See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/369793795

Pengantar Statistika 2

Chapter · April 2023

CITATIONS READS

0 189

1 author:

Nurul Aziza
Universitas Maarif Hasyim Latif Sidoarjo, Indonesia
24 PUBLICATIONS   24 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Akuntansi Biaya View project

Performance Measurement of higher education View project

All content following this page was uploaded by Nurul Aziza on 05 April 2023.

The user has requested enhancement of the downloaded file.

COVER
 BUNGA RAMPAI

PENGANTAR STATISTIKA 2
 UU No 28 tahun 2014 tentang Hak Cipta
Fungsi dan sifat hak cipta Pasal 4
Hak Cipta sebagaimana dimaksud dalam Pasal 3 huruf
a merupakan hak eksklusif yang terdiri atas hak moral
dan hak ekonomi.
Pembatasan Pelindungan Pasal 26
Ketentuan sebagaimana dimaksud dalam Pasal 23,
Pasal 24, dan Pasal 25 tidak berlaku terhadap:
i Penggunaan kutipan singkat Ciptaan dan/atau
produk Hak Terkait untuk pelaporan peristiwa aktual
yang ditujukan hanya untuk keperluan penyediaan
informasi aktual;
ii Penggandaan Ciptaan dan/atau produk Hak Terkait
hanya untuk kepentingan penelitian ilmu
pengetahuan;
iii Penggandaan Ciptaan dan/atau produk Hak Terkait
hanya untuk keperluan pengajaran, kecuali
pertunjukan dan Fonogram yang telah dilakukan
Pengumuman sebagai bahan ajar; dan
iv Penggunaan untuk kepentingan pendidikan dan
pengembangan ilmu pengetahuan yang
memungkinkan suatu Ciptaan dan/atau produk Hak
Terkait dapat digunakan tanpa izin Pelaku
Pertunjukan, Produser Fonogram, atau Lembaga
Penyiaran.

Sanksi Pelanggaran Pasal 113

1. Setiap Orang yang dengan tanpa hak melakukan
pelanggaran hak ekonomi sebagaimana dimaksud
dalam Pasal 9 ayat (1) huruf i untuk Penggunaan
Secara Komersial dipidana dengan pidana penjara
paling lama 1 (satu) tahun dan/atau pidana denda
paling banyak Rp100.000.000 (seratus juta rupiah).
2. Setiap Orang yang dengan tanpa hak dan/atau tanpa
izin Pencipta atau pemegang Hak Cipta melakukan
pelanggaran hak ekonomi Pencipta sebagaimana
dimaksud dalam Pasal 9 ayat (1) huruf c, huruf d,
huruf f, dan/atau huruf h untuk Penggunaan Secara
Komersial dipidana dengan pidana penjara paling
lama 3 (tiga) tahun dan/atau pidana denda paling
banyak Rp500.000.000,00 (lima ratus juta rupiah).
 PENGANTAR STATISTIKA 2
Wahyudin, M.Pd
Febri Rismaningsih, S.Pd. Si., M.Sc
Ul’fah Hernaeny, M.Pd
Erwinda Fenty Anggraeni, S.Pd.Si., M.Sc
Fauziah Astuti, M.Pd
Bergita Gela M Saka, S, Si., M.Sc
Eka Hendrayani, S.E., M.M
Yessi Oktavia, S.Si
I Putu Tedy Indrayana, S.Pd., M.Sc
Diah Oga Nusantari, S.Si., M.Pd
Sudirman, M.ED
Ir. Nurul Aziza, MT., IPM., ASEAN Eng
Dr. Jan Setiawan, S. Si, M.Si
Supriyanto, S.Pd.Si.

Editor:
Suci Haryanti, M.Pd., CEPT

Penerbit

CV. MEDIA SAINS INDONESIA

Melong Asih Regency B40 - Cijerah
Kota Bandung - Jawa Barat
www.medsan.co.id

Anggota IKAPI
No. 370/JBA/2020
 PENGANTAR STATISTIKA 2

Wahyudin, M.Pd
Febri Rismaningsih, S.Pd. Si., M.Sc
Ul’fah Hernaeny, M.Pd
Erwinda Fenty Anggraeni, S.Pd.Si., M.Sc
Fauziah Astuti, M.Pd
Bergita Gela M Saka, S, Si., M.Sc
Eka Hendrayani, S.E., M.M
Yessi Oktavia, S.Si
I Putu Tedy Indrayana, S.Pd., M.Sc
Diah Oga Nusantari, S.Si., M.Pd
Sudirman, M.ED
Ir. Nurul Aziza, MT., IPM., ASEAN Eng
Dr. Jan Setiawan, S. Si, M.Si
Supriyanto, S.Pd.Si
Editor:
Suci Haryanti

