Statistik Multivariat

BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Tujuan analisis diskriminan adalah menguji ada-tidaknya

hubungan sebab-akibat dari sebuah fenomena. Ciri khusus

analisis diskriminan adalah keharusan variabel dependen

bertipe kategori, sedangkan variabel independen bertipe rasio.

Kegunaan utama analisis diskriminan adalah kemampuan

memprediksi terjadinya variabel dependen dengan masukan data

variabel independen, dan kemampuan memilih mana variabel yang

secara nyata mempengaruhi dependen dan mana yang tidak.

Berdasarkan kegunaan tersebut, maka penulis ingin menguji

sebuah kasus yaitu tentang analisis faktor yang mempengaruhi

seseorang memilih bekerja atau kuliah. Dimana variabel

dependennya bertipe kategori, yaitu bekerja dan kuliah.

Sedangkan umur responden, biaya kuliah, pendapatan orang tua,

jumlah saudara, nilai SMA dan IQ adalah variabel independen,

karena faktor inilah yang menjadi sebab responden memilih

bekerja atau kuliah. Dengan demikan akan diuji apakah ada

hubungan kausalitas antara sikap responden secara umum dengan

atribut-atribut yang ada.

1.2 RUMUSAN MASALAH

1. Apakah memang ada perbedaan yang jelas antara perilaku

responden, sehingga mereka yang memilih bekerja

dibedakan jelas dengan mereka yang memilih kuliah.

1

2. Jika memang ada perbedaan diantara kedua kelompok

responden tersebut, faktor mana yang perbedaannya

memang nyata dan faktor mana yang sesungguhnya tidak

secara jelas berbeda?

1.3 TUJUAN

1. Mengetahui apakah ada perbedaan yang jelas antara

perilaku responden yang memilih bekerja dengan mereka

yang memilih kuliah.

2. Mengetahui faktor mana yang perbedaannya memang nyata

dan faktor mana yang sesungguhnya tidak secara nyata

jelas berbeda.

BAB II

PEMBAHASAN

UJI DATA1. Uji Missing Value

2

Univariate Statistics

N MeanStd.

Deviation

Missing No. of Extremesa

Count Percent Low High

Umur 41 19.0000 1.18322 9 18.0 0 0

BiayaKuliah 45 7.0178E2 127.40931 5 10.0 0 0

PendapatanOrangTua

44 9.3409E2 176.45499 6 12.0 0 0

JumlahSaudara 43 3.0698 .91014 7 14.0 0 0

NilaiSMA 46 81.0000 4.03320 4 8.0 0 0

IQ 44 1.1948E2 9.02577 6 12.0 0 0

Status 50 0 .0

a. Number of cases outside the range (Q1 - 1.5*IQR, Q3 + 1.5*IQR).

Pada tabel diatas, kolom N menunjukkan jumlah data yangterisi dan kolom missing pada count menunjukkan jumlah datayang hilang dalam jumlah nyata, sementara oercent untukmenghitung persentase dari data yang ada di bagian count. Padavariabel umur data yang terisi adalah 41, dan data yang hilangadalah 9 atau sebanyak 18%. Pada variabel biaya kuliah datayang terisi adalah 45, dan data yang hilang sebanyak 5 dataatau sebanyak 10%. Dan begitu seterusnya.

Kolom Mean dan Standard Deviation menunjukkan rata-ratadan deviasi standar untuk setiap variabel yang valid (tidakmissing). Untuk variabel umur, rata-rata usia 41 respondenadalah 19 tahun dengan standar deviasi 1,18 tahun. Untukvariabel jumlah saudara, dari 43 responden rata-ratanya adalah3,06 orang dengan standar deviasi 0,91. Dan seterusnya untukdata yang lain.

3

Summary of Estimated Means

UmurBiayaKul

iah

PendapatanOrangT

ua

JumlahSaudara

NilaiSMA IQ

Listwise 18.7692 7.6308E2 9.3462E2 2.8462 83.1538 1.2438E2

All Values

19.0000 7.0178E2 9.3409E2 3.0698 81.0000 1.1948E2

EM 19.0278 7.0292E2 9.3246E2 3.0715 80.9106 1.1895E2

Jika digunakan metode LISTWISE, maka rata-rata umurmenjadi 18,76 tahun, jumlah saudara menjadi 2,84, nilai SMAmenjadi 83,15 dan begitu seterusnya.Jika digunakan ALL VALUE, maka nilai rata-rata umur menjadi19,00, jumlah saudara 3,06, nilai SMA menjadi 81,00.Jika digunakan metode EM, maka rata-rata umur menjadi 19,02tahun, jumlah saudara menjadi 3,07 orang, nilai SMA menjadi80,91. Dan begitu seterusnya.

