tinggi atau rendahnya
frekuensi liburan mereka. Kesimpulan ini sama dengan jika berpatokan pada angka
Wilk’s Lambda yang hampir mendekati 1 untuk variabel Umur Kepala Keluarga.
Dari lima variabel, ada empat variabel yang berbeda sacara signifikan untuk dua grup
diskriminan, yaitu X1, X2, X3 DAN X4. Dengan demikian, tinggi atau rendahnya frekuensi
liburan keluarga dipengaruhi oleh pendapatan keluarga per bulan, sikap terhadap perjalanan,
tingkat kepentingan liburan keluarga, jumlah anggota keluarga responden yang
bersangkutan.

b. Hasil uji varians dari setiap variabel.

Analisis Diskriminan mempunyai asumsi bahwa :
 Varians variabel bebas untuk tiap grup seharusnya sama. Jika demikian, seharusnya
varians dari Responden yang frekuensi liburannya rendah sama dengan varians dari
Responden yang frekuensi liburannya tinngi.
 Varians di antara variabel-variabel bebas seharusnya juga sama. Jika demikian,
seharusnya varians dari Variabel pendapatan keluarga per bulan sama dengan sikap
terhadap perjalanan sama dengan tingkat kepentingan liburan keluarga, dan sebagainya.
Kedua pengertian di atas bisa disimpulkan, seharusnya group covariance matrices adalah
relatif sama.
Sama tidaknya group covariance matrices bisa dilihat dari tabel output Log Determinants
berikut:

5
 Terlihat angka Log Determinant untuk kategori RENDAH (2,422) dan TINGGI (2,133)
tidak berbeda banyak, sehingga group covariance matrices akan relative sama untuk kedua
group.

Group covariance matrices juga dapat diuji menggunakan tabel Box’s M dengan ketentuan:
 HIPOTESIS
Ho : group covariance matrices adalah relatif sama
Hi : group covariance matrices adalah berbeda secara nyata
 Keputusan dengan dasar signifikansi (lihat angka Sig.)
Jika Sig.>0,05 berarti Ho diterima.
Jika Sig.<0,05 berarti Ho ditolak.
Dari tabel terlihat bahwa angka Sig. jauh di atas 0,05 (0,138) yang berarti group covariance
matrices adalah sama. Hal ini berarti data diatas sudah memenuhi asumsi analisis
diskriminan, sehingga proses bisa dilanjutkan.

c. Melakukan Analisis Diskriminan

Setelah dilakukan pengujian atas variabel yang akan diproses, langkah selanjutnya
adalah melakukan proses pembuatan model diskriminan.

6
 Dari uji variabel sebelumnya, diketahui ada empat variabel yang lolos uji, yakni endapatan
keluarga per bulan, sikap terhadap perjalanan, tingkat kepentingan liburan keluarga, jumlah
anggota keluarga responden yang bersangkutan.
Langkah selanjutnya adalah membuat model diskriminan dua faktor untuk kasus tersebut.

d. Output Analisis Diskriminan

Tabel Group Statistics pada dasarnya berisi data statistik (deskriptif) yang utama,
yakni rata – rata dan standar deviasi , dari kedua kategori grup. Semua data akan diuji untuk
mengetahui variabel mana yang mempunyai perbedaan yang signifikan.
Dari tabel di atas terlihat ada 10 responden yang tergolong rendah frekuensi liburan
keluarganya, sedangkan 10 responden lainnya tergolong tinggi frekuensi liburan
keluarganya. Jika melihat semua variabel terisi angka 10 semuanya, maka pada kasus ini
tidak ada data yang hilang (missing), sehingga total data untuk semua variabel adalah 20
buah.

7
 Tabel ini menyajikan variabel mana saja (dari empat variabel input) yang bisa
dimasukkan (entered) dalam persamaan diskriminan, yaitu hanya ada dua variabel yang
signifikan. Atau bisa dikatakan Tingkat Kepentingan Liburan Keluarga dan Sikap Terhadap
Perjalanan mempengaruhi perilaku keluarga tersebut untuk rendah atau tingginya frekuensi
liburan mereka. Atau berbagai kemungkinan lain yang akan diuraikan pada analisis
selanjutnya.

Tabel di atas dan tabel selanjutnya sebenarnya hanyalah perincian (detail) dari proses
stepwise pada tabel sebelumnya. Pada step 1, variabel Tingkat Kepentingan Liburan
Keluarga adalah variabel pertama yang masuk ke dalam Model diskriminan. Hal ini
disebabkan variabel tersebut mempunyai angka Sig. Of F To Remove yang paling sedikit,
yakni 0,000 (jauh dibawah 0,05).
Kemudian pada step 2, dimasukkan variabel kedua, yakni Sikap Terhadap Perjalanan.
Variabel tersebut memenuhi syarat, karena mempunyai angka Sig. Of F To Remove dibawah
0,05 yakni 0,001.

