analisis diskriminan
DESCRIPTION
Analisis Diskriminan. 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. Konsep Dasar (1). Definisi: - PowerPoint PPT PresentationTRANSCRIPT
1
2
Garis Besar MateriGaris Besar Materi1) Konsep Dasar1) Konsep Dasar2) Model Analisis Diskriminan2) Model Analisis Diskriminan3) Statistics yang terkait dengan Analisis Diskriminan3) Statistics yang terkait dengan Analisis Diskriminan
4) Langkah-langkah Analisis Diskriminan4) Langkah-langkah Analisis Diskriminan5) Analisis Diskriminan Berganda5) Analisis Diskriminan Berganda
3
Definisi:Definisi:
Suatu teknik analisis data di mana variabel Suatu teknik analisis data di mana variabel terikat (terikat (criterioncriterion) katagori dan variable ) katagori dan variable bebas (bebas (predictorpredictor) pada dasarnya interval) pada dasarnya interval
Konsep Dasar Konsep Dasar (1)(1)
4
Konsep Dasar Konsep Dasar (2)(2)
Manfaat Analisis Diskriminan dipergunakan :1. Melihat signifikansi perbedaan dua kelompok sampel atau lebih2. 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.
3. Analisis orang kota dan desa dalam melakukan investasi.
5
Model Analisis Model Analisis DiskriminanDiskriminan
D = bD = b00 + b + b11XX11 + b + b22XX22 + b + b33XX33 + …….. + b + …….. + bkkXXkk
dimana :
D = skor diskriminan
B0….k = Bobot atau coefisien diskriminan
X1…k = prediktor atau variabel bebas
Sumber : (Malhotra; 1993)
6
Statistik dalam Analisis Statistik dalam Analisis DiskriminanDiskriminan
• Cannonical correlationCannonical correlation• CentroidCentroid• Classification matrixClassification matrix• Discriminant function coefficientsDiscriminant function coefficients• Discriminant scoresDiscriminant scores• EigenvalueEigenvalue• F valuesF values• Group means and group standard deviationGroup means and group standard deviation• Pooled within-group correlation matrixPooled within-group correlation matrix• Standardized discriminant function coefficientsStandardized discriminant function coefficients• Structure correlationsStructure correlations• Total correlations matrixTotal correlations matrix• Wiks’s Wiks’s
7
Langkah-langkah Analisis Langkah-langkah Analisis DiskriminanDiskriminan
Rumuskan PermasalahanRumuskan Permasalahan
Estimasikan koefisien fungsi DiskriminanEstimasikan koefisien fungsi Diskriminan
Tentukan signifikansi dari fungsi DiskriminanTentukan signifikansi dari fungsi Diskriminan
Interpretasikan HasilInterpretasikan Hasil
Uji Validitas Analisis DiskriminanUji Validitas Analisis Diskriminan
8
Contoh KasusContoh KasusManajer 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
Household 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
Interpretasi Output Interpretasi Output (1)(1)
Model Diskriminan :Model Diskriminan :D = -7,9766275 + 0,0847654 Income + 0,0496874 Travel + 0,1202997 Vacation + 0,4274510 H_Size + 0,0245560 Age
Penentuan Signifikansi :Penentuan Signifikansi :Wilks- sebesar 0,359 yang senilai dengan chi square 26,130 pada df 5 tingkat signifikasi 0,000
Jadi : interpretasi atas fungsi diskriminan dapat dilakukan.
10
Interpretasi Output Interpretasi Output (2)(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 3. Klasifikasikan masing-masing individu 4. Hitung hit rate
11
Hitung Skor Hitung Skor DiskriminanDiskriminan
KelompokKelompok IncomeIncome TravelTravel VacationVacation HH Size Size AgeAge
1 (Visit)1 (Visit) 60,5260,52 5,45,4 5,85,8 4,334,3353,7353,73
2 (Not Visit)2 (Not Visit) 41,9141,91 4,334,33 4,04,077 2,82,850,1350,13
Skor Diskriminan kelompok 1 (Visit) :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) :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)
D2 = -1,291358755
12
Hitung Cutting ScoreHitung Cutting Score
Kondisi Cutting Score
Jml anggota sama Ycs = (D1 – D2)/2
Jml anggota beda Ycs = n1(D1) – n2(D2)/(n1+n2).
Karena Jml kelompok 1 = jumlah kelompok 2 = 15 orang, maka cutting scorenya :
YYcscs = 1,291188628 – (-1,291358755)/2 = 1,291188628 – (-1,291358755)/2
YYcscs = -8,50633E-05 = -8,50633E-05 atau
YYcscs = = -0,0000850633-0,0000850633
13
Klasifikasi IndividuKlasifikasi Individua. 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 = -0,0000850633Kel AwalKel Awal Discrim. ScoreDiscrim. Score Kel AkhirKel Akhir Salah MasukSalah Masuk
1 -0,17230832 2 ***
1 2,33032292 1
dan seterusnya …….
14
Hitung Hit RateHitung Hit RateDari tabel pengklasifikasian terdapat tiga Dari tabel pengklasifikasian terdapat tiga individu yang tidak berada pada kelompok individu yang tidak berada pada kelompok semula, sehingga kita dapat menghitung hit rate semula, sehingga kita dapat menghitung hit rate sebesar (30-3)/30 x 100 % = 90 %sebesar (30-3)/30 x 100 % = 90 %