Академический Документы
Профессиональный Документы
Культура Документы
ANALISIS MULTIVARIAT II
Anggota :
1.ELGY FIRMANSYAH
(140610090045)
2.ADI MULYANA
(140610090061)
3.MARTUMPAL C P S
(140610090085)
4.HARIS NUGROHO
(140610097001)
Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Padjadjaran
2012
1. ANALISIS DISKRIMINAN
1.1 Pendahuluan
Analisis Diskriminan adalah teknik Multivariat yang termasuk pada
Dependence Method, dengan ciri adanya variabel dependen dan independen.
Dengan demikian, ada variabel yang hasilnya tergantung pada data variabel
independen. Ciri khusus analisis diskriminan adalah data veriabel dependen
harus berupa data kategori, sedangkan data untuk variabel independen justru
berupa data rasio.
Secara teknis, analisis diskriminan mirip dengan analisis regresi, karena
keduanya mempunyai variabel dependen dan variabel independen dalam
modelnya. Hanya pada analisis regresi (sederhana maupun berganda), variabel
dependen harus data rasio; sedangkan pada analisis diskriminan, jenis data
untuk variabel dependen harus kategori.
2. Contoh Kasus
2.1 Tujuan Analisis Diskriminan
PT. HATCO adalah sebuah perusahaan yang bergerak di bidang Good and
Service, tentu saja dalam mengembangkan usahanya PT. HATCO memerlukan
bahan dasar untuk membuat produk. Bahan dasar ini dibeli dari pabrik yang
memproduksi bahan dasar dalam pengembangan usaha PT. HATCO. Dalam
pembelian bahan dasar tersebut PT. HATCO tidak asal membeli karena PT. HATCO
tidak ingin membeli bahan dasar yang nantinya malah merugikan PT. HATCO itu
sendiri. Ada 6 faktor yang mempengaruhi keputusan PT. HATCO dalam pembelian
bahan dasar yang diproduksi oleh suatu pabrik, antara lain: Delivery Speed (DS),
Manufacturer Image (MI), Service (Se), Sales Force Image (SFI), Product Quality
(PQ), Usage Level (UL). PT. HATCO ingin mengetahui faktor apa saja yang
mempengaruhi keputusan dalam membeli suatu bahan dasar, oleh karena itu
dilakuan Analisis Diskriminan untuk mengetahui:
1. Apakah memang ada perbedaan yang jelas di antara keputusan yang
diambil PT. HATCO, sehingga keputusan membeli bahan dasar atau tidak
dapat dengan jelas dibedakan?
2. Jika memang ada perbedaan di antara keputusan yang diambil oleh PT.
HATCO, faktor mana yang perbedaannya memang nyata dan faktor mana
yang sesungguhnya tidak jelas berbeda?
3. Model Diskriminan untuk memprediksi PT. HATCO membeli atau tidak
bahan dasar yang dihasilkan oleh suatu pabrik?
4. Sejauh mana ketepatan model diskriminan yang sudah diperoleh dalam
memprediksi keputusan PT. HATCO dalam membeli bahan dasar?
2.2 Jumlah Sampel
Pada analisis diskriminan ini digunakan dua jenis sampel, yakni analysis
sample yang digunakan untuk membuat Fungsi Diskriminan, serta holdout
sample (split sample) yang digunakan untuk menguji hasil diskriminan. Analysis
sample sebanyak 60 sampel dan holdout sample sebanyak 40 sampel.
