tugas kelompok analisis diskriminan elgy adi martumpal haris

Click here to load reader

Post on 24-Jul-2015

1.823 views

Category:

Documents

14 download

Embed Size (px)

TRANSCRIPT

TUGAS KELOMPOK ANALISIS MULTIVARIAT II Analisis Diskriminan di PT. HATCO Anggota :1.ELGY FIRMANSYAH (140610090045) 2.ADI MULYANA (140610090061) 3.MARTUMPAL C P S(140610090085) 4.HARIS NUGROHO (140610097001) Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Padjadjaran 2012 1. ANALISIS DISKRIMINAN 1.1 Pendahuluan AnalisisDiskriminanadalahteknikMultivariatyangtermasukpadaDependenceMethod, dengan ciri adanya variabel dependen dan independen. Dengan demikian, ada variabel yang hasilnya tergantungpadadatavariabelindependen.Cirikhususanalisisdiskriminanadalahdataveriabel dependen harus berupa data kategori, sedangkan data untuk variabel independen justru berupa data rasio. Secarateknis,analisisdiskriminanmiripdengananalisisregresi,karenakeduanyamempunyai variabel dependen dan variabel independen dalam modelnya. Hanya pada analisis regresi (sederhana maupunberganda),variabeldependenharusdatarasio;sedangkanpadaanalisisdiskriminan,jenis data untuk variabel dependen harus kategori. 1.2 Asumsi pada Analisis Diskriminan Asumsi penting yang harus dipenuhi agar model diskriminan bisa digunakan adalah: 1.NormalitasMultivariat.Variabeldependenharusberdistribusinormal,jikadatatidak berdistribusinormal,haliniakanmenyebabkanmasalahpadaketetapanfungsi(model) diskriminan. 2.Homoskedastisitas data. Matriks kovarians dari semua variabel independen seharusnya sama. 3.Tidakadakorelasiantarvariabelindependen.Jikaduavariabelindependenmempunyai korelasi yang kuat, dikatakan terjadi multikolinieritas. 4.Tidakadanyadatayangsangatekstrem(outlier)padavariabelindependen.Jikaadadata outlier yang tetap diproses, hal ini bisa berakibat berkurangnya ketepatan klasifikasi dari fungsi diskriminan. 2. Contoh Kasus 2.1 Tujuan Analisis Diskriminan PT.HATCOadalahsebuahperusahaanyangbergerakdibidangGoodandService,tentusaja dalammengembangkanusahanyaPT.HATCOmemerlukanbahandasaruntukmembuatproduk. BahandasarinidibelidaripabrikyangmemproduksibahandasardalampengembanganusahaPT. HATCO.DalampembelianbahandasartersebutPT.HATCOtidakasalmembelikarenaPT.HATCO tidak ingin membeli bahan dasar yang nantinya malah merugikan PT. HATCO itu sendiri. Ada 6 faktor yang mempengaruhi keputusan PT. HATCO dalam pembelian bahan dasar yang diproduksi oleh suatu pabrik,antaralain:DeliverySpeed(DS),ManufacturerImage(MI),Service(Se),SalesForceImage (SFI),ProductQuality(PQ),UsageLevel(UL).PT.HATCOinginmengetahuifaktorapasajayang mempengaruhikeputusandalammembelisuatubahandasar,olehkarenaitudilakuanAnalisis Diskriminan untuk mengetahui: 1.ApakahmemangadaperbedaanyangjelasdiantarakeputusanyangdiambilPT.HATCO, sehingga keputusan membeli bahan dasar atau tidak dapat dengan jelas dibedakan? 2.Jika memang ada perbedaan di antara keputusan yang diambil oleh PT. HATCO, faktor mana yang perbedaannya memang nyata dan faktor mana yang sesungguhnya tidak jelas berbeda? 3.ModelDiskriminanuntukmemprediksiPT.HATCOmembeliatautidakbahandasaryang dihasilkan oleh suatu pabrik? 4.Sejauhmanaketepatanmodeldiskriminanyangsudahdiperolehdalammemprediksi keputusan PT. HATCO dalam membeli bahan dasar? 