You are on page 1of 20

Analisis Faktor dan Diskriminan

BAB XIV ANALISIS FAKTOR DAN DISKRIMINAN


A. Pengertian Mengenai Analisis Multivariat Analisis multivariat (multivariate analysis) merupakan salah satu jenis analisis statistik yang digunakan untuk menganalisis data yang terdiri dari banyak peubah bebas (independent variables) dan juga banyak peubah tak bebas (dependent variables). Dalam analisis ini, harap dibedakan data multivariat (multivariate) dengan data yang banyak peubahnya (multivariable). Data multivariat adalah data yang dikumpulkan dari dua atau lebih observasi dengan mengukur observasi tersebut dengan beberapa karakteristik. Contoh data multivariat adalah seperti pada Matriks 1 .1 berikut ini. Matriks 1 .1. F!r"at Data Multivariat !bservasi ke"i &ndividu ke"1 &ndividu ke"$ &ndividu ke"' % &ndividu ke"n #1 #$ % #p

(adi, seorang individu diteliti dengan berbagai ma)am ukuran (karakteristik). Misalnya #1 adalah usianya, #$ adalah status pekerjaannya, dan lain sebagainya. *erbedaan dengan analisis"analisis statistik yang lain adalah bah+a jumlah peubah tak bebas pada analisis statistik yang bukan multivariat, seperti analisis regresi berganda, terdiri dari hanya satu peubah (misalnya ,)- tetapi pada analisis multivariat, peubah tak bebas dapat berjumlah lebih dari satu (misalnya ,1, ,$, %%%. ,. ). B. Perangkat#Perangkat Analisis Multivariate
/*0"12F*A 133

Analisis Faktor dan Diskriminan

*erangkat perangkat dalam analisis multivariat adalah4 1. Analisis Fungsi *embeda (Discriminant Analysis), $. Analisis 5omponen 1tama (Principal Component Analysis), '. Analisis Faktor (Factor Analysis), dan . Analisis kelompok (Cluster Analysis).

$. Analisis Fungsi Pe"%e&a 'Analisis Diskri"inan( 5etika kita diminta untuk memprediksi individu mana termasuk ke dalam kelompok tertentu atau ketika kita diminta untuk mengidenti6ikasi si6at"si6at umum anggota suatu kelompok, maka kita berhadapan dengan persoalan pengelompokan dan penentuan si6at"si6at khas suatu kelompok. Misalnya, suatu +ilayah dikatakan perkotaan, paling tidak, kalau (1) penduduknya banyak, ($) mempunyai banyak 6asilitas, dan (') kegiatan ekonomi penduduknya beragam. 0i6at khas (1) dan ($) pada umumnya dapat dilihat se)ara kasat mata akan tetapi tidak pada si6at khas ('). Contoh lain, bagaimana kita dapat menentukan apakah seseorang miskin atau tidak miskin. 0i6at umum dari orang miskin yang dapat dikenali barangkali adalah (1) kualitas rumah tinggalnya yang rendah, ($) porsi pengeluaran untuk makanan sangat besar (lebih dari 78 persen), dan (') tingkat pendidikannya rendah. Dalam teknik statistik, persoalan di atas biasanya diatasi dengan menggunakan analisis diskriminan.11 Dua hal, yaitu pengelompokan dan identi6ikasi si6at khas suatu kelompok, dapat dilakukan sekaligus dengan analisis tersebut, di mana kelompok dikenal sebagai group dan si6at khas dikenal sebagai variabel pembeda ( discriminating variables). Antara kelompok dan variabel pembeda tersebut kemudian dibuat suatu hubungan 6ungsional yang disebut dengan 6ungsi diskriminan.

11

Dalam literatur statistik lebih banyak disebut sebagai analisis 6ungsi diskriminan.

/*0"12F*A

139

Analisis Faktor dan Diskriminan

D. Fungsi Diskri"inan1) Analisis ini didasarkan atas 6ungsi diskriminan yang mempunyai bentuk umum4 ,i : 8 ; 1#1 ;$#$ ;% ;p#p ; & ( .1)

di mana , adalah kelompok merupakan variabel boneka ( dummy variables) dan #i adalah variabel pembeda. *ada dasarnya 6ungsi diskriminan merupakan 6ungsi regresi ganda dengan variabel dependen merupakan variabel boneka yang mengambil nilai 1, $, ..., k yang sesuai dengan pengelompokan a+al setiap individu dan banyaknya kelompok (:k). *ersyaratan a+al yang harus dipenuhi sebelum melakukan analisis dengan 6ungsi diskriminan adalah4 (1) setiap individu harus dikelompokkan hanya ke dalam satu dan hanya satu kelompok, ($) varians dalam setiap kelompok adalah sama ( equal variances), (') # berdistribusi normal ganda (multi variates normal distribution), dan ( ) banyaknya kelompok harus memenuhi $ k<p, dengan p adalah banyaknya variabel pembeda.1' Analisis diskriminan dapat dilakukan bila terdapat perbedaan yang nyata antar kelompok, sehingga pada tahap a+al yang harus dilakukan adalah uji hipotesis nol bah+a tidak ada perbedaan kelompok di antara individu yang dirumuskan dengan4
=o4 1 : $ : . . . . . . . : k =14 1

si,j:1,$,%,k (sedikitnya ada $ kelompok yang berbeda).

