HMB 5 HC 1591265150

ANALISIS DISKRIMINAN DUA GRUP (TWO-GROUP DISCRIMINANT
ANALYSIS ) PADA STATISTIK MULTIVARIAT
SKRIPSI
ERLINDA SIREGAR
090823054
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2011
Universitas Sumatera Utara

SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
ERLINDA SIREGAR
090823054
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2011

PERSETUJUAN
Judul : ANALISIS DISKRIMINAN DUA GRUP (TWO-

GROUP DISCRIMINANT ANALYSIS) PADA
STATISTIK MULTIVARIAT
Kategori : SKRIPSI
Nama : ERLINDA SIREGAR
Nomor Induk Mahasiswa : 090823054
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan, 2011
Komisi Pembimbing :
Pembimbing 1 Pembimbing 2
Drs. Djakaria Sebayang, M.Si Drs. Rachmad Sitepu, M.Si

NIP. 195112271985031002 NIP. 19530418 1987031001
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU
Ketua,
Prof. Dr. Tulus, M.Si

NIP. 196209011988031002

PERNYATAAN

SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya
Medan, 2011
ERLINDA SIREGAR
090823054

PENGHARGAAN
Puji dan syukur Penulis panjatkan kepada Allah SWT yang telah melimpahkan rahmat
dan karunia-Nya kepada Penulis sehingga dapat menyelesaikan skripsi ini sebagai
salah satu syarat untuk menyelesaikan pendidikan di Program Studi Matematika S1
,Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
Ucapan terimakasih saya sampaikan kepada bapak Drs. Djakaria Sebayang,

M.Si. dan Drs. Rachmad Sitepu, M.Si. serta Drs. Suwarno Ariswoyo, M.Si. dan Drs.
H. Haluddin Panjaitan selaku pembimbing dan pembanding pada penyelesaian skripsi
ini yang telah memberikan panduan dan kepercayaan kepada saya untuk
menyempurnakan skripsi ini. Ucapan terimakasih juga ditujukan kepada ketua dan
sekretaris departemen matematika Prof. Dr. Tulus, M.Si dan Dra. Mardiningsih, M.Si
serta koordinator ekstensi Matematika FMIPA USU, dekan dan pembantu dekan
Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera
Utara ,semua dosen pada departemen matematika FMIPA USU,pegawai di FMIPA
USU dan rekan-rekan kuliah.Akhirnya ,yang tidak dapat terlupakan bagi Penulis,
ucapkan terimakasih kepada ayah dan ibu tercinta serta semua keluarga yang selalu
memberikan bantuan dan dorongan serta dukungan sehingga skripsi ini dapat
diselesaikan. Semoga Allah SWT akan membalasnya.
Penulis menyadari bahwa tulisan ini masih belum sempurna, disebabkan

keterbatasan ilmu dan pengetahuan yang penulis miliki. Dengan segala kerendahan
hati, penulis menerima kritik dan saran yang membangun demi kesempurnaan tulisan
ini..Semoga tulisan ini bermanfaat bagi pembaca. Akhir kata, penulis mengucapkan
terima kasih.

ABSTRAK
Tujuan penelitian ini untuk membuat suatu fungsi diskriminan dari variabel
independen yang bisa mendiskriminasi atau membedakan kelompok variabel
dependen (membedakan suatu objek masuk pada grup I atau grup II ), menguji
apakah ada perbedaan yang signifikan antar-grup pada variabel dependen, mengetahui
variabel yang membuat perbedaan pada fungsi diskriminan serta menguji ketepatan
pengelompokan fungsi diskriminan .Fungsi diskriminan yang dihasilkan digunakan
untuk memberikan peramalan yang paling tepat untuk mengklasifikasi individu
kedalam kelompok berdasarkan skor variabel bebas. Metode yang dilakukan dalam
analisis diskriminan ini adalah menghitung nilai rata-rata variabel bebas pada setiap
kelompok, menghitung nilai homogenitas matriks varians kovarians dalam kelompok,
menghitung nilai uji F untuk melihat perbedaan variabel bebas pada setiap kelompok,
menguji semua variabel untuk mengetahui apakah semua variabel independen berbeda
secara nyata berdasarkan variabel dependen, membuat suatu fungsi diskriminan
,mencari nilai signifikansi dari fungsi diskriminan dengan Wilk’s Lambda,
menentukan klasifikasi terhadap objek dan menguji ketepatan klasifikasi fungsi
diskriminan .

TWO-GROUP DISCRIMINANT ANALYSIS STATISTIC MULTIVARIAT
ABSTRACT
The purpose of this research is to create a discriminant function of independent

variables that can discriminate or differentiate groups of the dependent variable (to
distinguish an object into the group I or group II), to test whether there are significant
differences between groups on the dependent variable, find the variable that makes a
difference the discriminant function and to test the accuracy of the discriminant
function groupings. discriminant function generated is used to provide the most
accurate forecasting to classify individuals into groups based on scores of independent
variable. The method performed in discriminant analysis is to calculate the average
value of independent variables in each group, calculate the value of the homogeneity
of variance covariance matrices in the group , calculating the value of F test to see the
different independent variables in each group, examine all the variables to determine
whether all independent variables were significantly different based on the dependent
variable, create a discriminant function, find the value of the significance of
discriminant function with Wilk's Lambda, determine the classification of objects and
test the classification accuracy of discriminant function.

DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar Isi vi
Daftar Tabel vii
Bab 1 Pendahuluan 1
1.1 Latar Belakang 1
1.2 Perumusan Masalah 3
1.3 Tinjauan Pustaka 3
1.4 Tujuan Penelitian 7
1.5 Manfaat Penelitian 7
1.6 Metode Penelitian 8
Bab 2 Landasan Teori 9

2.1 Analisis Diskiminan 9
2.2 Uji Kenormalan Peubah Ganda 10
2.3 Uji Kesamaan Matriks Varians Kovarians 11
2.4 Uji Vektor Nilai Rataan ( Uji Kesamaan Rata-Rata Kelompok ) 12
2.5 Fungsi Analisis Diskriminan 13
2.6 Ketepatan Pengelompokan Fungsi Diskriminan 18
Bab 3 Analisis Diskriminan Dua Grup (Two-Grup Discriminan Analysis) 20

3.1 Menghitung Nilai Rata-Rata,Standar Deviasi, Nilai Varians,
Kovarians, Matriks Varians Kovarians dan Matriks Varians
Kovarian dalam kelompok Gabungan pada setiap kelompok
Gagal dan Berhasil 21
3.2 Menghitung Korelasi Antar Variabel Bebas (Prediktor) pada
Setiap Kelompok untuk Melihat Multikolinieritas Variabel
Independen 27
3.3 Uji Kesamaan Matriks Varians Kovarians 28
3.4 Uji Kesamaan Rata-Rata Kelompok 30
3.5 Fungsi Diskriminan 35
3.6 Menguji Ketepatan Pengelompokan Fungsi Diskriminan 37
Bab 4 Kesimpulan dan Saran 39

4.1 Kesimpulan 39
4.2 Saran 39
Daftar Pustaka 40
Lampiran 41

DAFTAR TABEL
Halaman
Tabel 2.5.1 Matriks Data Pengamatan 14

Tabel 2.5.2 Matriks Data Pengamatan dari Grup I 15
Tabel 2.5.3 Matriks Data Pengamatan dari Grup II 16
Tabel 2.6.1 Evaluasi Terhadap Fungsi Diskriminan 19
Tabel 3.1 Data Skor Kemampuan Mengeluarkan Pendapat dan Skor
Motivasi Mahasiswa 20
Tabel 3.1.1 Perhitungan Matriks Varians-Kovarians Kelompok Berhasil 21
Tabel 3.1.2 Perhitungan Matriks Varians-Kovarians Kelompok Gagal 23
Tabel 3.1.3 Matriks Varians Kovarians Kelompom Berhasil dan Gagal 26
Tabel 3.1.4 Matriks Varians Kovarians Gabungan Dalam Kelompok
(Pooled Within-Groups Matrices) 26
Tabel 3.1.5 Group Statistics 26
Tabel 3.4.1 Uji Kesamaan Rata-Rata Kelompok
(Tests of Equality of Group Means) 31
Tabel 3.4.2 Perhitungan Uji Kesamaan Rata-Rata Kelompok 32
Tabel 3.4.3 Analisis Varians untuk Variabel X1 33
Tabel 3.4.4 Analisis Varians untuk variabel X2 34
Tabel 3.5.1 Pengklasifikasian Objek Pengamatan ke dalam kelompok 36
Tabel 3.6.1 Evaluasi Terhadap Fungsi Diskriminan 37
Tabel 3.6.2 Classification Results 38

ABSTRAK
Tujuan penelitian ini untuk membuat suatu fungsi diskriminan dari variabel
independen yang bisa mendiskriminasi atau membedakan kelompok variabel
dependen (membedakan suatu objek masuk pada grup I atau grup II ), menguji
apakah ada perbedaan yang signifikan antar-grup pada variabel dependen, mengetahui
variabel yang membuat perbedaan pada fungsi diskriminan serta menguji ketepatan
pengelompokan fungsi diskriminan .Fungsi diskriminan yang dihasilkan digunakan
untuk memberikan peramalan yang paling tepat untuk mengklasifikasi individu
kedalam kelompok berdasarkan skor variabel bebas. Metode yang dilakukan dalam
analisis diskriminan ini adalah menghitung nilai rata-rata variabel bebas pada setiap
kelompok, menghitung nilai homogenitas matriks varians kovarians dalam kelompok,
menghitung nilai uji F untuk melihat perbedaan variabel bebas pada setiap kelompok,
menguji semua variabel untuk mengetahui apakah semua variabel independen berbeda
secara nyata berdasarkan variabel dependen, membuat suatu fungsi diskriminan
,mencari nilai signifikansi dari fungsi diskriminan dengan Wilk’s Lambda,
menentukan klasifikasi terhadap objek dan menguji ketepatan klasifikasi fungsi
diskriminan .