Status

Total Bekerja Kuliah

Umur Present Count 41 20 21

Percent 82.0 80.0 84.0

Missing % SysMis 18.0 20.0 16.0

BiayaKuliah Present Count 45 23 22

Percent 90.0 92.0 88.0


PendapatanOtangTua Present Count 44 21 23

Percent 88.0 84.0 92.0


JumlahSaudara Present Count 43 20 23

Percent 86.0 80.0 92.0


NilaiSMA Present Count 46 24 22

Percent 92.0 96.0 88.0


4

IQ Present Count 44 21 23

Percent 88.0 84.0 92.0


Indicator variables with less than 5% missing are not displayed.

Untuk variabel umur, dari 41 data yang valid, 20 data adapada kategoti status bekerja, dan 21 orang ada pada kategoristatus kuliah. Sedang dari komposisi data yang missing, 20%data ang missing ada pada usia responden yang berstatusbekerja, sedangkan 16% berasal dari responden yang berstatusmahasiswa. Sedangkan 18% merupakan rata-rata dari 20% dan 16%.

Missing Patterns (cases with missing values)

Case

#Missing

%Missing

Missing and Extreme Value Patternsa

Status NilaiSMABiayaKul

iah

PendapatanOrangT

uaIQ

JumlahSaudara

Umur

Ani 1 14.3 S

Rian 1 14.3 S

Gian 1 14.3 S

Bowo 1 14.3 S

Ayu 1 14.3 S

Andika 1 14.3 S

Bima 1 14.3 S

Qori 1 14.3 S

Devi 1 14.3 S

Herlan 1 14.3 S

Mela 1 14.3 S

Andi 1 14.3 S

Zumaila 1 14.3 S

Boni 1 14.3 S

Roni 1 14.3 S

Adit 1 14.3 S

Rehat 1 14.3 S

5

Dela 1 14.3 S

Efal 1 14.3 S

Reisa 1 14.3 S

Noufal 1 14.3 S

Fais 1 14.3 S

Gilang 1 14.3 S

Romario 1 14.3 S

Putri 1 14.3 S

Yulia 1 14.3 S

Ami 1 14.3 S

Mita 1 14.3 S

Niken 1 14.3 S

Dini 1 14.3 S

Naila 1 14.3 S

Rani 1 14.3 S

Hamda 1 14.3 S

Hana 1 14.3 S

Alif 1 14.3 S

Nika 1 14.3 S

Ari 1 14.3 S

- indicates an extreme low value, while + indicates an extreme high value. The range used is (Q1 - 1.5*IQR, Q3 + 1.5*IQR).

a. Cases and variables are sorted on missing patterns.

Tabel diatas menggambarkan penyebaran data yang hilanghanya untuk responden yang datanya tidak lengkapdan bukanseluruh responden. Responden yang bernama Ani mempunyai satumissing value data pada variabel IQ, karena missing ada pada 1dari 7 variabel, maka persentase missing adalah 14,3%.

Responden yang bernama Bima, mempunyai satu missing valuedata pada variabel nilai SMA, karena missing ada pada 1 dari 7variabel, maka persentase missing adalah 14,3%. Dan begituseterusnya.

6

Tabulated Patterns

Numberof Cases

Missing Patternsa

Completeif ...bStatus NilaiSMA

BiayaKuliah

PendapatanOtangT

uaIQ

JumlahSaudara

Umur

13 13

6 X 19

4 X 17

7 X 20

5 X 18

9 X 22

6 X 19

a. Variables are sorted on missing patterns.

b. Number of complete cases if variables missing in that pattern (marked with X)are not used.

Tabel diatas menunjukkan sisi lain dari penyebaranmissing value,dimana missing value dinyatakan per variabel.Pada baris pertama, angka 13 menyatakan ada 13 data yangvalid, artinya tidak terdapat missing value pada semuavariabelnya.

