Contoh Soal Analisis Diskriminan dengan Menggunakan ... · PDF fileDemikian seterusnya untuk...

download Contoh Soal Analisis Diskriminan dengan Menggunakan ... · PDF fileDemikian seterusnya untuk konsumen tau kasus ... 30 3 19 6 7 1 45 ... Jawaban : OUTPUT SPSS Wilks' Lambda

If you can't read please download the document

Transcript of Contoh Soal Analisis Diskriminan dengan Menggunakan ... · PDF fileDemikian seterusnya untuk...

  • Contoh Soal Analisis Diskriminan dengan Menggunakan Program SPSS

    1. Sebuah perusahaan bergerak dalam penjualan Air Mineral mengumpulkan data sekelompok konsumen air mineral dengan variabel berikut;

    Tipe konsumen dari banyak tipe Air Mineral yang minum dengan kode: Kode 0 = SEDIKIT (konsumne yang termasuk tipe sedikit minum air mineral) Kode 1 = BANYAK (konsumen yang termasuk tipe bnayak minum air Mineral)

    Usia konsumen (tahun) Berat badan konsumen (kilogram) Tinggi badan konsumen (centimeter) Pendapatan konsumen (ribuan rupiah/bulan) Jam kerja konsumen dalam sehari (jam) Kegiatan olahraga konsumen dalam sehari (jam)

    NB: Variabel NAMA tidak disetakan dalam proses Analisis diskriminan karena berupa data string (berisi karakter dan bukan angka) No Nama Minum Usia Berat Tinggi Income Jam

    kerja Olahraga

    1 Rusdi Sedikit 40 65 154 680 5.33 3.0 2 Nina sedikit 30 70 157 700 5.30 3.6 3 Lanny sedikit 25 60 158 580 5.27 3.5 4 citra sedikit 26 75 160 600 5.33 3.0 5 Dina Sedikit 40 50 159 700 5.5 3.5 6 Siska Banyak 28 62 158 440 5 2.2 7 Lusi Sedikit 29 50 160 580 5.07 2.9 8 Lenny Sedikit 40 52 165 800 5.13 4 9 Rudi Banyak 35 68 150 700 5.17 3.5 10 Roby Sedikit 36 70 152 720 5.23 3.6 11 Bambang Sedikit 39 50 154 780 5.33 3.9 12 Yunus Sedikit 30 62 155 600 5.30 3 13 Lestari Sedikit 34 60 157 680 5.27 2.9 14 Erni Banyak 35 51 160 700 5.33 4 15 Esti Banyak 29 62 165 580 5.5 3.5 16 Hany Banyak 30 51 162 600 5 3.6 17 Hesty Sedikit 35 80 157 700 5.33 3.9 18 Susan Banyak 22 52 154 440 5.3 3 19 Lilis Sedikit 40 72 155 800 5.27 3.4 20 Lita Banyak 41 45 164 820 5.33 3.5 21 Lina Sedikit 32 42 160 640 5.5 2.9 22 Rani Sedikit 29 54 157 580 5.30 3 23 Baby Banyak 21 35 150 420 5.27 3.5 24 Andre Banyak 25 50 154 500 5.07 2.5 25 Hengky Sedikit 30 60 158 600 5.2 3 26 Hana Sedikit 45 40 159 900 5.13 4.5