Tata Letak :
Mega Restiana Zendrato
Desain Cover :
Syahrul Nugraha
Ukuran :
A5 Unesco: 15,5 x 23 cm
Halaman :
vi, 237
ISBN :
978-623-362-628-6
Terbit Pada :
Juli 2022

Hak Cipta 2022 @ Media Sains Indonesia dan Penulis

Hak cipta dilindungi undang-undang. Dilarang keras menerjemahkan,

memfotokopi, atau memperbanyak sebagian atau seluruh isi buku ini
tanpa izin tertulis dari Penerbit atau Penulis.

PENERBIT MEDIA SAINS INDONESIA

(CV. MEDIA SAINS INDONESIA)
Melong Asih Regency B40 - Cijerah
Kota Bandung - Jawa Barat
www.medsan.co.id
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha

Esa, karena berkat rahmat dan karunia-Nya sehingga
buku kolaborasi dalam bentuk book chapter dapat
dipublikasikan dan dapat sampai di hadapan pembaca.
Book cahpter ini disusun oleh sejumlah dosen dan praktisi
sesuai dengan kepakarannya masing-masing. Buku ini
diharapkan dapat hadir memberi kontribusi positif dalam
ilmu pengetahuan khususnya terkait dengan Pengantar
Statistika 2.

Sistematika buku ini dengan judul “Pengantar Statistika

2” terdiri atas 14 bab yang dijelaskan secara rinci dalam
pembahasan mengenai konsep dan Aplikasi diantaranya:
Pengujian Hipotesis. Uji Kuadrat dan Analisis Variansi,
Analisis Regresi, Analisis Multiple, Analisis Kolerasi
Sederhana, Analisis Korelasi Multiple, Analisis Uji Anova
1 Arah, Wilcoxon, Mann-Withney, Korelasi Non Parametik,
Kruskal Walls, Linear Diskriminant Analisis, Quadratic
Discriminant Analysis dan Corelasi Canonical.

Akhirnya kami mengucapkan terima kasih yang tak

terhingga kepada semua pihak yang telah mendukung
dalam proses penyusunan dan penerbitan buku ini,
secara khusus kepada Penerbit Media Sains Indonesia
sebagai inisiator book chapter ini. Semoga buku ini dapat
bermanfaat bagi pembaca sekalian.

Jakarta, Juli 2022

Editor

i
 DAFTAR ISI

KATA PENGANTAR.......................................................................... i
DAFTAR ISI ....................................................................................... ii
1 PENGUJIAN HIPOTESIS .................................................... 1
Definisi ..................................................................................... 1
Macam-macam Rumusan Hipotesis .............................. 2
Langkah-Langkah Pengujian Hipotesis ........................ 4
2 UJI CHI-KUADRAT DAN ANALISIS VARIANS ........... 13
Uji Chi-Kuadrat 𝛘𝟐 ............................................................. 13
Analisis Varians .................................................................. 18
3 ANALISIS REGRESI SEDERHANA ................................ 31
Konsep Regresi Linier Sederhana ................................. 31
Analisis Regresi ................................................................... 31
Uji Signifikansi dan Hipotesis ........................................ 38
4 ANALISIS REGRESI MULTIPLE ..................................... 45
Regresi Multiple .................................................................. 45
Analisis Regresi Multiple ................................................. 47
Studi Kasus .......................................................................... 50
Tahapan analisis regresi menggunakan
software SPSS...................................................................... 52
Analisis regresi multiple .................................................. 60
Kesimpulan .......................................................................... 64
5 ANALISIS KORELASI SEDERHANA.............................. 67
Pengertian Analisis Korelasi Sederhana ..................... 67
Koefisien Korelasi (r).......................................................... 71

