PERTANYAAN 1

Berikut ini riset mengenai perbedaaan nilai outdoor workload, nilai sosial workload dan
nilai konservatif workload pada tiga grup job yang berbeda
yakni customer service, mechanic dan dispatcher. Jadi, variable terdiri dari empat variabel
dimana

● Tiga variable bersifat continuous & numeric variables yaitu (1) nilai outdoor workload, (2)
nilai social workload and (3) nilai conservative workload
● Satu variable bersifat kategorikal yaitu variable job with three levels: customer service,
mechanic and dispatcher.

Menurut Anda, tools statistic apa yang digunakan untuk menganalisis riset tersebut? Jelaskan
mengapa?

Jawab:

Dikarenakan riset akan menguji perbedaan nilai outdoor workload, nilai sosial workload dan
nilai konservatif workload pada tiga group job yang berbeda, dan 3 variabel independennya
bersifat continuous dan discrete (numeric), sedangkan variabel dependen nya bersifat
kategorikal, maka uji statistik yang digunakan adalah analisis Discriminant.

Karena tujuan utama dari analisis discriminant adalah untuk mengetahui perbedaan antara group,
dan untuk mengklasifikasikan suatu individu atau observasi ke dalam kelompok yang saling
bebas (mutually exclusive /disjoint) dan menyeluruh (exhaustive) berdasarkan sejumlah variabel
bebas/penjelas.
PERTANYAAN 2
Terkait riset tersebut, berikut di atas lampiran outputnya.

Dari output terlihat diatas ini

● Dapatkah Anda melihat bagaimana mean nilai outdoor, social and conservative

o Nilai mean outdoor workload sebesar 15,6393

o Nilai mean social workload sebesar 20,6762
o Nilai mean conservative workload sebesar 10,5902

● Apakah berbeda dari pada ketiga grup job customer service, mechanic dan dispatch?
Nilai mean group job customer service pada outdoor workload sebesar 12,5176
Nilai mean group job customer service pada social workload sebesar 24,2235
Nilai mean group job customer service pada conservatif workload sebesar 9,0235
Nilai mean group job mechanic pada outdoor workload sebesar 18,5376
Nilai mean group job mechanic pada social workload sebesar 21,1398
Nilai mean group job mechanic pada conservatif workload sebesar 10,1398
Nilai mean group job dispatcher pada outdoor workload sebesar 15,5758
Nilai mean group job dispatcher pada social workload sebesar 15,4545
Nilai mean group job dispatcher pada conservatif workload sebesar 13,2424

● Jelaskan pula korelasinya diantara ketiganya?

Outdoor workload memiliki korelasi sebesar -0,071 terhadap social workload, yang
berarti jika outdoor workload mengalami peningkatan sebesar 1%, maka social workload
akan mengalami penurunan sebesar 0,071%.

Outdoor workload memiliki korelasi sebesar 0,079 terhadap conservative workload, yang
berarti jika outdoor workload mengalami peningkatan sebesar 1%, maka conservative
workload akan mengalami peningkatan sebesar 0,079%.
 Social workload memiliki korelasi sebesar -0,236 terhadap conservative workload, yang
berarti jika social workload mengalami peningkatan sebesar 1%, maka conservative
workload akan mengalami penurunan sebesar 0,236%.

