ANALISIS DISKRIMINAN

TUJUAN Ingin mengetahui faktor-faktor apa saja yang paling mendiskriminankan suatu unit kegiatan ekonomi SUKSES atau GAGAL

STRUKTUR PERSAMAAN Z = ao + b1X1 + b2X2 + ….. + bnXn dimana Z = Variabel dependen yang berskala nominal 1 = gagal 2 = sukses X = Variabel independen yang mendiskriminankan yang berskala interval atau rasio

Contoh soal Berikut data yang bertujuan untuk menganalisis faktor-faktor yang menyebabkan seorang mahasiswa FE Gagal atau Sukses kuliah di FE Trisakti

NO Z IQ Kerajinan (jam/hari) NEM matematika Waktu Leissure 1 Gagal 102 0.5 4.50 6.20 2 105 0.75 5.25 3 110 0.25 4.35 5.60 4 112 4.48 7.75 5 107 1.0 3.35 6.25 6 115 5.10 6.50 7 118 1.5 4.40 8 Sukses 120 2.3 6.70 2.30 9 128 8.25 1.22 10 125 2.4 7.50 1.55 11 130 3.5 8.85 2.25 12 5.2 1.23 13 132 4.5 8.80 1.78 14 129 7.90 1.88 15 135 6.2 9.20 2.1

Dimana Z terdiri dari 1 = gagal yaitu mahasiswa yang memiliki IP < 2 minimal selama 4 semester dan lulus lebih dari 5 tahun dengan IP 2 – 2,5 2 = Sukses yaitu mahasiswa yang memiliki IP > 3 dan lulus minimal 4 tahun

LANGKAH-LANGKAH PENGERJAKAN Pastikan data sudah siap seperti ditunjukkan pada gambar berikut

Klik Analyze, Classify, Discriminant seperti pada gambar berikut :

Pada kotak dialog Discriminant Analysis Masukkan variabel group kedalam grouping variable dan Variabel IQ, kerajinan, Nemmatek dan leissure kedalam kolom independent

Pada kolom Grouping Variabel tentukan definisi dari kode variabel dependen dengan Klik Define Range Pada kolom Minimum ketik angka 1 untuk kelompok sukses dan pada kolom maksimum ketik angka 2 untuk kelompok sukses lalu KLIK CONTINUE

Pada kotak Independent masukkan seluruh variabel independen yaitu IQ, Kerajinan, NEM Matek dan Leissure seperti pada gambar berikut : Klik Statistik sehingga akan muncul kotak dialog berikut ini :

Pilih Means, Univariate ANOVAs pada Descriptive dan Unstandardized pada Function Coefficients seperti ditunjukkan gambar berikut lalu KLIK Continue

Pilih Use Stepwise Method pada gambar berikut lalu KLIK Method sehingga akan KLIK Classify sehingga akan muncul kotak dialog berikut ini

Pada kotak Display Pilih Casewise result dan sumary table lalu Klik Continue

Terakhir Klik OK sehingga akan muncul hasil print-out analisis diskriminan berikut ini

Hasil Print-out Analisis Diskriminan Analisis dari proses pengolahan data ditunjukkan dengan nilai valid sebesar 15 dalan dalam persen 100 yang artinya tidak ada data yang missing atau dengan kata lain seluruh data sudah lengkap (tidak ada data yang cacat.

Hasil dari Group Statistik menunjukkan data deskriptif dari variabel-variabel baik untuk kelompok GAGAL, SUKSES ATAU TOTAL

Test of Equailty of Group Means menunjukkan uji beda 2 rata-rata untuk masing-masing variabel dimana dari keempat variabel yang digunakan seluruhnya terbukti berbeda secara signifikan (karena sig dari F < 0,05 yang menunjukkan Ho ditolak dan Ha diterima dengan hipotesis yang diajukan Ho : u1 = u2 tidak ada perbedaan rata-rata untuk setiap variabel antara yang gagal dan sukses Ha : u1 ≠ u2 Ada perbedaan rata-rata untuk setiap variabel antara yang gagal dan sukses

STEPWISE ANALYSIS Digunakan untuk menguji variabel independen mana yang paling membedakan antara kelompok yang gagal dan sukses kuliah di Fakultas Ekonomi Pada tahap 0, Leissure merupakan faktor yang paling menyebabkan seseorang gagal atau sukses sehingga variabel ini keluar (memiliki nilai F paling tinggi yaitu 112,758 Pada tahap satu variabel Nem Matek merupakan variabel yang signifikan membedakan seseorang sukses atau gagal karena memiliki nilai F paling tinggi yaitu 6,7443 Pada tahap dua sudah tidak ada variabel yang memiliki nilai F > 3,84 sehingga sudah tidak ada lagi variabel yang paling menentukan seseorang gagal atau sukses

Membentuk fungsi diskriminan Model diskriminan yang dihasilkan dinyatakan dengan persamaan : Z = 1,951 – 0,849 Nem Matek + 0,932 Leissure

Menentukan Cut-off Digunakan untuk mengidentifikasikan seseorang masuk dalam kelompok gagal atau sukses Seseorang dikatakan GAGAL jika memiliki nilai Z-score minimal 3,738 SUKSES jika memiliki nilai Z-score maksimal -3, 271

Casewise Statistics Digunakan untuk mengidentifikasikan data aktual dengan prediksi model diskriminannya

Classification Result Merupakan kesimpulan akhir yang menentukan seberapa besar model diskriminan yang dihasilkan mampu memprediksi kondisi aktualnya