TWO-GROUP DISCRIMINANT ANALYSIS STATISTIC MULTIVARIAT
ABSTRACT
The purpose of this research is to create a discriminant function of independent

variables that can discriminate or differentiate groups of the dependent variable (to
distinguish an object into the group I or group II), to test whether there are significant
differences between groups on the dependent variable, find the variable that makes a
difference the discriminant function and to test the accuracy of the discriminant
function groupings. discriminant function generated is used to provide the most
accurate forecasting to classify individuals into groups based on scores of independent
variable. The method performed in discriminant analysis is to calculate the average
value of independent variables in each group, calculate the value of the homogeneity
of variance covariance matrices in the group , calculating the value of F test to see the
different independent variables in each group, examine all the variables to determine
whether all independent variables were significantly different based on the dependent
variable, create a discriminant function, find the value of the significance of
discriminant function with Wilk's Lambda, determine the classification of objects and
test the classification accuracy of discriminant function.

BAB 1
PENDAHULUAN
1.1 Latar Belakang
Analisis diskriminan merupakan teknik menganalisis data, dimana variabel dependen

merupakan data kategorik ( nominal dan ordinal ) sedangkan variabel independen
berupa data interval atau rasio .Misalnya berdasarkan data dari nasabah peminjam
kredit suatu bank, seperti penghasilan, umur, pekerjaan, tingkat pendidikan, ingin
meramalkan apakah seseorang nasabah yang baru termasuk jujur atau tidak jujur.
Analisis diskriminan ini termasuk dalam analisis multivariat dengan metode
dependensi. Ada dua metode dalam analisis multivariat yaitu metode dependensi dan
metode interdenpendensi . Metode dependensi yaitu variabel-variabelnya tidak saling
bergantung satu dengan yang lain, sedangkan metode interdenpendensi adalah antar-
variabelnya ada saling ketergantungan.
Variabel dependen adalah data kategorikal. Jika data kategorikal terdiri dari
dua kelompok atau kategori disebut Two-Group Discriminant Analysis , sedangkan
jika lebih dari dua kategori disebut dengan Multiple Discriminant Analysis.
Adapun yang menjadi latar belakang penelitian ini adalah terkait dengan
peranan dan aplikasi analisis diskriminan yang merupakan salah satu dari teknik
statistik multivariat yang banyak digunakan dalam berbagai bidang ilmu yang terjadi
dalam sebuah fenomena sosial, keuangan dan ekonomi.
Analisis diskriminan sangat menarik, karena ada banyak hal yang bisa dijawab
dalam kehidupan ini jika memahami analisis diskriminan seperti :
1. Mengapa ada perusahaan yang bangkrut dan yang lain tetap berdiri?
2. Mengapa ada nasabah bank yang membayar hutang dengan lancar dan yang
lain macet ?

3. Mengapa sebagian orang lebih suka bank swasta dibanding bank pemerintah?
4. Dengan analisis diskriminan,direktur personalia dapat meramalkan apakah
seseorang calon karyawan perusahaan akan menjadi karyawan yang produktif
atau tidak produktif.
5. Seorang direktur perusahaan dapat meramalkan apakah seorang pelanggan
merupakan pelanggan loyal atau tidak.
6. Seorang direktur kredit suatu bank dapat meramalkan seseorang nasabah
termasuk jujur atau tidak jujur.
Analisis diskriminan digunakan asalkan pertanyaan penelitian mengarah pada

variabel tak bebas (dependent variable) yang berupa data kategori seperti : macet-
lancar, untung-rugi, puas-tidak puas dan lainnya.
Analisis diskriminan adalah metode untuk mencari dasar pengelompokan

individu berdasarkan lebih dari satu variabel bebas. Analisis Diskriminan dipakai
untuk menjawab pertanyaan bagaimana individu dapat dimasukkan ke dalam
kelompok berdasarkan beberapa variabel. Persamaan Fungsi Diskriminan yang
dihasilkan untuk memberikan peramalan yang paling tepat untuk mengklasifikasi
individu kedalam kelompok berdasarkan skor variabel bebas .
Pada penelitian bidang kesehatan , analisis diskriminan dilakukan untuk

mengetahui apakah dari keempat variabel prediktor, yaitu perasaan cemas (feeling
anxious), gelisah (restless), depresi (depressed), putusasa (hopeless) dapat
menentukan apakah seorang pasien akan didiagnosis pada kelompok tidak stress
(normal) atau stress .
Pada penelitian bidang Biologi, analisis diskriminan juga dilakukan untuk

mengklasifikasi dalam spesies dan subspesies. Pada Bank, analisis diskriminan juga
dilakukan untuk mengklasifikasi Formulir Aplikasi untuk pinjaman, kartu kredit, dan
asuransi dalam kategori berisiko rendah atau berisiko tinggi. Demikian seterusnya
untuk studi pengelompokan lainnya

1.2 Perumusan Masalah
Berdasarkan latar belakang di atas, adapun permasalahan dalam penelitian ini adalah :
Membuat fungsi diskriminan untuk memberikan peramalan yang tepat, untuk
mengklasifikasi suatu objek kedalam kelompok berdasarkan variabel independen,
dimana variabel dependennya berupa data kategori yang terdiri dari dua grup atau
kelompok .
Pembahasan masalah dalam penelitian ini akan dibatasi mengenai analisis

diskriminan yang merupakan salah satu dari beberapa klasifikasi teknik statistik
multivariat. Penelitian ini menggunakan analisis diskriminan yang melibatkan dua
grup pada variabel dependen (Two-Group Discriminant Analysis ).
1.3 Tinjauan Pustaka
Pengertian Analisis Multivariat
Analisis multivariat (multivariate analysis) merupakan salah satu jenis analisis

statistik yang digunakan untuk menganalisis data yang terdiri dari banyak variabel
bebas dan juga banyak variabel tak bebas . Data multivariat adalah data yang
dikumpulkan dari dua atau lebih observasi dengan mengukur observasi tersebut
dengan beberapa karakteristik. Seorang individu diteliti dengan berbagai macam
ukuran (karakteristik).Misalnya X1 adalah usia (tahun), X2 adalah berat badan (kg),
dan lain sebagainya.
Statistik Multivariat adalah metode statistik untuk mengolah sekian banyak

variabel secara bersama-sama (simultan), untuk menjawab persoalan statistik tertentu.
( Santoso,2010 )

Analisis Diskiminan (Analisis Fungsi Pembeda )
Menurut Johnson dan Wichern (2007) Analisis Diskriminan digunakan untuk

mengklasifikasikan individu ke dalam salah satu dari dua kelompok atau lebih. Suatu
fungsi diskriminan layak untuk dibentuk, bila terdapat perbedaan nilai rataan di antara
kelompok-kelompok yang ada.
Sebelum fungsi diskriminan dibentuk perlu dilakukan pengujian terhadap

perbedaan nilai rataan dari kelompok-kelompok tersebut. Dalam pengujian tersebut,
asumsi analisis diskriminan yang harus dipenuhi adalah :
1. Variabel independen seharusnya berdistribusi normal multivariat (Multivariate
Normality), jika data tidak berdistribusi normal,akan menyebabkan masalah pada
ketepatan fungsi (model) diskriminan.
2. Matriks varians kovarians grup dari semua variabel independen seharusnya sama.
3. Tidak ada data yang sangat ekstrim (outlier) pada variabel independen, jika ada
data ekstrim yang tetap diproses, hal ini bisa berakibat berkurangnya ketepatan
klasifikasi dari fungsi diskriminan.
4. Tidak ada korelasi yang kuat antar-variabel independen , jika dua variabel
independen mempunyai korelasi yang kuat,dikatakan terjadi multikolinieritas.
Untuk mengetahui adanya multikolinieritas dapat dilakukan dengan melihat
korelasi antar variabel independen (r) yaitu jika nilai r > 0.6 menunjukkan adanya
multikolinieritas.
Uji Kenormalan Peubah Ganda
Menurut Johnson dan Wichern (2007), untuk menguji kenormalan ganda (Multivariate
Normality) adalah dengan mencari nilai jarak kuadrat untuk setiap pengamatan yaitu:
d i2 = ( X i − X )' S −1 ( X i − X )
dimana :
d i2 adalah dengan mencari nilai jarak kuadrat untuk setiap pengamatan ke- i
X i adalah pengamatan yang ke-i, dengan i = 1, 2, ..., n

