TUGAS

ANALI
SISMULTI
VARI
AT

DosenPengampu:
Dr
.Sr
iMar
yat
i,SE.
,
M.Si

Di
susunOl
eh:
Di
niWul
andar
i
(
1920532028)

MAGI
STERAKUNTANSI
FAKULTASEKONOMI
UNI
VERSI
TASANDALAS
2020
 ANALI
SISDESKRI
MINAN

SOAL:

Seorangpenel iti
menggunakananal isisdi skriminanunt ukmendapat kanfungsi guna
 Menduga f rekuensiliburan keluar ga (Y).di mana v ari
ableY t erdir
idar i3
kategori.yakniY=1unt ukf r
ekuensil i
buranr endah.Y=2unt ukfrekuensilibur
an
sedang.Y=3unt ukfrekuensili
bur ant inggi.
 Var iabelyangdi gunakansebagai pendugaYadal ah:
 X1=pendapat ankeluargaperbul an( jutarupiah)
 X2=si kapt erhadapper j
alanan( skala1- 7.darisangatnegat i
fsampaisangat
positi
f)
 X3=t i
ngkatkepent i
nganl i
bur ankel uarga( skala1-7.dar isangattidak
pentingsampai sangatpent i
ng)
 X4=j uml ahanggot akeluarga
 X5=umurkepal akeluarga
Adapundat ayangdi perol
ehdar isurveypenel i
tisebagai ber
ikut:

NO Y X1 X2 X3 X4 X5
1 1 1.5 1 1 6 25
2 1 2 1 1 7 30
3 1 1.17 1 1 8 55
4 1 3.5 2 1 9 60
5 1 1.25 2 1 5 30
6 2 5.3 3 3 3 32
7 2 6.5 3 4 4 31
8 2 4.7 4 4 4 45
9 2 4.65 4 3 5 42
10 2 3.75 5 4 5 41
11 3 10 7 7 2 43
12 3 15 6 7 1 45
13 3 13 7 6 3 29
14 3 14 6 6 2 28
15 3 8 7 6 2 26
16 1 1.5 1 1 10 23
17 1 2.3 2 1 7 24
18 1 3.1 1 2 8 32
19 1 1.4 1 2 9 34
20 1 0.75 2 2 6 47
21 2 3.2 3 4 4 49
22 2 4.5 4 4 5 50
23 2 6.1 6 4 4 36
 24 2 4.
3 4 5 5 31
25 2 3.
8 4 5 5 39
26 3 11 7 7 2 35
27 3 12 5 7 3 42
28 3 12.5 7 6 2 43
29 3 13.7 6 6 3 44
30 3 19 6 7 1 45

Berdasar kanhasi lpengolahant er sebut

:
A. Lalukanlah anal i
sis apakah modelanal i
sis diskr
iminan yang di
dapatsecara
statisti
ksi gnif
ikanpadat arafnyat a5%.Jel askan!
B. Jelaskanl ahv ari
abelapasaj ay angpengar uhny anyatadalam memisahkanketi
ga
kategor ifrekuensili
burankeluar ga?
C. Jika kel uarga Har tono memi likipendapat an 5 jutar upi
ah.sikap ter
hadap
perjalanan=7.t ingkatkepentingant er
hadapl i
buran=5.jumlahanggotakeluar
ga
=5.danumurkepal akel uargaadal ah40t h.makadugal ahfrekuensil
ibur
an
Hartonot ersebut!

JAWAB:
1.PENGUJI
ANASUMSI
A.NonMult
ikol
i
near
it
as
Coef
fi
ci sa
ent
Unst
andar
dized St
andar
dized Col
l
inear
it
y
Coef
fi
cient
s Coef
fi
cient
s St
ati
sti
cs

Model B St
d.Er
ror Bet
a t Si
g. Tol
erance VI
F

1 (
Const
ant
) ,
975 ,
233 4,
188 ,
000

X1 ,
028 ,
011 ,
174 2,
527 ,
019 ,
234 4,
274
X2 ,
104 ,
033 ,
275 3,
122 ,
005 ,
143 7,
012
X3 ,
171 ,
037 ,
460 4,
577 ,
000 ,
110 9,
093
X4 -
-
,
042 ,
025 -
,
125 ,
104 ,
203 4,
927
1,
689
X5 -
,
001 ,
003 -
,
014 -
,
423 ,
676 ,
968 1,
033