0elanjutnya yang dibahas dalam panduan ini dibatasi hanya pada 6ungsi diskriminan linier, +alaupun dalam kenyataan, bentuk 6ungsi diskriminan yang dibentuk sangat tergantung dari pola antara kelompok dengan variabel pembeda yang se)ara teknis dapat dilakukan dengan mem" plot kelompok dengan variabel pembeda 1' *ada umumnya sangat sulit sekali untuk dapat memenuhi persyaratan ($) dan ('), yang dalam praktek tidak pernah diuji- halmana akan membuat akurasi dari analisis dengan 6ungsi diskriminan akan berkurang. 2amun demikian, 6ungsi diskriminan selalu menghasilkan estimasi yang kokoh ( robust estimates) terutama yang berkaitan dengan prediksi pengelompokan.

1$

/*0"12F*A

137

Analisis Faktor dan Diskriminan

di mana

j : >1j, $j, %., pj *?adalah vektor rata"rata hitung peubah pembeda pada populasi ke"j
dan jumlah individu yang dianalisis 2 : 2i, maka probabilita pengelompokan a+al (prior probability) adalah 2i@2. 1ji hipotesis tersebut dilakukan dengan menggunakan statistik 5hi 5uadrat yang diperoleh dari relasi dengan Ailk lambda ()1 yang menguji perbedaan antara dua kelompok. (ika =8 benar maka Bj : C2 " 1 " D (p;k)E ln (1@j) mengikuti distribusi 5hi kuadrat dengan derajat bebas p(k"1). *ada output 0*00 hal ini dapat dilihat dari Fabel / berikut. Fabel /4
D&0CG&M&2A2F F12CF&!2 H&IH2 GHJAF&BH CA2!2&CAJ F12CF&!2 DHG&BHD A&J5?0 JAM/DA C=&" 0K1AGH DF 0&I. BAJ1H0 *HGCH2FAIH C!GGHJAF&!2

8 1 $ ' 8.'1971 8.1L78$ 8.88897 31.M$ '7.'' 8.1M 8. L1 8. 89 8.8$7 1 $

8.3'$L 8.7' 1 8.LLL$

7M.M'7 ''.L'1 8.1 M

1$ 3 $

8.88 8.888 8.L'8

0ebelum 6ungsi diskriminan dibentuk "" FUNCTION DERIVED = 0 "" tampak bah+a antarkelompok berbeda se)ara nyata dengan tingkat signi6ikansi sebesar 8,888. Dengan perkataan lain =8 ditolak. 5arena tujuan utama adalah pengelompokan, maka pembentukan 6ungsi diskriminan di)apai dengan menentukan j, j : 1,$,',%,p "" dengan proses matematika "" sedemikian rupa sehingga perbedaan antarkelompok sangat jelas. /anyaknya 6ungsi diskriminan yang dibentuk tergantung dari banyaknya kelompok yang diidenti6ikasi,
Dimana i : 1@(1;ej), dan ej adalah akar karakteristik ( eigen value) kej dari /A1. / adalah variasi@jumlah kuadarat antarkelompok (between groups sum of squares) dan A adalah variasi@jumlah kuadrat dalam kelompok (within groups sum of squares).
1

/*0"12F*A

13L

Analisis Faktor dan Diskriminan

yang se)ara umum adalah sebanyak k1. Fungsi diskri"minan yang dibentuk merupakan kombinasi linier dari peubah pembeda yang dapat membedakan kelompok se)ara maksimum. +. Signi,ikansi Fungsi Diskri"inan 0etelah dapat ditunjukkan bah+a =o4 1 : $ : . . . . . . . : k ditolak, maka sebanyak k"1 6ungsi diskriminan dapat dibentuk. 1ntuk mengetahui apakah k1 6ungsi diskriminan tersebut signi6ikan untuk membedakan k kelompok sehingga layak untuk digunakan untuk analisis selanjutnya, suatu uji dilakukan di mana statistik /artlett Bj : C2 " 1 " D (p;k)E ln (1;ej) dengan 2 : 2& akan mengikuti distribusi 5hi 5uadrat dengan derajat bebas p(k"1) jika =8 benar. Contoh hasil uji dapat dilihat pada Fabel / di mana dari ' 6ungsi diskriminan yang terbentuk untuk membedakan 6ungsi diskriminan saja yang sigini6ikan untuk membedakan kelompok hanya $ kelompok.