Data dari 60 pabrik yang digunakan untuk analisis ditampilkan dalam tabel
di bawah:
Analysis Sample
Pab X
X
X
X
X
X
Y
rik
1
2
3
4
5
6
4, 4, 2, 2, 5,
3
1
0
1
7
4
3
2
2
1, 6, 2,
8,
4
2
4
1
8
6
5
4
3
3,
4, 2, 8,
4
3
6
1
4
3
7
2
8
2, 5, 1, 2, 7,
3
4
0
7
9
8
3
8
2
7, 3, 4, 4,
5
5
6
1
8
4
6
5
8
1, 4, 2, 1, 9,
4
6
0
9
8
6
9
7
5
4, 6, 3, 4, 7,
4
7
1
6
6
5
5
6
6
1, 5, 2, 2, 6,
4
8
0
3
1
8
2
9
4
5, 4, 3,
7,
6
9
3
1
5
7
5
6
3
3, 3, 8,
5
10
4
6
1
7
2
7
4
2, 4,
2, 5,
3
11
2
0
4
8
8
8
2
3, 4,
2, 8,
4
12
3
0
9
6
5
3
7
2, 3, 2, 1, 6,
3
13
0
8
8
1
4
6
9
3, 5, 2, 3, 6,
3
14
0
7
7
7
7
7
8
4, 6,
2, 6,
5
15
3
1
7
7
6
8
4
3, 4, 2, 1, 4,
4
16
0
4
7
7
7
8
9
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
3,
2
4,
9
5,
3
4,
7
3,
3
3,
4
3
2,
4
5,
1
4,
6
2,
4
5,
2
3,
5
4,
1
3
2,
8
5,
2
3,
4
2,
4
1,
8
3,
6
38
39
40
41
2,
4
1,
9
5,
1
4,
3
6,
1
6,
7
4
2,
5
7,
1
4,
8
4,
8
5,
8
4,
8
6,
1
3,
5
5,
5
5,
3
6,
9
5,
9
5,
7
3,
4
4,
5
5,
8
5,
4
5,
4
4,
5
4,
6
3,
6
3,
4
3,
3
3
2,
1
1,
2
3,
5
1,
9
3,
3
3,
4
1,
9
3,
2
3,
1
3,
9
3,
1
3,
3
3,
7
3,
5
1,
7
2,
5
3,
7
2,
4
1,
1
2,
1
2,
6
2,
9
1,
5
3,
9
2,
6
1,
8
1,
7
3,
4
2,
5
2,
6
2,
8
2,
5
3,
9
1,
7
3
6,
2
5,
9
6,
8
6,
8
6,
3
5,
2
8,
4
7,
2
3,
8
4,
7
7,
2
6,
7
5,
4
8,
4
3,
2
2,
4
3,
4
1,
1
2,
4
2,
5
2,
6
2,
6
2,
2
2,
5
8,
2
4,
6
8,
4
6,
2
7,
6
9,
3
7,
3
8,
9
8,
8
7,
7
3
8
4
0
5
4
5
5
4
1
3
5
5
5
3
6
4
9
4
9
3
6
5
4
4
9
4
6
4
3
5
3
6
0
4
7
3
5
3
9
4
4
4
6
2
9
2
8
4
0
1
0
1
1
0
0
1
0
1
1
0
1
0
1
1
1
1
1
0
0
1
1
1
0
0
5,
9
4,
9
7,
8
4,
5
3,
4
3,
6
4,
6
1,
3
4,
5
6,
2
5
8
5
3
Pab
rik
X
1
44
45
46
X
2
4,
7
3,
7
4,
6
4,
5
5,
6
4,
5
X
3
3,
1
2,
4
3,
7
2,
6
3,
6
X
4
2,
5
1,
7
1,
4
3,
2
2,
3
2,
4
1,
4
2,
5
2,
5
3,
4
2,
6
2,
1
3,
6
X
5
3,
7
8,
5
6,
3
3,
8
9,
1
6,
7
5,
2
5,
2
X
6
4
8
3
8
5
4
5
5
4
3
5
7
5
3
4
1
5
3
5
0
3
2
3
9
4
7
6
2
6
5
4
6
5
0
42
43
47
48
49
50
51
52
53
54
55
56
57
58
59
60
3,
1
3,
4
5,
8
5,
4
3,
7
2,
6
4,
5
2,
8
3,
8
2,
9
4,
9
5,
4
4,
3
2,
3
3
6
5
5,
9
4,
9
2,
9
7
6,
9
5,
5
5,
4
4,
7
3
3,
8
2,
1
3,
6
4,
3
2,
5
1,
6
2,
8
4,
6
3,
1
3,
3
2,
5
2,
2
9
8,
8
9,
2
5,
6
7,
7
9,
6
7,
7
4,
4
8,
7
1
0
Y
1
0
0
0
1
0
0
0
1
1
0
0
1
1
1
1
1
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
5,
1
4,
1
3
1,
1
3,
7
4,
2
1,
6
5,
3
2,
3
3,
6
5,
6
3,
6
5,
2
3
4,
2
3,
8
3,
3
1
4,
5
5,
5
3,
4
1,
6
2,
3
2,
6
2,
5
5,
8
5,
5
4,
9
4,
7
4,
5
6,
2
5,
3
3,
7
5,
2
6,
2
3,