−
X adalah rata-rata variabel bebas X
S-1 adalah kebalikan (inverse) matriks varians-kovarians S .
Kemudian d i2 diurutkan dari yang paling kecil ke yang paling besar,
selanjutnya dibuat plot d i2 dimana: i = urutan = 1, 2, ..., n . Bila hasil plot dapat
didekati dengan garis lurus, maka dapat disimpulkan bahwa peubah ganda menyebar
normal.
Pada artikel Analisis_Faktor & Diskriminan, dikatakan bahwa seringkali

kenormalan ganda sulit diperoleh terutama bila sampel yang diambil relatif kecil. Bila
hal ini terjadi, uji vektor nilai rataan (uji kesamaan rata-rata kelompok) tetap bisa
dilakukan selama asumsi kesamaan matriks varians kovarians grup dari semua
variabel independen dipenuhi.
Uji Kesamaan Matriks Varians Kovarians
Untuk menguji kesamaan matriks varians kovarians kelompok I berhasil (S1) dan
kelompok II gagal (S2) digunakan hipotesa :
H0 : S1 = S2 ,matriks varians kovarians kelompok adalah relatif sama
H1 : matriks varians kovarians kelompok adalah berbeda secara nyata.
Terima H0 , yang berarti matriks varians kovarians sama jika :

2
χ hit ≤ χ2 1
α ; ( k −1) p ( p +1)
2
dengan :
k k
2 1 1
χ hitung = −2(1 − C1 ) Vi ln S i − ln S Vi
2 i =1 2 i =1
k = banyaknya kelompok ( grup )

P = jumlah peubah pembeda (Y) dalam fungsi diskriminan = 1

S = matriks varians kovarians dalam kelompok gabungan.
Si = matriks varians kovarians kelompok ke-i.
i = 1,2, ... , k
ni = jumlah responden pada kelompok ke- i
dengan
Vi = ni − 1
k
Vi S i
i =1
S= k
Vi
i =1
k
1 1 2 p2 + 3p −1
C1 = − k
i =1 Vi 6( p + 1)(k − 1)
Vi
i =1
( www.linkpdf .com / ebook )
Fungsi Diskriminan
Fungsi diskriminan untuk hal ini adalah menggunakan statistik W (Wald Anderson )
1
yaitu : W = X ' S −1 ( X 1 − X 2 ) − ( X 1 − X 2 ) ' S −1 ( X 1 + X 2 ) , dengan W merupakan
2
variabel dependen ( Y ) , atau dapat ditulis :
1
Y = X ' S −1 ( X 1 − X 2 ) − ( X 1 − X 2 ) ' S −1 ( X 1 + X 2 )
2
Dimana :
X adalah vektor pengamatan
− −
X 1 dan X 2 adalah vektor rata-rata variabel independen
S −1 adalah invers matriks varians kovarian dalam kelompok gabungan
Yang akan menghasilkan model atau fungsi analisis diskriminan sebagai berikut :
Y = b0 + b1 X i1 + b2 X i 2 + ... + b j X ij
dimana :
Y = Nilai (skor) fungsi diskriminan dari responden ke-i
b0 = Intercep (konstanta), artinya jika nilai variabel X=0 , maka besar nilai Y = b0 .

bj = koefisien fungsi diskriminan dari variabel ke-j
X ij = Variabel bebas ke-j dari responden ke-i , dimana i = 1,2,...,n
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah melakukan analisis diskriminan dua grup untuk :
1. Membuat suatu fungsi diskriminan dari variabel independen yang bisa

mendiskriminasi atau membedakan kelompok variabel dependen
(membedakan suatu objek masuk pada grup I atau grup II ).
2. Menguji apakah ada perbedaan yang signifikan antar-grup pada variabel
dependen ( apakah ada perbedaa yang signifikan antara anggota grup I dengan
anggota grup II ).
3. Jika ada perbedaan yang signifikan antar-grup pada variabel dependen,
variabel manakah pada fungsi diskriminan yang membuat perbedaan tersebut.
4. Menguji ketepatan pengelompokan fungsi diskriminan .
1.5 Manfaat Penelitian
Penelitian ini untuk memberikan peramalan yang paling tepat, untuk mengklasifikasi
individu kedalam kelompok berdasarkan skor variabel bebas serta memberikan
sumbangsih ilmu pengetahuan khususnya untuk dapat menyelesaikan suatu
permasalahan yang berkaitan dengan analisis diskriminan dua grup baik dalam
bidang ilmu statistik, ekonomi, keuangan, biologi , kesehatan dan dalam bidang ilmu
lainnya secara umum.

1.6 Metode Penelitian
Adapun tahapan-tahapan yang dilakukan dalam penelitian ini adalah :
1. Menghitung nilai rata-rata, standar deviasi, nilai varians, kovarians, matriks

varians-kovarians dan matriks varians kovarians dalam kelompok gabungan
pada setiap kelompok atau grup.
2. Menghitung korelasi antar variabel bebas (prediktor) pada setiap kelompok,
untuk melihat multikolinieritas variabel independen .
3. Menghitung nilai homogenitas matriks varians kovarians dalam kelompok.
4. Menghitung nilai uji F dan Wilk’s Lambda , untuk melihat perbedaan variabel
bebas pada setiap kelompok.
5. Menguji semua variabel,untuk mengetahui apakah semua variabel independen
berbeda secara nyata berdasarkan variabel dependen.
6. Mencari nilai signifikansi dari fungsi diskriminan dengan nilai uji F dan
Wilk’s Lambda
7. Membuat suatu fungsi diskriminan dari variabel independen yang bisa
mendiskriminasi atau membedakan kelompok variabel dependen
(membedakan suatu objek masuk pada grup I atau grup II ).
8. Menentukan klasifikasi terhadap objek, apakah suatu objek termasuk pada
grup I atau grup II .
9. Menguji ketepatan klasifikasi fungsi diskriminan .

BAB 2
LANDASAN TEORI
Dalam bab 2 ini akan dijelaskan teori-teori yang berhubungan dengan penelitian ini
yang dapat dijadikan sebagai landasan teori atau teori pendukung dalam penelitian
ini.Landasan teori ini akan mempermudah pembahasan hasil penelitian pada bab 3.
Adapun teori – teori tersebut adalah sebagai berikut.
2.1 Analisis Diskiminan
Menurut Johnson dan Wichern (2007), tujuan dari Analisis Diskriminan adalah untuk
menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi atau
kelompok yang diketahui. Dengan kata lain Analisis Diskriminan digunakan untuk
mengklasifikasikan individu ke dalam salah satu dari dua kelompok atau lebih.
Suatu fungsi diskriminan layak untuk dibentuk bila terdapat perbedaan nilai
rataan di antara kelompok-kelompok yang ada. Oleh karena itu sebelum fungsi
diskriminan dibentuk perlu dilakukan pengujian terhadap perbedaan nilai rataan dari
kelompok-kelompok tersebut.
Dalam pengujian nilai rataan antar kelompok, asumsi yang harus dipenuhi
adalah:
5. Variabel independen seharusnya berdistribusi normal multivariat (Multivariate
Normality), jika data tidak berdistribusi normal,akan menyebabkan masalah pada
ketepatan fungsi (model) diskriminan.
6. Matriks varians kovarians grup dari semua variabel independen seharusnya sama.

7. Tidak ada data yang sangat ekstrim (outlier) pada variabel independen, jika ada
data ekstrim yang tetap diproses, hal ini bisa berakibat berkurangnya ketepatan
klasifikasi dari fungsi diskriminan.
8. Tidak ada korelasi yang kuat antar-variabel independen , jika dua variabel
independen mempunyai korelasi yang kuat,dikatakan terjadi multikolinieritas,
untuk mengetahui adanya multikolinieritas dapat dilakukan dengan melihat
korelasi antar variabel independen (r) yaitu jika nilai r > 0.6 menunjukkan adanya
multikolinieritas.
2.2 Uji Kenormalan Peubah Ganda
Menurut Johnson dan Wichern (2007), untuk menguji kenormalan peubah ganda
(Multivariate Normality) adalah dengan mencari nilai jarak kuadrat untuk setiap
pengamatan yaitu:
d i2 = ( X i − X )' S −1 ( X i − X )
dimana :
d i2 adalah nilai jarak kuadrat untuk setiap pengamatan ke- i
X i adalah pengamatan yang ke-i, dengan i = 1, 2, ..., n

−
X adalah rata-rata variabel bebas X
S-1 adalah kebalikan (inverse) matriks varians-kovarians gabungan S .
Kemudian d i2 diurutkan dari yang paling kecil ke yang paling besar,
selanjutnya dibuat plot d i2 dimana: i = urutan = 1, 2, ..., n . Bila hasil plot dapat
didekati dengan garis lurus, maka dapat disimpulkan bahwa peubah ganda menyebar
normal.
Pada artikel Analisis_Faktor & Diskriminan, dikatakan bahwa seringkali

kenormalan ganda sulit diperoleh terutama bila sampel yang diambil relatif kecil. Bila
hal ini terjadi, uji vektor nilai rataan (uji kesamaan rata-rata kelompok) tetap bisa

dilakukan selama asumsi kesamaan matriks varians kovarians grup dari semua
variabel independen dipenuhi.
2.3 Uji Kesamaan Matriks Varians Kovarians
Untuk menguji kesamaan matriks varians kovarians kelompok I (S1) dan kelompok II
(S2) digunakan hipotesa :
Terima H0 , yang berarti matriks varians kovarians sama jika :

