Anda di halaman 1dari 12

3.

4 Teknik Analisis Data


Teknik analisis yang akan digunakan dalam penelitian ini adalah analisis
diskriminan. Ada tiga alasan dipilihnya analisis diskriminan sebagai teknik analisis
dalam penelitian ini. Pertama, tujuan dari penelitian ini adalah untuk mengetahui rasio-
rasio keuangan yang dapat mengindikasikan solvabilitas (solvent atau tidaknya) suatu
perusahaan, sehingga teknik yang sesuai adalah teknik analisis diskriminan. Kedua,
analisis diskriminan dapat mengatasi kelemahan dari analisis rasio keuangan yang
bersifat univariate, yang artinya setiap rasio diuji secara terpisah, pengaruh kombinasi
dari beberapa rasio hanya didasarkan pada pertimbangan para analis keuangan. Ketiga,
asumsi yang digunakan dalam analisis diskriminan relatif sedikit yaitu hanya asumsi
kenormalan multivariat dan kesamaan matrik kovarian antara kelompok yang ada.
Bahkan Hair et al. (1987 : 76) mengatakan bahwa analisis diskriminan tidak terlalu
sensitif dengan pelanggaran asumsi ini, kecuali pelanggarannya bersifat ekstrim. Dan
Johnson and Wichern (1988: 472) mengatakan hal yang sama bahwa asumsi ini
(kesamaan matrik kovarian) di dalam praktiknya sering dilanggar.
Analisis diskriminan adalah bagian dari analisa statistik peubah ganda
(multivariate statistical analysis) yang bertujuan untuk memisahkan beberapa
kelompok data yang sudah terkelompokkan dengan cara membentuk fungsi
diskriminan.
Menurut Johnson and Wichern (1982 : 470), tujuan dari analisis disriminan
adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam
populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi
diskriminan. Dengan kata lain analisis diskriminan digunakan untuk mngklasifikasikan
individu ke dalam salah satu dari dua kelompok atau lebih.
Kaitannya dengan penelitian ini, dengan fungsi diskriminan ini dimaksudkan
untuk memprediksi solvabilitas (solvent atau tidaknya) perusahaan go-public sektor 3,
4, dan 5 satu tahun yang akan datang (t + 1) dengan memperhatikan rasio-rasio
keuangan perusahaan tersebut pada tahun sekarang (t).
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 vektor nilai rataan
dari kelompok-kelompok tersebut.
Hipotesis yang digunakan dalam pengujian terhadap perbedaan vektor nilai
rataan tersebut adalah:
H
0
:
0
=
1
=
2
= ...=
k
H
1
: Sedikitnya ada dua kelompok yang berbeda
Bila ada perbedaan (H
0
ditolak), maka fungsi diskriminan dapat dibentuk.
Sedangkan dalam pengujian vektor nilai rataan antar kelompok, asumsi yang harus
dipenuhi adalah:
Peubah-pubah yang diamati menyebar secara normal ganda (multivariate
normality) yang berarti bahwa :
H
0
: Peubah ganda mengikuti sebaran normal ganda (multivariate normality).
H
1
: Peubah ganda tidak mengikuti sebaran normal ganda.
2
Semua kelompok populasi mempunyai matrik ragam-peragam yang sama yang
berarti bahwa:
H
0
:
0
=
1
=
2
= ....
k
, = Equality of Covariance Matrik
H
1
: Sedikitnya ada dua kelompok yang berbeda (2 k < p)
P = banyaknya variabel pembeda.
3.4.1 Uji Kenormalan Peubah Ganda
Menurut Karson (1982 : 80), untuk menguji kenormalan peubah ganda
digunakan prosedur yang dikembangkan oleh Mardia (1970) dengan cara menghitung
dua macam ukuran statistik yaitu ukuran skewness (b
1,p
) dan kurtosis (b
2,p
), yaitu:
( ) ( ) ( ) ( )

1
]
1


n
u
n
u
u u p
X X S X X n b
1 1 '
3
'
1 2
, 1
1 (3.4.1.1)
( ) ( ) ( ) ( )

1
]
1


n
u
u u p
X X S X X n b
1
2
1
, 2
1 (3.4.1.2)
Hipotesa yang digunakan adalah:
H
0
: peubah ganda mengikuti sebaran normal
H
1
: peubah ganda tidak mengikuti sebaran normal
Bila:
nb
1,p
/6
2
6 / ) 2 )( 1 ( + + p p p