1ntuk analisis diskriminan untuk membedakan dua kelompok uji hipotesis untuk mengetahui signi6ikansi 6ungsi diskriminan, statistik B /artlett menjadi lebih sederhana, yaitu4 B:C2 1 D(p;$)Eln(1;e) mengikuti distribusi 5hi"5uadrat dengan derajat bebas p, jika =8 benar. Menurut (ohnson N Ai)hern (1L7$), tujuan 6ungsi pembeda adalah untuk menggambarkan )iri")iri suatu pengamatan dari berma)amma)am populasi yang diketahui, baik se)ara gra6is ataupun se)ara aljabar dengan membentuk 6ungsi pembeda. Fungsi pembeda layak dibentuk bila terdapat perbedaan nilai rata rata diantara kelompok"kelompok yang ada, oleh karena itu sebelum 6ungsi pembeda dibentuk perlu dilakukan pengujian terhadap perbedaan vektor nilai ratarata dari kelompok"kelompok tersebut.

/*0"12F*A

198

Analisis Faktor dan Diskriminan

0eperti telah dijelaskan sebelumnya, dalam pengujian vektor nilai rata rata antarkelompok, asumsi yang harus dipenuhi adalah4 1. *eubah"peubah yang diamati menyebar se)ara normal ganda (multivariate normality). $. 0emua kelompok populasi mempunyai matrik kovarians yang sama (equality of covariance matrices). /erikut ini, diuraikan bagaimana melakukan pengujian kedua asumsi di atas se)ara manual dengan meman6aatkan rumus.

-.i Ken!r"alan Multivariat Menurut 5arson (1L7$), untuk menguji kenormalan multivariat digunakan prosedur yang dikembangkan oleh Mardia (1L98) dengan )ara menghitung dua ma)am ukuran statistik yaitu ukuran skewness (b1,p ) dan kurtosis (b$,p ) yaitu4 O O b1,p : (1@n$) > (#i #)? 01 (#i? #)P' O O 1 b$,p : (1@n) > (#i #)? 0 (#i #)P $ =ipotesis yang digunakan adalah4 =o4 multivariat mengikuti sebaran normal =14 multivariat tidak mengikuti sebaran normal /ila ( b1,p n@3 $ p(p;1) (p;$)@3, dan > b$,p " p (p;$) P @ (7p (p;$)@n) Q (tabel normal), maka =o diterima, berarti multivariat mengikuti sebaran normal. Menurut (ohnson (1L7$), untuk menguji kenormalan ganda adalah dengan men)ari nilai jarak kuadrat untuk setiap pengamatan yaitu di$: (#i"#)? 0"1(#i"#), di mana #i adalah pengamatan yang ke Ri dan 0"1 adalah kebalikan (inverse) matrik kovarians 0.

/*0"12F*A

191

Analisis Faktor dan Diskriminan

5emudian di$ diurutkan dari ke)il ke besar, selanjutnya dibuat plot di$ dengan nilai Chi"5uadrat $(i1@$)@n , di mana i : urutan : 1, $, %%n, dan p : banyaknya peubah. /ila hasil plot dapat didekati dengan garis lurus, maka dapat disimpulkan bah+a data menyebar se)ara normal ganda. Menurut 2orusis (1L73), berdasarkan teori Aahl N 5ronmal (1L99), seringkali kenormalan ganda sulit diperoleh terutama bila sampel yang diambil relati6 ke)il. /ila hal ini terjadi, uji vektor ratarata tetap bisa dilakukan selama asumsi kedua (kesamaan kovarians) dipenuhi. -.i Kesa"aan Matrik K!varians 1ntuk menguji kesamaan matrik kovarians () antar kelompok, digunakan hipotesa4 =o4 1 : $ : . . . . . : k : =14 sedikitnya ada $ kelompok yang berbeda 0tatistik uji yang digunakan adalah statistik /oS?s, yaitu4 $ ln T: (nk) ln UA@(nk)U (ni1) ln U0jU di mana4 U0jU (nj1)@$ T : UA@(nk)U (nk)@$ k : banyaknya kelompok A@(n"k) : matrik kovarians dalam kelompok gabungan 0j : matrik kovarians kelompok ke"j /ila hipotesa nol benar, maka4

/*0"12F*A

19$

Analisis Faktor dan Diskriminan

("$ ln T )@b akan mengikuti sebaran F dengan derajat besar v 1 dan v$ pada tara6 nyata , di mana4 v1 : (1@$) (k1) p (p;1) v$ : (v1;$) @ (a$ a1$) b : v1@(1a1 v1@v$) $p$ ; 'p1 a1 : 3 (k1) (p;1) > 1 (nj1) 1 P (nk)

(p1) (p;$) a$ : 3 (k1)

1 > (nj1)
$

1 (nk)
$

p : jumlah peubah pembeda dalam 6ungsi pembeda (discriminant). 5arena itu, apabila ("$ ln T )@b Fv1,v$, maka tidak ada alasan untuk menolak =o dan dapat disimpulkan bah+a semua kelompok mempunyai matrik kovarians yang sama. 0ebaliknya bila ("$ ln T )@b V F v1,v$, maka =o ditolak.