2
χ hit ≤ χ2 1
α ; ( k −1) p ( p +1)
2
Dengan :
k k
2 1 1
2 i =1 2 i =1

i = 1,2, ... , k
dengan
Vi = ni − 1
k
Vi S i
i =1
S= k
Vi
i =1

k
1 1 2 p2 + 3p −1
C1 = − k
i =1 Vi 6( p + 1)(k − 1)
Vi
i =1
2.4 Uji Vektor Nilai Rataan (Uji Kesamaan Rata-Rata Kelompok )
Menguji apakah semua variabel independen (variabel bebas) berbeda secara nyata
berdasarkan variabel dependen.Variabel bebas diuji dengan dua cara :
1. Dengan Uji F
Statistik uji yang digunakan untuk menguji kesamaan rata-rata antar kelompok adalah
statistik F dengan hipotesa :
H0 : µ1 = µ 2 = ... = µ k ,berarti rata-rata antar kelompok sama ( tidak ada perbedaan )
H1 : µ1 ≠ µ 2 ≠ ... ≠ µ k ( sedikitnya ada dua rataan yang berbeda )
berarti ada perbedaan rata-rata antar kelompok.
= Taraf nyata
Daerah kritis : tolak H0 , jika Fhit > Ftabel
Ftabel = F (db1; db2 )
db1 = k-1
db2 = (n-k ) = (n1-1)+(n2-1)
Apabila Fhit > F tabel ,maka tolak H0 , ini berarti bahwa terdapat perbedaan
vektor nilai rataan antar kelompok. Bila dari hasil pengujian ada perbedaan vektor
nilai rataan, maka fungsi diskriminan layak disusun untuk mengelompokkan suatu
objek .

Keputusan atas dasar Signifikansi uji F pada output SPSS dilihat angka Sig.
a. Jika Sig. > 0.05 maka H0 diterima berarti tidak ada perbedaan yang signifikan
antar grup ( rata - rata antar kelompok sama ).
b. Jika Sig. 0.05 maka H1 diterima , berarti ada perbedaan yang signifikan antar
grup .
2. Dengan angka Wilks’ Lambda
Angka Wilks’ Lambda berkisar 0 sampai 1 , yaitu :

a. Jika angka Wilks’ Lambda mendekati 0 , maka data tiap kelompok cenderung
berbeda.
b. Jika angka Wilks’ Lambda mendekati 1 , maka data tiap kelompok cenderung
sama (tidak berbeda ).
W
Wilk’s Lambda =
W +B
Dimana :
W = Jumlah Kuadrat Galat ( JK dalam kelompok )
B = Jumlah Kuadrat Antar kelompok
Analisis varians ( uji F ) dan angka Wilk’s Lambda adalah untuk menguji rata-rata
dari setiap variabel.
2.5 Fungsi Analisis Diskriminan
Fungsi diskriminan menentukan kedalam kelompok mana suatu objek (melalui

karakteristiknya berupa data pengamatan) seharusnya dimasukkan atau dikategorikan,
maka setidak-tidaknya ada dua kelompok (grup), oleh karena itu dapat ditinjau
bagaimana fungsi diskriminan ini diperoleh apabila berhadapan dengan dua grup .
Sebelumnya akan dijelaskan terlebih dahulu pengertian matriks varians kovarians.

Pada data pengamatan ke-i yang berukuran n ( i=1,2,... n ) yang terdiri atas j
buah variat (variabel) yaitu X1, X2, ... , Xj . Data pengamatan tersebut dapat disajikan
dalam bentuk matriks berikut.
Tabel 2.5.1 Matriks Data Pengamatan
Variabel X1 X2 . . . Xj
Data Pengamatan X11 X12 . . . X1j
X21 X22 . . . X2j
. . .
. . .
. . .
Xn1 Xn2 . . . Xnj
Untuk variabel Xj yang dihitung adalah variansnya, diberi lambang Sjj , dengan
rumus :
n n
n X nj2 − ( X nj ) 2
n =1 n =1
S jj =
n(n − 1)
Semuanya ada j buah varians, yaitu S11 ,S22 , ... , Sjj yang masing-masing merupakan
varians untuk variabel X1, X2, ... , Xj . Untuk variabel Xi dan Xj dimana i j terdapat
kovarians, diberi lambang Sij yang dapat dihitung dengan rumus berikut.
n n n
n. X ni X nj − ( X ni )( X nj )
n =1 n =1 n =1
S ij =
n(n − 1)
Semuanya ada ( j2 - j ) buah kovarians. Perlu dijelaskan bahwa untuk i = j

maka Sij = Sji diberi lambang menjadi Sjj .
Varians dan kovarians ini disusun dalam sebuah matriks ,disebut dengan nama
matriks varians-kovarians dengan lambang S , bentuknya sebagai berikut.

S11 S12 . . . S1 j
S 21 S 22 . . . S2 j
. . . . . .
S =
. . . . . .
. . . . . .
S j1 S j2 . . . S jj
Misalkan ada dua grup yang banyak variabelnya masing-masing j buah ,yaitu
X11, X12, ... , X1j dalam grup I dan X21,X22, ... ,X2j dalam grup II . Perhatikan bahwa
Xij menyatakan variabel ke j dalam grup ke i , dengan i = grup I dan grup II. Variabel
dalam setiap grup dapat pula dituliskan dalam bentuk vektor kolom sebagai berikut.
X 11 X 21
X 12 X 22
. .
X1 = dan X2 =
. .
. .
X1j X2j
X 1 j menyatakan variabel X ke j dalam grup ke 1
X 2 j menyatakan variabel X ke j dalam grupke 2
Dari setiap grup berukuran n1 dari grup ke-1 dan berukuran n2 dari grup ke-2 . Data
pengamatan akan berbentuk matriks yang bentuknya seperti berikut.
Tabel 2.5.2 Matriks Data Pengamatan dari Grup I

Variabel X11 X12 . . . X1j
Data
X111 X121 . . . X1j1
Pengamatan
X112 X122 . . . X1j2
. . .
. . .
. . .
X11 n1 X12 n1 . . . X1j n1
− − −
Rata-rata X 11 X 12 ... X 1j

Tabel 2.5.3 Matriks Data Pengamatan dari Grup II
Variabel X21 X22 . . . X2j
Data
X211 X221 . . . X2j1
Pengamatan
X212 X222 . . . X2j2
. . .
. . .
. . .
X21 n 2 X22 n 2 . . . X2j n 2
− − −
Rata-rata X 21 X 22 ... X 2j
Hasil pengamatan ini akan menghasilkan rata-rata untuk tiap variabel yang
dalam bentuk vektor bisa ditulis :
− −
X 11 X 21
− −
X 12 X 22
− −
X1 = . dan X 2 = .
. .
. .
− −
X 1j X 2j
dimana :
X1j n1 menyatakan variabel X ke j dalam grup ke 1 yang berukuran n1
X2j n 2 menyatakan variabel X ke j dalam grup ke 2 yang berukuran n2
−
X 1 j menyatakan rata-rata variabel ke j dalam grup ke 1
−
X 1 j menyatakan rata-rata variabel ke j dalam grup ke 2
Dari masing-masing rata-rata dari grup I dan rata-rata dari grup II , selanjutnya
akan dihitung varians dan kovariansnya. Varians kovarians tersebut disusun dalam
matriks S1 dan S2 ,masing-masing dari grup ke-1 dan dari grup ke-2 , yaitu :

S11 S12 . . . S1 j S11 S12 . . . S1 j
S 21 S 22 . . . S2 j S 21 S 22 . . . S2 j
. . . . . . . . . . . .
S1 = dan S2 =
. . . . . . . . . . . .
. . . . . . . . . . . .
S j1 S j2 . . . S jj S j1 S j2 . . . S jj
dimana : S1 = matriks varians kovarians dari grup ke-1

S2 = matriks varians kovarians dari grup ke-2
Meskipun dalam S1 dan S2 digunakan Sij yang sama namun jelas besarnya
berlainan antara Sij dalam S1 dan Sij dalam S2 , kedua datanya juga berlainan , yaitu S1
diambil dari grup I dan S2 dari grup II .
Kedua buah matriks varians-kovarians ini bisa dihitung matriks varians-

kovarians gabungan , diberi lambang S dengan rumus :
(n1 − 1) S1 + (n 2 − 1) S 2
S=
n1 + n 2 − 2
Matriks varians-kovarians gabungan ini mempunyai invers, yaitu S-1 .
− −
Dengan adanya vektor rata-rata X 1 dan X 2 dan juga matriks varians-
kovarians gabungan S bersama dengan persyaratan bahwa data variabel independen
seharusnya berdistribusi normal multivariat ( bervariabel banyak ) disingkat
multinormal, dan matriks varians-kovarians kedua grup relatif sama , maka rumus
fungsi diskriminan untuk ini adalah :
− −
Y = ( X 1 − X 2 ) ' S-1 X
X1
X2
.
X adalah vektor pengamatan, yaitu X =
.
.
Xj

Fungsi diskriminan ini dapat digunakan untuk membuat aturan klasifikasi yang
kita cari berdasarkan salah satu dari kedua aturan dibawah ini :
ATURAN I :
1 − − − −
Jika Y > ( X 1 − X 2 ) ' S-1 ( X 1 + X 2 ) klasifikasi objek dengan data pengamatan X
2
dimasukkan ke dalam grup I .
1 − − − −
Jika Y < ( X 1 − X 2 ) ' S-1 ( X 1 + X 2 ) suatu objek diklasifikasikan kedalam grup II .
2
ATURAN II :
Dengan menggunakan statistik W (Wald – Anderson) yaitu :
− − 1 − − − −
W = X ' S-1 ( X 1 − X 2 ) - ( X 1 − X 2 ) ' S-1 ( X 1 + X 2 )
2
Untuk memperoleh klasifikasi ini , jika W > 0 maka objek dengan pengamatan X
dimasukkan kedalam grup I sedangkan dalam hal lainnya objek itu dimasukkan
kedalam grup II .
2.6 Ketepatan Pengelompokan Fungsi Diskriminan
Tingkat akurasi pengelompokkan sangat menentukan baik atau tidaknya suatu

pengelompokkan. Persentase ketepatan pengelompokan dapat dihitung dari matriks
klasifikasi yang menunjukkan nilai sebenarnya (actual members) dan nilai prediksi
(prediction members) dari setiap kelompok.
Hasil pengelompokan menurut fungsi diskriminan tidak selalu sama dengan

pengelompokan awal. Besarnya kesalahan pengelompokan, dengan menganggap
pengelompokan awal adalah benar, merupakan indikator tingkat akurasi dari fungsi
diskriminan yang dihasilkan. Tabel berikut menunjukkan evaluasi tingkat akurasi
terhadap fungsi diskriminan dengan memperhatikan persentase ketepatan
pengelompokan.

