Analisis DiskriminanStudi Kasus: Kabupaten Jepara Jawa
Tengah
Disusun untuk Memenuhi Tugas Mata Kuliah Metode Analisis
Perencanaan(TKP 342)
Dosen Pengampu:Dr. Sc. Agr. Iwan Rudiarto, S.T.Widjanarko, S.T.,
M.T.Sri Rahayu, S.Si, M.SiAnang Wahyu Sejati, S.T., M.T.
Disusun oleh:Izzah Khusna21040113140123Kelas A- 2013
JURUSAN PERENCANAAN WILAYAH DAN KOTAFAKULTAS TEKNIK UNIVERSITAS
DIPONEGOROSEMARANG20151. PendahuluanSalah satu bentuk pengambilan
keputusan dalam merencanakan suatu wilayah adalah dengan
mengklasifisikannya menjadi kawasan perkotaan dan perdesaan.
Perencanaan kota dan desa merupakan dua elemen yang tidak dapat
disamakan karena masing-masing membutuhkan jenis pengambilan
keputusan yang berbeda. Perbedaan ini didasari dari kondisi fisik
masing-masing wilayah, baik dari segi penduduk, infrastruktur,
maupun sarana prasarananya. Sebagai mahasiswa perencaaan wilayah
dan kota, klasifikasi kawasan merupakan salah satu bentuk
pengaplikasian dalam melakukan proses perencanaan wilayah dan kota,
begitu pula halnya dengan yang dilakukan oleh seorang
perencana.Klasifikasi kawasan ini bertujuan untuk mencapai tujuan
perencanaan yang tepat, yaitu menyelesaikan masalah (deal with
complexity) dan mengurangi ketidakpastian (reduce uncertainty) dari
apa yang dibutuhkan suatu kawasan perkotaan maupun perdesaan. Oleh
karena itulah dibutuhkan suatu alat analisis yang mampu membantu
mengambil keputusan dalam menentukan suatu kawasan. Salah satunya
adalah analisis diskriminan (Discriminant Analyis) yang
dikembangkan oleh Fisher tahun 1936.Dalam mengklasifikasikan suatu
wilayah menjadi beberapa kawasan, tentunya diperlukan beberapa
variabel pembeda yang valid. Melalui analisis diskriminan inilah
kita mencari variabel pembeda tersebut. Tujuan dari analisis
diskriminan adalah sebagai berikut: untuk untuk mengklasifikasikan
suatu individu atau observasi ke dalam kelompok yang saling bebas
(mutually exclusive/disjoint) dan menyeluruh (exhaustive)
berdasarkan sejumlah variabel penjelas untuk menentukan kontribusi
masing-masing variabel yang terlibat dalam pengklasifikasian
sebagai dasar penentuan apakah suatu variabel tertentu perlu
dilibatkan dalam analisis pengklasifikasian selanjutnya atau
tidak.Contohnya adalah dalam penentuan kawasan perkotaan dan
perdesaan terdapat beberapa karakteristik. Untuk mengetahui
karakteristik manakah yang paling mempengaruhi penggolongan kawasan
tersebut, maka dapat digunakan analisis diskriminan ini.Analisis
diskriminan adalah salah satu teknik statistik multivariat yang
bisa digunakan pada hubungan dependensi (hubungan antar variabel
dimana sudah bisa dibedakan manavariabelrespon dan mana variabel
penjelas). Analisis diskriminan merupakan teknik menganalisis data,
dimanavariabel dependen merupakandata kategorik atau kualitatif
(nominal atau ordinal), sedangkanvariabel independen berupadata
kuantitatif (interval atau rasio). Jika dibandingkan denganregresi
linier, maka analisis diskriminan merupakan kebalikannya. Berikut
merupakan analogi yang dapat dipakai untuk analisis regresi dan
diskriminan:Tabel I: Perbedaan Analisis Regresi dan
DiskriminanFaktor PembedaRegresiDiskriminan
Variabel Respon/ Dependent VariabelKuantitatif, harus mengikuti
distribusi normal dan homoskedastisKualitatif, Fixed
Variabel Penjelas/ Independent VariabelDiasumsikan Fixedharus
mengikuti distribusi normal dan homoskedastis
ProsesMenurunkan perkiraan parameter yang telah mempunyai
kelengkapan statistikStrategi yang teliti dalam menemukan mean dari
pengelompokan
Sumber: Bahan Ajar MAP, 2015Asumsidalam analisis diskriminan
yaitu:1. Tidak adanyamultikolinieritasantara variabel independen
(Hubungan linear antar variable independen)2. Variabel independen
mengikutidistribusi normal.3. Adanyahomogenitas varians antara
kelompok data(Matriks varians-covarians variabel penjelas berukuran
pxp pada kedua kelompok harus sama).Analisis diskriminan merupakan
kombinasi linear dari dua atau lebih variabel bebas yang akan
terpisah diantara kelompok utama. Formula umum yang digunakan dalam
analisis diskriminan adalah sebagai berikut:
dimana:Y= vektor nilai diskriminan untuk individu (1 x n)b=
vektor bobot diskriminan (1 x p)X= matriks yang mengandung
nilai-nilai untuk setiap n individu pada p independen variabel.