Angka 6 pada baris kedua menunjukkan adanya 5 data yangmissing pada variabel IQ. Jika dilihat pada tabel sebelumnya,maka responden yang mempunyai data missing pada variabel IQadalah Ani, Rian, Gian, Bowo, Ayu, Andika.

Angka 4 menunjukkan adanya 4 data yang missing padavariabel Nilai SMA. Maka responden yang mempunyai missing padavariabel nilai SMA adalah Bima, Devi, Qori, Herlan. Danseterusnya untuk baris berikutnya.

Dan pada kolom complete, jika 6 data yang missing divariabel IQ diperbaiki sehingga menjadi tidak missing, makasemua data yang tidak missing menjadi: 13+6=19 data yanglengkap. Jika data yang missing di variabel di nilai SMA ada 4

7

data diperbaiki maka semua data yang tidak missing menjadi :13+4 = 17 dan begitu seterusnya.

Listwise Correlations

UmurBiayaKul

iah

PendapatanOtangT

ua

JumlahSaudara

NilaiSMA IQ

Umur 1

BiayaKuliah .520 1

PendapatanOrangTua -.172 .101 1

JumlahSaudara -.190 -.243 -.139 1

NilaiSMA -.031 -.317 .103 .044 1

IQ .139 -.261 -.145 .181 .628 1

Tabel diatas menunjukkan korelasi antar-variabel untuk 13data. Angka 0,520 pada tabel diatas menyatakan besar korelasiantara variabel umur dan biaya kuliah. Angka 0,101 menunjukkankorelasi antar variabel pendapatan orang tua dengan biayakuliah. Dan demikian seterusnya untuk korelasi variabel yanglain.

Angka 0,628 menunjukkan korelasi antara variabel IQ dannilai SMA. Angka korelasi yang besar ini menyatakan bahwaterjadinya missing value dari variabel IQ berpengaruh kuatpada terjadinya missing value pada variabel nilai SMA.Sebaliknya angka korelasi variabel pendapatan orang tua danbiaya kuliah sebesar 0,101 yang dibawah 0,5. Hal ini berartiadanya tingkat keacakan yang tinggi pada missing value, karenapengaruh antar-variabel lemah.

8

Pairwise Frequencies

UmurBiayaKul

iah

PendapatanOtangT

ua

JumlahSaudara

NilaiSMA IQ Status

Umur 41

BiayaKuliah 36 45

PendapatanOtangTua 35 39 44

JumlahSaudara 34 38 37 43

NilaiSMA 37 41 40 39 46

IQ 35 39 38 37 40 44

Status 41 45 44 43 46 44 50

Metode pairwise akan memasangkan (pair) variabel yangmempunyai data lengkap, dan tidak menghilangkan sebuah barisbegitu saja. Dengan demikian jumlah data bisa berbeda-bedatergantung kelengkapan data dua variabel yang dipasangkan.

Jika yang dipasangkan variabel umur dan biaya kuliah,maka akan ada 36 data yang valid. Namun jika yang dipasangkanvariabel biaya kuliah dengan IQ maka akan ada 39 data yangvalid. Demikian seterusnya untuk kombinasi variabel lainnya.

Pairwise Correlations

UmurBiayaKul

iah

PendapatanOtangT

ua

JumlahSaudara

NilaiSMA IQ

Umur 1

BiayaKuliah .028 1

PendapatanOtangTua -.447 .312 1

JumlahSaudara -.063 -.107 -.038 1

NilaiSMA -.076 -.017 .112 .008 1

IQ .025 .154 .003 .148 .563 1

Tabel diatas mempunyai tafsiran yang sama dengan analisiskorelasi antar-variabel dengan metode listwise. Angka korelasiyang diatas 0,5 berjumlah sangat sedikit, sehingga bisa

9

dikatakan missing value adalah acak (random). Pada tabeldiatas angka diatas 0,5 tidak ada sehingga bisa dikaan missingadalah acak.

EM Correlationsa

UmurBiayaKul

iah

PendapatanOrangT

ua

JumlahSaudara

NilaiSMA IQ

Umur 1

BiayaKuliah -.003 1

PendapatanOrangTua -.426 .307 1

JumlahSaudara .015 -.088 -.054 1

NilaiSMA -.076 -.031 .045 .014 1

IQ .012 .156 -.044 .144 .551 1

a. Little's MCAR test: Chi-Square = 24,899, DF = 30, Sig. = ,730

Pada tabel hanya ada 1 data yang diatas 0,5 yaitu 0,551artinya pola penyebarab missing value adalah random. Terlihatangka MCAR yang ditampilkan adalah 0,730, maka missing valueadalah acak karena besar dari 0,05.