-.i Vekt!r Nilai Rata rata *engujian terhadap vektor nilai ratarata antarkelompok dilakukan dengan hipotesa4 =o 4 1 : $ : . . . . . . . : k =1 4 sedikitnya ada $ kelompok yang berbeda.

/*0"12F*A

19'

Analisis Faktor dan Diskriminan

0tatistik uji yang digunakan adalah statistik B"/artlett, yang mengikuti sebaran Chi"5uadrat dengan derajat bebas p(k"1), bila bipotesa nol benar. 0tatistik B"/artlett diperoleh melalui4 B : " > (n"1) R (p;k)@$ P ln () di mana4 n : banyaknya pengamatan p : banyaknya peubah dalam 6ungsi pembeda (discriminant) k : banaknya kelompok : UAU : Ailk?s Jamba U/;AU Dalam hal ini4 A : matrik jumlah kuadrat dan hasil kali data dalam kelompok / : matrik jumlah kuadrat dan hasil kali data antar kelompok #ij : pengamatan ke"j pada kelompok ke"i O #i : vektor ratarata kelompok ke"i ni : jumlah pengamatan pada kelompok ke"i O # : vektor ratarata total Apabila B $ p(k"1),(1"), maka tidak ada alasan untuk menolak =o, ini berarti bah+a terdapat perbedaan vektor nilai ratarata antarkelompok. ), maka =o ditolak. /ila dari hasil pengujian di atas ternyata ada perbedaan vektor nilai rataan, maka 6ungsi pembeda (discriminant) layak disusun untuk mengkaji hubungan antarkelompok serta berguna untuk mengelompokkan suatu obyek baru ke dalam salah satu kelompok tersebut.
/*0"12F*A 19

/ila B V $ p(k"1), (1"

Analisis Faktor dan Diskriminan

F. Varia%el Pe"%e&a -ta"a 1ntuk memperoleh 6ungsi diskriminan dengan 0*00 digunakan M+T/OD0DIR+$T. Dengan method ini, 0*00 akan memberikan 6ungsi diskriminan yang merupakan kombinasi linier dari semua variabel pembeda sebagaimana pada persamaan ( .1). 2amun demikian, dengan uji parsial signi6ikansi variabel pembeda akan dapat diperoleh variabel"variabel mana yang sebenarnya tidak berpengaruh nyata dalam membedakan kelompok sehingga tidak perlu ada dalam 6ungsi diskriminan. *enentuan variabel pembeda yang sigini6ikan dalam membedakan kelompok dapat dilakukan dengan )ara bertatar (stepwise) yang prinsipnya sudah dibahas dalam /ab Analisis Gegresi. Dalam 0*00, untuk memperoleh 6ungsi diskriminan yang merupakan kombinasi linier dari variabel pembeda utama dilakukan dengan )ara menggunakan MHF=!D1M : Wilks lambda !ne"plained variance #ahalanobis distance $mallest F %atio %aos &. Dalam prosedur bertatar analisis diskriminan, setiap peubah pembeda yang tidak masuk dalam 6ungsi diskriminan berarti tidak menambah kemampuan membedakan kelompok (discriminating power) dari 6ungsi. Bariabel pembeda utama yang dihasilkan dari proses bertatar merupakan )iri umum dari semua kelompok yang diteliti. Misalnya, jika , menyatakan apakah individu merupakan penduduk miskin atau bukan miskin yang diperoleh apakah pengeluaran per kapita sebulan dari rumah tangganya di perkotaan di atas Gp.LM.888," atau di atas Gp.9M.888," di pedesaan. Bariabel pembeda (#) yang diselidiki misalnya kualitas rumah tinggal, pendidikan kepala rumah tangga, jumlah anggota rumah tangga, jam kerja seminggu dari kepala rumah tangga. Dalam hal ini variabel pembeda merupakan )iri dari penduduk miskin.
1 M

1ntuk lebih mengetahui keunggulan dan kelemahan setiap motode bertatar, pemba)a dianjurkan untuk memba)a 0*00 Ge6eren)e Iuide.

/*0"12F*A

19M

Analisis Faktor dan Diskriminan

1. +valuasi Fungsi Diskri"inan =asil pengelompokan menurut 6ungsi diskriminan tidak selalu sama dengan pengelompokan a+al. /esarnya kesalahan pengelompokan, dengan menganggap pengelompokan a+al adalah benar, merupakan indikator tingkat akurasi dari 6ungsi diskriminan yang dihasilkan. Matriks 1 .$. berikut menunjukkan evaluasi terhadap 6ungsi diskriminan. Matriks 1 .$.
*H2IHJ!M*!5A2 AAAJ *H2IHJ!M*!5A2 MH21G1F F12I0& & D&05G&M&2A2 && (1MJA=