Sedangkan fungsi diskriminan Fisher adalahG-1dimana:b= vektor
koefisien pembobot fungsi diskriminanX= vektor variabel acak dalam
diskriminan1= vektor nilai rata-rata dari variabel acak kelompok
12= vektor nilai rata-rata dari variabel acak kelompok 2G-1= invers
matriks gabunganBerikut merupakan istilah-istilah statistik dalam
analisis diskriminan:1. Korelasi kanonis (canonical correlation),
mengukur tingkat asosiasi antar skor diskriminan dan grup.
Koefisien ini merupakan ukuran hubungan fungsi diskriminan tunggal
dengan sejumlah variabel dummy yang menyatakan keanggotaan grup. 2.
Centroid, adalah nilai rata-rata skor diskriminan untuk grup
tertentu. Banyaknya centroid sama dengan banyaknya grup. Setiap
satu centroid mewakili satu grup. Rata-rata untuk sebuah grup
berdasarkan semua fungsi disebut group centroids.3. Cutting score,
adalah nilai rata-rata centroid yang dapat dipakai sebagai patokan
mengelompokkan objek. Misalnya, kalau dalam analisis diskriminan
dua grup cutting score adalah 0,15, keanggotaan suatu objek dapat
dilihat apakah skor diskriminan objek tersebut di bawah ataukah di
atas cutting score.4. Discriminant loadings (disebut juga structure
correlations) merupakan korelasi linier sederhana antara setiap
variabel independen dengan skor diskriminan untuk setiap fungsi
diskriminan. 5. Hit rasio merupakan nilai yang dapat menjawab:
Berapa persen objek yang dapat diklasifikasi secara tepat dari
jumlah total objek?. Hit rasio merupakan salah satu kriteria untuk
menilai kekuatan persamaan diskriminan dalam mengelompokkan
objek.6. Matrik klasifikasi (classification matrix), sering juga
disebut confusion atau prediction matrix. Matrik klasifikasi
berisikan jumlah kasus yang diklasifikasikan secara tepat dan yang
diklasifikasikan secara salah (misclassified). Kasus yang
diklasifikasi secara tepat muncul dalam diagonal matrik, tempat di
mana grup prediksi (predicted group) dan grup sebenarnya (actual
group) sama.7. Koefisien fungsi diskriminan (discriminant
coefficient function), koefisien fungsi diskriminan (tidak
distandardisasi) adalah pengali (multipliers) variabel, di mana
variabel adalah dalam nilai asli pengukuran.8. Skor diskriminan
(dicriminant score), koefisien yang tidak distandardisasi dikalikan
dengan nilai-nilai varibel. 9. Eigenvalue, untuk setiap fungsi
diskriminan, eigenvalue adalah rasio antara jumlah kuadrat antar
kelompok (sums of square between group) dari jumlah kuadrat dalam
kelompok (sums of squares within group). Eigenvalue yang besar
menunjukkan fungsi yang semakin baik.10. Nilai F dan
signifikansinya, nilai F dihitung melalui ANOVA satu arah, di mana
variabel-variabel yang dipakai untuk mengelompokkan (grouping
variable) berlaku sebagai variabel independen kategoris
(categorical independent variable). Sedangkan setiap prediktor
diperlakukan sebagai variabel metrik.11. Rata-rata grup dan standar
deviasi grup, rata-rata grup dan standar deviasi grup dihitung
untuk setiap grup.12. Pooled with correlation matrix, dihitung
dengan mencari rata-rata matrik kovarians tersendiri untuk semua
grup.13. Koefisien fungsi diskriminan terstandardisasi merupakan
koefisien fungsi diskriminan yang dipakai sebagai pengali
(multipliers) pada saat variabel telah distandardisasi dengan
menjadikan rata-rata 0 dan standar deviasi 1.14. Korelasi struktur
(structur correlations) juga disebut discriminant loadings,
merupakan korelasi yang mempresentasikan korelasi sederhana (simple
correlation) antara prediktor-prediktor dan fungsi diskriminan.15.
