Anda di halaman 1dari 14

1

Garis Besar Materi


1)KonsepDasar
2)ModelAnalisisDiskriminan
3)StatisticsyangterkaitdenganAnalisisDiskriminan

4)LangkahlangkahAnalisisDiskriminan
5)AnalisisDiskriminanBerganda

Konsep Dasar

(1)

Definisi:
Suatu teknik analisis data di mana variabel
terikat (criterion) katagori dan variable
bebas (predictor) pada dasarnya interval

Konsep Dasar

(2)

Manfaat Analisis Diskriminan dipergunakan :


1. Melihat signifikansi perbedaan dua kelompok sampel atau lebih
2. Menemukan variabel-variabel yang membedakan secara
signifikan dua kelompok atau lebih.
Contoh :
1. Analisis perbedaan Keberhasilan studi mahasiswa jurusan
Manajemen antara mahasiswa yang berasal dari SLTA jurusan
IPA dan SLTA jurusan IPS.
2. Analisis perbedaan konsumen wanita dan pria dalam melakukan
keputusan pembelian mobil.
3. Analisis orang kota dan desa dalam melakukan investasi.
4

Model Analisis Diskriminan


D = b0 + b1X1 + b2X2 + b3X3 + .. + bkXk
dimana :
D = skor diskriminan
B0.k = Bobot atau coefisien diskriminan
X1k = prediktor atau variabel bebas

Sumber : (Malhotra; 1993)

Statistik dalam Analisis Diskriminan

Cannonical correlation
Centroid
Classification matrix
Discriminant function coefficients
Discriminant scores
Eigenvalue
F values
Group means and group standard deviation
Pooled within-group correlation matrix
Standardized discriminant function coefficients
Structure correlations
Total correlations matrix
Wikss
6

Langkah-langkah Analisis Diskriminan


Rumuskan Permasalahan
Estimasikan koefisien fungsi Diskriminan
Tentukan signifikansi dari fungsi Diskriminan
Interpretasikan Hasil
Uji Validitas Analisis Diskriminan
7

Contoh Kasus
Manajer suatu resort ingin menentukan karakteristik yang penting dari keluarga yang
mengunjungi resort selama dua tahun terakhir. Data diperoleh dari 30 sampel yang ditunjukkan
pada tabel di bawah ini :

No.

50,2
70,3
62,9
48,5
52,7

5
6
7
7
6

Importance
Attached to
Family
Vacation
8
7
5
5
6

37,3
41,8
57
33,4
37,5
41,3

2
5
8
6
3
3

7
1
3
8
2
3

Annual Family Attitude


Resort
Income
Toward
Visit
($000)
Travel

1
1
2
1
3
1
4
1
5
1
..
..
..
25
2
26
2
27
2
28
2
29
2
30
2

Househ
old Size

Age of
Amount Spent
Head of
on Family
Household
Vacation

3
4
6
5
4

43
61
52
36
55

M (2)
H (3)
H (3)
L (1)
H (3)

4
3
2
2
3
2

54
56
36
50
48
42

L (1)
M (2)
M (2)
L (1)
L (1)
L (1)

Interpretasi Output

(1)

Model Diskriminan :
D = -7,9766275 + 0,0847654 Income + 0,0496874 Travel +
0,1202997 Vacation + 0,4274510 H_Size + 0,0245560 Age

Penentuan Signifikansi :
Wilks- sebesar 0,359 yang senilai dengan chi square 26,130
pada df 5 tingkat signifikasi 0,000
Jadi : interpretasi atas fungsi diskriminan dapat dilakukan.

Interpretasi Output

(2)

Interpretasi :
Diskriminan koefisien diinterpretasikan layaknya koefisien
regresi berganda. Koefisien diskriminan menggambarkan
kontribusi relatif pada kekuatan fungsi diskriminan. Variabel
bebas dengan koefisien standar relatif besar memberikan
kontribusi lebih besar dibandingkan dengan variabel bebas
dengan koefisien diskriminan yang kecil.

Klasifikasi Individu (cases) :


1. Hitung Skor Diskriminan untuk rata-rata kelompok pertama, dan
rata-rata kelompok kedua.
2. Hitung Cutting Score
3. Klasifikasikan masing-masing individu
4. Hitung hit rate
10

Hitung Skor Diskriminan


Kelompok

Income Travel Vacation H Size

Age

1 (Visit)

60,52

2 (Not Visit) 41,91

5,4

5,8

4,33

53,73

4,33

4,07

2,8

50,13

Skor Diskriminan kelompok 1 (Visit) :


D1 = -7,9766275 + 0,0847654 (60,52) + 0,0496874 (5,4) +
0,1202997 (5,8) + 0,4274510 (4,33) + 0,0245560 (53,73)
D1 = 1,291188628
Skor Diskriminan kelompok 2 (Not Visit) :
D2 = -7,9766275 + 0,0847654 (41,91) + 0,0496874 (4,33) +
0,1202997 (4,07) + 0,4274510 (2,8) + 0,0245560 (50,13)
D2 = -1,291358755

11

Hitung Cutting Score


Kondisi

Cutting Score

Jml anggota sama Ycs = (D1 D2)/2


Jml anggota beda

Ycs = n1(D1) n2(D2)/(n1+n2).

Karena Jml kelompok 1 = jumlah kelompok 2 = 15 orang,


maka cutting scorenya :

Ycs = 1,291188628 (-1,291358755)/2


Ycs = -8,50633E-05 atau
Ycs = -0,0000850633

12

Klasifikasi Individu
a. Hitung skor diskriminan masang-masing individu
b. Apabila skor diskriminan individu lebih besar daripada
cutting score, maka individu tsb masuk dalam kelompok 1
dan sebaliknya.

Cutting Score = -0,0000850633


Kel Awal Discrim. Score Kel Akhir Salah Masuk
1

-0,17230832

2,33032292

***

dan seterusnya .
13

Hitung Hit Rate


Dari tabel pengklasifikasian terdapat tiga
individu yang tidak berada pada kelompok
semula, sehingga kita dapat menghitung hit rate
sebesar (30-3)/30 x 100 % = 90 %

14