a.DependentVar
iabl
e:Y

Hi
pot
esi
s:
Ho:
Tidakt
erdapatMul
ti
kol
i
near
it
as
H1:
Pal
i
ngsedi
ki
tter
dapatmul
ti
kol
i
near
it
asdal
am per
ubahX
Ni
l
aiVI
Fyangdi
dapat
kanpadat
abeldi
atasy
ait
uber
nil
ai<10sehi
nggaHo
di
ter
ima,
makadapatdi
simpul
kanbahwaasumsi
nonmul
ti
kol
i
near
it
ast
erpenuhi
.
 B.Nor
mal
Mul
ti
var
iat
One-
Sampl
eKol
mogor
ov-
Smi
rnovTest

Unst
andar
dizedResi
dual

N 30
a,
b
Nor
mal
Par
amet
ers Mean 2,
0000000
St
d.Dev
iat
ion ,
81933442
MostExt
remeDi
ff
erences Absol
ute ,
180
Posi
ti
ve ,
157
Negat
ive -
,
180
TestSt
ati
sti
c ,
986
Asy
mp.Si
g.(
2-t
ail
ed) ,
285

a.Testdi
str
ibut
ioni
sNor
mal
.
b.Cal
cul
atedf
rom dat
a.

Hi
pot
esi
s:
Ho:
gal
atber
dist
ri
busi
nor
mal
H1:
gal
adt
idakber
dist
ri
busi
nor
mal
P-
Val
ue=0,
285α=0,
05
Dengant
arafny
ata5%sudakcukupbukt
ibahwaasumsi
gal
atber
dist
ri
busi
nor
mal
ter
penuhi
.

C.NoOut
li
er

Dariboxpl
otdi
atasmeunjukkanhasi
lbahwat
idakadadat
ay angkel
uar
dar
ibatasatauti
dakadapenci
lan,sehi
nggaasumsi
nooutli
ert
erpenuhi
.
 D.Mat
ri
kskov
ari
andar
isemuav
ari
abel
predi
ktorr
elat
ifsama
TestResul
ts
Box
'sM 61,
365
F Appr
ox
1,
480
.

df
1 30
df
2 2909,
985
Si
g. ,
045

Test
snul
lhy
pot
hesi
sofequal
popul
ati
oncov
ari
ance
mat
ri
ces.

Ho:
Mat
ri
kskov
ari
andar
isemuav
ari
abelpr
edi
ktorrel
ati
fsama
H1:
Mat
ri
kskov
ari
andar
isemuav
ari
abel
predi
ktorberbeda
Ni
l
aiP-
Val
ue=0,
045α=0,
05
Kesi
mpul
anny
atol
ak Ho,sehi
ngga dapatdi
simpul
kan bahwa mat
ri
ks
kov
ari
andar
isemuav
ari
abelpr
edi
ktorsamat
idakt
erpenuhi
,namunkembal
ike
bat
asanmasal
ahy
angmenj
elaskanbahwadi
asumsi
kansemuaasumsi
ter
penuhi

2.ANALI
SISDI
SRI
KRI
MINAN
Wi
lks'
Lambda
TestofFunct
ion(
s) Wi
l
ks'
Lambda Chi
-squar
e Df Si
g.

1t
hrough2 ,
016 103,
151 10 ,
000
2 ,
623 11,
846 4 ,
019

A.Hasi
lUj
iSi
gni
fi
kasi
Model
Deskr
imi
nan

HI
POTESI
S:

H0:
Fungsi
diskr
imi
nant
idaksi
gni
fi
kan

H1:
Fungsi
diskr
imi
nansi
gni
fi
kan

 Uj
ist
ati
sti
kfungsi
diskr
imi
nan1hi
ngga2:

Ter
saj
idibagianwil
ks”lambda,
menunj
ukkanbahwafungsidi
skri
minan1hingga
2diper
olehni
laisi
g0,000karenasig<5%makadapatdisi
mpulkanfungsidi
skr
imi
nan1
hi
ngga2sigif
ikanpadatar
afnyata5%.
 Wi
l
ks’
Lambda=0,
016

Chi
-Squar
e =103,
151

Stat
ist
ikChi-
Squaremeny ebardengander j
atbebasf
ungsidi
skr
iminan1hingga2
(p-r
+1)(
G-r)
=10 dar it
abeldiperol
ehni l
ai(df=10)5% =18,307.Ni
laiSigdihi
tungdar
i
Sig=pel
uang(df=10>103,
151)=0,
000.Kar enaSig<5%atauChi-
Squar
e>( df=10)
5%maka
dapatdisi
mpulkanH0di t
olakpadatarafnyata5%.