Matrik korelasi total (total correlation matrix) diperoleh jika
setiap kasus 9 objek penelitian dianggap berasal dari satu sampel
(single sampel) dan korelasi dihitung. Dengan begitu, matrik
korelasi total dapat diperoleh. 16. Wilks Lambda () adalah rasio
antara jumlah kuadrat dalam kelompok (within group sums of squares)
dan jumlah kuadrat total (total sums of squares). Nilainya berkisar
antara 0 sampai 1. Semakin mendekati 1 menunjukkan bahwa rata-rata
grup cenderung tidak berbeda. Sebaliknya nilai Lambda yang kecil
(mendekati 0), menunjukkan rata-rata grup berbeda.2. Studi
KasusSeperti halnya wilayah yang lain, Kabupaten Jepara memiliki 16
kecamatan yang bisa dibedakan menjadi dua kawasan yang berbeda
karena beberapa alasan. Oleh karenanya, untuk mendapatkan
perencanaan dan keputusan yang tepat, dibutuhkan bantuan analisis
diskriminan pengelompokan kawasan perkotaan dan perdesaan terhadap
masing-masing kecamatan yang terdapat di Kabupaten Jepara.Dalam
analisis diskriminan, data yang di-input adalah data kategoris dan
numerik. Untuk data kategoris yang digunakan adalah jenis data
ordinal yang dalam laporan ini diwakili oleh data status kawasan
(desa atau kota) dan berperan sebagai variabel dependen. Sedangkan
untuk data numeriknya adalah berjenis data rasio, diwakili oleh
data kepadatan penduduk, PDRB ADHB, dan berbagai macam data terkait
infrastruktur yang sekiranya dapat merepresentasikan suatu wilayah
dapat disebut kawasan perkotaan atau perdesaan. Data numerik ini
berperan sebagai variabel bebas atau independen. Berikut merupakan
variabel data yang diolah dalam analisis diskriminan:
TABEL II: DATA KEPADATAN PENDUDUK, SARANA PENDIDIKAN, KESEHATAN,
TENAGA MEDIS, APOTIK, SARANA PERIBADATAN, JUMLAH PELANGANGGAN PLN,
PAM, DAN PDRB ADHB DI KABUPATEN JEPARA TAHUN
2013KECAMATANStatusKepadatan Penduduk (jiwa/km)Sarana
PendidikanSarana KesehatanJumlah Tenaga MedisApotik/ Toko
ObatSarana PeribadatanJumlah Pelanggan PLNJumlah Pelanggan PAMPDRB
ADHB (juta rupiah)
KEDUNG217287973495273113963698420180.21
PECANGAAN12266857635329215942464667866.67
KALINYAMATAN12604776337719911853697530542.34
WELAHAN126038184656233150781225684558.38
MAYONG213321149552833315799284641152.38
NALUMSARI21250958047226414194355549975.22
BATEALIT292510690393467145226161058041.78
TAHUNAN128151057433114062123823531909529.72
JEPARA13438101112341925822278150081975929.79
MLONGGO1194610064403293170001739672531.55
PAKIS AJI2959746035229997881843522154.92
BANGSRI111501431235410416174611548852868.48
KEMBANG26231047628128211624204502242.15
KELING248811983583370120220897120
DONOROJO24991025621130676100520359.92
KARIMUNJAWA212723211905000112433.57
TOTAL150812306468447412178053003412517487.08
Sumber: Jepara Dalam Angka 2014, Bappeda dan BPS Kabupaten
JeparaKeterangan:1: Perkotaan 2: Perdesaan3. Hasil dan
PembahasanBerikut merupakan hasil (output) analisis diskriminan
yang didapatkan dari bantuan SPSS 17.0 beserta pembahasan yang akan
user lakukan. Tujuan pembahasan adalah untuk mengetahui variabel
apa saja yang bisa dan menjelaskan untuk mengkategorikan
kecamatan-kecamatan sebagai kawasan perkotaan atau perdesaan yang
ada di Kabupaten Jepara.a. Analysis Case Processing SummaryAnalysis
Case Processing Summary
Unweighted CasesNPercent
Valid1648.5