Kesimpulan : missing value yang terjadi adalahbersifatacak. Karena bersifat acak dan tidak memiliki polatertentu, maka bisa dilakukan perlakuan lanjutan.

2. Mengisi Missing Value

10

Result Variables

ResultVariable

N ofReplacedMissingValues

Case Number of Non-MissingValues

N of ValidCases

CreatingFunctionFirst Last

1 Umur_1 9 1 50 50 SMEAN(Umur)

2 BiayaKuliah_1

5 1 50 50SMEAN(BiayaKuliah)

3PendapatanOtangTua_1

6 1 50 50SMEAN(PendapatanOtangTua)

4 JumlahSaudara_1

7 1 50 50SMEAN(JumlahSaudara)

5NilaiSMA_1 4 1 50 50

SMEAN(NilaiSMA)

6 IQ_1 6 1 50 50 SMEAN(IQ)

Dari tabel result variables diatas terlihat ada 9 data untukvariabel umur yang diganti, 5 variabel biaya kuliah, 6variabel pendapatan orang tua, 7 variabel jumlah saudara, 4variabel nilai SMA san 6 vriabel IQ.

3. Uji Data Outliera. Standarisasi Data

Descriptive Statistics

N Minimum Maximum MeanStd.

Deviation

SMEAN(Umur) 50 17.00 21.00 19.0000 1.06904

SMEAN(BiayaKuliah) 50 500.00 980.00 7.0178E2 120.73396

SMEAN(PendapatanOtangTua)

50 600.00 1200.00 9.3409E2 165.29896

SMEAN(JumlahSaudara) 50 1.00 5.00 3.0698 .84262

SMEAN(NilaiSMA) 50 75.00 90.00 81.0000 3.86507

SMEAN(IQ) 50 105.00 135.00 1.1948E2 8.45514

Valid N (listwise) 50

Dari tabel diatas dapat dilihat bahwa rata-rata umurresponden adalah 19,00 tahun dengan standar deviasi 1,06

11

tahun. Rata-rata jumlah saudara responden adalah 3,06 orangdengan standar deviasi 0,84. Dan begitu seterusnya.

b.Box PlotUmur

Tidak ada satu pun data Umur yang ada di luar BoxPlot.Dengan demikian, bisa dikatakan tidak ada data outlier ataupunekstrem pada variabel ini.

Biaya Kuliah

12

Terlihat tidak ada satu pun data biaya kuliah yang ada diluar BoxPlot. Dengan demikian Dengan demikian, bisa dikatakantidak ada data outlier ataupun ekstrem pada variabel ini.

4. Uji Normalitas Data

Terlihat sebaran data dari variabel IQ bergerombol di sekitar garis uji yang mengarah ke kanan atas, dan tidak ada data yang terletak jauh dari sebaran data. Dengan demikian, data tersebut bisa dikatakan normal.

13

Terlihat sebaran data dari variabel IQ bergerombol di sekitar garis uji yang mengarah ke kanan atas, dan tidak ada data yang terletak jauh dari sebaran data. Dengan demikian, data tersebut bisa dikatakan normal.

5. Uji Homokedastisitas Data

Test of Homogeneity of Variance

LeveneStatistic df1 df2 Sig.

SMEAN(BiayaKuliah)

Based on Mean .859 1 48 .359

Based on Median .959 1 48 .332

Based on Median and with adjusted df

.959 1 47.764 .332

Based on trimmed mean .861 1 48 .358

SMEAN(NilaiSMA) Based on Mean 1.683 1 48 .201

Based on Median .133 1 48 .717

Based on Median and with adjusted df

.133 1 40.406 .717

Based on trimmed mean 1.441 1 48 .236

14

Pada baris Biaya Kuliah dari tabel output diatas, dan dengan dasar Mean, didapat angka SIG adalah 0,359. Karena angka SIG > 0,05, maka Ho diterima. Hal ini berarti varians dari data biaya kuliah responden yang memilih bekerja relatif sama dengan data biaya kuliah responden yang memilih kuliah. Sehingga bisa disimpulkan telah terjadi homoskedastisitas variabel biaya kuliah dengan dasar grup status.

