Diskriminan.ppt 162KB Mar 29 2010 04:55:20 AM

(1)

(2)

2

Garis Besar Materi

1) Konsep Dasar

2) Model Analisis Diskriminan

3) Statistics yang terkait dengan Analisis Diskriminan

4) Langkah-langkah Analisis Diskriminan

5) Analisis Diskriminan Berganda

(3)

3

Definisi:

Suatu teknik analisis data di mana variabel

terikat (

criterion

) katagori dan variable

bebas (

predictor

) pada dasarnya interval

Konsep Dasar

(4)

4

Konsep Dasar

(2)(2)

Manfaat Analisis Diskriminan dipergunakan :

1. Melihat signifikansi perbedaan dua kelompok sampel atau lebih 2. Menemukan variabel-variabel yang membedakan secara

signifikan dua kelompok atau lebih.

Contoh :

1. Analisis perbedaan Keberhasilan studi mahasiswa jurusan

Manajemen antara mahasiswa yang berasal dari SLTA jurusan IPA dan SLTA jurusan IPS.

2. Analisis perbedaan konsumen wanita dan pria dalam melakukan keputusan pembelian mobil.

(5)

5

Model Analisis

Diskriminan

D = b

₀₀

+ b

₁₁

X

₁₁

+ b

₂₂

X

₂₂

+ b

₃₃

X

₃₃

+ …….. + b

_k_k

X

_k_k

dimana :

D = skor diskriminan

B

_0….k

= Bobot atau coefisien diskriminan

X

_1…k

= prediktor atau variabel bebas

(6)

6

Statistik dalam Analisis

Diskriminan

•

Cannonical correlation

•

Centroid

•

Classification matrix

•

Discriminant function coefficients

•

Discriminant scores

•

Eigenvalue

•

F values

•

Group means and group standard deviation

•

Pooled within-group correlation matrix

•

Standardized discriminant function coefficients

•

Structure correlations

•

Total correlations matrix

(7)

7

Langkah-langkah Analisis

Diskriminan

Rumuskan Permasalahan

Estimasikan koefisien fungsi Diskriminan

Tentukan signifikansi dari fungsi Diskriminan

Interpretasikan Hasil

Uji Validitas Analisis Diskriminan

(8)

8

Contoh Kasus

Manajer suatu resort ingin menentukan karakteristik yang penting dari keluarga yang mengunjungi resort selama dua tahun terakhir. Data diperoleh dari 30 sampel yang ditunjukkan pada tabel di bawah ini :

No. Resort _Visit

Annual Family Income ($000) Attitude Toward Travel Importance Attached to Family Vacation Househ old Size Age of Head of Household Amount Spent on Family Vacation

1 1 50,2 5 8 3 43 M (2)

2 1 70,3 6 7 4 61 H (3)

3 1 62,9 7 5 6 52 H (3)

4 1 48,5 7 5 5 36 L (1)

5 1 52,7 6 6 4 55 H (3)

25 2 37,3 2 7 4 54 L (1)

26 2 41,8 5 1 3 56 M (2)

27 2 57 8 3 2 36 M (2)

28 2 33,4 6 8 2 50 L (1)

29 2 37,5 3 2 3 48 L (1)

30 2 41,3 3 3 2 42 L (1)

(9)

9

Interpretasi Output

(1)

Model Diskriminan :

D = -7,9766275 + 0,0847654 Income + 0,0496874 Travel + 0,1202997 Vacation + 0,4274510 H_Size + 0,0245560 Age

Penentuan Signifikansi :

Wilks- sebesar 0,359 yang senilai dengan chi square 26,130

pada df 5 tingkat signifikasi 0,000

(10)

10

Interpretasi Output

(2)

Interpretasi :

Diskriminan koefisien diinterpretasikan layaknya koefisien regresi berganda. Koefisien diskriminan menggambarkan kontribusi relatif pada kekuatan fungsi diskriminan. Variabel bebas dengan koefisien standar relatif besar memberikan

kontribusi lebih besar dibandingkan dengan variabel bebas dengan koefisien diskriminan yang kecil.

Klasifikasi Individu (cases)

:

1. Hitung Skor Diskriminan untuk rata-rata kelompok pertama, dan rata-rata kelompok kedua.

2. Hitung Cutting Score

(11)

11

Hitung Skor

Diskriminan

Kelompok

Kelompok IncomeIncome TravelTravel VacationVacation HH Size Size AgeAge

1 (Visit)

1 (Visit) 60,5260,52 5,45,4 5,85,8 4,334,33 53,7353,73

2 (Not Visit)

2 (Not Visit) 41,9141,91 4,334,33 4,04,077 2,82,8 50,1350,13

Skor Diskriminan kelompok 1 (Visit) :

D₁ = -7,9766275 + 0,0847654 (60,52) + 0,0496874 (5,4) + 0,1202997 (5,8) + 0,4274510 (4,33) + 0,0245560 (53,73)

D₁ = 1,291188628

Skor Diskriminan kelompok 2 (Not Visit) :

D₂ = -7,9766275 + 0,0847654 (41,91) + 0,0496874 (4,33) + 0,1202997 (4,07) + 0,4274510 (2,8) + 0,0245560 (50,13)

(12)

12

Hitung Cutting Score

Kondisi

Cutting Score

Jml anggota sama Y

_cs

= (D

₁

– D

₂

)/2

Jml anggota beda Y

_cs

= n

₁

(D

₁₎

– n

₂

(D

₂

)/(n

₁

+n

₂

).

Karena Jml kelompok 1 = jumlah kelompok 2 = 15 orang, maka cutting scorenya :

Y

_cs_cs

= 1,291188628 – (-1,291358755)/2

Y

_cs_cs

= -8,50633E-05

atau

Y

(13)

13

Klasifikasi Individu

a. Hitung skor diskriminan masang-masing individu

b. Apabila skor diskriminan individu lebih besar daripada cutting score, maka individu tsb masuk dalam kelompok 1 dan sebaliknya.

Cutting Score = -0,0000850633

Kel Awal

Discrim. Score

Kel Akhir

Salah Masuk

1

-0,17230832

2

***

1

2,33032292

1

(14)

14

Hitung Hit Rate

Dari tabel pengklasifikasian terdapat tiga

individu yang tidak berada pada kelompok

semula, sehingga kita dapat menghitung hit rate

sebesar (30-3)/30 x 100 % = 90 %