1
4,
8
4,
5
6,
6
4,
9
6,
1
3,
3
4,
5
4,
6
3,
8
8,
2
6,
4
3,
6
2,
5
3,
4
1,
6
2,
6
3,
3
6
4,
2
3
3,
5
3
4,
5
4
2,
9
3,
3
2,
4
3,
2
2,
2
2,
9
1,
5
3,
1
3,
6
4
2,
3
2,
8
2,
8
2,
3
2,
7
2,
6
3,
2
2,
3
3,
9
2,
5
1,
9
2,
3
2,
9
1,
6
1,
9
2,
7
2,
7
2,
7
2,
6
1,
5
3,
1
2,
1
2,
1
4,
4
3,
8
2,
5
2,
8
2,
2
4,
5
7,
4
6
10
6,
8
7,
3
7,
1
4,
8
9,
1
8,
4
5,
3
4,
9
7,
3
8,
2
8,
5
5,
3
5,
2
9,
9
6,
8
4,
9
6,
3
8,
2
7,
4
6,
8
9
6
0
4
7
3
6
4
0
4
5
5
9
4
6
5
8
4
9
5
0
5
5
5
1
6
0
4
1
4
9
4
2
4
7
3
9
5
6
5
9
4
7
4
1
3
7
5
3
4
3
1
1
1
0
0
1
1
0
1
1
0
0
1
1
1
0
0
0
0
0
1
1
0
1
0
87
88
89
90
2,
4
2,
1
2,
9
4,
3
91
92
4,
8
Pab
rik
93
94
95
96
97
98
99
100
X
1
3,
1
1,
9
4
5,
9
4,
8
6,
1
6,
3
7,
1
4,
2
2,
7
2,
8
X
2
7,
8
4,
9
4,
5
X
3
3,
6
2,
2
2,
2
0,
7
3,
3
2,
4
2,
6
2,
2
0,
6
6,
1
4,
8
3,
1
2,
5
6,
8
2
3,
4
3
3,
3
2,
7
2,
3
2,
5
4
3,
8
1,
4
X
4
4
2,
5
2,
1
2,
1
2,
8
2,
7
2,
9
3
6,
7
7,
2
8
7,
4
7,
9
5,
8
X
5
5,
9
8,
2
5
8,
4
7,
1
8,
4
8,
4
6
Keterangan:
Pabrik : Pabrik ke-i yang diambil sebagai sampel
X1
: Delivery Speed (DS)
X2
: Manufacturer Image (MI)
X3
: Service (Se)
X4
: Sales Force Image (SFI)
X5
: Product Quality (PQ)
X6
: Usage Level (UL)
Y
: Keputusan PT. HATCO (1=beli, 0=tidak beli)
3. PENGUJIAN ASUMSI
5
1
3
6
3
4
6
0
4
9
3
9
X
6
4
3
3
6
3
1
2
5
6
0
3
8
4
2
3
3
1
0
1
1
1
0
Y
1
0
0
0
1
0
1
0
X1
X2
S12
= 3,65833
= 1,68349
2
1
2
1
2
1
= 5,235
= 1,30401
X3
= 2,96
X4
= 0,59227
= 2,655
= 0,67472
S12
X5
= 6,95833
= 2,66925
X6
= 46,15
2
1
= 79,3839
Matriks Kovarians
1,683
0,332
0,564
S
0,265
- 0,914
7,676
S 1
1,644
0,163
- 1,060
- 0,334
0,581
- 0,079
0,332
1,304
0,372
0,735
0,354
4,103
0,564
0,372
0,592
0,210
0,171
4,944
0,163
2,228
- 0,458
- 2,195
- 0,100
- 0,035
- 1,060
- 0,458
4,670
0,350
- 0,739
- 0,191
3.1.2 Pengujian
Pengujian dilakukan dengan menggunakan software EXCEL, dapat dilihat pada
tabel di bawah:
Pab
rik
X1 X1
X 2 X 2
X 3 X3
X 4 X 4
X5 X5
X6 X6
d (2j )
d (2j )
diurutkan
j 0,5
60
62
0,442
0,53
5
0,56
0
0,46
0
1,34
0
1,16
0
0,35
5
1,75
8
14,15
0
6,650
1,286
0,815
1,858
1,36
5
1,34
5
1,44
2
3,150
6,614
2,108
1,237
0,258
0,76
5
0,04
5
0,35
5
1,24
2
1,850
6,598
2,108
1,517
0,958
0,66
5
0,84
2
14,15
0
8,215
2,122
1,744
2,342
2,56
5
0,44
0
1,94
5
11,85
0
10,25
8
2,226
1,941
0,43
5
1,36
5
0,13
5
0,53
5
0,76
5
0,43
5
0,63
5
1,43
5
0,36
0
0,54
0
0,16
0
0,75
5
1,84
5
0,45
5
2,45
