KELOMPOK 3

Analisis
Diskrimina
n
F I K RY A L K AT I R I
A H M A D N A U FA L S
JAZMI THIRAFI ARIF
B E R L I A N A DYA H A
MA RI A K E WA
D E L I TA A R I A N T I
N I D A FA U Z I Y YA H
D I VA A R U M M
O C TA R I N A N U R I A S
 OUTLINE
1 Konsep Dasar 5 Model Analisis

2 Tujuan 6 Aturan Klasifikasi

3 Asumsi 7 Proses Analisis

Fungsi Diskriminan Langkah-langkah

4 8
Contoh Kasus
9
 KONSEP DASAR
suatu teknik analisis data ketika variabel dependen bersifat kategorik (nominal
atau ordinal) dan variabel independen bersifat metrik (interval atau rasio).

Jika teknik analisis diskriminan dibedakan menjadi dua kelompok/kategori, maka

variabel tak bebas (Y) dikelompokan menjadi dua, diperlukan satu fungsi
diskriminan.

Jika variabel tak bebas dikelompokkan menjadi lebih dari dua kelompok disebut
analisis diskriminan berganda (multiple discriminant analysis) diperlukan fungsi
diskriminan sebanyak k-1, jika ada k kategori.
Analisis diskriminan termasuk teknik multivariate pada hubungan depedensi ( bisa
dibedakan antara variabel respon dan variabel penjelas)

Pengelompokan dengan analisis diskriminan ini terjadi karena ada pengaruh satu
atau lebih variabel lain yang merupakan variabel independen. Kombinasi linier dari
variabel-variabel ini akan membentuk suatu fungsi diskriminan (Tatham et.
al.,1998).

Analisis diskriminan mirip regresi linier berganda (multivariable regression).

Perbedaannya analisis diskriminan digunakan apabila variabel dependennya
kategorik (menggunakan skala ordinal maupun nominal) dan variabel
independennya menggunakan skala metric (interval dan rasio). Sedangkan dalam
regresi berganda variabel dependennya harus metrik dan jika variabelnya
independen, bisa metrik maupun nonmetrik.
Contoh :
1. Analisis perbedaan pelajar yang sudah kecanduan handphone dan pelajar
yang tidak kecanduan handphone
2. Analisis perbedaan konsumen wanita dan pria dalam melakukan keputusan
pembelian mobil
3. Analisis orang kota dan desa dalam melakukan investasi
 TUJUAN
Mengetahui apakah ada perbedaan yang jelas antar grup pada variabel dependen.

Jika ada perbedaan, kita ingin mengetahui variabel independen mana pada fungsi
diskriminan yang membuat perbedaan tersebut.

Membuat fungsi atau model diskriminan, yang pada dasarnya mirip dengan
persamaan regresi.

Melakukan klasifikasi terhadap objek (dalam terminology SPSS disebut baris),

apakah suatu objek (bisa nama orang, nama tumbuhan, benda atau lainnya)
termasuk pada grup 1 atau grup 2 atau lainnya
ASUMSI
X : N p ( , ) Sejumlah p variable independen harus
berdistribusi normal
Matriks kovarians variable independen
1 2
berukuran p x p pada kedua kelompok harus
sama
1 2 Terdapat perbedaan rata-rata antara grup 1
dan grup 2
Non multikolinearitas, tidak ada korelasi antar variabel
independen
Tidak terdapat data yang outlier pada variabel independen
Antar objek atau pengamatan harus saling bebas
FUNGSI DISKRIMINAN

kombinasi linear dari p variabel dengan jarak maksimal antara vector rata rata
masing masing grup.
MODEL ANALISIS DISKRIMINAN
D = b0 + b1X1 + b2X2 + b3X3 + .. + bkXk
dimana :
D = skor diskriminan
B0.k = bobot atau koefisien diskriminan
X1k = prediktor atau variabel bebas

Sumber : (Malhotra; 1993)

ATURAN KLASIFIKASI
1. Cut off Value (CV), merupakan batas/kriteria skor untuk menentukan suatu
individu/obyek termasuk dalam kelompok yang mana
2. Prior Probability, untuk meminumkan salah klasifikasi
3. Memininumkan biaya salah klasifikasi, Aturan pengelompokkan untuk
meminimumkan biaya atau Expected Cost of Misclassification (ECM)
4. Jarak Mahalanobis
 PROSES ANALISIS DISKRIMINAN
1. Menentukan variabel dependen dan variabel independen
2. Menentukan metode untuk membentu fungsi diskriminan (Simultaneous atau
stepwise)
3. Menguji signifikansi dari fungsi diskriminan menggunakan Wilks Lambda,
dan F Test
4. Melakukan interpretasi
5. Uji Validitas Analisis Diskriminan
 LANGKAH-LANGKAH
1. Pengecekan adanya kemungkinan hubungan linier antara variabel penjelas. Untuk point ini,
dilakukan dengan bantuan matriks korelasi (pembentukan matriks korelasi sudah difasilitasi
pada analisis diskriminan). Pada output SPSS, matriks korelasi bisa dilihat pada Pooled
WithinGroups Matrices.