ExcludedMissing or out-of-range group codes0.0
At least one missing discriminating variable0.0
Both missing or out-of-range group codes and at least one
missing discriminating variable1751.5
Total1751.5
Total33100.0
Tabel diatas menunjukkan bahwa data yang digunakan dapat
diproses karena seluruh data diketahui oleh program (tidak ada yang
missing/terlewatkan). Jumlah data yang terproses merupakan total
keseluruhan kecamatan yang ada di Kabupaten Jepara, yaitu sebanyak
16 kecamatan. Hal ini berarti rangkaian analisis yang dilakukan
dapat dikatakan valid 100% karena keseluruhan data berhasil
diproses dan terdeteksi oleh program.b. Group StatisticsBerdasarkan
tabel Group Statistics menunjukkan bahwa terdapat suatu kelas Kota
dan Desa. Diketahui bahwa 7 dari 16 kecamatan berstatus kawasan
perkotaan dan sisanya (9 kecamatan) berstatus sebagai kawasan
perdesaan. Rata-rata (mean) kepadatan penduduk adalah 2403.1429,
yang artinya rata-rata kecamatan perkotaan memiliki kepadatan
penduduk sekitar 2403 jiwa penduduk setiap satu kilometer persegi.
Begitu pula cara membaca mean pada variabel lainnya.Standar deviasi
kepadatan penduduk antar 7 kecamatan perkotaan yang terbentuk cukup
besar, yaitu 720.99432, hal ini menandakan data kepadatan penduduk
besifat cukup heterogen karena data semakin menyebar dan memiliki
kecendurungan setiap data berbeda satu sama lainnya. Standar
deviasi terbesar adalah variabel PDRB, diikuti jumlah pelanggan
PAM, PLN, dan kepadatan penduduk. Sedangkan standar deviasi
terkecil (datanya bersifat homogen) adalah jumlah apotik. Artinya,
banyaknya jumlah apotik tidak jauh berbeda di masing-masing
kecamatan. Begitu pula cara membaca standar deviasi pada variabel
lainnya.StatusMeanStd. DeviationValid N. (listwise)
UnweightedWeighted
KotaKepadatan Penduduk2403.1429720.9943277.000
Jumlah Sarana Pendidikan98.857122.2892277.000
Jumlah Sarana Kesehatan85.142923.4551277.000
Jumlah Tenaga Medis42.571412.2046077.000
Jumlah Apotik8.42865.5933677.000
Jumlah Sarana Peribadatan299.571482.9233777.000
Jumlah Pelanggan PLN17264.28573578.7935077.000
Jumlah Pelanggang PAM3290.57145205.8269677.000
PDRB ADHB 20131.0420E66.22688E577.000
DesaKepadatan Penduduk881.2222500.0554499.000
Jumlah Sarana Pendidikan90.666729.3683599.000
Jumlah Sarana Kesehatan70.444422.4561399.000
Jumlah Tenaga Medis38.666713.9373699.000
Jumlah Apotik2.77782.4381299.000
Jumlah Sarana Peribadatan293.7778110.9141399.000
Jumlah Pelanggan PLN10772.77784752.9408299.000
Jumlah Pelanggang PAM777.77781237.6975499.000
PDRB ADHB 2013580406.68332.71762E599.000
TotalKepadatan Penduduk1547.0625974.325231616.000
Jumlah Sarana Pendidikan94.250026.006411616.000
Jumlah Sarana Kesehatan76.875023.360581616.000
Jumlah Tenaga Medis40.375012.929941616.000
Jumlah Apotik5.25004.905781616.000
Jumlah Sarana Peribadatan296.312596.542021616.000
Jumlah Pelanggan PLN13612.81255313.474201616.000
Jumlah Pelanggang PAM1877.12503648.934661616.000
PDRB ADHB 2013782342.94255.00410E51616.000
c. Test Of Quality OF Group MeansTabel Tests of Equality of
Group Means berfungsi untuk mengetahui apakah ada perbedaan antar
kelompok atau tidak. Amati nilai Sig dari tiap-tiap variabel yang
ada terdapat di tabel bawah ini:Tests of Equality of Group
Means
Wilks' LambdaFdf1df2Sig.
