Analisis Diskriminan

Analisis Diskriminan adalah teknik analisis statistik untuk menggolongkan populasi/individu/objek menjadi kelompok-kelompok sendiri dalam sekumpulan variabel independent. Analisis Diskriminan merupakan salah satu alat analisis statistika menggunakan metode  analisis statistik multivariate. Analisis Diskriminan pertama kali diperkenalkan oleh Fisher (1936). Analisis Diskriminan dapat digunakan untuk mengetahui variabel-variabel penciri yang membedakan kelompok populasi yang ada dan juga dapat dipergunakan sebagai kriteria pengelompokkan. Keberadaan variabel penciri ini berguna untuk mengintervensi variabel manakah yang dapat dimaksimalkan atau dimimalkan pengaruhnya sehingga akan memperkecil tingkat kesalahan pada hasil perhitungan nantinya. Analisis Diskriminan terbagi menjadi 2 jenis, yaitu analisis Diskriminan 2 grup, dimana memiliki 2 variabel penciri, dan analisis Diskriminan 3 grup yang memiliki lebih dari 2 variabel penciri.

Pada prinsipnya, analisis Diskriminan hampir sama dengan analisis Regresi karena termasuk dalam dependence method yang memiliki variabel terpengaruh (dependent variable) yang berada dalam baris (Y) dan variabel mempengaruhi (independent variable) yang berada dalam kolom (X). Keberadaan Dependence method berguna untuk mengklasifikasikan objek beberapa kelompok. Kombinasi linier dari variabel-variabel yang ada akan membentuk suatu fungsi diskriminan (Tatham et. al.,1998).

Berikut ini adalah langkah-langkah dalam analisis Diskriminan :

1. Menentukan dan memisahkan antara variabel dependen dan independen. Kemampuan dalam memisahkan variabel-variabel tersebut menentukan keberhasilan penelitian, dimana variabel dependen menjadi nilai yang membedakan antar kelompok (variabel dependen dikelompokkan baik distribusi secara merata, maupun kelompok tertentu)  dan varibel independen yang menjadi nilai pembeda.

2. Menentukan metode yang akan digunakan dalam analisis Diskriminan. Terdapat 2 metode dalam analisis Diskriminan :

a. Metode Simultan (Simultaneous Estimation), adalah metode yang memasukkan semua variabel bebas dalam analisis tanpa memperhatikan variabel bebas mana yang paling berpengaruh.

b. Step-wise Estimation, adalah metode yang memasukkan variabel satu per-satu. Pendekatan stepwise dimulai dengan memilih variabel yang terdiskriminasi paling baik. Variabel yang terdiskriminasi baik adalah variabel yang memiliki korelasi tinggi, sehingga variabel tersebut dapat dijelaskan secara maksimal oleh variabel lain. Variabel bebas tersebut kemudian dipilih untuk dipasangkan dengan masing-masing variabel bebas yang lain. Inti dari metode stepwise adalah kemampuan untuk menggabungkan melalui memasukkan dan mengeluarkan variabel sehingga pada akhirnya ditemukan kombinasi yang paling cocok dalam menghasilkan fungsi diskriminan. Dalam hal  ini, variabel yang memiliki nilai penciri kecil akan dihilangkan.

3. Menguji tingkat signifikansi fungsi Diskriminan yang telah ada dengan Wilk’s Lambda, Hotelling Trace, Pillai’s Criterion, dan F test. Berikut ini adalah asumsi nilai yang digunakan :

Ø Jika Wilk’s Lamda semakin dekat dengan 1, maka variabel penciri sama, sedangkan jika nilai mendekati 0, maka variabel penciri memiliki perbedaan

Ø Untuk tingkat signifikansi, jika sig >0,05 maka tidak ada perbedaan antar variabel penciri, sedangkan jika sig <0,05 maka terdapat perbedaan antar variabel penciri.

4.  Menguji ketepatan klasifikasi dan fungsi diskriminan dengan Casewise Diagnostics.

5.  Melakukan interpretasi data dan uji validitas data.

Tahapan kerja analisis diskriminan :

1.     Buka program kerja SPSS

2.    Tentukan nama dan jenis variabel atau data pada variabel view

3.    Masukkan data ke data view

4.    Untuk analisisnya, klik menu Analyze pilih Classify pilih Discriminant

5.    Masukkan variabel dependen pada bagian Grouping Variable.

6.    Buka Define Range dan isikan angka 1 pada minimum dan angka 2 pada maksimum.

7.    Masukkan semua variabel independen dalam kotak Independent

8.    Klik menu Statistics. Pada bagian Descriptive pilih Means, Univariate ANOVAs, dan Box’s M. Pada bagian Functions Coefficiens pilih Fisher’s.

9.    Klik continue dan kembali ke menu awal.

10. Centang Use Stepwise Method

11.   Klik icon Method dan keluar menu Method. Pilih Mahalanobis distance. Pada Criteria pilih Use Probability of F. Abaikan bagian yang lain

12.  Klik Continue dan kembali ke menu awal

13.  Klik icon Classify, centang pada Casewise results dan Leave-one-out classification. Abaikan bagian yang lain.

14. Klik Continue dan kembali ke menu awal

15.  Klik icon Save dan centang pada Predicted Group Membership dan Discriminant Scores.

16. Klik Continue dan kembali ke menu awal

17.  Klik OK