PERTANYAAN 3
● Berikan interpretasi untuk serangkaian output di atas (eigenvalues, canonical correlation,
wilks lambda, standardized canonical, structure matrix dan group centroids)
o EigenValue: Eigenvalue yang digunakan adalah yang diatas 1 yaitu 1.081. Eigen
value terkait dengan korelasi kanonik dan menggambarkan seberapa banyak
kemampuan diskriminatif yang dimiliki suatu fungsi. Besarnya nilai Eigen
menunjukkan kemampuan membedakan fungsi.
o Canonical Correlation adalah korelasi kanonik variabel prediktor (luar, sosial
dan konservatif) dan pengelompokan dalam job. (cont). Pada tabel diatas, nilai
canonical correlation adalah sebesar 0.721 yang apabila dikuadratkan adalah
sebesar 0.519841, artinya 51.98% varians dari variabel independen (kelompok)
dapat dijelaskan dari model diskriminan yang terbentuk. Nilai Canonical
Correlation sebesar 0.721 berarti hubungannya kuat karena mendekati angka 1.
o Wilks Lambda adalah salah satu statistik multivariat yang dihitung oleh SPSS.
Pada tabel tertuli kanonik 1 = 0,721 dan kanonik 2= 0,493, sehingga pengujian
Lambda Wilks kedua korelasi kanonik adalah (1-0,7212)*(1-0,4932)= 0,364, dan
Lambda Wilks menguji korelasi kanonik kedua adalah (1-0,4932)= 0,757.
Validitas analisis dinilai oleh statistik Wilks Lambda.
▪ H0: Analisis diskriminan tidak valid
▪ H1: Analisis diskriminan valid
o Standardized Canonical Discriminant ini dapat digunakan untuk menghitung
skor diskriminan untuk kasus tertentu. Skor tersebut kemudian dihitung dengan
cara yang sama dengan nilai prediksi dari regresi linier, menggunakan koefisien
terstandarisasi dan variabel terstandarisasi. (Dipilih yang nilainya paling besar &
abaikan minus)
- Outdoor: Function 2= 0.926
- Social: Function 1= 0.831
- Conservative: Function 1=0.517
o Struktur matrix adalah struktur kanonik, yang dikenal pula sebagai pembebanan
kanonik atau pembebanan diskriminatif, dari fungsi diskriminan. Struktur matrix
mewakili korelasi antara variabel yang diamati (3 variabel pembeda kontinu) dan
dimensi yang dibuat dengan fungsi diskriminan yang tidak teramati (dimensi).
 Struktur matrix menunjukkan urutan karakteristik yang paling membedakan. Pada
fungsi 1, karakteristik yang paling membedakan adalah conservative, diikuti
outdoor baru social. Sedangkan pada fungsi 2, karakteristik yang paling
membedakan adalah outdoor, diikuti social baru conservative.
o Group Centroid:
Function 1 (social & conservative):
- customer service: Low (-1.219), nilai social & conservativenya kecil
dalam job customer service
- mechanic: middle (0.107),
- Dispatch: High (1.420), nilai social & conservativenya besar dalam job
dispatch
Function 2 (outdoor):
- customer service: Middle (-0.389)
- mechanic: High (0.715) nilai outdoornya kecil dalam job Mechanic
- Dispatch: Low (-0.506), nilai outdoornya kecil dalam job dispatch

● Jelaskan maksud persamaan di bawah ini

COMPUTE Score1 = 0.379*Zoutdoor - 0.831*Zsocial + 0.517*Zconservative.

COMPUTE Score2 = 0.926*Zoutdoor - 0.213*Zsocial + 0.291*Zconservative.

Jadi COMPUTE Score 1 dan COMPUTE Score 2 diatas menunjukkan fungsi diskriminan
dan berguna untuk menganalisis kira-kira responden yang diteliti akan masuk ke dalam
kelompok yang mana, apakah kelompok customer service, mechanic atau dispatch.

COMPUTE Score 1 menjelaskan fungsi diskriminan untuk Function 1, yang terbentuk

dari 0.379 nilai outdoor dikurangi 0.831 nilai sosial ditambah 0.517 nilai conservative

COMPUTE Score 2 menjelaskan fungsi diskriminan untuk Function 2, yang terbentuk

dari 0.926 nilai outdoor dikurangi 0.231 nilai sosial ditambah 0.291 nilai conservative
● Berikan kesimpulan untuk menjawab hipotesis dari hasil output ini

Pada function 1, pembeda utamanya adalah variabel nilai sosial dan conservative

Pada function 2, pembeda utamanya nilai outdoor

Dalam data tersebut, semua pengamatan dalam data set dinyatakan valid.