2. Uji Vektor Rata-rata Kedua Kelompok

Ho: 1 =2
H1: 1 2
Diharapkan dari uji ini adalah hipotesis nol ditolak, sehingga kita mempunyai informasi
awal bahwa variabel yang sedang diteliti memang membedakan kedua kelompok. Pada
SPSS, uji ini dilakukan secara univariate (jadi yang diuji bukan berupa vektor), dengan
bantuan tabel Tests of Equality of Group Means.
3. Dilanjutkan pemeriksaan asumsi homoskedastisitas, dengan uji Boxs M.
Ho: 1= 2
H1 : 1 2
Diharapkan dari uji ini hipotesisi nol tidak ditolak.
4. Pembentukan model diskriminan
a) Kriteria Fungsi Linier Fisher
) Pembentukan Fungsi Linier (teoritis)
Fisher mengelompokkan suatu observasi berdasarkan nilai skor yang
dihitung dari suatu fungsi linier Y = L X, dimana L menyatakan vektor yang
berisi koefisien-koefisien variabel penjelas yang membentuk persamaan
linier terhadap variabel respon.
) Pembentukan Fungsi Linier (dengan bantuan SPSS)
) Menghitung discriminant score
) Menghitung cutting score
) Hit Ratio
b) Kriteria posterior probability
 CONTOH KASUS
Berikut adalah contoh 2 rasio keuangan EBITASS (rasio earning before interest and tax
terhadap total aset) dan ROTC (return on total capital) 24 sampel perusahaan yang
dibagi ke dalam dua kelompok yaitu 12 perusahaan sehat dan 12 perusahan bangkrut.

code EBITAS ROTC code EBITAS ROTC

1 0.158 0.182 2 0.012 -0.012
1 0.21 0.206 2 0.036 0.036
1 0.207 0.188 2 0.038 0.038
1 0.208 0.236 2 0.063 -0.063
1 0.197 0.193 2 0.054 0.054
1 0.227 0.173 2 0 0
1 0.148 0.196 2 0.005 0.005
1 0.254 0.212 2 0.091 0.091
1 0.079 0.147 2 0.036 -0.036
1 0.149 0.128 2 0.045 0.045
1 0.2 0.15 2 0.026 -0.026
1 0.187 0.191 2 0.016 0.016
 #UJI NORMALITAS

One-Sample Kolmogorov-Smirnov Test

EBITAS ROTC
N 24 24
Mean .110250 .097917
Normal Parameters a,b
Std. Deviation .0849431 .0947160
Absolute .169 .161
Most Extreme Differences Positive .169 .137
Negative -.150 -.161
Test Statistic .169 .161
Asymp. Sig. (2-tailed) .073c .109c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
#UJI MULTIKOLINEARITAS
Perbedaan rata-rata masing-masing rasio keuangan untuk kedua kelompok perusahaan
sehat dan bangkrut dapat diuji dengan uji beda t-test. Hasil uji t test dapat di bawah ini.

Hipotesis : Ho: 1 = 2
H1: 1 2
Taraf signifikan: 5%
Statistik uji : t-test
Wilayah kritis : tolak Ho ketika t hitung > t tabel (0.68581)
Keputusan : tolak Ho karena Nilai t hitung untuk EBITASS adalah 9,854 dan
ROTC sebesar 11,528 lebih besar dari nilai t tabel (0.68581) .
Kesimpulan : dengan tingkat signifikan 5%, maka dapat disimpulkan bahwa kedua
rasio keuangan ini mampu membedakan kedua kelompok perusahaan dan akan
digunakan untuk membentuk fungsi diskriminan.
LANGKAH SPSS
1. Buka data
2. Pilih menu statistics-analyze, kemudian sub menu classify, lalu pilih
Discriminant
3. Tampak layar windows discriminant analysis
4. Pada Box Grouping Variable isikan Code dan definisikan perusahan sehat 1 dan
bangkrut 2
5. Pada Box Independent isikan variable EBITAS dan ROTC
6. Pilih statistics dan aktifkan pilihan test statistics descriptive, matrice dan function
coefficient.
OUTPUT DAN INTERPRETASI