&

211

21$

21W

&&

2$1

2$$

2$W

(1MJA=

2W1

2W$

Dengan menggunakan Matriks 1 .$ dapat dievaluasi tingkat akurasi 6ungsi diskriminan dengan memperhatikan4 (a). *ersentase tepat pengelompokan : (211 ; 21$) @ 2 (b). *robabilita pengelompokan a+al (prior probability) : 21. @ 2 Fungsi diskriminan dikatakan )ukup baik jika (a) 1,$M (b)

F. Analisis Fakt!r Analisis 6aktor adalah suatu analisis data untuk mengetahui 6aktor"6aktor yang dominan dalam menjelaskan suatu masalah. Contoh4 suatu studi ingin mengetahui 6aktor"6aktor dominan yang menentukan keberhasilan program keluarga beren)ana.
/*0"12F*A 193

Analisis Faktor dan Diskriminan

Misalkan ada sekitar $8 peubah bebas yang digunakan untuk menentukan hal tersebut. Analisis 6aktor akan menentukan 6aktor"6aktor apa saja dari ke $8 peubah tersebut yang merupakan 6aktor"6aktor dominan dalam menentukan keberhasilan program keluarga beren)ana. Analisis Faktor dapat dipandang sebagai perluasan analisis komponen utama yang pada dasarnya bertujuan untuk mendapatkan sejumlah ke)il 6aktor yang memiliki si6at" si6at4 1. Mampu menerangkan semaksimal mungkin keragaman data, $. Faktor"6aktor tersebut saling bebas, dan '. Fiap"tiap 6aktor dapat diinterpretasikan. *emilihan metode analisis yang tepat sangat berhubungan dengan variabel dependen dan independennya. Fabel berikut ini merupakan ringkasan penggunaan metode analisis tertentu dengan dependen variabel dan independen yang sesuai.

De2en&en Varia%el &nterval

In&e2en&en Varia%el &nterval

Met!&e Analisis %egression #ultiple Factor 'uadratic Analysis

%egression Partial% (Currlinear)

&nteval &nterval atau Gasio 2ominal 2ominal !rdinal


/*0"12F*A

5ategori

#ultiplicative (interaction) ()ampuran A*+&A #CA #CA A*+&A A*C+&A

interval dan kategori) 2ominal

2ominal &nterval atau Gasio (dapat 2ominal

#A*C+&A #CA ,og ,inear ,ogit-Probit Discriminant Analysis Disesuaikan


199

Analisis Faktor dan Diskriminan

diperlakukan

sebagai &nterval ()ampuran ,ogistic %egression ,og ,inear #odel

nominal atau interval) Dichotomus Dichotomus

interval dan kategori) 5ategori

ANALISIS FAKTOR DAN DISKRIMINAN DALAM SPSS 3.4 FOR 5INDO5S A. Analisis Fakt!r 1ntuk men)oba penerapan model analisis ini pada data susenas, kita bisa men)oba pada data kor untuk pertanyaan konsumsi rumah tangga yaitu konsumsi makanan dan bukan makan. Data tersebut terlebih dahulu distandarkan (distandarisasi dalam satuan yang sama), yaitu dengan melakukan kalkulasi seluruh variabel pengeluaran makanan sebagai berikut4 1. Gin)ian pengeluaran seminggu dikalikan dengan '8@9 menjadi pengeluaran sebulan, $. =asil kali tadi kemudian dibagi lagi dengan jumlah anggota rumah tangga untuk mendapatkan rata"rata pengeluaran per kapita per bulan, '. 1ntuk rin)ian makanan yang datanya untuk setahun yang lalu (kolom setahun yang lalu), dibagi dengan 1$ dahulu untuk mendapatkan pengeluaran per bulan, . =asil tadi dibagi pula dengan jumlah anggota rumah tangga, untuk mendapatkan angka rata"rata pengeluaran per kapita per bulan, M. 1ntuk mempermudah pemba)aan model persamaan yang akan dihasilkan nama variabel diubah menjadi #1 s@d #$ . *rogram $!"2ute variabel baru dituliskan dalam sintaks sebagai berikut4
COMPUTE x1 = (k9r1 / k2r2)*30/7 . VARIABLE LABELS x1 'P !"#P !" $' . COMPUTE x2 = (k9r2 / k2r2)*30/7 . VARIABLE LABELS x2 'U%"#U%" $' .