Tabel 2.6.1 Evaluasi Terhadap Fungsi Diskriminan
Pengelompokan Menurut
Pengelompokan Fungsi Diskriminan Jumlah
Awal Kelompok I Kelompok II
Kelompok I n11 n12 n1.
Kelompok II n 21 n 22 n 2.
Jumlah n.1 n.2 n
(n11 + n22 )
Rumus persentase ketepatan pengelompokan = ...... (2.6.1)
n

BAB 3
ANALISIS DISKRIMINAN DUA GRUP (TWO-GROUP

DISCRIMINANT ANALYSIS )
Prinsip analisis diskriminan adalah ingin membuat suatu fungsi diskriminan dari
variabel independen yang bisa secara jelas mendiskriminasi atau membedakan
kelompok variabel dependen , artinya mampu membedakan suatu objek masuk ke
kelompok yang mana .Sebelum melakukan analisis diskriminan pada suatu kasus
besar yang mempunyai banyak data dan variabel , berikut akan dibahas suatu contoh
yang paling sederhana untuk melakukan analisis diskriminan,yakni hanya melibatkan
dua kelompok atau kategori ( Two-Group Diskriminan Analysis ) .
Misalkan data tentang skor kemampuan mengeluarkan pendapat (X1) dan skor
motivasi (X2) mahasiswa telah diyakini berdistribusi normal, yang memiliki dua
variabel dengan matriks varians kovarians sama, untuk mengklasifikasikan apakah
seorang mahasiswa diperkirakan akan “berhasil” atau “gagal” dalam menempuh
pelajaran tahun depan . Apabila data skor X1 dan X2 diketahui dari kelompok yang
berhasil dan gagal. Datanya adalah sebagai berikut .
Tabel 3.1 Data Skor Kemampuan Mengeluarkan Pendapat dan Skor

Motivasi Mahasiswa
Kelompok Berhasil kelompok Gagal
Responden
No. X1 X2 X1 X2
1 8 7 6 5
2 8 6 5 4
3 7 7 6 5
4 9 7 7 6
5 8 8 6 6
6 7 8 5 7
7 9 8 5 5
8 6 6 5 4
9 7 6
10 9 7
Sumber : Buku Teknik Analisis Regresi dan Korelasi bagi Para Peneliti, 1996.

Variabel yang diamati dan menjadi perhatian dalam penelitian ini adalah :
a. Variabel dependen (Y) terdiri dari dua kelompok atau kategori (Two-Group
Discriminant Analysis ) yaitu :
Kode ( 0 ) untuk kelompok gagal
Kode ( 1 ) untuk kelompok berhasil
b. Variabel independen (Xi) yaitu :

X1 adalah skor kemampuan mengeluarkan pendapat
X2 adalah skor motivasi .
3.1 Menghitung Nilai Rata-Rata, Standar Deviasi, Nilai Varians, Kovarians,

Matriks Varians-Kovarians dan Matriks Varians Kovarians dalam
Kelompok Gabungan pada Setiap Kelompok Gagal dan Berhasil.
Matriks Varians-Kovarians Kelompok Berhasil (kelompok ke- 1 )
Tabel 3.1.1 Perhitungan Matriks Varians-Kovarians Kelompok Berhasil

Kelompok Berhasil
Pengamatan X1 X2 X 12 X2 2 X1 X2
1 8 7 64 49 56
2 8 6 64 36 48
3 7 7 49 49 49
4 9 7 81 49 63
5 8 8 64 64 64
6 7 8 49 64 56
7 9 8 81 64 72
8 6 6 36 36 36
9 7 6 49 36 42
10 9 7 81 49 63
Jumlah 78 70 618 496 549
Rata-rata 7.8 7
Dari tabel 3.1.1 diperoleh :

n n −
X i1 = 78 X i21 =618 X 11 = 7,8
i =1 i =1

n n −
X i 2 = 70 X i22 = 496 X 12 = 7
i =1 i =1
n
X i1 X i 2 = 549 n1 = 10
i =1
dimana :
−
X 1 j menyatakan rata-rata variabel ke j dalam kelompok ke 1
−
X 11 menyatakan rata-rata variabel ke 1 dalam kelompok ke 1
−
n1 banyaknya data pada kelompok ke-1 ( kelompok berhasil )
n
X ij = jumlah data pengamatan i (dimana i= 1,2,...n ) dari variabel ke-j
i =1
• Hitung nilai varians untuk variabel Xi dan Xj, dimana i = j ,maka Sij = Sji
diberi lambang menjadi Sjj, dengan rumus :
n n
n X ij2 − ( X ij ) 2
i =1 i =1
S jj =
n(n − 1)
Semuanya ada j=2 buah varians, yaitu S11 ,S22 . yang masing-masing
merupakan varians untuk variabel X1, X2 .
10.(618) − (78) 2 96
Varians X1 : S11 = = = 1,066666667 = 1,067
10(10 − 1) 90
Standard deviasi X1 adalah S11 = 1,0328
10.(496) − (70) 2 60
Varians X2 : S 22 = = = 0,666666666 = 0,667
10(10 − 1) 90
Standard deviasi X2 adalah S 22 = 0,8165
• Untuk variabel Xi dan Xj ,dimana i j maka yang dihitung adalah kovarians,

diberi lambang Sij . Kovarians untuk variabel X1 da X2 dapat dihitung dengan
rumus berikut.

n n n
n. X i1 X i 2 − ( X i1 )( X i2 )
i =1 i =1 n =1
S ij =
n(n − 1)
Semuanya ada ( j2 - j ) = 22 – 2 = 2 buah kovarians , yaitu S12 dan S21 .
Kovarians variabel X1 dan X2 adalah :
10.(549) − 78.(70) 30
S12 = S 21 = = = 0,333333333 = 0,333
10(10 − 1) 90
Nilai varians dan kovarians diatas disusun dalam sebuah matriks ,disebut dengan
nama matriks varians-kovarians dengan lambang S , bentuknya sebagai berikut.
S11 S12
S=
S12 S 22
Untuk matriks varians-kovarians kelompok ke-k ,diberi lambang Sk ,

Untuk k = 1 menyatakan kelompok ke-1 (kelompok berhasil )
k = 2 menyatakan kelompok ke- 2 ( kelompok gagal )
Sehingga, diperoleh matriks varians kovarians kelompok ke-1 (kelompok berhasil )

1,067 0,333
yaitu S1 =
0,333 0,667
Matriks Varians-Kovarians Kelompok Gagal (kelompok ke- 2 )
Tabel 3.1.2 Perhitungan Matriks Varians-Kovarians Kelompok Gagal

Kelompok Gagal
No. X1 X2 X12 X22 X1 X2

1 6 5 36 25 30
2 5 4 25 16 20
3 6 5 36 25 30
4 7 6 49 36 42
5 6 6 36 36 36

6 5 7 25 49 35
7 5 5 25 25 25
8 5 4 25 16 20
Jumlah 45 42 257 228 238
Rata-rata 5.625 5.25
Dari tabel 3.1.2 diperoleh :

n
X i1 X i 2 = 238 n2 = 8
i =1
n n −
X i1 = 45 X i21 = 257 X 21 = 5,625
i =1 i =1
n n −
X i 2 = 42 X i22 = 228 X 22 = 5,25
i =1 i =1
−
Dimana : X 2 j menyatakan rata-rata variabel ke j dalam kelompok ke 2
−
−
n 2 banyaknya data pada kelompok ke-2 ( kelompok gagal )
n
X ij = jumlah data pengamatan i (dimana i= 1,2,...n ) dari variabel ke-j
i =1
• Hitung nilai varians untuk variabel Xi dan Xj, dimana i = j ,maka Sij = Sji
diberi lambang menjadi Sjj, dengan rumus :
n n
n X ij2 − ( X ij ) 2
i =1 i =1
S jj =
n(n − 1)
Semuanya ada j=2 buah varians, yaitu S11 ,S22 . yang masing-masing
merupakan varians untuk variabel X1, X2 .
8.(257) − (45) 2 31
Varians X1 : S11 = = = 0,553571428 = 0,554
8(8 − 1) 56
Standard deviasi X1 adalah S11 = 0,74402