  • 27 Eli Banyak 35 45 158 700 5.17 3.5 28 Renata Sedikit 35 42 152 700 5.23 3.5 29 Dewi Banyak 30 51 156 600 5.3 3 30 Jodan Sedikit 24 75 154 480 5.13 2.4 31 Gunawan Banyak 28 42 155 560 5.17 2.8 32 Lina Banyak 27 51 157 540 5.23 2.7 33 Vina Banyak 20 55 159 400 5.3 2 34 Rina Sedikit 26 70 160 520 5.33 2.6 35 Sugeng Sedikit 29 40 162 580 5.4 2.9 36 Handoko Banyak 20 42 156 400 5.2 2.0 37 Herman Banyak 35 51 153 700 5.1 3.5 38 Sobari Sedikit 31 70 162 620 5.4 3.1 39 Rully Banyak 34 55 164 680 5.74 3.4 40 Binsar Sedikit 28 52 160 560 5.33 2.8 41 Fanny Banyak 29 51 165 580 5.5 2.9 42 Fenny Banyak 21 40 162 420 5.4 2.1 43 Yulita Sedikit 22 70 179 440 5.23 2.2 44 Yulia Banyak 22 65 159 440 5.3 2.2 45 Richard Sedikit 25 47 154 500 5.13 2.1 46 Rosy Banyak 30 40 158 600 5.27 2.2 47 Leoni Sedikit 45 49 159 900 5.3 2.2 48 Agnes Sedikit 35 59 156 700 5.2 2.5 49 Deddy Banyak 39 70 175 780 5.13 3 50 Dodik Banyak 34 45 155 680 5.17 4.5 51 Dimas Banyak 24 58 160 480 5.33 2.4 52 Kiky Sedikit 31 75 175 620 5.4 3.1 53 Conny Sedikit 32 70 156 640 5.2 3.2 54 Mary Sedikit 35 59 160 700 5.33 3.5 55 Susy Banyak 38 70 174 760 5.4 3.8 56 Usman Banyak 20 46 163 400 5.43 2 57 Salim Banyak 25 55 168 500 5.13 2.5 58 James Banyak 29 49 153 580 510 2.9 59 Joni Banyak 28 62 179 700 5.4 3.5 60 Jono Sedikit 27 41 148 780 5.2 3.9 61 Kristanto Sedikit 26 47 160 680 5.33 3.4 62 Karim Banyak 22 47 164 480 5.4 2.4 63 Melani Sedikit 20 49 157 760 5.43 3.8 64 Rusmin Banyak 24 48 178 400 5.13 2 65 Sulastri Sedikit 25 59 160 500 5.1 2.5 66 Liliana Banyak 32 48 162 420 5.3 2.1 67 Prihardi Banyak 34 46 168 740 5.07 3.7 68 Suhardi Sedikit 32 45 159 700 5.1 3.5 69 Susana Banyak 21 58 158 600 5.3 3

  • 70 Titik Sedikit 37 47 159 720 5.07 3.6 71 Tatik Banyak 35 46 175 700 5.3 3.5 72 Nanik Sedikit 30 52 150 600 5.27 3.6 73 Ninik Sedikit 36 44 162 720 5.3 3.5 74 Nuning Banyak 39 55 162 780 5.2 2.5 75 Gala Banyak 30 50 165 600 5.5 2.1 Contoh Interprestasi Data :

    Pada baris pertama, konsumen dengan nama Rusdi ternyata termasuk orang yang sedikit minum Air Mineral. Ia berusia 40 tahun, berat badan 65 kilogram dengan tingga 154 centimeter, penghasilan perbulan Rp. 680.000,- dalam sehari pekerja rata-rata 5,33 jam, serta melakukan aktivitas berolah raga rata-rata 3 jam perhari. Demikian seterusnya untuk konsumen tau kasus selanjunya.

    Dari file diskriminan yang berisi profil Pembelian Air Mineral dalam Kemasan (AMDK) dari segala macam merk tersebut, akan dilakukan analisis diskriminan untuk mengetahui:

    Apakah ada perbedaan yang signifikan antara mereka yang banyak minum AMDK dengan mereka yang sedikit meminumnya?

    Jika ada perbedaan yang signifikan, variabel apa saja yang membuat perilaku konsumsi air mineral mereka berbeda?

    Membuat model diskriminan dua factor (karena hanya ada mereka yang SEDIKIT dengan yang BANYAK) untuk kasus tersebut.

    Menguji ketepatan model (fungsi) diskriminan.

    Langkah-langkah Analisis Data dengan menggunakan SPSS: Buka file Diskriminan Dari menu Analyze, pilih submenu Classify, lalu pilih Diskriminan

    Pengisian (mirip dengan pengisian pada modul selanjutnya): - Masukan variabel minum pada bagian Grouping Variabel - Kemudian buka icon Define Range., Masukan angka 0 pada variabel minimum dan angka 1

    pada variabel maksimum. Kemudian tekan tombol Continue untuk kembali ke kotak dialog utama.