/*0"12F*A

197

Analisis Faktor dan Diskriminan COMPUTE x3 = (k9r3 / k2r2)*30/7 . VARIABLE LABELS x3 'Ik $' . COMPUTE x& = (k9r& / k2r2)*30/7 . VARIABLE LABELS x& '' ("$(' . COMPUTE x) = (k9r) / k2r2)*30/7 . VARIABLE LABELS x) 'T*+,r ! $ S,-,' . COMPUTE x. = (k9r. / k2r2)*30/7 . VARIABLE LABELS x. 'S /,r#S /,r $' . COMPUTE x7 = (k9r7 /k2r2)*30/7 . VARIABLE LABELS x7 '0 1 $(#0 1 $( $' . COMPUTE x2 = (k9r2 / k2r2)*30/7 . VARIABLE LABELS x2 'B, 3#B, 3 $' . COMPUTE x9 = (k9r9 / k2r2)*30/7 . VARIABLE LABELS x9 'M"$/ k ! $ L*4 k' . COMPUTE x10 = (k9r10 / k2r2)*30/7 . VARIABLE LABELS x10 'B 3 $ M"$,4 $' . COMPUTE x11 = (k9r11 / k2r2)*30/7 . VARIABLE LABELS x11 'B,4%,#B,4%, $' . COMPUTE x12 = (k9r12 / k2r2)*30/7 . VARIABLE LABELS x12 '05$-,4-" L "$$/ ' . COMPUTE x13 = (k9r13 / k2r2)*30/7 . VARIABLE LABELS x13 'M k $ $ ! $ M"$,4 $ 6 !"' . COMPUTE x1& = (k9r1& / k2r2)*30/7 . VARIABLE LABELS x1& 'M"$,4 $ A+k535+' . COMPUTE x1) = (k9r1) / k2r2)*30/7 . VARIABLE LABELS x1) 'T*4% k , ! $ S"r"3' . COMPUTE x17 = (k9r17% / k2r2)/12. VARIABLE LABELS x17 'P*r,4 3 $' . COMPUTE x12 = (k9r12% / k2r2)/12. VARIABLE LABELS x12 'A$*k B r $( ! $ 6 - ' . COMPUTE x19 = (k9r19% / k2r2)/12. VARIABLE LABELS x19 'P*$!"!"k $' . COMPUTE x20 = (k9r20% / k2r2)/12. VARIABLE LABELS x20 '0*-*3 7 $' . COMPUTE x21 = (k9r21% / k2r2)/12. VARIABLE LABELS x21 'A+ - 0 k"' . COMPUTE x22 = (k9r22% / k2r2)/12. VARIABLE LABELS x22 'B r $( T 3 $ L 4 ' . COMPUTE x23 = (k9r23% / k2r2)/12. VARIABLE LABELS x23 'P 8 k ! $ A-,r $-"' . COMPUTE x2& = (k9r2&% / k2r2)/12. VARIABLE LABELS x2& 'P*-7 ! $ U9 1 r ' . E:ECUTE .

1ntuk uji )oba ini digunakan data rumah tangga kor yang sedang akti6, kemudian dijalankan syntaS untuk mendapatkan nilai #1 s@d #$ .

/*0"12F*A

19L

Analisis Faktor dan Diskriminan

Men.alankan Pr!se&ur Analisis Fakt!r


1ntuk penghitungan analisis 6aktor ini tahapannya sebagai berikut4

1. *ilih menu Anal67e, lalu pilih Data re&u8ti!n dan pilih Fa8t!r $. *ilih variabel #1 s@d #$ dan pindahkan ke kotak variabel '. *ilih Des8ri2tives kemudian pada kelompok Statisti8s pilih option Initial s!luti!n, pada kelompok $!rrelati!n Matri9 pilih $!e,,i8iens Signi,i8an8e levels KMO an& Bartlett: dan Deter"inant, kemudian klik $!ntinue. . *ilih +9tra8ti!n, pilih Prin8i2le 8!"2!nents pada Met;!&< pada Anal67e pilih $!rrelati!n "atri9, pada +9tra8t pilih +igenvalue !ver 1, pada Dis2la6 pilih S8ree Pl!t, kemudian klik $!ntinue. M. *ilih R!tati!n kemudian pilih Vari"a9 pada pilihan Met;!&, kemudian klik $!ntinue. 3. 5lik S8!res kemudian pilih Save as varia%les dengan Met;!& sebagai Bartlett. 5lik Dis2la6 ,a8t!r s8!re 8!e,,i8ient "atri9. 5emudian klik $!ntinue. 9. *ilih O2ti!ns kemudian klik S!rte& %6 si7e. 5emudian klik $!ntinue. 7. 5lik OK.

Sintaks Pr!gra" Analisis Fakt!r

/*0"12F*A

178

Analisis Faktor dan Diskriminan

1ntuk menjalankan prosedur analisis 6aktor, dapat Anda gunakan sintaks seperti di ba+ah ini yaitu4
;ACTOR /VARIABLES x1 x2 x3 x& x) x. x7 x2 x9 x10 x11 x12 x13 x1& x1) x17 x12 x19 x20 x21 x22 x23 x2& /MISSI<= LIST>ISE /A<AL?SIS x1 x2 x3 x& x) x. x7 x2 x9 x10 x11 x12 x13 x1& x1) x17 x12 x19 x20 x21 x22 x23 x2& /PRI<T I<ITIAL CORRELATIO< SI= 'ET 0MO ROTATIO< ;SCORE /;ORMAT SORT /PLOT EI=E< /CRITERIA MI<EI=E<(1) ITERATE(2)) /E:TRACTIO< PC /CRITERIA ITERATE(2)) /ROTATIO< VARIMA: /MET@O'=CORRELATIO< .