ii
 Tahapan Uji Hipotesis hubungan dua Variabel
X dan Y .................................................................................. 75
Menghitung dan menguji korelasi sederhana
Koefisien Korelasi x dan y ............................................... 77
Soal Latihan ......................................................................... 83
6 ANALISIS KORELASI MULTIPLE ................................... 87
Uji Signifikansi .................................................................... 89
Contoh Kasus Uji Korelasi Berganda .......................... 90
7 ANALISIS UJI ANOVA SATU ARAH .............................. 99
Pengertian Anova................................................................ 99
Kegunaan Anova................................................................. 99
Alasan Penggunaan Anova ............................................ 100
Syarat Anova...................................................................... 101
Jenis-jenis Anova ............................................................. 101
8 WILCOXON ......................................................................... 111
Langkah-Langkah Uji Wilcoxon................................... 111
Contoh Soal ........................................................................ 113
Cara Manual ...................................................................... 114
Penggunaan dengan SPSS ............................................ 122
9 MANN-WHITNEY............................................................... 129
Pendahuluan ..................................................................... 129
Teori Mann-Whitney ........................................................ 131
Asumsi-asumsi Pengujian ............................................. 136
Pernyataan Hipotesis ...................................................... 137
Prosedur Pungujian Statistik ....................................... 139
Kaidah Keputusan ........................................................... 140
Penerapan Mann Whitney ............................................. 141

iii
 Ringkasan ........................................................................... 153
10 ANALISIS NONPARAMETRIK
KORELASI RANK SPEARMAN ...................................... 157
Pendahuluan ..................................................................... 157
Statistika Non Parametik............................................... 158
Analisis Korelasi Rank Spearman .............................. 161
Aplikasi Metoda Analisis Korelasi Rank Spearman
Dalam Penelitian .............................................................. 166
11 KRUSKALL WALLIS ......................................................... 171
Pengertian ........................................................................... 171
Rumus dan Asumsi Kruskall Wallis .......................... 173
Prosedur Uji Kruskal Wallis.......................................... 175
Penerapan Kruskal Wallis ............................................. 175
Manfaat Kruskal Wallis .................................................. 184
12 LINEAR DISCRIMINANT ANALYSIS ............................ 187
Pendahuluan ..................................................................... 187
Analisis Diskriminan Linier .......................................... 188
Model Analisis Diskriminan Linier ............................. 190
Istilah-istilah Statistik dalam Analisis
Diskriminan Linier........................................................... 192
Pengujian Model Analisis Diskriminan Linier ........ 194
Cara Mengelompokkan Obyek/Responden
Berdasarkan Fungsi Diskriminan .............................. 197
13 ANALISIS DISKRIMINAN KUADRATIK ...................... 203
Pendahuluan ..................................................................... 203
Fungsi Diskriminan Kuadratik .................................... 204
Analisis Diskriminan Kuadratik .................................. 205

iv
14 ANALISIS KORELASI KANONIKAL.............................. 217
Penggunaan Korelasi Kanonikal ................................. 217
Contoh Kasus .................................................................... 222
Rancangan Penyelesaian Kasus .................................. 225
Pengujian dengan SPSS ................................................. 225
Interpretasi Hasil Uji Korelasi Kanonikal ................. 230

v
 12
LINEAR DISCRIMINANT ANALYSIS

Ir. Nurul Aziza, MT., IPM., ASEAN Eng.

Universitas Maarif Hasyim Latif

Pendahuluan
Istilah linear discriminant analysis atau analisis
diskriminan linear, yang biasa disebut dengan LDA
merupakan generalisasi diskriminan linear Fisher, adalah
suatu metode dalam bidang statistik bertujuan mencari
kombinasi linier sebuah fitur melalui pembelajaran mesin
dan pengenalan pola yang memiliki karakteristik tertentu
yang mampu memisahkan menjadi dua atau beberapa
obyek/peristiwa. Sehingga munculnya kombinasi
tersebut menjadi pengklasifikasi linear, atau biasanya
digunakan untuk proses mengurangi dimensionalitas
sebelum dilakukan pengklasifikasian.
Analisis variansi (ANOVA) dan analisis regresi terkait
dengan metode LDA, dimana variabel dependen yang
disimbolkan dengan y sebagai suatu kombinasi linear
fitur-fitur atau pengukuran-pengukuran lainnya
(McLachlan, 2004). Perbedaannya pada ANOVA yaitu
penggunaan variabel independen (simbol; x) berupa data
kategoris dan variabel dependen (y) adalah data kontinu.
Sedangkan pada LDA menggunakan variabel independen
yang kontinu dan variabel dependen (y) adalah data
kategoris, variabel independen (x) adalah data kontinyu
(Wetcher, 2011).

