BAB III METODOLOGI PENELITIAN
D. Metode Analisis Data
2. Teknik Analisis Data
Analisis data yang digunakan dalam penelitian ini adalah analisis
diskriminan. Analisis Diskriminan adalah salah satu tehnik analisa
objek beberapa kelompok. 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.
Analisis diskriminan adalah teknik multivariate yang termasuk
dependence method, yakni adanya variabel dependen dan variabel
independen. Dengan demikian ada variabel yang hasilnya tergantung dari
data variable independen. Analisis diskriminan mirip regresi linier
berganda (multivariable regression).
Perbedaannya analisis diskriminan digunakan apabila variabel
dependennya kategoris (maksudnya kalau menggunakan skala ordinal
maupun nominal) dan variabel independennya menggunakan skala metric
(interval danrasio). Sedangkan dalam regresi berganda variabel
dependennya harus metric dan jika variabelnya independen, bisa metric
maupun nonmetrik.
Pendekatan yang dilakukan untuk membuat fungsi diskriminan
pada prinsipnya ada dua metode dasar untuk itu, yakni Simultaneous estimation, di mana semua variabel dimasukkan secara bersama – sama kemudian dilakukan proses diskriminan. Kemudian Stepwise estimation, di mana variabel dimasukkan satu persatu ke dalam model diskriminan. Pada
proses ini, tentu ada variabel. Dalam kesempatan kali ini yang akan
digunakan adalah metode Simultaneous estimation. a. Model Dasar Analisis Diskriminan
Perbedaannya adalah kalau variabel dependen regresi berganda
dilambangkan dengan Y, maka dalam analisis diskriminan
dilambangkan dengan D. Model analisis diskriminan adalah sebuah
persamaan yang menunjukkan suatu kombinasi linier dari berbagai
variabel independen, yaitu:
D = b0 +b1x1 + b2x2 + b3x3 + …+ bnxn
Dengan :
D = skor diskriminan
b = koefisien diskriminasi atau bobot
x = predictor atau variabel independent
b. Tujuan Analisis Diskriminan
Menurut (Supranto, 2004: 77), tujuan analisis diskriminan adalah
sebagai berikut:
1) Membuat suatu fungsi diskriminan atau kombinasi linier, dari
prediktor atau variabel bebas yang bisa mendiskriminasi atau
membedakan kategori variabel tak bebas atau criterion atau kelompok, artinya mampu membedakan suatu objek (responden)
masuk kelompok/ kategori yang mana.
2) Menguji apakah ada perbedaan signifikan antara kategori/
kelompok, dikaitkan dengan variabel bebas atau prediktor.
3) Menentukan prediktor/variable bebas yang mana yang
memberikan sumbangan terbesar terhadap terjadinya perbedaan
antar kelompok.
kelompok/ kategori didasarkan pada nilai variabel bebas.
5) Mengevaluasi keakuratan klasifikasi (the accuracy of classification).
c. Proses Diskriminan
Menurut Santoso (2002: 144), proses dasar dari analisis
diskriminan adalah sebagai berikut:
1) Memisah variabel-variabel menjadi variabel dependen dan variabel
independen.
2) Menentukan metode untuk membuat fungsi diskriminan. Pada
prinsipnya ada dua metode dasar untuk itu, yakni:
a) Simultaneous Estimation, dimana semua variabel dimasukkans ecara bersama-sama kemudian dilakukan proses diskriminan.
b) Step-wise Estimation, dimanavariabel dimasukkan satu per satu kedalam model diskriminan. Pada proses ini, tentu ada variabel
yang tetap ada pada model, dan ada kemungkinan satu atau
lebih variabel independen yang dibuangdari model.
3) Menguji signifikansi dari fungsi diskriminan yang telah terbentuk,
dengan menggunakan Wilk’s Lambda, Pilai, F test, dan lainnya. 4) Menguji ketepatan klasifikasi dari fungsi diskriminan, termasuk
mengetahui ketepatan klasifikasi secara individual dengan
Casewise Diagnostic.
5) Melakukan intepretasi terhadap fungsi diskriminan tersebut
d. Asumsi Analisis Diskriminan
Asumsi penting yang harus dipenuhi agar model analisis
diskriminan dapat digunakan sebagai berikut.
1) Multivariate Normality, atau variable independen seharusnya berdistribusi normal. Jikat idak berdistribusi normal, hal ini akan
menyebabkan masalah pada ketepatan fungsi (model) diskriminan.
Regresi logistik bisa dijadikan alternatif metode jika memang data
tidak berdistribusi normal.
2) Matriks kovarians dari semua variabel independen seharusnya sama.
3) Tidak ada korelasi antar variable independen. Jika dua variable
independen mempunyai korelasi yang kuat, maka dikatakan terjadi
multikolinieritas.
4) Tidak adanya data yang sangat ekstrim (outlier) pada variable independen. Jika ada outlier yang tetap diproses, hal ini bisa
berakibat berkurangnya ketepatan klarifikasi dari fungsi
diskriminan. (Santosa, 2002:145).
Analisis diskriminan tidak terlalu sensitive dengan pelanggaran
asumsi ini, kecuali pelanggarannya bersifat ekstrim (Hair et al., 1987: 76). Meski demikian lebih baik semua asumsi tersebut terpenuhi.