 Uj
iSt
ati
sti
kfungsi
diskr
imi
nan2:

Sedangkanunt
ukujisi
gni
fi
kasidiskr
iminan2diper
olehni
l
aisigsebesar0,
019.
Kar
enasig<5% makadapatdi si
mpulkanf ungsidi
skr
imi
nan2j ugasi
gnif
ikanuntuk
memisahkanketi
gagr
uppadatar
afnyata5%.

Wi
l
ks’
Lambda=0,
623

Chi
-Squar
e =11,
846

Stat
ist
ikChi-Squaremeny ebardengander jatbebasfungsidiskri
minan2 ( p-
r+1)(
G-r
)=4 dar itabeldi peroleh nil
ai(df=4)5% = 9, 488.NilaiSig dihi
tung dari
Sig=pel
uang(df=4>103,151)=0,000.KarenaSi g<5% at
auChi -
Square>( df=4)
5% maka
dapatdisi
mpulkanH0di tol
akpadat arafnyat
a5%.

Jadikesi
mpulanny
abahwaf ungsisudahlay
akdansudahdapatdi
gunakanunt
uk
menggambarkanti
ngkatf
rekuensi
li
bur ankel
uarga.

Test
sofEqual
it
yofGr
oupMeans
Wi
l
ks'
Lambda F df
1 df
2 Si
g.

X1 ,
130 90,
203 2 27 ,
000
X2 ,
106 114,
081 2 27 ,
000
X3 ,
060 212,
337 2 27 ,
000
X4 ,
178 62,
349 2 27 ,
000
X5 ,
975 ,
342 2 27 ,
714

B.Hasi
lUj
iSi
gni
fi
kasi
Var
iabel
Independen

Dalam tabelterl
ihatbahwani l
aiSigunt ukv ari
abelX1,X2,X3,danX4kur angdar i5%,
sehingga dapatdi si
mpul kan bahwa v ariabelX1,X2,X3,dan X4 si gni
fikan dal
am
mendeskr i
minasifrekuensil i
burankeluargapadat arafnyat
a5% ATAUv ar
iabelX1,X2,
X3,danX4ber pengaruhter hadapfrekuensilibur
ankeluargarendah,sedangdant i
nggi
.
Sement ar
aunt ukvari
abelX5t i
daksignif
ikandant i
dakberpengaruh.

 Uj
iX1
 Ho:
Var
iabel
1ti
dakber
pengar
uhsi
gni
fi
kant
erhadapf
rekuensi
li
bur
ankel
uar
ga

H1:
Var
iabel
1ber
pengar
uhsi
fni
fi
kant
erhadapf
rekuensi
li
bur
ankel
uar
ga

STATI
STI
KUJI
:

Wi
l
ks’
Lambda =0,
130

F =90,
203

Stat
ist
ikFmeny ebarmengi kutisebaranFdengander
ajatbebasdf1=2df
=27.Padatabel
FdiperolehnilaiF( df1=2df 2=27)5% =3,35.Padaout putdi
per
olehni
laiSig,di
mana
si
g=peluang( F(df1=2,df
2=27)>90, 203= 0,000.KarenaSig5% atauF>Ftabelmaka
dapatdisimpulkantolakHopadat arafny
ata5%.

 Uj
iX2

Ho:
Var
iabel
1ti
dakber
pengar
uhsi
gni
fi
kant
erhadapf
rekuensi
li
bur
ankel
uar
ga

H1:
Var
iabel
1ber
pengar
uhsi
fni
fi
kant
erhadapf
rekuensi
li
bur
ankel
uar
ga

STATI
STI
KUJI
:

Wi
l
ks’
Lambda =0,
160

F =114,
081

Stati
sti
kFmeny ebarmengi kut
isebar anFdenganderajatbebas df1=2df2=27.Pada
tabelFdiper
olehni l
aiF( df
1=2df 2=27)5%=3,35.Padaoutputdi
per
olehnil
aiSig,di
mana
sig=pel
uang( F(df1=2,df
2=27)>114, 081=0,000.KarenaSig5% at auF>Ftabelmaka
dapatdisi
mpul kantolakHopadat ar
fny at
a5%.