Pada baris nilai SMA, dan dengan dasar Mean didapat angkaSIG adalah 0,201 maka Ho diterima. Hal ini berarti varians dari data nilai SMA responden yang memilih bekerja relatif sama dengan data nilai SMA responden yang memilih kuliah. Sehingga terjadi homoskedastisitas variabel nilai SMA dengan dasar grup Status.

6. Uji Linearitas Data

Terlihat garis regresi pada grafik diatas yang cenderung

mendatar. Kemudian jika dilihat pada persamaan regresi

koefisien praktis mendekati 0 (0,0004171). Hal ini membuktikan

15

tidak adanya linearitas pada hubungan dua variabel tersebut,

yang berarti semakin besar atau semakin kecil umur seseorang

tidak ada hubungannya dengan tingginya IQ seseorang

Pada gambar diatas dapat dilihat garis regresi yangmengarah kekanan atas, ini membuktikan adanya linearitas padahubungan dua variabel tersebut yaitu variabel biaya kuliahdengan variabel pendapatan orang tua. Artinya semakin tinggibiaya kuliahnya maka semakin tinggi pula pendapatan orangtuanya.

16

ANALISIS DISKRIMINAN

1. Menilai Variabel Yang Layak Untuk Analisis

Tests of Equality of Group Means

Wilks'Lambda F df1 df2 Sig.

SMEAN(Umur) .930 3.613 1 48 .063

SMEAN(BiayaKuliah) .994 .314 1 48 .578


.834 9.542 1 48 .003

SMEAN(JumlahSaudara) .970 1.478 1 48 .230

SMEAN(NilaiSMA) .779 13.642 1 48 .001

SMEAN(IQ) .767 14.587 1 48 .000

a. Dengan angka Wilk’s LambdaAngka Wilks’s Lambda berkisar 0 sampai1. Jika angka

mendekati 0 maka data tiap grup cenderung berbeda, sedang jikaangka mendekati 1, data tiap grup cenderung sama.

Dari tabel diatas terlihat angka Wilk’s Lambda berkisarantara 0,767 sampai0,994 (mendekati 1). Dari kolom Sig bisadilihat bahwa hanya variabel biaya kuliah yang cenderung tidakberbeda. Hal ini berarti biaya kuliah untuk mereka yangbekerja atau kuliah ternyata tidak berbeda secara nyata. Hanyadisini mendekati angka 1 dulit ditentukan secara pasti, karenahampir semua variabel diatas mempunyai angka Wilk’s Lambdayang besar, namun hanya satu variabel yang tidak lolos. Untukitu dilakukan pengujian ANOVA

b. Dengan F test

17

Variabel pendapatan orang tua, angka Sig nya dibawah 0,05(0,003). Artinya ada perbedaan antar-grup atau respondenyang memilih bekerja atau kuliah. Mungkin mereka yangpendapatan orang tuanya lebih tinggi akan memilih kuliahdibanding mereka yang orang tuanya berpendapatan lebihrendah. Atau mungkin sebaliknya.

Variabel Nilai SMA, angka Sig nya 0,001. Artinya adaperbedaan antar grup. Mungkin mereka yang nilai SMAnyalebih tinggi akan memilih untuk kuliah daripada merekayang nilai SMAnya lebih rendah. Atau sebaliknya.

Variabel Biaya Kuliah, angka Signya 0,578. Halini berartibiaya kuliah seorang responden tidak mempengaruhi merekauntuk memilih bekerja atau kuliah. Kesimpulan ini hampirsama dengan jika berpatokan pada angka Wilk’s Lambda yanghampir mendekati 1 untuk variabel biaya kuliah.

Variabel jumlah saudara, angka Signya adalah jauh diatas0,05 yaitu 0,230. Artinya jumlah saudara seorang respondentidak memengaruhi seorang responden untuk memilih bekerjaatau kuliah.Dari enam variabel, ada tiga varibel yang berbeda secarasignifikan untuk dua grup signifikan, yaitu pendapatanorang tua, nilai SMA dan IQ. Dengan demikian, seorangresponden memilih bekerja atau kuliah dipengaruhi olehpendapatan orang tua responden tersebut, nilai ketika diSMA, dan IQ yang dimiliki oleh responden tersebut.