    Soal Berikutnya

    2. Seorang peneliti menggunakan analisis diskriminan untuk mendapatkan fungsi guna menduga frekuensi liburan keluarga (Y), dimana variable Y terdiri dari 3 kategori, yakni Y=1 untuk frekuensi liburan rendah, Y=2 untuk frekuensi liburan sedang, Y=3 untuk frekuensi liburan tinggi. Variabel yang digunakan sebagai penduga Y adalah :

    X1= pendapatan keluarga per bulan (juta rupiah)

    X2= sikap terhadap perjalanan (skala 1-7, dari sangat negatif sampai sangat positif)

  • X3= tingkat kepentingan liburan keluarga (skala 1-7, dari sangat tidak penting sampai sangat penting)

    X4= jumlah anggota keluarga

    X5=umur kepala keluarga

    Adapun data sebagai berikut :

    No Y X1 X2 X3 X4 X5

    1 1 1,5 1 1 6 25

    2 1 2 1 1 7 30

    3 1 1,17 1 1 8 55

    4 1 3,5 2 1 9 60

    5 1 1,25 2 1 5 30

    6 2 5,3 3 3 3 32

    7 2 6,5 3 4 4 31

    8 2 4,7 4 4 4 45

    9 2 4,65 4 3 5 42

    10 2 3,75 5 4 5 41

    11 3 10 7 7 2 43

    12 3 15 6 7 1 45

    13 3 13 7 6 3 29

    14 3 14 6 6 2 28

    15 3 8 7 6 2 26

    16 1 1,5 1 1 10 23

    17 1 2,3 2 1 7 24

    18 1 3,1 1 2 8 32

    19 1 1,4 1 2 9 34

    20 1 0,75 2 2 6 47

  • 21 2 3,2 3 4 4 49

    22 2 4,5 4 4 5 50

    23 2 6,1 6 4 4 36

    24 2 4,3 4 5 5 31

    25 2 3,8 4 5 5 39

    26 3 11 7 7 2 35

    27 3 12 5 7 3 42

    28 3 12,5 7 6 2 43

    29 3 13,7 6 6 3 44

    30 3 19 6 7 1 45

    Berdasarkan hasil pengolahan tersebut:

    A) Simpulkan apakah model analisis diskriminan yang didapat secara statistik signifikan pada taraf nyata 5 %. Jelaskan !

    B) simpulkan variabel apa saja yang pengaruhnya nyata dalam memisahkan ketiga kategori frekuensi liburan keluarga? Jelaskan

    C) beri penjelasan atas territorial map yang terbentuk

    D) jika keluarga Hartono memiliki pendapatan 5 juta rupiah, sikap terhadap perjalanan=7, tingkat kepentingan terhadap liburan=5, jumlah anggota keluarga=5, dan umur kepala keluarga adalah 40 th, maka dugalah frekuensi liburan Hartono tersebut!

  • Jawaban :

    OUTPUT SPSS

    Wilks' Lambda

    Test of Function(s)

    Wilks' Lambda

    Chi-square df Sig.

    1 through 2 ,016 103,151 10 ,000

    2 ,623 11,846 4 ,019

    Tests of Equality of Group Means

    Wilks' Lambda F df1 df2 Sig.

    X1 ,130 90,203 2 27 ,000

    X2 ,106 114,081 2 27 ,000

    X3 ,060 212,337 2 27 ,000

    X4 ,178 62,349 2 27 ,000

    X5 ,975 ,342 2 27 ,714

    Canonical Discriminant Function Coefficients

    Function

    1 2

    X1 ,256 ,471

    X2 ,760 -,014

  • X3 1,200 -,517

    X4 -,260 ,446

    X5 -,012 -,032

    (Constant)

    -7,681 -1,811

    Unstandardized coefficients

    Functions at Group Centroids

    Y

    Function

    1 2

    1 -6,979 ,552

    2 -,275 -1,044

    3 7,254 ,492

    Unstandardized canonical discriminant functions evaluated at group means

  • Territorial Map

    Canonical Discriminant

    Function 2

    -12,0 -8,0 -4,0 ,0 4,0 8,0 12,0

    12,0 12 23

    12 23

    12 23

    12 23

    12 23

    12 23

    8,0 12 23

    12 23

    12 23

    12 23

    12 23

    12 23

    4,0 12 23

    12 23

    12 23

    12 23

    12 23