 Uj
iX3

Ho:
Var
iabel
1ti
dakber
pengar
uhsi
gni
fi
kant
ehadapf
rekuensi
li
bur
ankel
uar
ga

H1:
Var
iabel
1ber
pengar
uhsi
gni
fi
kant
erhadapf
rekunsi
li
bur
ankel
uar
ga

STATI
STI
KUJI:

Wi
l
ks’
Lambda =0,
060

F =212,
337

Stati
sti
kFmeny ebarmengi kut
isebaranFdengander aj
atbebas df1=2df2=27.Pada
tabelFdiper
olehnil
aiF( df
1=2df 2=27)
5%=3,35.Padaoutputdi
per
olehnil
aiSi
g,dimana
sig=pel
uang(F(df2,
df2=27)>212, 337=0,
000.KarenaSig5%atauF>Ftabelmakadapat
disi
mpulkantolakHopadat arfnyata5%.
  Uj
iX4

Ho:
Var
iabel
1ti
dakber
pengar
uhsi
gni
fi
kant
ehadapf
rekuensi
li
bur
ankel
uar
ga

H1:
Var
iabel
1ber
pengar
uhsi
gni
fi
kant
erhadapf
rekunsi
li
bur
ankel
uar
ga

STATI
STI
KUJI:

Wi
l
ks’
Lambda =0,
178

F =62,
349

Stati
sti
kFmeny ebarmengikutisebar
anFdengander ajatbebas df1=2df2=27.Pada
tabelFdiper
olehnil
aiF(df1=2df2=27)
5%=3, 35.Padaoutputdi
per
olehnil
aiSi
g,dimana
sig=pel
uang(F(df2,
df2=27)>62,349=0,000.KarenaSig5%at auF>Ftabelmakadapat
disi
mpulkantolakHopadat ar
fnyata5%.

Canoni
calDi
scr
imi
nantFunct
ionCoef
fi
cient
s

Funct
ion
1 2

X1 ,
256 ,
471
X2 ,
760 -
,
014
X3 1,
200 -
,
517
X4 -
,
260 ,
446
X5 -
,
012 -
,
032
(
Const
ant
) -
7,681 -
1,811

Unst
andar
dizedcoef
fi
cient
s

Funct
ionsatGr
oupCent
roi
ds
Funct
ion

Y 1 2

1 -
6,979 ,
552
2 -
,
275 -
1,044
3 7,
254 ,
492

Unst
andar
dizedcanoni
cal
discr
imi
nantf
unct
ionsev
aluat
edatgr
oupmeans

C.Dar
ifungsi
diskr
imi
nanper
tama,
dapatdi
per
oleh:

=-
7,681+0,
256X1+0,
760X2+1,
2X3-0,
26X4-0,
012X5
 =-
7,681+0,
256(
5)+0,
760(
7)+1,
2(5)-0,
26(
5)-0,
012(
40)

=3,
139

Dar
ifungsi
diskr
imi
nanper
tama,
dapatdi
per
oleh:

=-
1,811+0,
471X1-0,
014X2-0,
517X3+0,
446X4-0,
032X5

=-
7,681+0,
256(
5)+0,
760(
7)+1,
2(5)-0,
26(
5)-0,
012(
40)

=1,
189

Berdasar
kanhasilper
hit
ungandiatas didapatskorsebesar3,139danskorsebesar
1,
189 dan ter
nyatafr
ekuensili
buran kel
uarga t
ersebutj
atuh pada grub 2.Dengan
demikiankel
uargahar
tonotermasukkepadagr upy angfr
ekuensili
burankeluar
ganya
sedang.

Lampi
ran2.Out
putSPSS
a
Var
iabl
esEnt
ered/
Remov
ed

Model Var
iabl
es Var
iabl
es Met
hod
Ent
ered Remov
ed

1 X_
5,X_
4,X_
1, .Ent
er
b
X_
2,X_
3
a.DependentVar
iable:
Y
b.Al
lrequestedv
ariabl
esent
ered.

Model
Summar
yb

Coef
fi
ci sa
ent
Model Unst
andardi
zed St
andardi
zed t Si
g. Colli
neari
t
Coeff
ici
ents Coeff
ici
ents y
Stati
stics
B St
d.Er
ror Bet
a Tolerance