8
1,758
2,74
2
1,150
5,725
2,345
2,120
0,942
0,64
2
0,05
8
0,150
7,630
2,374
2,285
2,358
2,150
7,814
2,636
2,441
1,842
0,54
0
0,34
5
0,64
2
16,85
0
9,730
2,754
2,589
10
0,342
0,74
0
0,96
0
0,54
5
1,74
2
1,15
8
7,850
2,226
2,774
2,732
11
1,258
14,15
0
4,591
2,809
2,870
0,850
2,345
3,540
3,004
7,150
2,809
3,543
3,135
8,150
4,746
3,708
3,264
7,850
7,091
3,713
3,392
2,850
5,102
3,812
3,517
8,150
8,837
4,269
3,642
6,150
8,048
4,295
3,766
7,850
4,295
4,436
3,889
0,04
0
0,14
5
0,15
5
1,25
5
12
0,242
13
0,858
14
0,042
0,46
5
15
1,042
1,46
5
0,04
0
16
0,258
0,26
0
17
0,458
0,64
0
0,24
5
18
1,242
0,53
5
0,13
5
0,93
5
0,05
5
0,95
5
0,44
0
1,15
5
19
1,642
0,86
5
0,34
0
1,24
5
0,86
0
0,26
0
1,04
5
1,34
2
0,35
8
0,25
8
0,15
8
2,15
8
0,75
8
1,05
8
0,15
8
20
1,042
21
0,358
22
0,258
23
0,658
24
1,258
1,46
5
0,04
0
1,23
5
2,73
5
1,86
5
0,43
5
0,43
5
0,86
0
1,76
0
0,54
0
1,06
0
0,34
0
0,05
5
0,85
5
0,95
5
0,74
5
0,15
5
0,05
5
25
1,442
26
0,942
0,56
5
0,44
0
0,14
5
27
1,258
0,43
5
1,06
0
0,15
5
28
1,542
0,86
5
0,24
0
1,24
5
29
0,158
30
0,442
31
32
0,658
0,858
1,73
5
0,26
5
0,06
5
1,66
5
0,14
0
0,94
0
0,14
0
0,34
0
0,66
5
0,74
0
0,46
5
1,83
5
0,73
5
0,54
0
1,26
0
0,46
0
0,058
0,56
5
0,74
0
38
0,342
0,16
5
39
3,658
0,16
5
33
1,542
34
0,258
35
1,258
36
1,858
37
0,56
0
1,86
0,95
5
0,34
5
0,34
5
0,54
5
0,25
5
0,74
5
1,55
5
0,25
5
0,15
5
0,05
5
0,05
0,15
8
0,65
8
1,75
8
1,44
2
8,850
7,379
4,564
4,012
5,150
2,122
4,591
4,136
11,15
0
10,50
3
4,598
4,259
8,850
5,194
4,698
4,383
10,15
0
2,108
4,746
4,508
2,850
4,803
4,766
4,633
2,850
3,540
4,803
4,760
10,15
0
2,108
4,817
4,887
7,850
4,269
5,102
5,017
2,850
5,158
5,158
5,148
3,708
5,181
5,281
1,286
5,194
5,416
6,850
4,817
5,609
5,554
13,85
0
6,158
5,653
5,694
0,850
2,374
5,725
5,837
11,15
0
4,766
5,776
5,984
0,64
2
7,150
2,754
5,891
6,134
2,34
2
2,150
4,698
6,041
6,288
0,34
2
0,150
2,774
6,158
6,447
1,94
2
17,15
10,79
3
6,181
6,611
0,24
2
3,15
8
2,25
8
0,24
2
0,25
8
1,55
8
1,44
2
1,04
2
1,24
2
2,35
8
1,44
2
0,75
8
0,150
3,150
Pab
rik
X1 X1
X 2 X 2
X 3 X3
X 4 X 4
0,73
5
0,63
5
0,86
0
0,36
0
0,45
5
0,15
5
2,56
5
0,44
0
1,94
5
d (2j )
d (2j )
X6 X6
1,84
2
18,15
0
6,181
6,221
6,780
0,74
2
6,150
2,636
6,598
6,955
11,85
0
10,11
6
6,614
7,137
6,850
6,041
6,650
7,327
1,850
4,564
7,091
7,525
8,150
3,543
7,379
7,733
7,850
5,891
7,630
7,952
8,850
15,89