2.2 Jumlah Sampel Padaanalisisdiskriminaninidigunakanduajenissampel,yaknianalysissampleyang digunakanuntukmembuatFungsiDiskriminan,sertaholdoutsample(splitsample)yangdigunakan untuk menguji hasil diskriminan. Analysis sample sebanyak 60 sampel dan holdout sample sebanyak 40 sampel. Data dari 60 pabrik yang digunakan untuk analisis ditampilkan dalam tabel di bawah: Analysis Sample Pabrik X1X2X3X4X5X6Y 14,14,72,42,35,2320 21,86,62,548,4431 33,464,32,78,2481 42,75,91,82,37,8320 567,83,44,64,5581 61,94,82,61,99,7450 74,66,63,54,57,6461 81,35,12,82,26,9440 95,54,73,537,6631 10463,73,28,7541 112,44,822,85,8320 123,94,632,58,3470 132,83,82,11,46,6390 143,75,72,73,76,7380 154,76,732,66,8541 163,44,72,71,74,8490 173,25,13,62,96,2381 184,94,33,41,55,9400 195,36,13,33,96,8541 204,76,732,66,8551 213,342,11,86,3410 223,42,51,21,75,2350 2337,13,53,48,4551 242,44,81,92,57,2360 255,14,83,32,63,8491 264,65,83,42,84,7491 272,44,81,92,57,2360 285,26,13,23,96,7541 293,53,53,11,75,4490 304,15,53,938,4461 3135,33,138431 322,86,93,33,28,2531 335,25,93,72,44,6601 343,45,73,53,48,4471 352,43,41,71,16,2350 361,84,52,52,47,6390 373,65,83,72,59,3441 3845,42,42,67,3461 3935,41,12,68,9291 402,44,52,12,28,8280 411,94,62,62,57,7400 425,97,83,44,64,5581 434,94,53,61,36,2530 Pabrik X1X2X3X4X5X6Y 4454,73,12,53,7481 4523,72,41,78,5380 4654,63,71,46,3540 473,14,52,63,23,8550 483,45,63,62,39,1431 495,84,532,46,7570 505,433,81,45,2530 513,762,12,55,2410 522,653,62,59531 534,55,94,33,48,8501 542,84,92,52,69,2320 553,82,91,62,15,6390 562,972,83,67,7471 574,96,94,649,6621 585,45,5437,7651 594,35,43,12,54,4461 602,34,73,32,28,7501 Data dari 40 pabrik yang digunakan untuk menguji analisis ditampilkan dalam tabel di bawah: Holdout Sample Pabrik X1X2X3X4X5X6Y 613,14,52,63,13,8540 625,15,83,62,34,5601 634,15,52,52,77,4471 6434,93,42,66361 651,14,71,63,210400 663,74,52,62,36,8450 674,26,23,33,97,3591 681,65,332,57,1461 695,33,73,51,94,8580 702,35,232,39,1491 713,66,24,52,98,4501 725,63,141,65,3550 733,64,82,91,94,9510 745,24,53,32,77,3601 7536,62,42,78,2411 764,24,93,22,78,5491 773,86,12,22,65,3420 783,33,32,91,55,2470 7914,51,53,19,9390 804,54,63,12,16,8560 815,53,83,62,14,9590 823,48,244,46,3471 831,66,42,33,88,2411 842,3532,57,4370 852,662,82,86,8531 862,54,22,82,29430 872,45,92,72,76,7511 882,14,82,82,37,2360 892,96,122,58341 904,36,33,447,4601 9137,133,87,9491 924,84,23,31,45,8390 Pabrik X1X2X3X4X5X6Y 933,17,83,645,9431 941,94,92,22,58,2360 9544,52,22,15310 960,650,72,18,4250 976,14,83,32,87,1601 98252,42,78,4380 993,16,82,62,98,4421 1002,552,236330 Keterangan: Pabrik: Pabrik ke-i yang diambil sebagai sampel X1: Delivery Speed (DS) X2: Manufacturer Image (MI) X3: Service (Se) X4: Sales Force Image (SFI) X5: Product Quality (PQ) X6: Usage Level (UL) Y: Keputusan PT. HATCO (1=beli, 0=tidak beli) 3. PENGUJIAN ASUMSI 3.1 Uji Normalitas Multivariat Uji normalitas pada multivariat ada dua cara. Pertama, dengan menguji pada setiap variabel. Kedua,dilakukanpadaseluruhvariabelsecarabersama-sama.Padakasusinidilakukanpengujian secara bersama-sama. Pengujian normalitas dibantu dengan software MS. Excel 2007. 3.1.1 Input data Dari data di atas diketahui: 1 X= 3,65833 21S= 1,68349 2 X= 5,235 21S= 1,30401 3 X= 2,96 21S= 0,59227 4 X= 2,655 21S= 0,67472 5 X= 6,95833 21S= 2,66925 6 X= 46,15 21S= 79,3839 Matriks Kovarians (((((((((