(
Const
ant
) .
975 .
233 4.
188 .
000
X_
1 .
028 .
011 .
174 2.
527 .
019 .
234
X_
2 .
104 .
033 .
275 3.
122 .
005 .
143
1
X_
3 .
171 .
037 .
460 4.
577 .
000 .
110
X_
4 -
.042 .
025 -
.125 -
1.689 .
104 .
203
X_
5 -
.001 .
003 -
.014 -
.423 .
676 .
968

Model R RSquar
e Adj
ust
edR St
d.Er
roroft
he
Squar
e Est
imat
e

1 987a
. .
973 .
968 .
14889

a.Predi
ctor
s:(Const
ant
),X_
5,X_
4,X_
1,X_
2,X_
3
b.DependentVari
abl
e:Y

a
ANOVA
Model Sum of df Mean F Si
g.
Squar
es Squar
e
b
Regr
essi
on 19.
468 5 3.
894 175.
637 .
000

1 Resi
dual .
532 24 .
022
Tot
al 20.
000 29
a.DependentVari
abl
e:Y
b.Predi
ctor
s:(Const
ant
),X_
5,X_
4,X_
1,X_
2,X_
3

Coef
fi
ci sa
ent
Model Col
li
neari
ty
St
ati
sti
cs
VI
F

1 (
Const
ant
)
 X_
1 4.
274
X_
2 7.
012
X_
3 9.
093
X_
4 4.
927
X_
5 1.
033
a
Col
li
near
it
yDi
agnost
ics
Mod Di
mensi Ei
genval Condi
ti
on Var
iancePr
opor
ti
ons
el on ue Index
(
Consta X_
1 X_
2 X_
3
nt
)
1 5.
111 1.
000 .
00 .
00 .
00 .
00

2 .
753 2.
605 .
00 .
02 .
00 .
00
3 .
062 9.
094 .
00 .
86 .
12 .
03
1
4 .
046 10.
538 .
01 .
01 .
08 .
01
5 .
018 16.
800 .
00 .
10 .
66 .
88
6 .
010 22.
571 .
99 .
00 .
14 .
08
a
Col
li
near
it
yDi
agnost
ics
Model Di
mensi
on Variance
Proporti
ons
X_4 X_5

1 .
00 .
00

2 .
03 .
00
3 .
05 .
03
1
4 .
12 .
87
5 .
00 .
02
6 .
80 .
07
a
Resi
dual
sSt
ati
sti
cs
Mi
nimum Maxi
mu Mean St
d. N
m Devi
ati
on
Pr
edi
ctedVal
ue .
8470 3.
2422 2.
0000 .
81933 30
Resi
dual -
.24672 .
22327 .
00000 .
13545 30
Std.Pr
edi
cted
-
1.407 1.
516 .
000 1.
000 30
Value
St
d.Resi
dual -
1.657 1.
500 .
000 .
910 30

One-
Sampl
eKol
mogor
ov-
SmirnovTest
Unstandar
dizedPr
edi
ctedVal
ue
N 30
a,
b Mean 2.
0000000
Nor
mal
Par
amet
ers
Std.Devi
ati
on .
81933442
MostExt
remeDi
ff
erences Absolut
e .
180
Posit
ive .
157
 Negat
ive -
.180
Kol
mogor
ov-
SmirnovZ .986
Asy
mp.Si
g.(
2-t
ailed) .285
a.Testdist
ri
buti
onisNor
mal
.
b.Calcul
atedfr
om dat
a.

