BAB IV PENGOLAHAN DATA - lsoupnjatim.files.wordpress.com · PENGOLAHAN DATA 4.1 Print Output dan...

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI

MODUL 7 (ANALISIS DISKRIMINAN)

SESI / Meja

BAB IV

PENGOLAHAN DATA

4.1 Print Output dan Analisa Output

A. Diskriminan

Parameter :

1. Grup 1 : Konsumen (responden) yang sering berkunjung ke .....

Grup 2 : Konsumen (responden) yang sering berkunjung ke ......

2. Untuk Wilk’s Lambda

• Apabila nilai Wilk’s Lambda mendekati 0 maka data antar grup

cenderung berbeda.

• Apabila nilai Wilk’s Lambda mendekati 1 maka data antar grup

cenderung sama.

3. Untuk Signifikan

F value > 3,84 = Ho diterima

F value ≤ 3,84 = Ho ditolak

4. Untuk ANOVA

• F hitung < F tabel, maka Ho diterima

Ho : σ12 = σ2

2 ; maka tiap grup mempunyai varians yang sama (identik)

• F hitung > F tabel, maka Ho ditolak

H1 : σ12 ≠ σ2

2 ; maka tiap grup mempunyai varians yang berbeda (tidak

identik)



SESI / Meja

1. Analisis Case Processing Summary

Analysis Case Processing Summary

Unweighted Cases N Percent

Valid 49 98,0

Excluded Missing or out-of-range

group codes 1 2,0

At least one missing

discriminating variable 0 ,0

Both missing or out-of-range

group codes and at least

one missing discriminating

variable

0 ,0

Total 1 2,0

Total 50 100,0

Gambar 4.1 Analisis Case Processing Summary

Analisa :

Dalam analisa output dapat dianalisa bahwa data (responden) yang valid

sebanyak 49 atau 98% dan ada 1 data (responden) atau 2,0% yang tidak

valid yang dibuang dari total 50 data (responden).

2. Group Statistic

Group Statistics

Average Linkage (Between Groups) Mean Std. Deviation

Valid N (listwise)

Unweighted Weighted

1 Kenyamanan 2,00 .a 1 1,000

Kebersihan 3,00 .a 1 1,000

Luas_Parkir 3,00 .a 1 1,000

Loc_Strat 3,00 .a 1 1,000

JumKasir 4,00 .a 1 1,000

PelKasir 5,00 .a 1 1,000

Harga 5,00 .a 1 1,000

Tataletak 4,00 .a 1 1,000

KualitasPro 5,00 .a 1 1,000

Ketersediaan 2,00 .a 1 1,000



SESI / Meja

Keamanan 3,00 .a 1 1,000

2 Kenyamanan 3,54 ,849 48 48,000

Kebersihan 3,94 ,783 48 48,000

Luas_Parkir 3,94 ,909 48 48,000

Loc_Strat 3,96 ,874 48 48,000

JumKasir 3,71 ,743 48 48,000

PelKasir 3,71 ,874 48 48,000

Harga 3,54 ,824 48 48,000

Tataletak 3,15 ,772 48 48,000

KualitasPro 3,69 ,776 48 48,000

Ketersediaan 3,71 ,849 48 48,000

Keamanan 3,56 ,823 48 48,000

Total Kenyamanan 3,51 ,869 49 49,000

Kebersihan 3,92 ,786 49 49,000

Luas_Parkir 3,92 ,909 49 49,000

Loc_Strat 3,94 ,876 49 49,000

JumKasir 3,71 ,736 49 49,000

PelKasir 3,73 ,884 49 49,000

Harga 3,57 ,842 49 49,000

Tataletak 3,16 ,773 49 49,000

KualitasPro 3,71 ,791 49 49,000

Ketersediaan 3,67 ,875 49 49,000

Keamanan 3,55 ,818 49 49,000

a. Insufficient data

Gambar 4.2 Group Statistic

Analisa :

Total group statistik pada dasarnya berisi data statistik deskriptif yang

utama, yakni rata-rata dan standard deviasi, dari kedua group. Dari tabel

juga terlihat ada 1 responden yang tergolong group 1. Dan sisanya sebanyak

48 responden yang tergolong group 2. Jika melihat semua variabel

(Kenyamanan, kebersihan...........) yang muncul ini berarti tidak ada variabel

yang hilang yakni ada 11 variabel.



SESI / Meja

3. Analisa Test Of Equality Of Goup Means

Tests of Equality of Group Means

Wilks' Lambda F df1 df2 Sig.