0
7,809
8,183
3,150
4,436
7,814
8,429
10,85
0
7,949
7,949
8,692
6,850
9,196
8,048
8,975
5,150
5,776
8,215
9,282
2,04
2
6,850
5,181
8,837
9,618
1,84
2
3,850
5,653
9,023
9,992
5,609
9,196
10,412
9,023
9,730
10,895
diurutkan
40
1,258
41
1,758
42
2,242
43
1,242
44
1,342
45
1,658
46
1,342
47
0,558
48
0,258
49
2,142
50
1,742
51
0,042
52
1,058
53
0,842
54
0,858
55
0,142
0,73
5
0,53
5
1,53
5
0,63
5
0,73
5
0,36
5
0,73
5
2,23
5
0,76
5
0,23
5
0,66
5
0,33
5
2,33
5
0,64
0
0,14
0
0,56
0
0,74
0
0,36
0
0,64
0
0,04
0
0,84
0
0,86
0
0,64
0
1,34
0
0,46
0
1,36
0
1,35
5
0,15
5
0,95
5
1,25
5
0,54
5
0,35
5
0,25
5
1,25
5
0,15
5
0,15
5
0,74
5
0,05
5
0,55
5
j 0,5
60
62
X5 X5
2,45
8
0,75
8
3,25
8
1,54
2
0,65
8
3,15
8
2,14
2
0,25
8
1,75
8
1,75
8
2,24
2
1,35
8
14,15
0
7,150
1,66
5
0,26
5
0,16
0
1,64
0
1,04
0
0,642
0,16
5
0,14
0
1,358
0,53
5
0,34
0
56
0,758
57
1,242
58
1,742
59
60
1,76
5
0,94
5
0,74
2
1,34
5
0,34
5
0,15
5
0,45
5
2,64
2
0,74
2
2,55
8
1,74
2
0,850
3,713
10,116
11,466
7,809
10,258
12,168
6,221
10,503
13,088
0,150
3,812
10,793
14,449
3,850
4,598
15,890
17,272
15,85
0
18,85
0
Keterangan:
X1 X1
X6 X6
...
variabelnya
d (2j ) x j x S 1 x j x ,
j 1, 2, ..., 60
: ukuran jarak kuadrat (squared
generalized distances)
j 0,5
60
62
bebas p = 6
3.1.3 Output plot
Output menggunakan softare MS. EXCEL, dapat dilihat pada grafik di bawah:
20.000
18.000
16.000
14.000
12.000
10.000
8.000
6.000
4.000
2.000
0.000
0.000
5.000
10.000
15.000
20.000
diurutkan
Terlihat sebaran data dari data di atas bergerombol di sekitar garis uji yang
mengarah ke kanan atas, dan tidak ada data yang terletak jauh dari sebaran
data. Dengan demikian, data tersebut bisa dikatakan normal multivariat.
: 5%
Stat Uji:
Dengan menggunakan software SPSS 17 didapat output sebagai sebagai berikut:
Kriteria Uji:
Jika Probabilitas (SIG) > 0,05, maka H0 diterima
Jika Probabilitas (SIG) < 0,05, maka H0 ditolak
Kesimpulan:
Pada baris X1 dari tabel output di atas, dan dengan dasar maupun median
didapat angka Sig. adalah 0,982 sehingga H 0 diterima, begitu pula untuk variabel
X2, X3, X4, X5 dan X6 semua angka Sig. berada di atas 0,05 sehingga H 0
diterima.
Sehingga bisa disimpulkan terjadi Homoskedastisitas antara populasi
dengan jawaban Beli dan jawaban Tidak Beli.
3.3 Multikolinieritas
Uji Multikolinieritas menggunakan software SPSS 17.