, dan
[b
2,p
p(p + 2)] / n p p / ) 2 ( 8 + Z

(tabel normal), maka H


0
diterima, berarti
peubah ganda mengikuti sebaran normal.
Menurut Johnson and Wichern (1982 : 152), untuk menguji kenormalan ganda
adalah dengan mencari nilai jarak kuadrat untuk setiap pengamatan yaitu:
3
) ( )' (
1 2
X X S X X d
j j j


, di mana X
j
adalah pengamatan yang ke-j dan S
-1
adalah
kebalikan (inverse) matriks ragam-peragam S
Kemudian
2
j
d
diurutkan dari yang paling kecil ke yang paling besar,
selanjutnya dibuat plot
2
j
d
dengan nilai Chi-Kuadrat
,
_


n
j
p
2 1
2

di mana: j = urutan
= 1, 2, ..., n dan p = banyaknya peubah. Bila hasil plot dapat didekati dengan garis
lurus, maka dapat disimpulkan bahwa peubah ganda menyebar normal.
Menurut Nurosis (1986), berdasar teori Wahl dan Kronmal (1977), dikatakan
bahwa seringkali kenormalan ganda sulit diperoleh terutama bila sampel yang diambil
relatif kecil. Bila hal ini terjadi, uji vektor nilai rataan tetap bisa dilakukan selama
asumsi kedua (kesamaan ragam-peragam) dipenuhi.
3.4.2 Uji Kesamaan Matrik Ragam Peragam
Untuk menguji kesamaan matrik ragam-peragam () antar kelompok digunakan
hipotesa:
H
0
:
0
=
1
=
2
= ....
k
= .
H
1
: Sedikitnya ada dua kelompok yang berbeda.
Statistik uji yang digunakan adalah statistik Boxs M, yaitu:
-2ln
*
=
( ) ( )
j
k
j
j
S n k n W k n ln 1 ) ( ln
1


(3.4.2.1)

*
=
2 / ) (
1
2 / ) 1 (
) /(
k n
k
j
n
j
k n W
S
j

(3.4.2.1)
4
dimana :
k = banyaknya kelompok.
W / (n-k) = matrik ragam-peragam dalam kelompok gabungan.
S
j
= matrik ragam-peragam kelompok ke-j.
Bila hipotesa nol (H
0
) benar, maka (-2ln
*
) / b akan mengikuti sebaran F
dengan derajat bebas v
1
dan v
2
pada taraf signifikansi , di mana:
v
1
= (1/2)(k 1)p(p + 1)
v
2
= (v
1
+ 2) / (a
2
a
1
2
)
b = v
1
/ (1 a
1
- v
1
/ v
1
)
a
1
=
1
1
]
1

+
+

k
j j
k n n p k
p p
1
3
) (
1
) 1 (
1
) 1 )( 1 ( 6
1 3 2

a
2
=
1
1
]
1

+
+

k
j
j
k n n k
p p
1
2 2
) (
1
) 1 (
1
) 1 ( 6
) 2 )( 1 (
(3.4.2.3)
p = jumlah peubah pembeda dalam fungsi diskriminan.
Sehingga apabila (-2ln
*
) / b Fv
1
,v
2
, maka tidak ada alasan untuk menolak H
0
dan
dapat disimpulkan bahwa antar kelompok mempunyai matrik ragam-peragam yang
sama dan sebaliknya bila (-2ln
*
) / b > Fv
1
,v
2
, maka H
0
ditolak.
3.4.3 Uji Vektor Nilai Rataan
Pengujian terhadap vektor nilai rataan antar kelompok dilakukan dengan
hipotesa:
H
0
:
0
=
1
=
2
= ...=
k
H
1
: Sedikitnya ada dua kelompok yang berbeda
5
Statistik uji yang digunakan dalam pengujian hipotesis tersebut adalah statistik
V-Bartlett yang menyebar mengikuti sebaran Chi-kuadrat (
2
) dengan derajat bebas p(k
- 1), apabila H
0
benar.
Statistik V-Bartlett diperoleh melalui:
[ ] ) ln( 2 ) ( ) 1 ( k p n V + (3.4.3.1)
dimana:
n = banyaknya pengamatan
p = banyaknya peubah dalam fungsi diskriminan
k = banyaknya kelompok