8.(228) − (42) 2 60
Varians X2 : S 22 = = = 1,071428571 = 1,071
8(8 − 1) 56
Standard deviasi X2 adalah S 22 = 1,03510
• Untuk variabel Xi dan Xj ,dimana i j maka yang dihitung adalah kovarians,

diberi lambang Sij . Kovarians untuk variabel X1 da X2 dapat dihitung dengan
rumus berikut.
n n n
n. X i1 X i 2 − ( X i1 )( X i2 )
i =1 i =1 n =1
S ij =
n(n − 1)
Semuanya ada ( j2 - j ) = 22 – 2 = 2 buah kovarians , yaitu S12 dan S21 .
Kovarians variabel X1 dan X2 adalah :

8.(238) − 45.(42) 14
S12 = S 21 = = = 0,250
8(8 − 1) 56
Nilai varians dan kovarians diatas disusun dalam sebuah matriks ,disebut dengan
nama matriks varians-kovarians dengan lambang S , bentuknya sebagai berikut.
S11 S12
S=
S12 S 22
Untuk matriks varians-kovarians kelompok ke-k ,diberi lambang Sk ,Untuk k = 2,

menyatakan matriks varians-kovarians kelompok ke- 2 ( kelompok gagal ).
Sehingga, diperoleh matriks varians kovarians kelompok ke-2 (kelompok gagal )

0,554 0,250
yaitu S2 =
0,250 1,071
Matriks Varians-Kovarians Gabungan

(n1 − 1) S1 + (n2 − 1) S 2
Rumus matriks varians-kovarians gabungannya adalah S =
n1 + n2 − 2

1,067 0,333 0.554 0,250
(10 − 1) + (8 − 1)
0,333 0,667 0.250 1,071
S=
10 + 8 − 2
1,067 0,333 0.554 0,250

9 +8
0,333 0,667 0.250 1,071
S=
16
0,842 0,297
S=
0,297 0,844
0,842 0,297
Maka , matriks varians-kovarians gabungannya adalah S =
0,297 0,844
Output SPSS
Tabel 3.1.3 Matriks Varians Kovarians Kelompok Berhasil dan Gagal
kelompok X1 X2
0 X1 .554 .250
X2 .250 1.071
1 X1 1.067 .333
X2 .333 .667
Tabel 3.1.4 Matriks Varians Kovarians Gabungan Dalam Kelompok

(Pooled Within-Groups Matrices)
X1 X2
kovarians X1 .842 .297
X2 .297 .844
Tabel 3.1.5 Group Statistics
Standard.
kelompok Mean Deviation
0 X1 5.6250 .74402
X2 5.2500 1.03510
1 X1 7.8000 1.03280
X2 7.0000 .81650

3.2 Menghitung Korelasi Antar Variabel Bebas ( Prediktor ) pada Setiap
Kelompok untuk Melihat Multikolinieritas Variabel Independen .
Rumus korelasi sederhana antara variabel X1dan X2 sebagai berikut :

n. X1 X 2 − X 1. X2
rx1x2 =
{n. X 12 − ( X 1 ) 2 }{n. X 22 − ( X 2 )2}
Untuk Kelompok Berhasil

X 1 X 2 = 549 n1 = 10
X 1 = 78 X 12 = 618
X 2 = 70 X 22 = 496
10.(549) − 78(70)
rx1x2 =
{10(618) − (78) 2 }{10.(496) − (70) 2 }
30
= = 0,395284707 = 0,395
96(60)
Korelasi antara X1 dan X2 untuk kelompok Berhasil adalah 0,395
Untuk Kelompok Gagal

X 1 X 2 = 238 n2 = 8
X 1 = 45 X 12 = 257
X 2 = 42 X 22 = 228
8.(238) − 45(42) 14
rx1x2 = = = 0,324617227 = 0,325
2 2
{8(257) − (45) }{8.(228) − (42) } 31(60)
Korelasi antara X1 dan X2 untuk kelompok gagal adalah 0,325

Dapat diartikan bahwa korelasi antara variabel X1 dan X2 pada variabel
kelompok berhasil dan gagal adalah lemah, yaitu sebesar 0,395 dan 0,325 . Dengan
demikian Fungsi diskriminan memenuhi asumsi bahwa tidak ada korelasi yang kuat
(multikolinieritas ) antara variabel independen dalam model.
3.3 Uji Kesamaan Matriks Varians Kovarians
Untuk menguji kesamaan matriks varians kovarians kelompok I, yaitu kelompok

berhasil (S1) dan kelompok II ,yaitu kelompok gagal (S2) digunakan hipotesa :
2
Terima H0 , yang berarti matriks varians kovarians sama jika : χ hit ≤ χ2 1
α ; ( k −1) p ( p +1)
2
k k
2 1 1
Dimana : χ hitung = −2(1 − C1 ) Vi ln S i − ln S Vi
2 i =1 2 i =1

i = 1,2, ... , k
Vi = ni − 1
dengan
k
Vi S i
i =1
S= k
, dengan Vi = ni − 1
Vi
i =1

k 1,067 0,333 0.554 0,250
(ni − 1) S i (10 − 1) + (8 − 1)
i =1
0,333 0,667 0.250 1,071
S= k
=
(10 − 1) + (8 − 1)
(ni − 1)
i =1
1,067 0,333 0.554 0,250

9 +8
0,333 0,667 0.250 1,071
S=
16
0,842 0,297
S=
0,297 0,844
0,842 0,297
S = = 0,842 (0,844) – 0,297(0,297) = 0,622439
0,297 0,844
1,067 0,333
S1 = = 1,067 (0,667) – 0,333(0,333) = 0,6008
0,333 0,667
0,554 0,250
S2 = = 0,554 (1,071) – 0,250(0,250) = 0,530834
0,250 1,071
k
1 1 2 p2 + 3p −1
C1 = − k
i =1 Vi 6( p + 1)(k − 1)
Vi
i =1
1 1 1 2(1) 2 + 3(1) − 1
C1 = + −
(10 − 1) (8 − 1) (10 − 1) + (8 − 1) 6(1 + 1)(2 − 1)
1 1 1 4
C1 = + −
9 7 16 12
C1 = 0,063822751
Maka :
k k
2 1 1
2 i =1 2 i =1
2 1 1
χ hitung = −2(1 − C1 ) (9 ln 0,6008 + 7 ln 0,530834) − (ln 0,622439)(9 + 7)
2 2

= -2 (1- 0,063822751 ) [− 4,509290039 − (−3,792877179)]
= ( -1,872354497 ) ( -0,716412859 )
2
χ hitung = 1,341378839
dan χ2 1 = χ (20, 05)(1) , dengan k= 2 dan p = 1

α ; ( k −1) p ( p +1)
2
χ2 1 = 3,84
α ; ( k −1) p ( p +1)
2
Kesimpulan :
2
Terima H0 , karena χ hit ≤ χ2 1 ,berarti matriks varians kovarians relatif sama.
α ; ( k −1) p ( p +1)
2
3.4 Uji Kesamaan Rata-Rata Kelompok
Menguji apakah semua variabel independen (variabel bebas) berbeda secara nyata
berdasarkan variabel dependen.Variabel bebas diuji dengan dua cara :
1. Dengan angka Wilks’ Lambda .

Angka Wilks’ Lambda berkisar 0 sampai 1 , yaitu :
c. Jika angka Wilks’ Lambda mendekati 0 , maka data tiap kelompok ( gagal dan
berhasil ) cenderung berbeda.
d. Jika angka Wilks’ Lambda mendekati 1 , maka data tiap kelompok ( gagal dan
berhasil ) cenderung sama (tidak berbeda ).
2. Dengan Uji F
Keputusan atas dasar Signifikansi (lihat angka Sig. Pada output SPSS )
c. Jika Sig. > 0.05 maka H0 diterima berarti tidak ada perbedaan yang signifikan
antar grup ( rata - rata antar kelompok sama )
d. Jika Sig. 0.05 maka H1 diterima , berarti ada perbedaan yang signifikan antar
grup (ada perbedaan rata-rata antar kelompok gagal dengan kelompok
berhasil).