Hipotesis:
H0
: Tidak ada korelasi antar variabel independen
H1
: Ada korelasi antar variabel independen (multikolinieritas)
: 5%
Stat Uji:
Dengan menggunakan software SPSS 17 didapat hasil output sebagai berikut:
Kriteria Uji:
Tolak H0 jika VIF > 10, terima dalam hal lainnya.
Kesimpulan:
Berdasarkan output dari SPSS nilai VIF setiap variabel:
DS = 2,388 < 10
MI = 3,066 < 10
Se = 2,670 < 10
SFI = 2,793 < 10
PQ = 1,628 < 10
UL = 2,836 < 10
Semua nilai VIF setiap variabel di bawah 10 sehingga dapat diambil
kesimpulan tidak terdapat korelasi antar variabel independen (tidak terjadi
multikolinieritas).
Variabel MI
Variabel Se
Variabel SFI
Variabel PQ
Variabel UL
Berdasarkan output Box Plot di atas pada variabel MI dan variabel SFI
terdapat outlier, namun data outlier tetap dipertahankan, dan tidak perlu
dihilangkan. Outlier dipertahankan karena apabila dilihat kembali ke data awal
data outlier tersebut tidaklah terlalu jauh dengan data yang lainnya sehingga
apabila dipertahankan data outlier ini tidak akan memberikan efek yang sangat
berarti terhadap berkurangnya ketepatan klasifikasi dari fungsi diskriminan.
4.
: 5%
Stat Uji:
Dengan menggunakan software SPSS 17 didapat output sebagai berikut
Kriteria Uji:
Jika Sig. > 0,05 H0 diterima
Jika Sig. < 0,05 H0 ditolak
Kesimpulan:
Berdasarkan tabel di atas didapat bahwa:
Angka
Angka
Angka
Angka
Angka
Angka
Sig.
Sig.
Sig.
Sig.
Sig.
Sig.
Variabel
Variabel
Variabel
Variabel
Variabel
Variabel
Dari tabel terlihat angka Wilks Lambda berkisar antara 0,540 sampai 0,967.
Berdasarkan kolom Sig. bisa dilihat bahwa hanya variabel PQ (Product Quality)
yang mempunyai angka Sig. > 0,05 sehingga dapat dikatakan bahwa variabel PQ
(Product Quality) cenderung tidak berbeda. Hal ini berarti Product Quality dalam
mempengaruhi keputusan PT. HATCO Beli dan Tidak Beli ternyata tidak
berbeda secara nyata. Sehingga hanya satu variabel yang tidak lolos.
: 5%
Stat Uji:
Dengan menggunakan Boxs M
Kriteria Uji:
Jika Sig. > 0,05 berarti H0 diterima
Jika Sig. < 0,05 berarti H1 ditolak
Kesimpulan:
Berdasarkan output Boxs M terlihat bahwa angka Sig. > 0,05 yang berarti
group covariance matrices adalah sama.
Berdasarkan output Log Determinants terlihat bahwa angka Log
Determinants untuk kategori keputusan 0 (Tidak beli) dan keputusan 1 (Beli)
tidak berbeda banyak, sehingga group covariances matrices akan relatif sama
untuk kedua group.
Output 2
Tabel di atas hanyalah sebagai perincian dari proses stepwise pada tabel
sebelumnya. Dari tabel output di atas dapat dilihat pada step 1, variabel MI
adalah variabel pertama yang masuk dalam model diskriminan. Hal ini
disebabkan variabel tersebut mempunyai angka Sig. of F to Remove yang paling
sedikit yakni 0,000
Output 4
Tabel di atas adalah kebalikan dari tabel sebelumnya, di mana pada tabel
ini justru yang dimunculkan adalah proses pengeluaran variabel secara bertahap.
Pada step 0 (keadaan awal), kelima variabel secara lengkap dimunculkan
dengan angka Sig. of F to Enter yang terkecil adalah variabel MI (walaupun
angka Sig. of F to Enter yang lain sama yaitu 0,000 hanya saja output pada SPSS
kasus ini tiga angka dibelakang koma sehingga sulit untuk melihat yang paling
kecil)
Pada step 1, sekarang terlihat ada empat variabel, dan terlihat variabel
Se pada step ini mempunyai angka Sig. of F to Enter paling kecil yaitu 0,001
sehingg variabel tersebut dikeluarkan.