187
LDA mampu melakukan analisis komponen utama dan
analisis faktor sehingga menemukan kombinasi linear
variabel-variabel yang terbaik dalam menjelaskan data
(Martinez, 2001). Sehingga metode LDA mampu
memodelkan perbedaan antara kelas-kelas data. Namun
analisis diskriminan memiliki perbedaan dengan analisis
faktor karena analisis diskriminan bukan teknik yang
interdependen, sehingga perbedaan antara variabel
independen dan dependen harus ditetapkan. Persyaratan
untuk metode LDA yaitu pengukuran dilakukan terhadap
variabel-variabel independen setiap pengamatan adalah
data kuantitatif kontinyu. Apabila data yang dihadapi
merupakan variabel independen dengan data kategoris,
maka teknik yang sesuai menggunakan analisis
korespondensi diskriminan (Abdi, 2007).

Analisis Diskriminan Linier

Seperti yang sudah dijelaskan pada pendahuluan, analisis
diskriminan mirip dengan analisis regresi linier berganda.
Untuk lebih memahami analisis diskriminan maka yang
perlu dipertegas adalah penggunaan data untuk variabel
independen dan variabel dependennya. Penggunaan
analisis diskriminan apabila variabel dependennya
kategoris (skala ordinal maupun nominal), variabel
independennya menggunakan skala metrik (rasio dan
rasio). Analisis diskriminan memiliki variabel dependen
hanya satu dan variabel independennya berjumlah
banyak. Teknik analisis diskriminan linier
mengelompokkan grup cluster menjadi dua
grup/kategori/kelompok, sedangkan pada analisis
diskriminan berganda (multiple discriminant analysis)
membagi grup menjadi tiga, empat atau lebih grup.
Sebagai contoh analisis diskriminan linier digunakan
untuk mengelompokkan konsumen yang loyal dan tidak
loyal terhadap produk. Untuk memudahkan kapan

188
menggunakan analisis diskriminan, berikut ini akan
dibandingkan dengan analisis regresi dan analisis varian:
Tabel 12.1 Perbandingan Analisis diskriminan, analisis
regresi, dan analisis varian
Diskriminan Regresi ANOVA
Banyaknya Satu Satu Satu
variabel
dependen
(y)
Banyaknya Lebih dari Lebih dari Lebih dari
variabel satu satu satu
independen
(x)
Sifat Kategori – Metrik – Metrik –
variabel nominal/ordi interval/ras interval/rasio
dependen nal io (kuantitatif)
(y) (kualitatif) (kuantitatif)
Sifat Metrik – Metrik – Kategori –
variabel interval/rasio interval/ras nominal/ordi
independen (kuantitatif) io nal
(x) (kuantitatif) (kualitatif)
Tujuan analisis diskriminan secara umum sebagai berikut
(Supranto, 2010) :
1. Membuat suatu fungsi diskriminan atau kombinasi
linier dari prediktor atau variabel independen yang
bisa membedakan kategori variabel dependen. Artinya
mampu membedakan suatu responden (obyek) masuk
ke kelompok/grup /kategori yang mana.
2. Melakukan pengujian apakah ada perbedaan
signifikan antara kategori/kelompok dikaitkan
dengan variabel independen.
3. Menentukan variabel dependen yang memberikan
kontribusi terbesar terjadinya perbedaan antar
kategori/kelompok/grup.

189
4. Mengelompokkan obyek/responden/kasus kedalam
suatu kategori/kelompok/grup didasarkan pada nilai
variabel independen.
5. Melakukan evaluasi keakurasian
klasifikasi/pengelompokan.
Berdasar tujuan analisis diskriminan, maka kegunaan
analisis diskriminan sangat banyak sekali (Usman,D. Et
al, 2013), misalnya :
1. Banyak atau sedikitnya konsumen membeli produk
setiap hari.
2. Pemilihan warna produk.
3. Menganalisis karakter perusahaan yang berpotensi
bangkrut atau tidak.
4. Mengelompokkan sales berdasarkan jumlah produk
yang terjual dengan kategori sedikit, sedang, banyak.
Dengan demikian penggunaan analisis diskriminan linier
bisa untuk berbagai bidang antara lain pemasaran,
produktivitas karyawan, perbankan, dan sebagainya.