Kepadatan Penduduk.36024.941114.000
Jumlah Sarana Pendidikan.974.374114.550
Jumlah Sarana Kesehatan.8961.624114.223
Jumlah Tenaga Medis.976.343114.567
Jumlah Apotik.6527.482114.016
Jumlah Sarana Peribadatan.999.013114.910
Jumlah Pelanggan PLN.6089.019114.009
Jumlah Pelanggang PAM.8761.991114.180
PDRB ADHB 2013.7774.026114.065
KeputusanHipotesisdengan nilai signifikansi:Jika signifikansi
> 0,05 maka tidak ada perbedaan dalam kelompokJika signifikansi
< 0,05 maka ada perbedaan dalam kelompokMelalui nilai Sig.
diatas dapat diketahui bahwa variabel kepadatan penduduk, jumlah
apotik, dan jumlah pelanggan PLN bernilai 0,05, yang artinya mereka
tidak memiliki perbedaan antar grup. Hal ini mengindikasikan bahwa
klasifikasi kawasan perkotaan dan perdesaan bisa diketahui melalui
perhitungan variabel kepadatan penduduk, jumlah apotik, dan jumlah
pelanggan PLN. Dengan kata lain, kecamatan yang berstatus kawasan
perkotaan pasti memiliki masing-masing nilai ketiga variabel yang
lebih besar dibanding masing-masing nilai ketiga variabel di
kecamatan yang berstatus kawasan perdesaan.Selain melihat nilai
Sig., perhatikan pula nilai Wilks Lambda, semakin angka Wilks'
Lambda mendekati angka 0 maka cenderung ada perbedaan dalam
kelompok. Berdasarkan uutan, variabel yang paling memiliki
perbedaan dalam kelompok adalah Kepadatan penduduk, jumlah
pelanggan PLN, dan jumlah apotik.d. Log determinantsLog
Determinants
StatusRankLog Determinant
Kota113.161
Desa112.429
Pooled within-groups112.809
Berdasarkan tabel diatas menunjukkan bahwa selisih nilai log
determinant antara kecamatan berstatus perkotaan dan perdesaan
tidak terpaut jauh, yaitu 0,732. Hal ini berarti kedua grup
tersebut tidak memilki banyak perbedaan sehingga group covariance
matrices akan relatif sama.Variables Entered/Removeda,b,c,d
StepEnteredMin. D Squared
StatisticBetween GroupsExact F
Statisticdf1df2Sig.
1Kepadatan Penduduk6.334Kota and Desa24.941114.000.000
Tabel diatas menyajikan informasi mengenai variabel apa saja
yang dapat diproses lanjut kedalam analisis diskriminan. Variabel
yang dimasukan merupakan variabel yang memiliki nilai statistic
pada F yang tinggi dibanding variabel lain. Melalui perhitungan
SPSS didapatkan bahwa variabel kepadatan penduduk merupakan
satu-satunya yang bisa diproses lebih lanjut ke dalam analisis
diskriminan sebab memiliki nilai statistik terhadap F yang paling
besar diantara variabel lainnya (lihat tabel Tests of Equality of
Group Means kolom F), yaitu sebesar 24.941. Variabel terbesar kedua
dan ketiga (jumlah pelanggan PLN dan jumlah apotik) tidak
dimasukkan ke analisis karena selisih dengan nilai statistik
variabel kepadatan penduduk terpaut jauh. Nilai statistik pelanggan
PLN dan apotik hanya sebesar 7.482 dan 9.019.Variables in the
Analysis
StepToleranceSig. of F to Remove
1Kepadatan Penduduk1.000.000
Tabel diatas menunjukkan bahwa hanya ada satu variabel yang
signifikan. Hal ini mengartikan bahwa kepadatan penduduk merupakan
satu-satunya variabel yang mampu mempengaruhi pengelompokan
kecamatan berdasarkan kawasan perkotaan atau perkotaan. Nilai Sig.