Test Results

Box's M 23.940

F Approx. .986

df1 21

df2 8.474E3

Sig. .477

Tests null hypothesis of equal population covariance matrices.

18

Dari tabel terlihat bahwa angka Signya jauh diatas 0,05 yaitu 0,477, yang berarti group covariance matrices adalah sama. Hal ini berarti data diatas sudah memenuhi asumsi analisis diskriminan, sehingga proses bisa dilanjutkan.

Asumsinya adalah: Varians variabel bebas untuk tiap grup seharusnya sama.

Jika demikian, seharusnya varians dari responden yang memilih bekerja sama dengan varians responden yang memilihkuliah.

Varians diantara variabel-variabel bebas seharusnya juga sama. Jika denikian, seharusnya varians dari umur sama dengan varians dari biaya kuliah, sama dengan variabel biaya kuliah, pendapatan orang tua dan sebagainya.

Log Determinants

Status RankLog

Determinant

Bekerja 6 25.049

Kuliah 6 24.532

Pooled within-groups

6 25.289

The ranks and natural logarithms of determinants printed are those of the group covariance matrices.

Terlihat angka Log determinant untuk kategori bekerja 25,049 dan kuliah (24,532) tidak berbeda banyak, sehingga group covariance matrices akan relatif sama untuk kedua grup.

2. Proses Diskriminan.

Group Statistics

Status MeanStd.

Deviation

Valid N (listwise)

Unweighted Weighted

Bekerja SMEAN(PendapatanOtangTua)

8.6745E2 125.94122 25 25.000

SMEAN(NilaiSMA) 79.2000 3.24037 25 25.000

19

SMEAN(IQ) 1.1544E2 7.79536 25 25.000

Kuliah SMEAN(PendapatanOtangTua)

1.0007E3 175.13980 25 25.000

SMEAN(NilaiSMA) 82.8000 3.64005 25 25.000

SMEAN(IQ) 1.2352E2 7.15340 25 25.000

Total SMEAN(PendapatanOtangTua)

9.3409E2 165.29896 50 50.000

SMEAN(NilaiSMA) 81.0000 3.86507 50 50.000

SMEAN(IQ) 1.1948E2 8.45514 50 50.000

Tabel Group Statistics pada dasarnya berisi data statistik

(deskriptif) yang utama, yakni rata-rata dan standar deviasi,

dari kedua grup responden.

Responden yang memilih bekerja, rata-rata nilai SMA nya

adalah 79,20 sedangkan responden yang memilih kuliah rata-rata

nilai SMA nya adalah 82, 80. Sedangkan responden yang memilih

bekerja, rata-rata pendapatan orang tuanya adalah 867,550 dan

responden yang memilih kuliah, rata-rata pendapatan

orangtuanya adalah 1,000,000. Dan responden yang memilih

bekerja juga rata-rata memiliki IQ sekitar 115,44 sedangkan

responden yang memilih kuliah, rata-rata memiliki IQ sekitar

123,52.

Dari tabel diatas juga terlihat bahwa ada 25 responden

yang memilih bekerja, dan 25 responden yang memilih kuliah.

Jika melihat semua variabel terisi angka 25 dan 25 semuanya,

maka pada kasus ini tidak ada data yang hilang (missing),

sehingga total data untuk semua variabel adalah 50 responden.

20

Variables Entered/Removeda,b,c,d

Step Entered

Min. D Squared

Statistic

BetweenGroups

Exact F

Statistic df1 df2 Sig.

1 SMEAN(IQ)

1.167Bekerja and Kuliah

14.587 1 48.000 .000

2 SMEAN(PendapatanOtangTua)

2.552Bekerja and Kuliah

15.617 2 47.000 6.302E-6

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

a. Maximum number of steps is 6.

b. Maximum significance of F to enter is .05.

c. Minimum significance of F to remove is .10.

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

Tabel ini menyajikan variabel mana saja dari enam variabel

input yang bisa dimasukkan dalam persamaan diskriminan. Karena

proses adalah stepwise (beratahap) maka akan dimulai dengan

variabel yang mempunyai angka F hitung (statistik) terbesar.