Model Analisis Diskriminan Linier

Pemodelan analisis diskriminan linier hampir sama
dengan analisis regresi berganda, hanya saja bila pada
analisis regresi dimana variabel dependennya disimbolkan
dengan y, sedangkan untuk analisis diskriminan linier
dilambangkan dengan D. Model analisis diskriminan linier
merupakan kombinasi linier dari berbagai variabel
independen yang bisa digambarkan sebagai persamaan
berikut :
𝐷 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 +...+ 𝑏𝑘 𝑋𝑘

190
Dimana :
D = skor diskriminan
b = koefisien diskriminan
x = variabel independen
Apabila ingin mengklasifikasikan responden/obyek
kedalam dua kelompok dengan teknik analisis
diskriminan linier ini, maka model yang yang didapatkan
berjumlah satu. Sedangkan apabila ingin
mengklasifikasikan menjadi 3 kelompok/grup maka
model yang didapat berjumlah dua. Dengan kata lain
model yang didapatkan sesuai dengan jumlah kelompok
yang diinginkan dapat dicari dengan rumus (n-1) buah.
Dari model yang didapatkan maka dapat dihitung nilai D.
Berdasarkan nilai D, responden/obyek akan dimasukkan
kedalam suatu kategori sesuai batasan nilai setiap
kategori.
Data variabel independen dapat dihitung berdasarkan
data asli riil di lapangan atau bisa dilakukan standarisasi.
Sebenarnya data asli bisa langsung bisa digunakan
namun dengan syarat bahwa data memiliki satuan
pengukuran yang sama. Apabila satuan pengukurannya
tidak sama, maka sebaiknya data harus distandarisasi
terlebih dahulu. Hal ini dilakukan agar tidak terjadi
dominasi data karena terdapat data dengan nominal yang
terlalu tinggi/besar. Misalnya saja perbandingan data
jumlah karyawan dengan jumlah omset. Agar data omset
tidak terlalu mendominasi dan tidak mempengaruhi
variabel lainnya, maka sebaiknya dilakukan standarisasi
sehingga diharapkan memiliki rata-rata dan varian yang
sama. Formulasi standarisasi data dapat dilakukan
melalui persamaan berikut :
𝑋𝑖 − 𝑋̅
𝑋𝑠 =
𝑆𝑥

191
Dimana :
𝑋𝑠 adalah nilai variabel independen setelah distandarisasi
𝑋𝑖 adalah nilai variabel independen hasil observasi
𝑋̅ adalah rata − rata variabel independen hasil observasi
𝑆𝑥 adalah standar deviasi variabel independen hasil observasi
Saat standarisasi ini dilakukan maka semua variabel
akan memiliki nilai rata-rata sama dengan 0 dan standar
deviasi 1. Dengan demikian kesamaan ini variabel ini akan
memudahkan peneliti membandingkan dominasi dari
setiap variabel independen terhadap model persamaan.

Istilah-istilah Statistik dalam Analisis Diskriminan

Linier
Untuk memahami bagaimana melakukan interpretasi
hasil analisis diskriminan linier, berikut istilah-istilah
yang akan dijumpai (Maholtra, 1996) yaitu :
1. Cannonical correlation (Korelasi kanonis), mengukur
tingkat hubungan antara skor diskriminan dan
grup/kategori/kelompok.
2. Centroid, adalah rata-rata skor diskriminan untuk
grup/kategori/kelompok tertentu. Banyaknya
centroid = banyaknya grup.
3. Cutting score, adalah nilai rata-rata centroid yang
digunakan sebagai pedoman pengelompokan
grup.sebagai contoh, dalam analisis diskriminan dua
grup memiliki cutting score 0,15, maka keanggotaan
responden dapat dilihat berdasarkan skor
diskriminannya apakah di bawah atau di atas cutting
score.
4. Discriminant loadings, biasanya disebut structure
correlation adalah korelasi sederhana antara setiap
skor diskriminan dengan variabel independen.