of F to remove variabel kepadatan penduduk adalah 0.000 atau 0,05
yang artinya mereka tidak memiliki pengaruh terhadap variabel
terikat (status). Tabel diatas memiliki dua tahap, yaitu step 0 dan
1. Pada step 0, ada tiga variabel yang lolos uji analisis karena
memiliki nilai Sig 0,05) sehingga tidak dapat diproses lanjut ke
dalam analisis karena mereka sudah tidak memiliki pengaruh terhadap
variabel terikat (tidak memenuhi syarat).Wilks' Lambda
StepNumber of VariablesLambdadf1df2df3Exact F
Statisticdf1df2Sig.
11.360111424.941114.000.000
Pada tabel diatas, perhatikan kolom nilai Lambda. Nilai tersebut
merupakan representasi nilai lambda dari variabel yang dianalisis,
yaitu kepadatan penduduk. Konsep dari Wilks Lambda adalah varian
total dalam discriminant scores yang tidak bisa dijelaskan oleh
perbedaan di antara grup-grup yang ada. Nilai Lambda tercatat
sebesar 0.360, berarti 36% varian tidak dapat dijelaskan oleh
perbedaan antar grup-grup pada step 1 dengan 1 variabel yang ada.
Sedangkan untuk nilai Sig.-nya adalah 0.000 yang berarti variabel
kepadatan penduduk merupakan variabel yang dapat diproses lanjut ke
dalam analisis diskriminan karena memiliki pengaruh terhadap
variabel terikat.Eigenvalues
FunctionEigenvalue% of VarianceCumulative %Canonical
Correlation
11.781a100.0100.0.800
a. First 1 canonical discriminant functions were used in the
analysis.
Tabel Eigenvalues berfungsi untuk mengukur tingkat keeratan
hubungan antara discriminant scores dan grup. Semakin nilai
Canocial Correlation mendekati nilai 1, maka semakin erat pula
hubungan yang dimiliki. Kolom nilai Canocial Correlation di tabel
menunjukkan angka sebesar 0.800 atau mendekati 1, berarti hubungan
antara discriminant scores dengan grup adalah erat/kuat. Angka
Canocial Correlation tersebut jika dikuadratkan adalah 0,64 yang
berarti 64% varians dari variabel independen (kelompok) dapat
dijelaskan dari model diskriminan yang terbentuk.Wilks' Lambda
Test of Function(s)Wilks' LambdaChi-squaredfSig.
1.36013.8101.000
Nilai Chi-square pada tabel diatas menunjukkan angka sebesar
13.180. Karena nilainya tidak terlalu besar, hal ini menunjukan
bahwa tidak terjadi perbedaan yang cukup jelas antara kecamatan
berstatus perkotaan dengan kecamatan berstatus perdesaan. Hasil
perhitungan pada tabel ini juga selaras dengan perhitungan pada
tabel Log Determinants sebelumnya.Standardized Canonical
Discriminant Function Coefficients
Function
1
Kepadatan Penduduk1.000
Tabel diatas berfungsi untuk menentukan fungsi diskriminan.
Diketahui bahwa variabel pembeda yang dapat diproses hanya satu,
yaitu Kepadatan Penduduk, sehingga dapat didapatkan fungsi
diskriminan sebagai berikut:Zscore 1Zscore 1= variabel pembeda
(atau dalam kasus ini adalah kepadatan penduduk)Fungsi ini
digunakan untuk menilai suatu kecamatan di Kabupaten Jepara apakah
termasuk kedalam kawasan perkotaan atau perdesaan.Structure
Matrix
Function
1
Kepadatan Penduduk1.000
Jumlah Pelanggang PAMa.588
Jumlah Apotika.563
Jumlah Pelanggan PLNa.499
PDRB ADHB 2013a.459
Jumlah Sarana Kesehatana.182
Jumlah Tenaga Medisa.114
Jumlah Sarana Pendidikana-.104
Jumlah Sarana Peribadatana-.030
Tabel structure matrix menunjukkan urutan karakteristik yang
paling membedakan keputusan (Y). Variabel Kepadatan Penduduk adalah
yang paling membedakan diantara yang lain. Tabel di atas menunjukan
adanya korelasi antara variabel-variabel bebas dengan fungsi
diskriminan yang terbentuk. Variabel Kepadatan Penduduk mempunyai
korelasi yang paling tinggi dengan nilai korelasi, yaitu sebesar
1.000. Jika ada variabel dengan tanda a, maka variabel tersebut
tidak dimasukan dalam proses analisis diskriminan.Functions at
Group Centroids
StatusFunction
1
Kota1.416
Desa-1.101
Tabel diatas berfungsi sebagai indikator penentu apakah suatu
kecamatan masuk ke status kawasan perkotaan atau perdesaan.