Kenyamanan ,936 3,226 1 47 ,079

Kebersihan ,971 1,404 1 47 ,242

Luas_Parkir ,978 1,043 1 47 ,312

Loc_Strat ,976 1,177 1 47 ,283

JumKasir ,997 ,151 1 47 ,699

PelKasir ,956 2,139 1 47 ,150

Harga ,939 3,068 1 47 ,086

Tataletak ,975 1,201 1 47 ,279

KualitasPro ,944 2,801 1 47 ,101

Ketersediaan ,922 3,962 1 47 ,052

Keamanan ,990 ,458 1 47 ,502

Gambar 4.3 Analisa Test Of Equality Of Goup Means

Analisa:

V1 = df1 = 1

V2 = df2 = 47

Didapatkan Ftabel = 4,05

a. Kenyaman

Nilai Wilk’s Lambda 0,935 mendekati 1 artinya data tiap group cenderung

sama. Nilai Fhitung < Ftabel = 3,226 < 4,05 yang artinya H0 ditolak, maka data

group mempunyai varians yang berbeda ( tidak identik). Nilai Sig. 0,079 >

0,05 yang artinya H0 ditolak, maka ada perbedaan antar group.

b. ( IDEM )



SESI / Meja

B. Stepwise

1. Variables Entered / Removed

Variables Entered/Removeda,b,c,d

Step Entered

Min. D Squared

Statistic

Between

Groups

Exact F

Statistic df1 df2 Sig.

1 Ketersediaan 4,044 1 and 2 3,962 1 47,000 ,052

2 Harga 10,107 1 and 2 4,845 2 46,000 ,012

3 KualitasPro 15,449 1 and 2 4,830 3 45,000 ,005

At each step, the variable that maximizes the Mahalanobis distance between the two closest groups is

entered.

a. Maximum number of steps is 22.

b. Minimum partial F to enter is 3.84.

c. Maximum partial F to remove is 2.71.

d. F level, tolerance, or VIN insufficient for further computation.

Gambar 4.4 Variables Entered / Removed

Analisa :

Berdasarkan tabel output diatas variabel (Ketersediaan, Harga, KualitasPro)

memiliki angka Sig di bawah 0,05. Dengan demikian dari ke 11 variabel

yang dimasukkan, hanya ada 3 variabel yang signifikkan. Atau bisa di

katakan variabel (Ketersediaan, harga, Kualitas Pro) mempengaruhi

keputusan konsumen untuk berkunjung.



SESI / Meja

2. Variables Not In The Analysis

Variables Not in the Analysis

Step Tolerance Min. Tolerance F to Enter Min. D Squared

Between

Groups

0 Kenyamanan 1,000 1,000 3,226 3,294 1 and 2

Kebersihan 1,000 1,000 1,404 1,434 1 and 2

Luas_Parkir 1,000 1,000 1,043 1,064 1 and 2

Loc_Strat 1,000 1,000 1,177 1,202 1 and 2

JumKasir 1,000 1,000 ,151 ,154 1 and 2

PelKasir 1,000 1,000 2,139 2,183 1 and 2

Harga 1,000 1,000 3,068 3,132 1 and 2

Tataletak 1,000 1,000 1,201 1,226 1 and 2

KualitasPro 1,000 1,000 2,801 2,860 1 and 2

Ketersediaan 1,000 1,000 3,962 4,044 1 and 2

Keamanan 1,000 1,000 ,458 ,467 1 and 2

1 Kenyamanan ,883 ,883 1,274 5,485 1 and 2

Kebersihan ,664 ,664 ,001 4,046 1 and 2

Luas_Parkir ,972 ,972 ,436 4,537 1 and 2

Loc_Strat ,976 ,976 ,557 4,674 1 and 2

JumKasir ,983 ,983 ,390 4,485 1 and 2

PelKasir ,999 ,999 1,773 6,049 1 and 2

Harga ,915 ,915 5,361 10,107 1 and 2

Tataletak ,932 ,932 2,527 6,903 1 and 2

KualitasPro 1,000 1,000 2,457 6,823 1 and 2

Keamanan 1,000 1,000 ,423 4,522 1 and 2

2 Kenyamanan ,839 ,839 2,508 13,343 1 and 2

Kebersihan ,628 ,628 ,307 10,502 1 and 2

Luas_Parkir ,867 ,817 1,981 12,664 1 and 2

Loc_Strat ,922 ,864 1,551 12,109 1 and 2

JumKasir ,967 ,900 ,097 10,231 1 and 2

PelKasir ,906 ,830 ,376 10,592 1 and 2

Tataletak ,920 ,843 3,026 14,012 1 and 2

KualitasPro ,944 ,864 4,139 15,449 1 and 2

Keamanan ,997 ,913 ,246 10,424 1 and 2

3 Kenyamanan ,823 ,810 3,169 20,017 1 and 2

Kebersihan ,589 ,589 ,002 15,453 1 and 2

Luas_Parkir ,864 ,769 2,075 18,440 1 and 2



SESI / Meja

Loc_Strat ,868 ,792 2,868 19,584 1 and 2

JumKasir ,958 ,846 ,012 15,467 1 and 2

PelKasir ,890 ,772 ,108 15,605 1 and 2

Tataletak ,554 ,554 ,308 15,894 1 and 2

Keamanan ,941 ,854 ,000 15,449 1 and 2

Gambar 4.5 Variables Not In The Analysis

Analisa:

Tabel ini adalah kebalikan dari tabel sebelumnya, dimana tabel ini justru

yang di tayangkan adalah proses pengeluaran variabel secara bertahap.

a. Pada step 0 (keadaan awal) ke-11 variabel secara lengkap di tayangkan

dengan angka F to Enter sebagai faktor penguji. Terlihat angka F to Enter

yang terbesar adalah variabel ketersediaan angka 3,962. Berdasarkan Min D

Squared paling tinggi dari signifikan >0,05 maka variabel ketersediaan

dikeluarkan dari step 0 untuk dianalisa lebih lanjut dalam model

diskriminan.

b. Pada step 1, sekarang terlihat hanya ada 10 variabel, dan terlihat ke 10

variabel tersebut yang mempunyai angka F to Enter tertinggi adalah Harga

(5,361) dan Min D Squared tertinggi (10,107) maka variabel Harga

dikeluarkan dari step 1 untuk dianalisa lebih lanjut dalam model

diskriminan.

c. ( IDEM )



SESI / Meja

3. Wilks` Lambda

Wilks' Lambda

Step

Number of

Variables

Lambd

a df1 df2 df3

Exact F

Statistic df1 df2 Sig.

1 1 ,922 1 1 47 3,962 1 47,000 ,052

2 2 ,826 2 1 47 4,845 2 46,000 ,012

3 3 ,756 3 1 47 4,830 3 45,000 ,005

Gambar 4.6 Wilks` Lambda

Analisa :

Wilk’s Lambda pada prinsipnya adalah varians total dalam diskriminan scores yang

tidak bisa dijelaskan oleh perbedaan diantara grup-grup yang ada. Perhatikan tabel

diatas yang terdiri dari 3 tahap (step) yang terkait dengan 3 variabel secara

berurutan dimasukan pada tahapan analisa sebelumnya. Dengan nilai varians

92,2%, 82,6% dan 75,6% Dari kolom F dan signifikansi, terlihat baik pada

pemasukan variabel 1, 2 dan 3 adalah signifikansi secara statistik. Dengan nilai Sig.

< 0,05 hal ini berarti terdapat perbedaan yang signifikan antara kelompok yang

sering dengan yang jarang berkunjung.

C. Summary Of Caninical Discriminan

1. Eigenvalues

Eigenvalues

Function Eigenvalue % of Variance Cumulative %

Canonical

Correlation

1 ,322a 100,0 100,0 ,494

a. First 1 canonical discriminant functions were used in the analysis.

Gambar 4.7 eigenvalues



SESI / Meja

Analisa :

Canonical Correlation mengukur keeratan hubungan antara diskriminan

score dengan grup. Angka 0,494 menunjukkan keeratan yang cukup tinggi,

dengan ukuran skala asosiasi antara 0 sampai 1.

2. Lambda

Wilks' Lambda

Test of Function(s) Wilks' Lambda Chi-square df Sig.

1 ,756 12,701 3 ,005

Gambar 4.8 Lambda

Analisa :

Tabel tersebut menyatakan angka akhir Wilk’s Lambda, yang sebenarnya

sama saja dengan angka terakhir dari step 2 pembuatan model diskriminan.

Angka Chi-Square sebesar 12,701 dengan tingkat signifikansi yang kurang

dari 0,05 tidak menunjukkan perbedaan yang jelas.



SESI / Meja

4. Structure Matrix

Structure Matrix

Function

1

Ketersediaan -,512

Harga ,450

KualitasPro ,430

Kebersihana -,294

PelKasira ,281

Loc_Strata ,203

Keamanana -,170

Tataletaka ,155

Luas_Parkira ,147

JumKasira ,067

Kenyamanana ,032

Pooled within-groups

correlations between

discriminating variables and

standardized canonical

discriminant functions

Variables ordered by

absolute size of correlation

within function.

a. This variable not used in

the analysis.

Gambar 4.9 structure matrix

Analisa :

Tabel structure matrix menjelaskan korelasi antara variabel independen

dengan fungsi diskriminan yang terbentuk. Terlihat

Kebersihan,..................... tidak termasuk dalam model deskriminan.

Sedangkan ketersediaan dan Harga dan kualitas pro termasuk dalam model

diskriminan.