Tahap pemasukan variabel bebas :

Pada tahap pertama, angka F hitung variabel IQ adalah

14,587, maka pada tahap pertama ini variabel IQ terpilih.

Pada tahap kedua, angka F hitung mencapai 15,617, maka

pada tahap kedua ini variabel Pendapatan orang tua

terpilih.

Kedua variabel tersebut memiliki 2 variabel yang tentunya

mempunyai Sig dibawah 0,05, seperti variabel IQ Signya 0,000

dan variabel pendapatan mempunyai Sig jauh dibawah 0,05 yaitu

6,301E-6 atau 0,000006301.

21

Dengan demikian, dari tiga variabel yang dimasukkan, hanya

ada dua variabel yang signifikan. Atau bisa dikatakan IQ dan

pendapatan orang tua mempengaruhi perilaku responden untuk

memilih bekerja atau kuliah. Atau mereka yang memiliki IQ dan

pendapatan orang tua diatas rata-rata akan memilih untuk

kuliah, dan begitu seterusnya.

Variables in the Analysis

Step ToleranceSig. of F to

RemoveMin. DSquared

BetweenGroups

1 SMEAN(IQ) 1.000 .000

2 SMEAN(IQ).939 .000 .763

Bekerja and Kuliah


.939 .001 1.167Bekerja and Kuliah

Pada step 1, variabel IQ adalah variabel pertama yang

dimasukkan kedalam model diskriminan. Hal ini disebabkan

variabel tersebut mempunyai angka Sig. Of F to Remove yang

paling sedikit yaitu 0,000 (jauh di bawah 0,05).

Kemudian pada step 2, dimasukkan variabel kedua yakni,

variabel pendapatan orang tua. Variabel tersebut memenuhi

syarat, karena mempunyai angka Sig. Of F to Remove dibawah

0,05 yakni 0,001.

22

Variables Not in the Analysis

Step ToleranceMin.

ToleranceSig. of F to

EnterMin. DSquared

BetweenGroups

0 SMEAN(IQ)1.000 1.000 .000 1.167

Bekerja and Kuliah

SMEAN(NilaiSMA)1.000 1.000 .001 1.091

Bekerja and Kuliah


1.000 1.000 .003 .763Bekerja and Kuliah

1 SMEAN(NilaiSMA).867 .867 .038 1.655

Bekerja and Kuliah


.939 .939 .001 2.552Bekerja and Kuliah

2 SMEAN(NilaiSMA).865 .826 .050 3.114

Bekerja and Kuliah

Tabel diatas merupakan kebalikan dari tabel sebelumnya,

dimana pada tabel ini adalah proses pengeluaran. Pada step 0

(awal) ketiga variabel tersebut secara lengkap ditayangkan

dengan angka Sig. Of F to Remove sebagai faktor penguji.

Terlihat angka Sig. Terkecil adalah pada variabel IQ yaitu

0,00. Maka variabel IQ dikeluarkan dari step 0 tersebut, yang

berarti variabel tersebut bukan termasuk variabel yang tidak

dianalisis.

Pada step 1, terlihat ada 2 variabel, dan variabel

pendapatan orang tua dengan Sig of F to Remove adalah 0,001

sehingga variabel tersebut dikeluarkan. Sekarang hanya ada

satu variabel yaitu variabel nilai SMA, dan variabel tersebut

mempunyai Sig of F to Remove diatas 0,05 (yakni 0,826). Karena

sudah tidak ada data variabel yang memenuhi syarat, maka

proses pengeluaran variabel berhenti, dan variabel tersebut

tidak bisa dikeluarkan, yang berarti variabel tersebut

23

termasuk pada variable not in the analysis, atau variabel yang

tidak dianalisis lebih lanjut.

Wilks' Lambda

StepNumber ofVariables Lambda df1 df2 df3

Exact F

Statistic df1 df2 Sig.

1 1 .767 1 1 48 14.587 1 48.000 .000

2 2 .601 2 1 48 15.617 2 47.000 .000

Wilks’s Lambda pada prinsipnya adalah varians total dalamdiskriminant scores yang tidak bisa dijelaskan oleh perbedaandiantara grup-grup yang ada. Pada step 1, jumlah variabel yangdimasukkan ada satu (IQ), dengan angka Wilk’s Lambda adalah0,767. Hal ini berarti 76,7% varans tidak dapat dijelaskanoleh perbedaan antar grup-grup. Kemudian pada step 2, dengantambahan variabel pendapatan orang tua, angka Wilk’s Lambdaturun menjadi 0,601 atau 60,1%. Penurunan angka Wilk’s Lambdatentu baik bagi model diskriminan, karena varians yang tidakbisa dijelaskan juga semakin kecil.