Output Ta%el -ta"a =ang Di;asilkan Se%agai Berikut>


Total Variance Explained I$"7" + E"(*$C +,*A 5B V r" $1* C,4,+ 7"C* A 22.0&) 22.0&) 9.)1& 31.).0 ..13. 37..9. ).&)1 &3.1&. &.)22 &7.722 &.&3) )2.1.& &.271 )..&3& &.029 .0.)23 3.7&9 .&.272 3.)9& .7.2.. 3.&39 71.30) 3.20) 7&.)10 3.0&9 77.))9 2.222 20.&&1 2..&) 23.02. 2.))0 2)..3. 2.)09 22.1&. 2.377 90.)23 2.122 92..&& 2.11) 9&.7)9 1.270 9...29 1.21. 92.&&) 1.))) 100.000 R57 7"5$ S,4- 5B SD, r*! L5 !"$(T57 + A 5B V r" $1* C,4,+ 7"C* A 2..)7 11.))3 11.))3 2..07 11.33) 22.229 2.272 9.902 32.791 2.270 9.2.9 &2...1 1.131 &.917 &7.)77 1.0)) &.)27 )2.1.&

C5495$*$7 1 2 3 & ) . 7 2 9 10 11 12 13 1& 1) 1. 17 12 19 20 21 22 23

T57 + ).070 2.122 1.&11 1.2)& 1.0)& 1.020 .922 .9&0 .2.2 .227 .791 .737 .701 ...3 ..02 .)27 .)77 .)&7 .&22 .&2. .&30 .&12 .3)2

Ex7r 17"5$ M*735!E Pr"$1"9 + C5495$*$7 A$ +/-"-.

/*0"12F*A

171

Analisis Faktor dan Diskriminan


a Rotated Component Matrix

1 M"$/ k ! $ +*4 k S /,r#- /,r $ % 3 $ 4"$,4 $ %,4%,#%,4%, $ 9 !"#9 !" $ ,%"#,%" $ ! ("$( T*+,r ! $ -,-, 0 1 $(#k 1 $( $ B, 3#%, 3 $ M k $ $! $ 4"$,4 $ 8 !" 9*$!"!"k $ k5$-,4-" + "$$/ % r $( 7 3 $ + 4 $*k % r $( ! $ 8 9*r,4 3 $ 9 8 k ! $ -,r $-" "k $ + - k k" k*-*3 7 $ 7*4% k , ! $ -"r"3 4"$,4 $ +k535+ 9*-7 ! $ ,9 1 r .709 ..7) ..&9 .)73 .&70 .322 2..07E#02 .12) .&33 .139 #.120 ...3&E#02 .212 &.2)1E#02 9.3&3E#02 &.112E#02 #..00.E#02 .32) .2&1 )..9)E#02 .190 ..209E#02 &.)1)E#02

2 .1)) .103 #2.7&9E#03 .3&2 #.393 .3)9 ..22 ..2& .).2 .)27 2.7&9E#02 2.20&E#02 .&30 #..&02E#02 .20. .32) .301 .32. ..9.2E#02 .2&9 #9..)2E#02 #.110 ).227E#03

C5495$*$7 3 #..2..E#03 3.219E#03 .2.2 .10. #.322 #9.2)3E#02 #3.&99E#02 .1)9 9.&22E#02 .2&. .737 .712 .&20 #).712E#02 .)01 .37) ).732E#02 #7.71&E#02 .390 )..9&E#02 .302 .20) #1.92&E#02

& 3.&&)E#02 .21& 3.3))E#02 1.3&1E#02 9.)2.E#02 1.3&0E#02 .23& .20) #1.97.E#02 .30& .177 #..333E#0& &.132E#02 ..20 .)9. .)73 .)22 .&&2 .&3. .&17 2..93E#02 ..929E#02 1.2&3E#02

) 1.32)E#02 #.109 .22. #).17E#02 2.299E#02 .113 7.7&7E#02 7.222E#02 #.112 #2.21E#02 .193 #.1)2 &.22.E#02 )..92E#03 #1.22E#02 ).97)E#02 .2.3 #1.97E#02 &..99E#02 #.13) ..22 #.)97 #..22E#02

. #&.17E#02 #&.29E#02 .102 2.2&.E#02 9.107E#02 2.930E#02 #..01E#03 3.032E#02 7.17&E#02 #).)9E#02 ..731E#02 #2.23E#02 #..11E#02 #2..2E#02 3..39E#02 .1&7 .222 #.111 #2.17E#02 )..&0E#02 1.2&&E#02 7..02E#02 .930

Ex7r 17"5$ M*735!E Pr"$1"9 + C5495$*$7 A$ +/-"-. R57 7"5$ M*735!E V r"4 x F"73 0 "-*r <5r4 +"G 7"5$. . R57 7"5$ 15$C*r(*! "$ 9 "7*r 7"5$-.