B W
W

Wilks lambda
dalam hal ini:
W= matrik jumlah kuadrat dan hasil kali data dalam kelompok
=



k
i
n
j
i ij i ij
i
X X X X
1 1
)' )( ( (3.4.3.2)
B = matrik jumlah kuadrat dan hasil kali data antar kelompok.
=


k
i
i i i
X X X X n
1
)' )( (
(3.4.3.3)
X
ij
= pengamatan ke-j kelompok ke-i
i
X = vektor rataan kelompok ke-i
n
i
= jumlah pengamatan pada kelompok ke-i,
X
= vektor rataan total
6
Apabila V
2
) 1 ( ), 1 (

k p
maka, tidak ada alasan untuk menolak H
0
, ini berarti
bahwa terdapat perbedaan vektor nilai rataan antar kelompok.
Sebaliknya bila V >
2
) 1 ( ), 1 (

k p
maka H
0
ditolak.
Bila dari hasil pengujian ada perbedaan vektor nilai rataan, maka fungsi
diskriminan layak untuk disusun untuk mengkaji hubungan antar kelompok serta
berguna untuk mengelompokkan suatu obyek baru ke dalam salah satu kelompok
tersebut.
3.4.4 Penyusunan Fungsi Diskriminan
Analisis diskriminan merupakan teknik statistik yang menggunakan variabel
dependen Y berupa variabel kategorik dan variabel bebasnya adalah interval dan atau
rasio. Dalam analisis diskriminan observasi-observasi dipisahkan atau dikelompokkan
berdasarkan pengukuran terhadap sejumlah p random variabel. Dimana sejumlah
kelompok harus memenuhi 2 k < p, dimana p adalah banyaknya variabel pembeda.
Fungsi diskriminan yang mempunyai bentuk umum berupa persamaan linier (Fishers
Sample Linear Discriminant Function) yaitu:
p p
x x x y

2 2 1 1
+ + + atau dapat ditulis sebagai
x y '

(3.4.4.1)
dimana:
y = skor diskriminan/variabel bebas
[ ]
p

,...,

'

2 1
= vektor koefisien estimasi
x = [x
1
, x
2
, ..., x
p
] = vektor variabel independen
7
Nilai

dipilih sedemikian sehingga fungsi diskriminan berbeda sebesar mungkin


antara kedua kelompok, atau sehingga rasio antara between-groups sum of squares
dengan within-groups sum of squares maksimum. Johnson dan Wichern (1988)
mengatakan bahwa untuk kelompok, nilai
'

yang memaksimumkan rasio tersebut


adalah:
1
2 1
)' ( '



pooled
S x x
(3.4.4.2)
dimana:
1
x = rata-rata sampel populasi-1
2
x = rata-rata sampel populasi-2
1
pooled
S
= kovarian sampel gabungan
Pengujian fungsi diskriminan dilakukan untuk mengetahui kelayakan fungsi
diskriminan tersebut dalam memindahkan observasi-observasi ke dalam kelompok-
kelompok yang didefinisikan. Pengujian yang umum adalah dengan melihat
perbandingan variabilitas skor dalam kelompok terhadap variabilitas skor total, yang
dikenal dengan statitik Wilks Lambda. Statistik ini sebenarnya adalah proporsi total
variasi skor diskriminan yang tidak dapat diterangkan oleh perbedaan di antara
kelompok (baru). Untuk melihat signifikansi perbedaannya, statistik Wilks Lambda
ditransformasikan kedalam statistik Chi-Square.(Johnson dan Wichern, 1988). Setelah
diuji tingkat signifikansinya, fungsi diskriminan yang signifikan dapat digunakan untuk
mengklasifikasikan observasi-observasi baru ke dalam kelompok-kelompok tadi.
Pengujian fungsi diskriminan dapat juga dilakukan dengan menggunakan
persentase observasi yang klasifikasinya tidak berubah, yaitu persentase observasi yang
8
klasifikasinya menggunakan diskriminan tidak berbeda dengan klaifikasinya dalam
kelompok acuan. Menurut Hair et al., (1987) pada besar persentase observasi yang
klasifikasinya tidak berubah tersebut kurang dari suatu standar tertentu, fungsi
diskriminan tidak baik digunakan dalam analisis. Ada 2 standar persentase yang
digunakan yaitu kriteria peluang proporsional (proportional chance criterion) dan
kriteria peluang maksimum (maximum chance criterion). Kriteria peluang proporsional
ditentukan dengan rumus:
C
prop
= p
2
+ (1 - p)
2
(3.4.4.3)
Di mana:
C
prop
= kriteria proporsional dari model chance.
P = proporsi perusahaan dalam kelompok-1.
(1 p) = proporsi peluang dalam kelompok-2.
Kriteria peluang maksimum ditentukan dengan menghitung total sampel yang
ditunjukkan oleh kelompok dengan prior probability terbesar. Rumusnya adalah:
C
max
= prior probability (3.4.4.4)
Suatu observasi diukur berdasarkan semua variabel independen yang digunakan
dan kemudian dimasukkan ke dalam fungsi diskriminan untuk memperoleh skornya.
Kriteria pengelompokan ke dalam kelompok-kelompok yang ada adalah berdasarkan
skor batas. Jika hanya ada 2 kelompok yang didefinisikan dan bila sampel dari kedua
kelompok berbeda, maka rata-rata kelompok harus ditimbang dengan jumlah sampel.
Maka skor batas yang digunakan adalah:
( ) ( )
x n x n S x x
y
n
y
n
m gab
n n
2 1 1 2
1
2 1
1
1
2
2
'
1
+