Perhatikan garis dibawah ini:
< -1,101>1,416Jika nilai yang dihasilkan oleh suatu
kecamatan < -1,101, maka kecamatan tersebut berstatus perdesaan,
sedangkan jika nilai yang dihasilkan >1,416, berarti kecamatan
tersebut masuk sebagai kawasan perkotaan.Classification Processing
Summary
Processed33
ExcludedMissing or out-of-range group codes0
At least one missing discriminating variable17
Used in Output16
Tabel Classification Processing Summary di atas menunjukan bahwa
yang di proses tidak ada yang hilang (missing/terlewatkan).Prior
Probabilities for Groups
StatusPriorCases Used in Analysis
UnweightedWeighted
Kota.50077.000
Desa.50099.000
Total1.0001616.000
Tabel diatas menunjukan bahwa terdapat 7 kecamatan yang masuk ke
dalam status kawasan perkotaan dan 9 kecamatan yang masuk ke dalam
status kawasan perdesaan.Classification Function Coefficients
Status
KotaDesa
Kepadatan Penduduk.007.002
(Constant)-8.590-1.755
Fisher's linear discriminant functions
Tabel diatas menunjukkan persamaan regresi dengan pembagian
berdasarkan pembagian masing-masing grup/status yang dibuat:1.
Untuk kecamatan yang berstatus kawasan perkotaan:SCORE = -8,590 +
0.007 kepadatan penduduk2. Untuk kecamatan yang berstatus kawasan
perdesaan:SCORE = -1,775 + 0.002 kepadatan pendudukKemudian kedua
persamaan tersebut diselisihkan sehingga didapatkan nilai Z-Score
sebagai berikut:kepadatan pendudukkepadatan penduduk
Z Scorekepadatan penduduk
Hasil fungsi fisher ternyata memiliki hasil yang berbeda dengan
fungsi Standardized Canonical Discriminant Function Coefficients
sebelumnya. Jadi, hasil yang digunakan sebaiknya adalah fungsi
Standardized Canonical Discriminant Function
Coefficients.Classification Resultsb,c
StatusPredicted Group MembershipTotal
KotaDesa
OriginalCountKota617
Desa189
%Kota85.714.3100.0
Desa11.188.9100.0
Cross-validatedaCountKota617
Desa189
%Kota85.714.3100.0
Desa11.188.9100.0
a. 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.
b. 87.5% of original grouped cases correctly classified.
c. 87.5% of cross-validated grouped cases correctly
classified.
Ketepatan fungsi diskriminan diatas dihasilkan dari perhitungan
dengan cara:
Tabel diatas menunjukan besarnya tingkat ketepatan model
diskriminan. Ketepatan model ini sebesar 87.5 % artinya tingkat
ketepatan model diskriminan yang dilakukan adalah tinggi. Meskipun
jumlah original dan cross-validated yang dihasilkan sama,
kenyataannya terdapat dua kecamatan yang berpindah posisi dari desa
ke kota dan kota ke desa. Hal tersebut menjadikan tingkat ketepatan
model diskriminan hanya mencapai angka 87.5%.4. KesimpulanMelalui
hasil dan pembahasan analisis diskriminan yang telah dilakukan,
diketahui pengelompokan kawasan perkotaan dan perdesaan pada
tiap-tiap kecamatan yang ada di Kabupaten Jepara. Dari output yang
didapatkan, variabel pembeda yang dapat digunakan dalam analisis
diskriminan hanya satu, yaitu Kepadatan Penduduk. Hal ini
disebabkan hanya variabel kepadatan penduduk saja yang berhasil
memenuhi syarat, yaitu memiliki nilai Sig. of F to Enter sebesar
0.000 (