CasePr
ocessi
ngSummar
y

Cases

Val
i
d Mi
ssi
ng Tot
al

N Per
cent N Per
cent N Per
cent

X_
1 30 100.
0% 0 0.
0% 30 100.
0%

X_
2 30 100.
0% 0 0.
0% 30 100.
0%

X_
3 30 100.
0% 0 0.
0% 30 100.
0%

X_
4 30 100.
0% 0 0.
0% 30 100.
0%

X_
5 30 100.
0% 0 0.
0% 30 100.
0%

Anal
ysi
sCasePr
ocessi
ngSummar
y
Unwei
ght
edCases N Per
cent
Val
i
d 30 100.
0
Mi ssingorout-of-
range
0 .
0
groupcodes
Atl eastonemi ssi
ng
0 .
0
discriminati
ngv ar
iable
Excl
uded Bot hmi ssi
ngorout -
of -
range
groupcodesandatl eastone
0 .
0
mi ssingdiscr
iminati
ng
variable
Tot al 0 .
0
Tot
al 30 100.
0
Gr
oupStat
isti
cs
Y ValidN( l
i
stwi
se)
Unweighted Weight
ed
X_
1 10 10.
000
X_
2 10 10.
000
r
endah X_
3 10 10.
000
X_
4 10 10.
000
X_
5 10 10.
000
sedang X_
1 10 10.
000
X_
2 10 10.
000
X_
3 10 10.
000
 X_
4 10 10.
000
X_
5 10 10.
000
X_
1 10 10.
000
X_
2 10 10.
000
t
inggi X_
3 10 10.
000
X_
4 10 10.
000
X_
5 10 10.
000
X_
1 30 30.
000
X_
2 30 30.
000
Tot
al X_
3 30 30.
000
X_
4 30 30.
000
X_
5 30 30.
000

LogDet
erminant
s
Y Rank LogDet
ermi
nant
Rendah 5 2.
422
Sedang 5 1.
020
Ti
nggi 5 2.
133
Pooledwi
thi
n-gr
oups 5 4.
131
Theranksandnat
urall
ogar
it
hmsofdeter
minant
s
pri
ntedar
ethoseofthegr
oupcov
ari
ancematri
ces.

TestResul
ts
Box'
sM 61.
365
Appr
ox. 1.
480
df
1 30
F
df
2 2309.
985
Si
g. .
045

Test
snul
lhy
pot
hesi
sofequal
popul
ati
oncov
ari
ancemat
ri
ces.

Eigenv
alues
Funct
ion Ei
genv
alue %ofVari
ance Cumul
ati
ve% Canoni
cal
Cor
rel
ati
on
a
1 37.
559 98.
4 98.
4 .
987
a
2 .
606 1.
6 100.
0 .
614

a.Fi
rst2canoni
cal
discr
imi
nantf
unct
ionswer
eusedi
ntheanal
ysi
s.

Wi
lks'
Lambda
TestofFunct
ion(
s) Wi
l
ks'
Lambda Chi
-squar
e df Si
g.
1thr
ough2 .
016 103.
151 10 .
000
2 .
623 11.
846 4 .
019

Standardi
zedCanoni cal
Discr
iminantFuncti
on
Coeffi
cients
Funct
ion
1 2
X_
1 .
486 .894
X_
2 .
563 -
.010
X_
3 .677 -
.292
X_
4 -
.282 .484
X_
5 -
.121 -
.315

St
ruct
ureMatri
x
Funct
ion
1 2
X_
3 .646* -.
283
X_
2 .474* -.
211
X_
4 -
.348* .
327
X_
1 .
410 .785*
X_
5 .
014 -
.174*

Pooledwi thin-gr oupscor relati

ons
betweendi scr imi natingvar i
ables
andst andar dizedcanoni cal
discr
iminantf unct ions
Var i
ablesor deredbyabsol ute
sizeofcorr elationwi thi
nf uncti
on.
*.Largestabsol ut ecor r
elati
on
betweeneachv ariableandany
discr
iminantf unct ion

Funct
ionsatGr
oupCent r
oids
Y Funct
ion
1 2
rendah -
6.979 .552
sedang -
.275 -
1.044
ti
nggi 7.254 .492
Unstandardizedcanoni
cal
discr
iminantfuncti
onseval
uat
ed
atgroupmeans
GroupSt at
isti
cs
Y Mean St
d. Val
i
dN(
li
stwi
se)
Devi
ati
on Unwei
ght
ed Wei
ght
ed

X_
1 1.
8470 .
88127 10 10.
000
X_
2 1.
4000 .
51640 10 10.
000
endah X_
r 3 1.
3000 .
48305 10 10.
000
X_
4 7.
5000 1.
58114 10 10.
000
X_
5 36.
0000 13.
26650 10 10.
000
X_
1 4.
6800 1.
03928 10 10.
000
X_
2 4.
0000 .
94281 10 10.
000
sedang X_
3 4.
0000 .
66667 10 10.
000
X_
4 4.
4000 .
69921 10 10.
000
X_
5 39.
6000 7.
08990 10 10.
000
t
inggi X_
1 12.
8200 2.
98917 10 10.
000
X_
2 6.
4000 .
69921 10 10.
000
 X_
3 6.
5000 .
52705 10 10.
000
X_
4 2.
1000 .
73786 10 10.
000
X_
5 38.
0000 7.
70281 10 10.
000
X_
1 6.
4490 5.
07224 30 30.
000
X_
2 3.
9333 2.
19613 30 30.
000
Tot
al X_
3 3.
9333 2.
22731 30 30.
000
X_
4 4.
6667 2.
48212 30 30.
000
X_
5 37.
8667 9.
53300 30 30.
000
Test
sofEqual
it
yofGr
oupMeans

Wi
l
ks'
Lambda F df
1 df
2 Si
g.