Dari kolom F dan Sig-nya, erlihat baik pada pemasukanvariabel 1 dan 2, semuanya adalah signifikan secara statistik.Hal ini berarti kedua variabel tersebut (IQ dan pendapatanorang tua) memang berbeda untuk kedua pilihan responden.

Eigenvalues

Function Eigenvalue

% ofVariance Cumulative %

CanonicalCorrelation

1 .665a 100.0 100.0 .632

a. First 1 canonical discriminant functions were used inthe analysis.

Canonical Correlation mengukur keeratan hubungan antaradiskriminant score dengan grup. Angka 0,632 menunjukkankeeratan yang cukup tinggi, dengan ukuran skala asosiasi 0sampai 1.

24

Wilks' Lambda

Test of Function(s)

Wilks'Lambda Chi-square Df Sig.

1 .601 23.949 2 .000

Tabel diatas menyatakanangka akhir dari Wilk’s Lambda, yang sebenarnya sama saja dengan angka terakhir dari step 2 pembuatan model diskriminan. Angka Chi-Square sebesar 23,949 dengan signifikan yang tinggi menunjukkan perbedaan yang jelasantara dua grup responden.

Structure Matrix

Function

1

SMEAN(IQ) .676


.547

SMEAN(NilaiSMA)a .217

Pooled within-groups correlationsbetween discriminating variables and standardized canonical discriminant functions Variables ordered by absolute size of correlation within function.

a. This variable not used in the analysis.

Tabel Structure Matrix menjelaskan korelasi antaravariabel independen dengan fungsi diskriminan yang terbentukterlihat variabel IQ paling erat hubungannya dengan fungsidiskriminan, diikuti oleh variabel pendapatan orang tua dannilai SMA.

25

Prior Probabilities for Groups

Status Prior

Cases Used inAnalysis

Unweighted Weighted

Bekerja .500 25 25.000

Kuliah .500 25 25.000

Total 1.000 50 50.000

Tabel diatas memperlihatkan komposisi ke 50 responden,yang dengan model diskriminan menghasilkan 25 responden ada digrup bekerja,dan 25 responden digrup kuliah.

26

BAB III

PENUTUP

3.1 KESIMPULAN

Dari proses uji data sampai analisis output, dapat

disimpulkan bahwa ada perbedaan yang signifikan antara

responden yang memilih bekerja dan responden yang memilih

kuliah. Hal ini dibuktikan pada analisis Wilk’s Lambda, dimana

variabel yang terlihat berbeda adalah variabel IQ dan

pendapatan orang tua.

Variabel yang membuat perilaku seseorang yang memilih

bekerja atau kuliah berbeda adalah variabel Iqdan pendapatan

27

orang tua. Hal ini terlihat pada step analisis awal, baik

bagian Variable In Analysis maupun Variable Not In Analysis.

Jadi, IQ dan pendapatan orang tua mempengaruhi perilaku

responden untuk memilih bekerja atau kuliah. Atau mereka yang

memiliki IQ dan pendapatan orang tua diatas rata-rata akan

memilih untuk kuliah, dan sebaliknya mereka yang memiliki IQ

dan pendapatan orang tua yang lebih rendah memilih untuk

bekerja.

3.2 SARAN

Kritik dan saran sangat penulis harapkan dalam makalah

ini, segala kekurangan yang ada dalam makalah ini mungkin

karena kelalaian atau ketidaktahuan penulis dalam

penyusunannya. Segala hal yang tidak relevan, kekurangan dalam

pengetikan atau bahkan ketidakjelasan dalam makalah ini

merupakan proses penulis dalam mempelajari bidang studi ini

dan diharapkan bagi pembaca dapat mengambil manfaat dari

makalah ini.

DAFTAR PUSTAKA

28

Santoso , Singgih. 2012. Aplikasi SPSS pada Statistik Multivariat. Elex Media Komputindo : Jakarta.

29

Statistik Multivariat

Documents