/*0"12F*A

17$

Analisis Faktor dan Diskriminan

B. Analisis Diskri"inan
Analisis Diskriminan gunanya membedakan suatu obyek penelitian apakah masuk dalam populasi satu atau yang lainnya, bentuk 6ungsi pembeda dipengaruhi oleh ragam misalnya linier kuadratik obyek yang diskriminan : obyek kelompok. Analisis diskriminan merupakan suatu teknik mengelompokkan individu"individu atau obyek"obyek ke dalam kelompok yang saling bebas berdasarkan peubah"peubah bebas, dengan analisis diskriminan dapat diperoleh suatu 6ungsi diskriminan yang merupakan kombinasi linier variabel"variabel bebas yang dapat membedakan kelompok"kelompok yang sudah terbentuk sebelumnya. 0ebelum melakukan analisis diskriminan perlu diuji terlebih dahulu perbedaan rata"rata kedua populasi, apabila rata"rata kedua populasi sama (tidak berbeda) maka diskriminan analisis tidak layak digunakan. Model dari 6ungsi diskriminan dapat diketahui dari kehomogenan matriS peragam antarkelompok. !byek yang masuk dalam kelompok mempunyai si6at yang homogen sedangkan antarkelompok heterogen berdasarkan variabel"variabel yang digunakan. 5elompok & kelompok && kelompok &&&

1ntuk men)oba analisis ini dengan menggunakan data 0usenas kor 1LLL, maka dapat digunakan data bentukan konsumsi makanan"bukan makanan per kapita perbulan #1 s@d #$ . ,ang di)obakan untuk uji diskriminan berdasarkan kelompok golongan pengeluaran tinggi, sedang dan rendah, yang akan diuji apakah )ukup valid pengelompokan yang dibuat tersebut.

/*0"12F*A

17'

Analisis Faktor dan Diskriminan

0intaks program pengelompokan ' katagori &F (kLr$7<: '88.888) y:1. &F (kLr$7 V '88888) y : $ . &F (kLr$7VM88888) y:'. H#HC1FH .

Men.alankan Pr!se&ur Analisis Diskri"inan


1ntuk menjalankan proses pengolahan data untuk analisis diskriminan menggunakan tahapan sebagai berikut4 1. *ilih Ana67e< $lassi,6< Dis8ri"inant. $. &sikan group variabel dengan variabel ,, minimal 1 maksimal '. '. *ilih S1 s@d S$ untuk variabel independennya. . 5lik -se ste2?ise "et;!& . M. 5lik Statisti8s dan pilih semua pilihan yang ada, kemudian klik $!ntinue. 3. 5lik Met;!& dan pilih yang sesuai, kemudian $!ntinue. 9. 5lik $lassi,6 dan pilih pilihan yang sesuai, 7. 5lik OK. kemudian klik $!ntinue. klik

/*0"12F*A

17

Analisis Faktor dan Diskriminan

Sintaks Pr!gra" Analisis Diskri"inan


'ISCRIMI<A<T /=ROUPS=/(1 3) /VARIABLES=x1 x2 x3 x& x) x. x7 x2 x9 x10 x11 x12 x13 x1& x1) x17 x12 x19 x20 x21 x22 x23 x2& /A<AL?SIS ALL /CLASSI;?=<O<MISSI<= POOLE' MEA<SUB . /PRIORS SIHE /STATISTICS=MEA< ST''EV U<IV; BO:M COE;; RA> CORR COV =COV TCOV TABLE CROSSVALI' /PLOT=COMBI<E' SEPARATE MAP

/asil Output =ang Di2er!le; Se%agai Berikut


b,c Classification Results

Or"("$ +

C5,$7

Cr5--#C +"! 7*!

C5,$7

3 k*+5495k 9*$! 9 7 $ 1.00 2.00 3.00 1.00 2.00 3.00 1.00 2.00 3.00 1.00 2.00 3.00

Pr*!"17*! =r5,9 M*4%*r-3"9 1.00 2.00 3.00 32 3)1 &7 13 732 121 7 37) .27 7.& 21.. 10.9 1.& 79.2 19.& .7 3).1 .&.3 29 3)2 &9 1. 727 129 7 320 .22 ..7 21.9 11.& 1.7 72.0 20.3 .7 3).) .3.2

T57 + &30 932 10.9 100.0 100.0 100.0 &30 932 10.9 100.0 100.0 100.0

. Cr5-- C +"! 7"5$ "- !5$* 5$+/ B5r 735-* 1 -*- "$ 73* $ +/-"-. I$ 1r5-- C +"! 7"5$I * 13 1 -* "1+ --"B"*! %/ 73* B,$17"5$- !*r"C*! Br54 ++ 1 -*- 573*r 73 $ 73 7 1 -*. %. )9.9A 5B 5r"("$ + (r5,9*! 1 -*- 15rr*17+/ 1+ --"B"*!. 1. )9.2A 5B 1r5--#C +"! 7*! (r5,9*! 1 -*- 15rr*17+/ 1+ --"B"*!.

/*0"12F*A

17M