Dari tampilan group statistik jelas bahwa nilai rata-rata kedua rasio keuangan antara perusahaan
sehat dan bangkrut berbeda yaitu 0,18533 untuk perusahaan sehat dan 0,035167 untuk perusahaan
bangkrut dilihat dari rasio EBITASS. Sedangkan rasio ROTC dengan rata-rata 0,18350 untuk
perusahaan sehat dan 0,00333 untuk perusahaan bangkrut.
Dilihat dari test statistik Wilk's L jelas ada perbedaan secara signifikan yaitu untuk EBITASS nilai
Wilk's L sebesar 0,185 dan signifikan pada 0,000. Sedangkan nilai Wilk's L ROTC sebesar 0,142
juga signifikan pada 0,000. Hasil ini menunjukkan bahwa kedua variabel rasio keuangan dapat
digunakan untuk membentuk variabel diskriminan.
#multikolinearitas
Berdasarkan matriks korelasinya tidak ada yang mencapai 0.5 atau diatasnya sehingga
dapat dikatakan tidak terjadi multikolinearitas
#kesamaanvarians
Tabel di bawah memperlihatkan bahwa kita tidak dapat menolak hipotesis nol karena
nilai p-valuenya lebih dari 0,05 (dalam hal ini penelitian menggunakan tingkat
kepercayaan 95%). Dari hasil pengujian ini, kita dapat mengatakan bahwa data kita
berasal dari populasi yang mempunyai matriks varians-covarians yang sama.
#kesamaanrata-rata

Tabel di atas memperlihatkan bahwa variabel EBITASS dan ROTC yang

menunjukkan penolakan Ho (dalam hal ini penelitian menggunakan tingkat
kepercayaan 95%). Dari hasil pengujian ini, variabel EBITASS dan ROTC
signifikan dalam membedakan kategori perusahan
#Fungsiyangterbentuk

Persamaan estimasi fungsi diskriminan unstandardized dapat dilihat dari output

Canonical Discriminan Function Coefficient dengan persamaan sebagai berikut :
Z = -3,240 + 13,042 EBITASS + 18,402 ROTC
#Canonicaldiskriminantfunction
Untuk menguji signifikansi statistik dari fungsi diskriminan digunakan multivariate test
of significance. Oleh karena dalam kasus ini lebih dari satu variabel deskriminator yaitu
EBITASS dan ROTC, maka untuk menguji perbedaan kedua kelompok perusahaan
untuk semua variabel secara bersama-sama digunakan multivariate test. Uji Wilk's L
dapat diaproksimasi dengan statistik Chi-square.

Besarnya nilai Wilk's L sebesar 0,115 atau sama dengan Chi-square 45,498 dan ternyata
nilai ini signifikan pada 0,000 maka dapat disimpulkan bahwa fungsi diskriminan
signifikan secara statistik yang berarti nilai rata-rata score diskriminan untuk kedua
kelompok perusahaan berbeda secara nyata.
Untuk
menguji seberapa besar dan berarti perbedaan antara kedua kelompok
perusahaan dapat dilihat dan nilai Square Canonical Correlation (CR 2). Square
Canonical Correlation identik dengan R2 pada regresi yaitu mengukur variasi antara
kedua kelompok perusahaan yang dapat dijelaskan oleh variabel diskriminannya. Jadi
CR2 mengukur sebagai kuat fungsi diskriminan.

Tampilan output Eigenvalues menunjukkan bahwa besarnya Canonical Correlation

adalah sebesar 0,941 atau besarnya Square Canonical Correlation () = atau sama
dengan 0.876. Jadi dapat disimpulkan bahwa 87.6% variasi antara kelompok
perusahaan sehat dan bangkrut yang dapat dijelaskan oleh variabel diskriminan rasio
EBITASS dan ROTC.
Menilai pentingnya variabel diskriminan dan arti dari fungsi diskriminan dapat
dilakukan dengan melihat fungsi diskriminan standardized.

Tampilan standardized canonical discriminant function menunjukkan bahwa

besarnya koefisien EBITASS 0,487 dan koefisien ROTC sebesar 0,686. Koefisien
yang sudah distandarisasi digunakan untuk menilai pentingnya variabel
diskriminator secara relatif dalam membentuk fungsi diskriminan. Makin tinggi
koefisien yang telah distandarisasi, maka makin penting variabel tersebut
terhadap variabel lainnya dan sebaliknya. Variabel rasio EBITASS relatif lebih
penting dibandingkan variabel rasio ROTC dalam membentuik fungsi
diskriminan.
Oleh karena score diskriminan adalah indeks gabungan atau kombinasi linear dari variabel awal,
maka perlu untuk mengetahui apakah arti dari score diskriminan. Nilai loading dari structure
coefficient dapat digunakan untuk menginterpretasikan kontribusi setiap variabel untuk membentuk
fungsi diskriminan. Nilai loading variabel diskriminator merupakan korelasi antara score diskriminan
dan variabel diskriminator dan nilai loading akan berkisar +1 dan -1. Makin mendekati 1 (satu) nilai
absolut dari loading, maka tinggi komunalitas antara variabel diskriminan dan fungsi diskriminan dan
sebaliknya. Tampilan struktur matrik menunjukkan bahwa besarnya loading untuk EBITASS 0,788
dan besarnya loading untuk ROTC sebesar 0,899. Oleh karena loading kedua variabel rasio keuangan
ini tinggi, mak score diskriminan dapat diinterpretasikan sebagai ukuran kesehatan keuangan
perusahaan.