X_
1 .
130 90.
203 2 27 .
000

X_
2 .
106 114.
081 2 27 .
000

X_
3 .
060 212.
337 2 27 .
000

X_
4 .
178 62.
349 2 27 .
000

X_
5 .
975 .
342 2 27 .
714

Eigenv
alues
Funct
ion Ei
genv
alue %ofVari
ance Cumul
ati
ve% Canoni
cal
Cor
rel
ati
on
a
1 37.
559 98.
4 98.
4 .
987
a
2 .
606 1.
6 100.
0 .
614
a.Fi
rst2canonical
discr
imi
nantfuncti
onswer eusedi
ntheanaly
sis.
Wi l
ks'Lambda
TestofFuncti
on(s) Wi
lks'
Lambda Chi-
squar
e df Si
g.
1thr
ough2 .
016 103.
151 10 .
000
2 .
623 11.
846 4 .
019
Standardi
zedCanoni cal
Discr
iminantFuncti
on
Coeffi
cients
Funct
ion
1 2
X_
1 .486 .894
X_
2 .563 -
.010
X_
3 .677 -
.292
X_
4 -
.282 .484
X_
5 -
.121 -
.315
St
ruct
ureMatri
x
Funct
ion
1 2
X_
3 .646* -.
283
X_
2 .474* -.
211
X_
4 -
.348* .
327
X_
1 .
410 .785*
X_
5 .
014 -
.174*
Pooledwi thin-gr oupscor relations
betweendi scr imi natingv ar i
ables
andst andar dizedcanoni cal
discr
iminantf unct ions
Var i
ablesor deredbyabsol ute
sizeofcorr elationwi thinf unction.
*.Largestabsol ut ecor relati
on
betweeneachv ariableandany
discr
iminantf unct ion
Canoni cal Di scr i
mi nantFunct i
on
Coef f i
cients
Funct ion
1 2
X_1 .256 .471
X_2 .760 -
.014
X_3 1.200 -
.517
X_4 -
.260 .446
X_5 -
.012 -
.032
(Const
ant
) -
7.681 -
1.811
Unstandar
dizedcoeff
ici
ents
Functi
onsatGroupCent r
oids
Y Functi
on
1 2
Rendah -
6.979 .552
Sedang -
.275 -
1.044
Ti
nggi 7.254 .492
Unst
andardi
zedcanoni
cal
di
scr
iminantf
uncti
onseval
uat
edat
gr
oupmeans

Classificati
onProcessingSummary
Processed 30
Mi ssingorout-
of-r
angegroup
0
codes
Excluded
Atl eastonemissing
0
discr i
minat
ingvari
able
Usedi nOut
put 30
Pr
iorProbabi
li
ti
esforGroups
Y Pri
or CasesUsedinAnal
ysi
s
Unweight
ed Wei
ght
ed
Rendah .
333 10 10.
000
Sedang .
333 10 10.
000
Ti
nggi .
333 10 10.
000
Total 1.
000 30 30.
000
Cl
assi
fi
cati
onFunct
ionCoeffi
cient
s
Y
rendah sedang t
inggi
X_
1 1.
024 1.
990 4.
644
X_
2 3.
710 8.
826 14.
525
X_
3 2.
726 11.
599 19.
843
X_
4 6.
410 3.
955 2.
683
X_5 .
248 .
217 .
074
(Const
ant
) -
34.
920 -
59.
596 -
146.
057

Fi
sher
'sl
i
neardi
scr
imi
nantf
unct
ions
Cl
assi
ficat
ionResulsa
t
Y Predict
edGroupMember
ship Tot
al
r
endah sedang t
inggi
r
endah 10 0 0 10
Count sedang 0 10 0 10
ti
nggi 0 0 10 10
Or
igi
nal
rendah 100.
0 .
0 .
0 100.
0
% sedang .
0 100.
0 .
0 100.
0
ti
nggi .
0 .
0 100.
0 100.
0

a.100.
0%ofor
igi
nal
groupedcasescor
rect
lycl
assi
fi
ed.