Output 5
Tabel di atas menyatakan angka akhir dari Wilks lambda, yang sebenarnya
sama saja dengan angka terakhir dari step 2 pembuatan model diskriminan.
Angka Chi-Square sebesar 45,951 dengan tingkat signifikansi yang tinggi
menunjukan perbedaan yang jelas antara dua grup kategori keputusan PT. HATCO
(Beli dan Tidak Beli).
Output 8
Tabel
diatas
memperlihatkan komposisi ke 60
pabrik,
yang
dengan
model
diskriminan
menghasilkan
32
responden ada di grup keputusan
1 (Beli), sedang sisanya ada di
grup 0 (Tidak Beli).
Output 12
Casewise Statistics
X
1
4,
1
1,
8
3,
4
X
2
4,
7
6,
6
6
X
3
2,
4
2,
5
4,
3
X
4
2,
3
4
2,
7
X
5
5,
2
8,
4
8,
2
X
6
3
2
4
3
4
8
Y
0
1
1
Untuk pabrik pertama yang bahan dasar dihasilkannya tidak dibeli oleh PT.
HATCO dan data variabel:
Manufacturer Image (MI) = 4,7
Service (Se) = 2,4
Maka perhitungan score untuk pabrik pertama adalah:
Z CU =
N A ZB+ N B Z A
N A + NB
Dimana:
Z CU
N A dan N B
Z A dan Z B
Perhitungan:
Z CU =
( 28.1,024 ) + ( 32.1,170 )
60
0,1461
Pada bagian original, terlihat bahwa mereka yang pada data awal adalah
tergolong kategori keputusan Tidak Beli, dan dari klasifikasi Fungsi Diskriminan
tetap pada kelompok Tidak Beli adalah 25 pabrik. Sedang dengan model
diskriminan, mereka yang awalnya masuk grup Tidak Beli, ternyata menjadi
anggota grup Beli adalah 3 pabrik.
Demikian juga dengan grup Beli, yang tetap pada grup Beli sejumlah
27 pabrik dan yang meleset adalah 5 pabrik.
Dengan demikian, ketepatan prediksi dari model adalah:
25 27
0,867 atau 86,7%
60
Karena angka ketepatan tinggi (86,7%) maka model diskriminan di atas
sebenarnya bisa digunakan untuk analisis diskriminan. Atau penafsiran tentang
berbagai tabel yang ada valid untuk digunakan.
Setelah terbukti bahwa Fungsi Diskriminan mempunyai ketepatan prediksi
yang tinggi, maka fungsi diskriminan tersebut bisa digunakan untuk memprediksi
sebuah kasus, apakah akan diklasifikasikan ke dalam grup Beli atau Tidak
Beli.
X
1
X
2
X
3
X
4
X
5
X
6
3,
1
5,
1
4,
1
4,
5
5,
8
5,
5
4,
9
4,
7
4,
5
6,
2
5,
3
3,
7
5,
2
6,
2
3,
1
4,
8
4,
5
6,
6
4,
9
6,
1
3,
3
4,
5
4,
6
3,
8
8,
2,
6
3,
6
2,
5
3,
4
1,
6
2,
6
3,
3
3,
1
2,
3
2,
7
2,
6
3,
2
2,
3
3,
9
2,
5
1,
9
2,
3
2,
9
1,
6
1,
9
2,
7
2,
7
2,
7
2,
6
1,
5
3,
1
2,
1
2,
1
4,
3,
8
4,
5
7,
4
5
4
6
0
4
7
3
6
4
0
4
5
5
9
4
6
5
8
4
9
5
0
5
5
5
1
6
0
4
1
4
9
4
2
4
7
3
9
5
6
5
9
4
3
1,
1
3,
7
4,
2
1,
6
5,
3
2,
3
3,
6
5,
6
3,
6
5,
2
3
4,
2
3,
8
3,
3
1
4,
5
5,
5
3,
3
3,
5
3
4,
5
4
2,
9
3,
3
2,
4
3,
2
2,
2
2,
9
1,
5
3,
1
3,
6
4
6
10
6,
8
7,
3
7,
1
4,
8
9,
1
8,
4
5,
3
4,
9
7,
3
8,
2
8,
5
5,
3
5,
2
9,
9
6,
8
4,
9
6,
Y
predik
si
83
84
85
86
87
88
89
90
91
4
1,
6
2,
3
2,
6
2,
5
2,
4
2,
1
2,
9
4,
3
3
2,
3
6
4,
2
5,
9
4,
8
6,
1
6,
3
7,
1
4,
2
7,
8
4,
9
4,
5
2,
8
2,
8
2,
7
2,
8
2
3,
4
3
0,
6
6,
1
4,
8
3,
3
3,
6
2,
2
2,
2
0,
7
3,
3
Pab
rik
X
1
X
2
X
3
98
3,
1
2,
5
6,
8
2,
4
2,
6
2,
2
92
93
94
95
96
97
99
100
4,
8
3,
1
1,
9
2
6,
4
4
3,
8
2,
5
2,
8
2,
2
2,
7
2,
3
2,
5
8,
4
7,
1
7
4
1
3
7
5
3
4
3
5
1
3
6
3
4
6
0
4
9
3
9
4
3
3
6
3
1
2
5
6
0
X
4
X
5
X
6
2,
7
2,
9
8,
4
8,
4
3
8
4
2
3
3
4
3,
8
1,
4
4
2,
5
2,
1
2,
1
2,
8
3
8,
2
7,
4
6,
8
9
6,
7
7,
2
8
7,
4
7,
9
5,
8
5,
9
8,
2
5
Y
predik
si
Berddasarkan model yang sudah ditentukan didapat 6 pabrik yang meleset dari
hasil sebenarnya.