Tabel di atas adalah kebalikan dari tabel sebelumnya, di mana pada tabel ini justru
yang ditayangkan adalah proses pengeluaran variabel secara bertahap.

8
 Wilk’s Lambda pada prinsipnya adalah varians total dalam discriminant scores yang
tidak bisa dijelaskan oleh perbedaan di antara grup-grup yang ada. Perhatikan tabel di atas
yang terdiri atas dua tahap (step), yang terkait dengan dua variabel yang secara berurutan
dimasukkan pada tahapan analisis sebelumnya.
Pada step 1, jumlah variabel yang dimasukkan ada satu, dengan angka Wilk’s Lambda
adalah 0,033. Hal ini berarti 3,3% varians tidak dapat dijelaskan oleh perbedaan antara grup-
grup. Kemudian pada step 2, angka Wilk’s Lambda turun menjadi 0,016. Penurunan angka
Wilk’s Lambda tentu baik bagi model diskriminan, karena varians yang tidak bisa dijelaskan
juga semakin kecil (dari 3,3% menjadi 1,6%).
Dari kolom F dan signifikansinya, terlihat baik pada pemasukan variabel 1 dan 2,
semuanya adalah signifikan secara statistik. Hal ini berarti kedua variabel tersebut memang
berbeda untuk kedua tipe konsumen.

Summary of Canonical Discriminant Functions

Cononical Correlation mengukur keeratan hubungan antara discriminant score dengan

grup (dalam hal ini, karena ada dua tipe konsumen, maka ada dua grup). Angka 0,992
menunjukkan keeratan yang cukup tinggi, dengan ukuran skala asosiasi antara 0 sampai 1.

Tabel diatas menyatakan angka akhir dari Wilk’s Lambda, yang sebenarnya sama saja
dengan angka terakhir dari step 2 pembuatan model diskriminan (lihat tabel terdahulu).
Angka Chi-Square sebesar 70,033 dengan tingkat signifikansi yang tinggi menunjukkan
perbedaan yang jelas antara dua grup konsumen (mereka yang rendah frekuensi liburan
keluarga dengan yang tinggi frekuensi liburan keluarga).

9
 Tabel Sructure Matrix menjelaskan korelasi antara variabel independen dengan fungsi
diskriminan yang terbentuk. Terlihat variabel Tingkat Kepetingan Liburan Keluarga paling
erat hubungannya dengan fungsi diskriminan, diikuti oleh variabel Sikap Terhadap
Perjalanan, dan seterusnya. Hanya disini variabel Jumlah Anggota Keluarga dan Pendapatan
Keluarga Perbulan tidak dimasukkan dalam model diskriminan (perhatikan tanda huruf a di
dekat variabel tersebut). Perhatikann tanda korelasi yang sama dengan tanda koefisien pada
model Discriminant Score.

Tabel di atas mempunyai fungsi yang hampir mirip dengan persamaan regresi
berganda, yang dalam analisis diskriminan disebut sebagai FUNGSI DISKRIMINAN :
Z Score = -11,2551 + 1,195 Sikap Terhadap Perjalanan + 1,690 Tingkat Kepentingan Liburan
Keluarga
Kegunaan fungsi ini untuk mengetahui sebuah kasus masuk pada grup yang satu,
ataukah tergolong pada grup yang lainnya. Selain fungsi di atas, dengan dipilihnya FISHER
FUNCTION COEFFICIENT pada proses analisis, maka akan terbentuk pula Fungsi
Diskriminan Fisher.

10
 BAB III
PENUTUP

3.1 Kesimpulan
Dengan demikian, setelah dilakukan analisis diskriminan maka
terbentuklah persamaan yang disebut Fungsi Diskriminan, yaitu
𝒁 𝑺𝒄𝒐𝒓𝒆 = −𝟏𝟏, 𝟐𝟓𝟓𝟏 + 𝟏, 𝟏𝟗𝟓 𝑺𝒊𝒌𝒂𝒑 𝑻𝒆𝒓𝒉𝒂𝒅𝒂𝒑 𝑷𝒆𝒓𝒋𝒂𝒍𝒂𝒏𝒂𝒏
+ 𝟏, 𝟔𝟗𝟎 𝑻𝒊𝒏𝒈𝒌𝒂𝒕 𝑲𝒆𝒑𝒆𝒏𝒕𝒊𝒏𝒈𝒂𝒏 𝑳𝒊𝒃𝒖𝒓𝒂𝒏 𝑲𝒆𝒍𝒖𝒂𝒓𝒈𝒂
Kegunaan fungsi ini untuk mengetahui sebuah kasus masuk pada grup
yang satu, ataukah tergolong pada grup yang lainnya.

11