Analisis varians ( uji F ) dan angka Wilk’s Lambda adalah untuk menguji rata-rata
dari setiap variabel.
Output SPSS
Tabel 3.4.1 Uji Kesamaan Rata-Rata Kelompok

(Tests of Equality of Group Means)
Wilks'
Lambda F df1 df2 Sig.
X1 .391 24.965 1 16 .000
X2 .498 16.132 1 16 .001
Tabel diatas adalah output SPSS untuk menguji kesamaan rata-rata kelompok.
Uji yang digunakan adalah uji Wilk’s Lambda. Uji ini sama dengan uji F yang
digunakan untuk menguji kesamaan dan perbedaan rata-rata. Dari hasil uji equality
terlihat bahwa kedua variabel diikut sertakan dalam analisis , karena nilai Wilk’s
Lambda kedua variabel X1 dan X2 mendekati 0 dan nilai Sig. 0.05 pada uji F ,
berarti berarti ada perbedaan yang signifikan antar grup (ada perbedaan rata-rata antar
kelompok gagal dengan kelompok berhasil).Dengan demikian dapat disimpulkan
bahwa ada perbedaan yang signifikan antar grup (dengan kata lain : gagal atau
berhasilnya seorang mahasiswa dipengaruhi oleh variabel X1 (kemampuan
mengeluarkan pendapat ) dan X2 (motivasi ).
Jika ada perbedaan yang signifikan antar grup pada variabel dependen (ada
perbedaan antara anggota grup gagal dan grup berhasil). Kriteria untuk melihat
variabel mana pada fungsi diskriminan yang paling berarti (signifikan ) yang membuat
perbedaan tersebut adalah :
1. Peubah yang memiliki nilai F terbesar.
2. Peubah yang memiliki nilai Wilk’s Lambda terkecil.
maka variabel yang paling berarti (signifikan ) yang membuat perbedaan pada fungsi
diskriminan tersebut adalah variabel X1 (kemampuan mengeluarkan pendapat ).
Hipotesis uji kesamaan rata-rata antar kelompok diatas adalah :

H0 : µ1 = µ 2 ,berarti rata-rata antara kedua kelompok sama ( tidak ada perbedaan )
H1 : µ1 ≠ µ 2 , berarti ada perbedaan rata-rata antar kelompok.

Taraf nyata = 0,05
Daerah kritis : tolak H0 jika F > Ftabel
db1= k-1 =2-1 = 1
db2 = (n-k ) = (n1-1)+(n2-1)
= 18 – 2 = (10-1)+(8-1) = 9+7 = 16
Ftabel = F0,05 (1,16 ) = 4,49
Tabel 3.4.2 Perhitungan Uji Kesamaan Rata-Rata Kelompok

responden kelompok X1 X2 X 12 X2 2
1 1 8 7 64 49
2 1 8 6 64 36
3 1 7 7 49 49
4 1 9 7 81 49
5 1 8 8 64 64
6 1 7 8 49 64
7 1 9 8 81 64
8 1 6 6 36 36
9 1 7 6 49 36
10 1 9 7 81 49
11 0 6 5 36 25
12 0 5 4 25 16
13 0 6 5 36 25
14 0 7 6 49 36
15 0 6 6 36 36
16 0 5 7 25 49
17 0 5 5 25 25
18 0 5 4 25 16
Jumlah 123 112 875 724
Untuk variabel X1 ( kemampuan mengeluarkan pendapatan )

n
n
( X ij ) 2
2 i =1
JK total = X −
ij
i =1 n
n
X ij = Jumlah data pengamatan i (dengan i= 1,2,...n ) dari variabel ke-j
i =1
JK total = 8 2 + 8 2 + 7 2 + 9 2 + 8 2 + 7 2 + 9 2 + 6 2 + 7 2 + 9 2 + 6 2 + 5 2 + 6 2 + 7 2 + 6 2 +
(123) 2
52+ 52 + 52 −
18

(123) 2
= 875 -
18
= 34,5
n
2 ( X ij ) 2
k ( X ij ) i =1
JK antar kelompok = −
i =1 ni n
(78) 2 (45) 2 (123) 2

JK antar kelompok = + − = 21,025
10 8 18
Dengan :
n
X ij = Jumlah data pengamatan i (dimana i= 1,2,...n ) dari variabel ke-j
i =1
X ij = Jumlah data pengamatan kelompok ke-i pada variabel ke –j
X 11 = 78 X 21 = 45 n1 = 10 n 2 = 8
X 11 = Jumlah data pengamatan kelompok ke-1 pada variabel ke -1
X 21 = Jumlah data pengamatan kelompok ke-2 pada variabel ke -1
ni = banyaknya data pengamatan pada kelompok ke-i,

k = banyaknya kelompok
i = 1,2, ... , k
JK dalam kelompok = JK total – JK antar kelompok = 13,475
Tabel 3.4.3 Analisis Varians untuk Variabel X1

Sumber Variasi df JK RK = JK/df Fhit
Antar kelompok 1 21,025 21,025 24,965
Dalam kelompok (error) 16 13,475 0,8421875
Total 34,5
W
Wilk’s Lambda =
W +B
W = Jumlah Kuadrat dalam kelompok ( JK dalam kelompok )
B = Jumlah Kuadrat Antar kelompok
W+B = Jumlah Kuadrat Total

13,475
Wilks Lambda = = 0,391
34,5
Untuk variabel X2 ( motivasi )
JK total = 7 2 + 6 2 + 7 2 + 7 2 + 8 2 + 8 2 + 8 2 + 6 2 + 6 2 + 7 2 + 5 2 + 4 2 + 5 2 + 6 2 + 6 2 +
(112) 2
72+ 52 + 42 −
18
(112) 2
= 724 -
18
= 27,11111111
(70) 2 (42) 2 (112) 2

JK antar kelompok = + − = 13,61111111
10 8 18
JK dalam kelompok = JK total – JK antar kelompok = 13,5
Tabel 3.4.4 Analisis Varians untuk variabel X2

Sumber Variasi df JK RK = JK/df Fhit
Antar kelompok 1 13,61111111 13,61111111 16,132
Dalam kelompok (error) 16 13,5 0,84375
Total 27,11111111
13,5
Wilks Lambda = = 0,498
27,1111111
Kesimpulan
Tolak H0 , karena Fhit > F tabel .Sehingga dapat disimpulkan bahwa rata-rata kedua
variabel bebas untuk kelompok berhasil dan gagal berbeda secara signifikan, dengan
kata lain : gagal atau berhasilnya seorang mahasiswa dipengaruhi oleh variabel X1
(kemampuan mengeluarkan pendapat ) dan X2 ( motivasi ).

3.5 Fungsi Diskriminan
Fungsi diskriminan untuk hal ini adalah menggunakan statistik W (Wald Anderson )
1
yaitu : W = X ' S −1 ( X 1 − X 2 ) − ( X 1 − X 2 ) ' S −1 ( X 1 + X 2 ) , dengan W merupakan
2
variabel dependen ( Y ) , atau dapat ditulis :
1
Y = X ' S −1 ( X 1 − X 2 ) − ( X 1 − X 2 ) ' S −1 ( X 1 + X 2 )
2
Dimana :
X adalah vektor pengamatan
− −
X 1 dan X 2 adalah vektor rata-rata variabel independen
S −1 adalah invers matriks varians kovarians dalam kelompok gabungan
yang akan menghasilkan model atau fungsi analisis diskriminan sebagai berikut :
Y = b0 + b1 X i1 + b2 X i 2 + ... + b j X ij
dimana :
Y = Nilai (skor) fungsi diskriminan dari responden ke-i
b0 = Intercep (konstanta), artinya jika nilai variabel X=0 , maka besar nilai Y = b0 .
bj = koefisien fungsi diskriminan dari variabel ke-j
X ij = Variabel bebas ke-j dari responden ke-i , dengan i = 1,2,...,n
0,842 0,297
Matriks varians-kovarians gabungannya telah diperoleh, yaitu S =
0,297 0,844
maka inversnya
1 0,844 − 0,297
S −1 =
{0,842(0,844) − 0,297(0,297)} − 0,297 0,842
1,356 − 0,477
S −1 =
− 0,477 1,353
Maka, fungsi diskriminannya adalah :

1
Y = X ' S −1 ( X 1 − X 2 ) − ( X 1 − X 2 ) ' S −1 ( X 1 + X 2 )
2
'
X1 1,356 − 0,477 7,8 5,625
Y= − −
X2 − 0,477 1,353 7,0 5,25

'
1 7,8 5,625 1,356 − 0,477 7,8 5,625
− +
2 7,0 5,25 − 0,477 1,353 7,0 5,25
1,356 − 0,477 2,175

Y = X1 X2 −
− 0,477 1,353 1,75
1 1,356 − 0,477 13,425
2,175 1,75
2 − 0,477 1,353 12,25
2,1146
Y = X1 X2 − 22,3418
1,3303
Y = 2,1146 X 1 + 1,3303 X 2 − 22,3418
Y = −22,3418 + 2,1146 X 1 + 1,3303 X 2
Tabel 3.5.1 Pengklasifikasian Objek Pengamatan ke dalam kelompok

responden kelompok X1 X2 Y
1 1 8 7 3.8871
2 1 8 6 2.5568
3 1 7 7 1.7725
4 1 9 7 6.0017
5 1 8 8 5.2174
6 1 7 8 3.1028
7 1 9 8 7.332
8 1 6 6 -1.6724
9 1 7 6 0.4422
10 1 9 7 6.0017
11 0 6 5 -3.0027
12 0 5 4 -6.4476
13 0 6 5 -3.0027
14 0 7 6 0.4422
15 0 6 6 -1.6724
16 0 5 7 -2.4567
17 0 5 5 -5.1173
18 0 5 4 -6.4476
Jika seorang responden memperoleh skor kemampuan mengeluarkan pendapat

( X1) = 8 dan skor motivasi ( X2) = 7 , maka diharapkan akan berhasil, karena skor