=79,384 1,635 - 2,530 4,944 4,103 7,6761,635 - 2,669 0,160 0,171 0,354 0,914 -2,530 0,160 0,675 0,210 0,735 0,2654,944 0,171 0,210 0,592 0,372 0,5644,103 0,354 0,735 0,372 1,304 0,3327,676 0,914 - 0,265 0,564 0,332 1,683S(((((((((

=0,034 0,011 0,003 - 0,191 - 0,035 - 0,079 -0,011 0,646 0,082 - 0,739 - 0,100 - 0,5810,003 - 0,082 - 3,924 0,350 2,195 - 0,334 -0,191 - 0,739 - 0,350 4,670 0,458 - 1,060 -0,035 - 0,100 - 2,195 - 0,458 - 2,228 0,1630,079 - 0,581 0,334 - 1,060 - 0,163 1,6441S 3.1.2 Pengujian Pengujian dilakukan dengan menggunakan software EXCEL, dapat dilihat pada tabel di bawah: Pabrik 1 1 X X 2 2 X X 3 3 X X 4 4 X X 5 5 X X 6 6 X X 2) ( jd2) ( jddiurutkan |.|

\| 605 , 026j_10,442-0,535-0,560-0,355-1,758-14,1506,6501,2860,815 2-1,8581,365-0,4601,3451,442-3,1506,6142,1081,237 3-0,2580,7651,3400,0451,2421,8506,5982,1081,517 4-0,9580,665-1,160-0,3550,842-14,1508,2152,1221,744 52,3422,5650,4401,945-2,45811,85010,2582,2261,941 6-1,758-0,435-0,360-0,7552,742-1,1505,7252,3452,120 70,9421,3650,5401,8450,642-0,1507,6302,3742,285 8-2,358-0,135-0,160-0,455-0,058-2,1507,8142,6362,441 91,842-0,5350,5400,3450,64216,8509,7302,7542,589 100,3420,7650,7400,5451,7427,8502,2262,7742,732 11-1,258-0,435-0,9600,145-1,158-14,1504,5912,8092,870 120,242-0,6350,040-0,1551,3420,8502,3453,5403,004 13-0,858-1,435-0,860-1,255-0,358-7,1502,8093,5433,135 140,0420,465-0,2601,045-0,258-8,1504,7463,7083,264 151,0421,4650,040-0,055-0,1587,8507,0913,7133,392 16-0,258-0,535-0,260-0,955-2,1582,8505,1023,8123,517 17-0,458-0,1350,6400,245-0,758-8,1508,8374,2693,642 181,242-0,9350,440-1,155-1,058-6,1508,0484,2953,766 191,6420,8650,3401,245-0,1587,8504,2954,4363,889 201,0421,4650,040-0,055-0,1588,8507,3794,5644,012 21-0,358-1,235-0,860-0,855-0,658-5,1502,1224,5914,136 22-0,258-2,735-1,760-0,955-1,758-11,15010,5034,5984,259 23-0,6581,8650,5400,7451,4428,8505,1944,6984,383 24-1,258-0,435-1,060-0,1550,242-10,1502,1084,7464,508 251,442-0,4350,340-0,055-3,1582,8504,8034,7664,633 260,9420,5650,4400,145-2,2582,8503,5404,8034,760 27-1,258-0,435-1,060-0,1550,242-10,1502,1084,8174,887 281,5420,8650,2401,245-0,2587,8504,2695,1025,017 29-0,158-1,7350,140-0,955-1,5582,8505,1585,1585,148 300,4420,2650,9400,3451,442-0,1503,7085,1815,281 31-0,6580,0650,1400,3451,042-3,1501,2865,1945,416 32-0,8581,6650,3400,5451,2426,8504,8175,6095,554 331,5420,6650,740-0,255-2,35813,8506,1585,6535,694 34-0,2580,4650,5400,7451,4420,8502,3745,7255,837 35-1,258-1,835-1,260-1,555-0,758-11,1504,7665,7765,984 36-1,858-0,735-0,460-0,2550,642-7,1502,7545,8916,134 37-0,0580,5650,740-0,1552,342-2,1504,6986,0416,288 380,3420,165-0,560-0,0550,342-0,1502,7746,1586,447 39-3,6580,165-1,860-0,0551,942-17,15010,7936,1816,611 Pabrik 1 1 X X 2 2 X X 3 3 X X 4 4 X X 5 5 X X 6 6 X X 2) ( jd2) ( jddiurutkan |.|

\| 605 , 026j_40-1,258-0,735-0,860-0,4551,842-18,1506,1816,2216,780 41-1,758-0,635-0,360-0,1550,742-6,1502,6366,5986,955 422,2422,5650,4401,945-2,45811,85010,1166,6147,137 431,242-0,7350,640-1,355-0,7586,8506,0416,6507,327 441,342-0,5350,140-0,155-3,2581,8504,5647,0917,525 45-1,658-1,535-0,560-0,9551,542-8,1503,5437,3797,733 461,342-0,6350,740-1,255-0,6587,8505,8917,6307,952 47-0,558-0,735-0,3600,545-3,1588,85015,8907,8098,183 48-0,2580,3650,640-0,3552,142-3,1504,4367,8148,429 492,142-0,7350,040-0,255-0,25810,8507,9497,9498,692 501,742-2,2350,840-1,255-1,7586,8509,1968,0488,975 510,0420,765-0,860-0,155-1,758-5,1505,7768,2159,282 52-1,058-0,2350,640-0,1552,0426,8505,1818,8379,618 530,8420,6651,3400,7451,8423,8505,6539,0239,992 54-0,