,
_


(3.4.4.5)
9
dimana:
1
y
= rata-rata skor diskriminan dari populasi (kelompok)-1
2
y
= rata-rata skor diskriminan dari populasi (kelompok)-2
n
1
= jumlah sampel dari kelompok 1
n
2
= jumlah sampel dari kelompok 2
n = n
1
+ n
2
Selisih antara skor observasi (y) dengan nilai m ini adalah statistik Wald-Anderson W
(W = y - m ). Oleh karena itu aturan klasifikasi yang digunakan adalah (Morrison,
1976):
Klasifikasikan observasi ke observasi solvent jika W 0
Klasifikasikan observasi ke observasi insolvent jika W < 0
Peluang tepat pengelompokan dapat dihitung dari matriks yang menunjukkan
nilai sebenarnya (actual members) dan nilai prediksi (prediction members) dari setiap
group. Untuk n
1
penelitian dari populasi satu (
1
) dan n
2
penelitian dari populasi dua
(
2
)

diperoleh matriks sebagai berikut:
Nilai Prediksi

1

2
Nilai
Sebenarnya

1
n
1c
n
1m
= n
1
n
1c
n
1

2
n
2m
= n
2
n
2c
n
2c
n
2
Dimana:
n
1c
= jumlah dari
1
item yang tepat dikelompokkan pada
1
item
n
1m
= jumlah dari
1
item yang salah dikelompokkan pada
2
item
n
2c
= jumlah dari
2
item yang tepat dikelompokkan pada
2
item
10
n
2m
= jumlah dari
2
item yang salah dikelompokkan pada
1
item
Rumus dari peluang tepat pengelompokan adalah:
Persentase tepat pengelompokan
% 100
2 1
2 1

+
+

n n
n n
c c
3.4.5 Prosedur Bertatar (stepwise)
Menurut Nourosis (1986), apabila dalam suatu penelitian menggunakan banyak
peubah maka untuk efisiensi dalam menentukan peubah mana yang berperan dalam
pembentukan fungsi diskriminan dilakukan melalui analisis diskriminan bertatar
(stepwise disciminant). Prosedur ini digunakan untuk menghilangkan informasi dari
peubah yang kurang berguna dalam membentuk fungsi diskriminan. Prosedur
diskriminan bertatar dimulai dengan pemilihan peubah ganda yang paling berarti.
Untuk melihat peubah yang paling berarti (peubah yang dapat diikutsertakan
dalam pembentukan fungsi diskriminan), dapat dilakukan dengan beberapa kriteria,
yaitu:
1. Peubah yang memiliki nilai F terbesar.
2. Peubah yang memiliki nilai Wilks Lambda terkecil.
Nilai minimum dari F to enter adalah 3,84 dan nilai maksimum dari F to remove adalah
2,71. Nilai dari kedua F ini diperoleh dari rumus:
( )
1
1
]
1


1
]
1

+
+
p p
p p
g
p g n
F


1
1
1
1
(3.4.5.1)
dimana n adalah total dari jumlah baris, g adalah jumlah kelompok, p adalah
independent variabel yang ditambahkan,
p
adalah Wilks Lambda sebelum
penambahan variabel dan
p+1
adalah Wilks Lambda setelah penambahan/pemasukan
11
variabel. Namun, peubah yang sudah terpilih bisa dikeluarkan dari fungsi diskriminan
jika informasi yang dikandung tentang perbedaan kelompok ada di beberapa kombinasi
peubah-peubah terpilih lainnya (Hair et al., 1987).
12