SESI / Meja

5. Canonical Discriminan Function Coefficients

Canonical Discriminant

Function Coefficients

Function

1

Harga ,975

KualitasPro ,780

Ketersediaan -,869

(Constant) -3,186

Unstandardized coefficients

Gambar 4.10 Canonical Discriminan Function Coefficients

Analisa :

Tabel di atas mempunyai fungsi yang hampir mirip dengan persamaan

regresi ganda, yang dalam analisis diskriminan disebut sebagai fungsi

diskriminan. Z Score = -3,186 + 0,975 Harga + 0,780 Kualitas Pro + ( -

0,869 ) Ketersediaan Kegunaan fungsi tersebut untuk mengetahui sebuah

case ( dalam kasus ini TEMPAT KALIAN ) masuk pada grup satu, ataukah

tergolong pada grup lainnya. Selain fungsi di atas, dengan di pilihnya Fisher

Function Coefficient pada proses analisis, maka akan terbentuk pula fungsi

diskriminan Fisher.

6. Functions At Group Centroids

Functions at Group Centroids

Average Linkage (Between

Groups)

Function

1

1 3,850

2 -,080

Unstandardized canonical discriminant

functions evaluated at group means

Gambar 4.11 Functions At Group Centroids



SESI / Meja

Analisa :

Karena ada dua tipe keputusan, maka disebut Two-Group Discriminant,

dimana grup yang satu mempunyai centroid (group means) Positif, dan grup

yang satu mempunyai centroid (group means) negatif. Angka pada tabel

menunjukkan besaran ”Z” memisahkan kedua grup tersebut.

D. Clasification

1. Classification Processing Summary

Classification Processing Summary

Processed 50

Excluded Missing or out-of-range group

codes 0

At least one missing

discriminating variable 0

Used in Output 50

Gambar 4.12 Classification Processing Summary

Analisa :

Dari tabel di atas menyatakan bahwa terdapat 50 data yang telah diproses

tanpa ada data yang hilang dan semua data digunakan dalam output.

2. Prior Probabillities For Groups

Prior Probabilities for Groups


Groups) Prior

Cases Used in Analysis

Unweighted Weighted

1 ,500 1 1,000

2 ,500 48 48,000

Total 1,000 49 49,000

Gambar 4.13 Prior Probabillities For Groups



SESI / Meja

Analisa :

Terlihat distribusi anggota grup, memperlihatkan komposisi dimana dari 49

responden yang dengan model diskriminan menghasilkan 48 orang ada pada

grup 2 (responden yang jarang berkunjung), dan 1 orang yang ada pada grup

1 (responden yang berkunjung).

3. Casewise Statistic

Gambar 4.14 Casewise Statistic

Analisa :

Tabel output casewise di atas pada prinsipnya ingin menguji apakah model

diskriminan yang terbentuk akan mengelompokkan dengan tepat seorang

pengunjung “.............” pada kategori 1 atau 2.



SESI / Meja

4. Clasification Results

Classification Resultsa,c


Groups)

Predicted Group Membership

Total

1 2

Original Count 1 1 0 1

2 2 46 48

Ungrouped cases 0 1 1

% 1 100,0 ,0 100,0

2 4,2 95,8 100,0

Ungrouped cases ,0 100,0 100,0

Cross-validatedb Count 1 0 1 1

2 2 46 48

% 1 ,0 100,0 100,0

2 4,2 95,8 100,0

a. 95,9% of original grouped cases correctly classified.

b. Cross validation is done only for those cases in the analysis. In cross validation, each case is classified by

the functions derived from all cases other than that case.

c. 93,9% of cross-validated grouped cases correctly classified.

Gambar 4.15 Clasification Results

Analisa :

Setelah fungsi diskriminan dibuat, kemudian klasifikasi dilakukan, maka

selanjutnya akan dilihat seberapa jauh klasifikasi tersebut sudah tepat atau,

berapa persen terjadi misklasifikasi pada proses klasifikasi tersebut, yang

akan dijelaskan melalui tabel di atas. Pada bagian original, terlihat bahwa

mereka yang pada data awal tergolong kategori 1 dan 2 adalah tetap dan

tidak ada perpindahan (misklasifikasi). Dengan 0 data yang tidak masuk

dalam proses diskriminan. Ketepatan prediksi dalam model ini adalah

100%. Maka model dsikriminan di atas sebenarnya bisa digunakan untuk

analisis diskriminan karena ketepatan mencapai 100%.

BAB IV PENGOLAHAN DATA - lsoupnjatim.files.wordpress.com · PENGOLAHAN DATA 4.1 Print Output dan...

Documents

Transcript of BAB IV PENGOLAHAN DATA - lsoupnjatim.files.wordpress.com · PENGOLAHAN DATA 4.1 Print Output dan...