MULTIVARIATE
Dengan memilih c=1, menghasilkan kombinasi linier yang disebut kombinasi linier Fisher
sebagai berikut:
Menghitung discriminant score
Setelah dibentuk fungsi liniernya, maka dapat dihitung skor diskriminan untuk tiap
observasi dengan memasukkan nilai-nilai variabel penjelasnya.
Menghitung cutting score
Cutting score (m) dapat dihitung dengan rumus sebagai berikut:
Kemudian nilai-nilai discriminant score tiap observasi akan dibandingkan dengan cutting
score, sehingga dapat diklasifikasikan suatu observasi akan termasuk ke dalam kelompok
yang mana. Suatu observasi dengan karakteristik x akan diklasifikasikan sebagai anggota
Jika nilai signifikansi > 0,05 maka tidak ada perbedaan dalam kelompok
Jika nilai signifikansi < 0,05 maka ada perbedaan dalam kelompok
Dari tabel ANOVA diatas dapat dilihat bahwa semua variabel (X1, X2, X3, X4, X5)
memiliki nilai signifiansi < 0,05, maka semua variabel memberikan perbedaan pada
pengambilan keputusan (Y).
Tabel di atas adalah tabel analisis Inter Correlations Variabel Independen. Apabila
ada nilai korelasi antar variabel independen yang > 0,5 terdapat gejala
multikolinearitas. Pada tabel diatas dapat dilihat bahwa terdapat beberapa variabel
yang multikolinearitas.
Dari tabel di atas terlihat bahwa nilai uji F pada analisis multivariat dengan
menggunakan metode Wilk’s Lambda, Pillai’s Trace, Lawley-Hotelling trace dan Roy’s
Greatest root. Nilai p-value ditunjukkan dengan nilai Prob>F. Jika p value < 0,05 maka pada
derajat kepercayaan 95%, variabel independen secara simultan mempunyai pengaruh yang
bermakna terhadap variabel dependen. Dari tabel diatas dapat dilihat bahwa semua uji > 0,05
maka dapat disimpulkan bahwa semua variabel independen secara simultan tidak
mempunyai pengaruh yang bermakna terhadap variabel dependen.
2. Hasil analisis dengan menggunakan software SAS
Pada Tabel Linear Discriminant Functions menunjukkan persamaan diskriminan
sebagai berikut:
Untuk kategori 1, persamaannya :
Nilai = -25,7993 – 0,0009021167 X1 – 2,525676 X2 + 2,048456 X3 + 4,183733 X4 +
0,3629021 X5
Untuk kelompok 2, persamaannya :
Nilai = -26,09464 + 0,00376044 X1 + 2.379062 X2 + 2,263786 X3 + 4,286446 X4 + 0,3418718
X5
Tabel menunjukkan bahwa kelompok data dengan kategori 1 sebanyak 15 sampel
sedangkan kelompok dengan kategori 2 sebanyak 15 sampel. Pada kolom Original baris
“Kelompok kategori 1 sebanyak 12 sampel, sedangkan 3 sampel berpindah ke kelompok
kategori “2”. Sementara itu,7 sampel yang berada dikelompok kategori “2” dan ada 7
sampel berpindah ke kelompok kategori “1”.
Tabel Canonical Variate Analysis Section di atas menunjukkan nilai likelihood ratio dan uji
F. perbandingan nilai F dengan F tabel pada DF1=5 dan DF2=24 dengan probabilitas 0,05.
(DF1 berasal dari jumlah variabel dikurangi 1, yaitu 6 – 1 = 5 dan DF2 berasal dari jumlah
sampel dikurangi jumlah variabel yaitu 30 – 6 = 24). P-value atau signifikansi ditunjukkan
oleh nilai Prob>F, jika p value < 0,05, maka semua variabel independen secara simultan
mempengaruhi nilai variabel dependen (Y).
Pada tabel di atas terdapat nilai canonical correlation. Nilai canonical correlation digunakan
untuk mengukur derajat hubungan antara hasil diskriminan atau besarnya variabilitas yang
mampu diterangkan oleh variabel independen terhadap variabel dependen.
Tabel Canonical Coefficients di atas menunjukkan fungsi diskriminan dengan persamaan
sebagai berikut : Z score = 0,938505 – 0,637945 X1 + 0,580745 X2 + 0,980745 X3 +
0,500391 X4 – 0,397327 X5 . Fungsi ini berguna untuk menganalisis kasus atau responden
yang diteliti akan termasuk ke dalam kelompok mana, yaitu kelompok pertama (keputusan
1) atau kedua (keputusan 2)
3. Hasil analisis dengan menggunakan software SAS