Y = −22,3418 + 2,1146(8) + 1,3303(7) = 3,8871 , dimana Y > 0 ( yang jelas Y berharga
positif ), maka responden tersebut akan dimasukkan pada kelompok berhasil .Jika
nilai Y < 0 , akan dimasukkan pada kelompok gagal.
3.6 Menguji Ketepatan Pengelompokan Fungsi Diskriminan
Setelah fungsi diskriminan terbentuk dan klasifikasi objek telah dilakukan ,selanjutnya
akan dilihat seberapa jauh klasifikasi tersebut sudah tepat atau berapa persen terjadi
kesalahan pengklasifikasian pada proses klasifikasi tersebut, yang akan dijelaskan
berikut ini.
Tabel 3.6.1 Evaluasi Terhadap Fungsi Diskriminan
Prediksi Pengelompokan Menurut
Pengelompokan Fungsi Diskriminan Jumlah
Awal Kelompok Berhasil Kelompok Gagal
Kelompok Berhasil 9 1 10
Kelompok Gagal 1 7 8
Jumlah 10 8 18
Pada tabel dapat dilihat bahwa

• Responden yang pada data pengelompokan awal adalah tergolong pada
kelompok berhasil ,dan dari klasifikasi fungsi diskriminan tetap pada
kelompok berhasil adalah 9 orang, sedangkan responden yang pada
pengelompokan awalnya masuk kelompok berhasil , dengan fungsi
diskriminan ternyata menjadi anggota kelompok gagal ada 1 orang
• Responden yang pada data pengelompokan awal adalah tergolong pada

kelompok gagal ,dan dari klasifikasi fungsi diskriminan tetap pada kelompok
gagal adalah 7 orang, sedangkan responden yang pada pengelompokan
awalnya masuk kelompok gagal , dengan fungsi diskriminan ternyata menjadi
anggota kelompok berhasil ada 1 orang.

Maka prediksi ketepatan pengelompokan dari fungsi diskriminan berdasarkan
(rumus 2.6.1) adalah :
(9 + 7)
x100% = 88,9 %
18
Karena angka ketepatan prediksi 88,9 % maka fungsi tersebut sangat baik untuk
memprediksi sebuah kasus ,apakah akan diklasifikasikan pada kelompok gagal atau
berhasil.
Output SPSS
Tabel 3.6.2 Classification Results
Predicted Group
kelompok Membership Total
0 1
0 7 1 8
1 1 9 10
% 0 87.5 12.5 100.0
1 10.0 90.0 100.0

BAB 4
KESIMPULAN DAN SARAN
4.1 Kesimpulan
1. Ada perbedaan yang signifikan antara kelompok berhasil dan kelompok gagal
pada variabel dependen, karena nilai Wilk’s Lambda kedua variabel X1 dan X2
mendekati 0 dan nilai Sig. 0.05 pada uji F , dengan kata lain : gagal atau
berhasilnya seorang mahasiswa dipengaruhi oleh variabel X1 (kemampuan
mengeluarkan pendapat ) dan X2 (motivasi ).
2. Variabel independen yang membuat perbedaan pada fungsi diskriminan tersebut
adalah variabel X1 dan X2 . Variabel yang paling berarti (signifikan ) yang
membuat perbedaan pada fungsi diskriminan tersebut adalah variabel X1
(kemampuan mengeluarkan pendapat ) ,yang dibuktikan dengan nilai F terbesar
dan nilai Wilk’s Lambda terkecil .
3. Fungsi diskriminan untuk mendiskriminasi atau membedakan kelompok yang
diperoleh adalah : Y = −22,3418 + 2,1146 X 1 + 1,3303 X 2
4. Prediksi ketepatan pengelompokan dari model atau fungsi diskriminan adalah
88,9 % untuk menerangkan variabel dependen dalam mengklasifikasikan
responden pada kelompok gagal atau kelopok berhasil.
4.2 Saran
Diperlukan kajian lebih lanjut pembuatan model diskriminan dan pengujiannya untuk
tiga atau lebih kategori ( Multiple Discriminant Analysis ). Selain itu, menerapkan
metode analisis diskriminan dua grup ini pada suatu penelitian jika variabel
dependennya berupa data kategori seperti : macet-lancar, untung-rugi, puas-tidak
puas, karyawan yang produktif atau tidak produktif, pelanggan loyal atau tidak,
berisiko rendah atau berisiko tinggi dan sebagainya.

DAFTAR PUSTAKA
Algifari . 2000 . Analisis Regresi Teori,Kasus, dan Solusi . Yogyakarta : BPFE –

Yogyakarta.
Johnson, R.A.& D.W.Wichern .2007.Applied Multivariate Statistical Analysis .Sixth

Edition. American : Pearson Education,Inc .
Santoso, S .2010. Statistik Multivariat Konsep dan Aplikasi dengan SPSS. Jakarta :
PT.Elex Media Komputindo .
Sudjana .1996 .Teknik Analisis Regresi dan Korelasi bagi Para Peneliti .Bandung :
TARSITO .
Supranto,J .2004. Analisis Multivariat Arti dan Interpretasi. Jakarta : PT.Rineka Cipta
Santosa , Budi & Ashari .2005 . Analisis Statistik dengan Microsoft Excel & SPSS
.Yogyakarta : ANDI
Santoso, S .2010. Statistik Parametrik Konsep dan Aplikasi dengan SPSS. Jakarta :
PT.Elex Media Komputindo .
http : // paps. bps .go.id/file_artikel /98/ Analisis_Faktor & Diskriminan pdf. Diakses
tanggal 21 Pebruari ,2011 .
www.linkpdf .com / ebook . Diakses tanggal 18 April ,2011 .
Yasril & Kasjono,H . 2009 . Analisis Multivariat untuk Penelitian Kesehatan .

Jogjakarta : Mitra Cendikia Press .
Walpole,R . 1995.Pengantar Statistika.Jakarta : PT.Gramedia Pustaka Utama.
Walpole,R & Myers,R . 1986 . Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuan
.Bandung : ITB .

HMB 5 HC 1591265150

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

HMB 5 HC 1591265150

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS DISKRIMINAN DUA GRUP (TWO-GROUP DISCRIMINANT

ANALYSIS ) PADA STATISTIK MULTIVARIAT

Universitas Sumatera Utara

Universitas Sumatera Utara

Judul : ANALISIS DISKRIMINAN DUA GRUP (TWO-

Drs. Djakaria Sebayang, M.Si Drs. Rachmad Sitepu, M.Si

Prof. Dr. Tulus, M.Si

Universitas Sumatera Utara

ANALISIS DISKRIMINAN DUA GRUP (TWO-GROUP DISCRIMINANT

Universitas Sumatera Utara

Ucapan terimakasih saya sampaikan kepada bapak Drs. Djakaria Sebayang,

Penulis menyadari bahwa tulisan ini masih belum sempurna, disebabkan

Universitas Sumatera Utara

Universitas Sumatera Utara

The purpose of this research is to create a discriminant function of independent

Universitas Sumatera Utara

Bab 2 Landasan Teori 9

Bab 3 Analisis Diskriminan Dua Grup (Two-Grup Discriminan Analysis) 20

Bab 4 Kesimpulan dan Saran 39

Universitas Sumatera Utara

Tabel 2.5.1 Matriks Data Pengamatan 14

Universitas Sumatera Utara

Universitas Sumatera Utara

The purpose of this research is to create a discriminant function of independent

Universitas Sumatera Utara

1.1 Latar Belakang

Analisis diskriminan merupakan teknik menganalisis data, dimana variabel dependen

Universitas Sumatera Utara

Analisis diskriminan digunakan asalkan pertanyaan penelitian mengarah pada

Analisis diskriminan adalah metode untuk mencari dasar pengelompokan

Pada penelitian bidang kesehatan , analisis diskriminan dilakukan untuk

Pada penelitian bidang Biologi, analisis diskriminan juga dilakukan untuk

Universitas Sumatera Utara

Pembahasan masalah dalam penelitian ini akan dibatasi mengenai analisis

1.3 Tinjauan Pustaka

Pengertian Analisis Multivariat

Analisis multivariat (multivariate analysis) merupakan salah satu jenis analisis

Statistik Multivariat adalah metode statistik untuk mengolah sekian banyak

Universitas Sumatera Utara

Menurut Johnson dan Wichern (2007) Analisis Diskriminan digunakan untuk

Sebelum fungsi diskriminan dibentuk perlu dilakukan pengujian terhadap

Uji Kenormalan Peubah Ganda

X i adalah pengamatan yang ke-i, dengan i = 1, 2, ..., n

Universitas Sumatera Utara

Kemudian d i2 diurutkan dari yang paling kecil ke yang paling besar,

Pada artikel Analisis_Faktor & Diskriminan, dikatakan bahwa seringkali

Uji Kesamaan Matriks Varians Kovarians

H0 : S1 = S2 ,matriks varians kovarians kelompok adalah relatif sama

H1 : matriks varians kovarians kelompok adalah berbeda secara nyata.

Terima H0 , yang berarti matriks varians kovarians sama jika :

k = banyaknya kelompok ( grup )

Universitas Sumatera Utara

( www.linkpdf .com / ebook )

Universitas Sumatera Utara

X ij = Variabel bebas ke-j dari responden ke-i , dimana i = 1,2,...,n

1.4 Tujuan Penelitian

1. Membuat suatu fungsi diskriminan dari variabel independen yang bisa

1.5 Manfaat Penelitian

Universitas Sumatera Utara

Adapun tahapan-tahapan yang dilakukan dalam penelitian ini adalah :

1. Menghitung nilai rata-rata, standar deviasi, nilai varians, kovarians, matriks

Universitas Sumatera Utara

2.1 Analisis Diskiminan