192
5. Hit ratio adalah salah satu kriteria yang mampu
menilai kekuatan persamaan diskriminan dalam
mengelompokkan responden/obyek.
6. Classification matrix (Matrik klasifikasi) atau biasa
disebut dengan prediction matrix yang memuat jumlah
obyek/responden/kasus yang diklasifikasikan secara
tepat dan yang diklasifikasikan secara salah.
7. Discriminant coefficient function adalah pengali
variabel dimana variabel dalam nilai asli pengukuran.
8. Discriminant score adalah koefisien yang tidak
distandarisasi dikalikan dengan nilai variabel.
9. Eigenvalue adalah rasio antara jumlah kuadrat antar
kelompok (sums of squares between group) dan jumlah
kuadrat dalam kelompok (sums of squares within
group). Eingenvalue besar menunjukkan fungsi yang
semakin baik.
10. Nilai F dan signifikansi, dihitung berdasarkan ANOVA
one way.
11. Rata-rata group dan standar deviasi grup yaitu rata-
rata grup dan standar deviasi yang dihitung untuk
setiap grup.
12. Pooled with correlation matrix dihitung dengan
menacari rata-rata matrik covarian tersendiri untuk
semua grup.
13. Standarized discriminant function coefficient
merupakan koefisien fungsi diskriminan yang
digunakan sebagai pengali pada saat variabel sudah
distandarisasi dimana rata-rata sama dengan 0 dan
standar deviasi sama dengan 1.
14. Structure correlation disebut juga discriminant loadings
adalah korelasi yang merupakan representasi korelasi

193
 sederhana antara variabel-variabel independen dan
fungsi diskriminan.
15. Total correlation matrix diperoleh apabila setiap
kasus/responden/obyek dianggap berasal dari
sampel dan korelasi dihitung, maka matrik korelasi
total didapatkan.
16. Wilk’ bisa disebut juga dengan statistik U adalah
rasio antara jumlah kuadrat dalam kelompok (within
group sums of squares) dan jumlah kuadrat total (total
sums of squares). Nilai Wilk’ antara 0 sampai 1. Nilai
Wilk’ yang besar menunjukkan bahwa rata-rata grup
cenderung tidak berbeda, dan sebaliknya apabila nilai
Wilk’ kecil mendekati 0 maka menunjukkan rata-rata
grup signifikan berbeda.

Pengujian Model Analisis Diskriminan Linier

Berikut beberapa pengujian model dalam analisis
diskriminan linier yaitu :
1. Menguji pengaruh koefisien model.
Pengujian ini dilakukan apakah variabel independen
memiliki pengaruh terhadap variabel dependen.
Untuk itu dilakukan uji hipotesis tentang adanya
hubungan tersebut. Sebagai contoh misalnya seorang
peneliti ingin menganalisis produktivitas karyawan
menjadi 2 kelompok ( produktivitas tinggi dan
rendah). Sedangkan variabel independen yang
digunakan adalah kepuasan kerja, gaji, dan jumlah
insentif. Peneliti tersebut ingin melihat apakah
koefisien model signifikan dilakukan pengujian
dengan membandingkan rata-rata kepuasan kerja,
variabel gaji, dan variabel jumlah insentif antara
kelompok karyawan produktivitas tinggi dan rendah.
Maka hipotesis yang digunakan adalah :

194
𝐻0 = 𝜇1 = 𝜇2
𝐻1 = 𝜇1 ≠ 𝜇2
Dimana :
𝜇1 𝑎𝑑𝑎𝑙𝑎ℎ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑘𝑎𝑟𝑎𝑘𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑘 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 1
𝜇2 𝑎𝑑𝑎𝑙𝑎ℎ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑘𝑎𝑟𝑎𝑘𝑡𝑒𝑟𝑖𝑠𝑡𝑖𝑘 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 2
Berdasarkan contoh kasus diatas, maka kita tentukan
3 hipotesis yang akan dibuat yaitu :
a. H0 : rata-rata kepuasan kerja kelompok
produktivitas tinggi sama dengan kelompok
produktivitas rendah
H1 : rata-rata kepuasan kerja kelompok
produktivitas tinggi tidak sama dengan kelompok
produktivitas rendah
b. H0 : rata-rata gaji kelompok produktivitas tinggi
sama dengan kelompok produktivitas rendah
H1 : rata-rata gaji kelompok produktivitas tinggi
tidak sama dengan kelompok produktivitas
rendah
c. H0 : rata-rata jumlah insentif kelompok
produktivitas tinggi sama dengan kelompok
produktivitas rendah
H1 : rata-rata jumlah insentif kelompok
produktivitas tinggi tidak sama dengan kelompok
produktivitas rendah
Misalkan saja setelah dilakukan pengolahan data
didapatkan tingkat kepuasan kerja adalah sama
antara karyawan produktivitas tinggi dan rendah,
maka bisa disimpulkan tingkat kepuasan kerja tidak
berpengaruh terhadap produktivitas karyawan.
Demikian juga sebaliknya, apabila tingkat kepuasan
kerja tidak sama atau terdapat perbedaan antara