7. KESIMPULAN
Dari proses diskriminan, dimulai dari uji asumsi-asumsi sampai analisis output,
didapat kesimpulan yang terkait dengan tujuan pada kasus awal
1. Apakah memang ada perbedaan yang jelas di antara keputusan yang
diambil PT. HATCO, sehingga keputusan membeli bahan dasar atau tidak
dapat dengan jelas dibedakan?
Ada perbedaan yang signifikan antara keputusan yang diambil PT. HATCO
dalam membeli bahan dasar yang dihasilkan oleh suatu pabrik. Hal ini
dibuktikan dengan analisis Wilks Lambda.
2. Jika memang ada perbedaan di antara keputusan yang diambil oleh PT.
HATCO, faktor mana yang perbedaannya memang nyata dan faktor mana
yang sesungguhnya tidak jelas berbeda?
Variabel yang mempengaruhi keputusan PT. HATCO berbeda adalah
Manufacturer Image (MI) dan Service (Se). Hal ini dapat dilihat pada step
analisis awal.
3. Model Diskriminan untuk memprediksi PT. HATCO membeli atau tidak
bahan dasar yang dihasilkan oleh suatu pabrik?
ZScore = -7,446 + 0,929 MI + 0,879 Se
4. Sejauh mana ketepatan model diskriminan yang sudah diperoleh dalam
memprediksi keputusan PT. HATCO dalam membeli bahan dasar?
Model diskriminan di atas mempunyai ketepatan mengklasifikasi kasus
sebesar 86,7%. Karena di atas 70%, ketepatan model dianggap tinggi, dan
model di atas bisa digunakan untuk mengklasifikasi sebuah kasus pada
pabrik yang ingin menjual bahan dasar yang dihasilkannya kepada PT.
HATCO.
DAFTAR ISI
Halaman
1. ANALISIS DISKRIMINAN...............................................................................1
1.1 Pendahuluan.......................................................................................... 1
1.2 Asumsi pada Analisis Diskriminan.........................................................1
2. Contoh Kasus.............................................................................................. 1
2.1 Tujuan Analisis Diskriminan...................................................................1
2.2 Jumlah Sampel...................................................................................... 2
3. PENGUJIAN ASUMSI .................................................................................... 5
3.1 Uji Normalitas Multivariat......................................................................5
3.2 Uji Homoskedastisitas Data...................................................................7
3.3 Multikolinieritas..................................................................................... 9
3.4 Deteksi Data Outlier.............................................................................. 9
4. ANALISIS DISKRIMINAN PADA KASUS..........................................................11
4.1 Tahapan Pengujian Analisis Diskriminan................................................11
5. PROSES DISKRIMINAN PADA KASUS............................................................13
5.1 Menggunakan metode Mahalanobis distance dan proses yang dilakukan
proses stepwise (bertahap).................................................................13
6. PENGGUNAAN MODEL DISKRIMINAN..........................................................22
7. KESIMPULAN............................................................................................... 23