Dalam tahap asumsi ananalisis diskriminan dilakukan uji-uji sebagai
1) Uji Asumsi Klasik
a) Uji normalitas
Uji normalitas bertujuan untuk menguji apakah dalam
model variabel pengganggu atau residual memiliki distribusi
normal. Kalau asumsi ini dilanggar maka uji statistic menjadi
tidak valid untuk jumlah sampel kecil. Ada dua cara untuk
mendeteksi apakah residual berdistribusi normal atau tidak
yaitu dengan analisis grafik dan uji statistik.
Dalam melakukan uji normalitas dapat diketahui
dengan menggunakan Kolmogorov-Smirnov Test. Dalam uji normalitas ini, diperoleh hipotesis:
Ho : Variable bebas tidak terdistribusi secara normal
Hi : Variable bebas terdistribusi secara normal
Apabila rasio Kolmogorov-Smirnov berada lebih dari nilai signifikasni 0,05 maka Ho ditolak, apabila kurang dari nilai
signifikansi maka Ho diterima dan Hi ditolak.
b) Uji Multikoleaniearitas
Uji multikolinearitas bertujuan untuk menguji apakah model
regresi ditemukan adanya korelasi antar variabel bebas
(independent). Model yang baik seharusnya tidak terjadi
korelasi diantara variabel independent. Jika variabel
independent saling berkorelasi, maka variabel-variabel ini tidak
orthogonal. Variabel orthogonal adalah variabel independent
sama dengan nol.
nilai VIF (Variance Inflation Factor) tidak lebih dari 10 dan nilai tolerance tidak kurang dari 0,1. Semakin tinggi VIF maka
tolerance semakin rendah. Sehingga model dapat dikatakan terbebas dari multikolinerietas.
Dalam uji multikolinearitas ini diperoleh hipotesis
sebagai berikut:
Ho : Tidak terdapat hubungan/pengaruh antar variable bebas
Hi : Terdapat hubungan/pengaruh antar variable bebas
Apabila nilai VIF (Variance Inflation Factor) kurang dari 10 dan nilai tolerance kurang dari 0,1 maka Ho diterima. Namun apabila VIF (Variance Inflation Factor) lebih dari 10 dan nilai tolerance lebih dari 0,1tersebut maka Ho ditolak. c) Uji Heterokesditas
Uji heteroskedastisitas bertujuan menguji apakah dalam
model terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika variance dari residual atau pengamatan ke pengamatan lain tetap, maka
disebut homoskedastisitas dan jika berbeda disebut
heteroskedastisitas.
Model yang baik adalah yang homoskedastisitas atau
tidak terjadi heterokedastisitas. Kebanyakan data crossection
mengandung situasi heteroskedastisitas karena data ini
menghimpun data yang mewakili berbagai ukuran (kecil,
Salah satu cara untuk melihat apakah terjadi
ketidaksamaan variance adalah dengan melihat grafik scatter plot.
Dalam uji ini, diperoleh hipotesis sebagai berikut:
Ho : Tidak Terjadi kesamaan variance dari data yang diamati atau terjadi heterokedastisitas.
Hi : Terjadi kesamaan variance dari data yang diamati atau tidak terjadi heterokedastisitas.
Apabila tidak terdapat pola tertentu pada scatter plot, maka
dapat dikatakan bahwa Ho ditolak yang berarti Hi diterima.
Apabila terdapat pola tertentu pada grafik scatter plot, maka dapat
dikatakan bahwa Ho diterima, yang artinya dalam model terdapat
heterokedasitas.
2) Mengidentifikasi Variabel Diskriminan
Identifikasi variable bertujuan untuk mengetahui apakah
variabel-variabel penelitian dapat digunakan untuk menguji
perbedaan antar kelompok. Hipotesis dalam identifikasi ini adalah
sebagai berikut:
Ho : Variabel tersebut tidak dapat digunakan untuk
mengidentifikasi perbedaan antar kategori
Hi : Variabel tersebut dapat digunakan untuk mengidentifikasi
perbedaan antar kategori.
Kriteria dalam identifikasi ini adalah apabila jika nilai Sig.
signifikansi 0,05 maka Ho ditolak. Apabila lebih besar dari taraf
signifikansi maka Ho diterima.
3) Menentukan Fungsi Diskriminan
Menurut (Santoso, 2002:164), kegunaan fungsi diskriminan
adalah untuk mengetahui sebuah case (dalam hal ini seorang pelanggan) masuk pada grup yang satu ataukah tergolong pada
grup yang lainnya. Hipotesis yang digunakan adalah sebagai
berikut:
Ho: Tidak terdapat perbedaan rata-rata antara dua kategori.
Hi: Terdapat perbedaan rata-rata antara dua kategori.
Kriteria dalam menentukan fungsi diskriminan ini adalah
apabila jika nilai nilai Sig. F test tabelWilk’s Lambda kurang dari taraf signifikansi 0,05 maka Ho ditolak. Apabila lebih besar dari
taraf signifikansi maka Ho diterima. Hi diterima artinya fungsi
diskriminan yang dibentuk memang benar-benar bisa membedakan
e. Kerangka Berfikir Variable X - Reliability - Responsiveness - Assurance - Empaty - Tangible Uji kusioner - Validitas - Realibilitas
Uji asumsi klasik - Uji Normalitas - Uji multikulinearitas - Uji heterokedastisitas
Analisis diskriminan
- Identifikasi variable diskriminan - Uji asumsi analisis diskriminan - Menentukan fungsi diskriminan - Interpretasi fungsi diskriminan - Validasi Analisis diskriminan
Analisis dan pembahasan
Kesimpulan
Variable Y
54