195
 karyawan produktivitas tinggi dan rendah, maka
dapat diambil kesimpulan bahwa ada pengaruh
tingkat kepuasan kerja terhadap produktivitas
karyawan. Pengujian hipotesis ini dapat
menggunakan analisis varian (ANOVA).
2. Menguji ketepatan model.
Terdapat 3 pengujian ketepatan model yaitu :
a. Eigenvalue
b. Uji Wilk’
c. Korelasi kanonik
Formulasi untuk perhitungn eigenvalue dapat
dirumuskan sebagai berikut :
𝑛

𝑆𝑆 = ∑(𝑋𝑖 − 𝑋̅)2
𝑖=1

Dimana :
𝑆𝑆 ∶ 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡
𝑋𝑖 ∶ 𝑛𝑖𝑙𝑎𝑖 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖 𝑘𝑒 − 𝑖
𝑋̅ ∶ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
Setelah didapatkan nilai SS, maka nilai eigenvalue
dapat dirumuskan dengan :
𝑆𝑆𝐴
𝐸𝑖𝑔𝑒𝑛𝑣𝑎𝑙𝑢𝑒 =
𝑆𝑆𝐷
Dimana :
𝑆𝑆𝐴 ∶ 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘
𝑆𝑆𝐷 : 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘

Keterangan :

196
Eingenvalue besar menunjukkan fungsi yang semakin
baik.
Untuk uji statistik Wilk’ (Lambda) hampir sama dengan
cara perhitungan eigenvalue, formulasinya dapat
dirumuskan sebagai berikut :
𝑆𝑆𝐷
𝑊𝑖𝑙𝑘 ′ 𝜆 =
𝑆𝑆𝑇
Dimana :
𝑆𝑆𝐷 ∶ 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘
𝑆𝑆𝑇 : 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑡𝑜𝑡𝑎𝑙
Keterangan :
Semakin kecil nilai Wilk’ (Lambda) yang didapat, maka
akan semakin baik model yang didapat. Sedangkan untuk
korelasi kanonikal, maka semakin besar nilai korelasi
kanonikalnya, maka akan semakin baik pula model yang
didapat.

Cara Mengelompokkan Obyek/Responden Berdasarkan

Fungsi Diskriminan
Setelah model didapatkan, maka selanjutnya melakukan
perhitungan skor yang didapat. Dengan bantuan software
SPSS, skor akan cepat didapatkan, dan melakukan
pengelompokan. Analisis diskriminan linier mengenal
istilah centroid dengan membagi menjadi 2 kelompok,
sehingga akan memiliki dua buah nilai centroid. Namun
untuk menentukan kriteria dimana suatu
obyek/responden berada dalam kelompok mana, maka
dibuatlah pembatas dengan mengikuti ketentuan sebagai
berikut :
1. Apabila jumlah observasi antara 2 kelompok A dan B
yang berjumlah sama dimana nA = nB, maka nilai
pembatasnya didapatkan dari :

197
 𝐷𝐴 + 𝐷𝐵
𝐷0 =
2
Dimana :
𝐷0 ∶ 𝑛𝑖𝑙𝑎𝑖 𝑝𝑒𝑚𝑖𝑠𝑎ℎ (𝑐𝑢𝑡𝑡𝑖𝑛𝑔 𝑠𝑐𝑜𝑟𝑒)
𝐷𝐴 ∶ 𝑐𝑒𝑛𝑡𝑟𝑜𝑖𝑑 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝐴
𝐷𝐵 ∶ 𝑐𝑒𝑛𝑡𝑜𝑟𝑖𝑑 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝐵

Gambar 12.1 Penentuan kelompok bila jumlah

observasi sama
Sumber :Supranto, 2010

2. Apabila jumlah observasi antara 2 kelompok jumlah

berbeda maka perhitungan nilai pembatasnya sebagai
berikut :
𝑛𝐵 𝐷𝐴 + 𝑛𝐴 𝐷𝐵
𝐷0 =
𝑛𝐴 + 𝑛𝐵
Dimana :
𝐷0 ∶ 𝑛𝑖𝑙𝑎𝑖 𝑝𝑒𝑚𝑖𝑠𝑎ℎ (𝑐𝑢𝑡𝑡𝑖𝑛𝑔 𝑠𝑐𝑜𝑟𝑒)
𝐷𝐴 ∶ 𝑐𝑒𝑛𝑡𝑟𝑜𝑖𝑑 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝐴
𝐷𝐵 ∶ 𝑐𝑒𝑛𝑡𝑜𝑟𝑖𝑑 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝐵
𝑛𝐴 : 𝑗𝑢𝑚𝑙𝑎ℎ 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖 𝑝𝑎𝑑𝑎 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝐴
𝑛𝐵 : 𝑗𝑢𝑚𝑙𝑎ℎ 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑠𝑖 𝑝𝑎𝑑𝑎 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝐵

198
Gambar 12.2 Penentuan kelompok bila jumlah
observasi berbeda
Sumber : Supranto, 2010

199
Daftar Pustaka
McLachlan, G. J. (2004). Discriminant Analysis and
Statistical Pattern Recognition. Wiley Interscience.
ISBN 0-471-69115-1. MR 1190469
Wetcher, D & Hendricks. (2011). Analyzing Quantitative
Data: An Introduction for Social Researchers, New
Jersey: Wiley.
Martinez, A. M.; Kak, A. C. (2001). PCA versus LDA (PDF).
IEEE Transactions on Pattern Analysis and Machine
Intelligence. 23 (=2): 228–233.
doi:10.1109/34.908974.
Abdi, H. (2007). Discriminant Correspondence Analysis. In:
N.J. Salkind (Ed.): Encyclopedia of Measurement and
Statistic. Thousand Oaks (CA): Sage. pp. 270–275.
Supranto, J. (2010). Analisis Multivariat ; Arti &
Interpretasi. Jakarta: Rineka Cipta.
Usman, H. & Sobari,N. (2013). Aplikasi Teknik
Multivariate Untuk Riset Pemasaran. Jakarta:
RajaGrafindo Persada.
Maholtra & Naresh, K. (1996). Marketing Research An
Applied Orientation. New Jersey: Prentice Hall Inc.
Simamora, B. (2005). Analisis Multivariat Pemasaran.
Jakarta : Gramedia Pustaka Utama.

200
 Profil Penulis

Ir. Nurul Aziza, ST.,MT.,IPM, ASEAN Eng.

saat ini sedang menempuh program doktor di
Universitas Brawijaya Malang. Penulis
memperoleh gelar profesi IPM (Insinyur
Profesional Madya) dari PII (Persatuan Insinyur
Indonesia) dan ASEAN Engineer dari The ASEAN
Federation of Engineering Organisations (AFEO).
Penulis pernah menjabat sebagai kabid Divisi Inovasi LPPM
UMAHA (2012-2014), Ketua Badan Penjaminan Mutu
Universitas Maarif Hasyim Latif tahun 2015-2019, Direktur
Akademik, SDM dan sistem Informasi UMAHA tahun 2019-
2020. Mengampu beberapa mata kuliah Analisis Multivariat,
Statistik Industri, Desain Eksperimen, Akuntansi dan Biaya,
dan Pengukuran Kinerja. Penulis telah menerbitkan buku
berjudul “Pengukuran Kinerja Organisasi Nirlaba dengan IPMS
(Integrated Performance Measurement Systems)”, Ergonomi
Industri. Terlibat dalam penulisan bookchapter antara lain
Akuntansi Biaya: Konsep Dasar dan Manajemen, Pengantar
Manajemen Organisasi Kontemporer, Fundamentals of Social
Research: Methodes, Processes, and Applications, dan beberapa
artikel hasil penelitian dan pengabdian kepada masyarakat
telah dimuat di berbagai jurnal ilmiah baik nasional maupun
internasional yang terakreditasi maupun yang tidak
terakreditasi. Penulis juga aktif sebagai kontributor artikel di
TIMES Indonesia. Email: nurulaziza007@gmail.com

201
 JUDUL BAB X

202
View publication stats