INTERPRETASI OUTPUT DAN SIMPULAN PENERAPAN STATISTIK ANALISIS DISKRIMANAN PADA KASUS TINGGINYA PERSENTASE ANGKA GOLPUT PILKADA KABUPATEN X

INTERPRETASI OUTPUT DAN SIMPULAN PENERAPAN STATISTIK ANALISIS DISKRIMANAN PADA KASUS TINGGINYA PERSENTASE ANGKA GOLPUT PILKADA KABUPATEN X

Halo selamat siang nih sobat semua hehe,, Seperti biasa saya mau tanya, apa kabarnya sooob? Moga sehat, bahagia dan sukses selalu ya.. Amin.. Oke deh sob, mohon maaf baru sempat posting outputnya saat ini ya karena ada tugas yang harus saya kelarin juga hehehe.. 

Nah, postingan kali ini adalah terusan dari postingan sebelumnya Pemantapan konsep dan langkahanalisis diskriminan dengan spss 16 : Penerapan analisis pada “Fakta fenomenatingginya masyarakat yang golput dalam pilkada di suatu kabupaten”. Jadi, ada baiknya sobat baca dulu postingan sebelumnya sebelum masuk ke postingan ini ya agar lebih mantap pemahamannya..

Berikut output dan interpretasi statistik analisis diskriminan yang diperoleh dari SPSS 16:

Perhatikan sob, output ini memberikan penjelasan secara deskriptif tentang nilai rata-rata dan standar deviasi dari setiap kategori/kelompok (golput dan memilih) per karakteristik variabel bebasnya. Kita lihat bahwa mereka (responden) yang memilih memberikan rata-ratab persepsi yang lebih besar (positif) dibandingkan yang Golput. 

Terlihat perbedaan yang cukup mencolok antara kedua kategori/kelompok (golput dan memilih) pada variabel ekonomi dan administrasi. Kelompok yang memilih memberikan persepsi paling positif dalam hal ekonomi sedangkan untuk kelompok golput, variabel ekonomi ini justru yang paling negatif (rendah) dinilai. Oke deh sampai sini paham ya sooob hehehe..

Selanjutnya ayoo kita lihat output berikutnya yaitu Test of Equality of Group Means:

Nah, output di atas gunanya buat identifikasi faktor-faktor apa saja yang signifikan dalam membedakan kedua kategori/kelompok Golput dan Memilih.. Ibaratnya kalau di uji regresi dikenal dengan uji parsial statistik student –t yaa hehe.. Nah, disitu ada tuh nilai Wilks’ Lambda kaan.. Perlu sobat tahu kalau nilai Wilks’ ini berada dalam interval 0 sampai 1 dan semakin nilainya mendekati 0 berarti menunjukkan semakin signifikan variabel tersebut dalam membedakan kelompok yang Golput dengan kelompok yang Memilih.. 

Okee, sekarang back to our result, ternyata ada tiga buah variabel bebas yang signifikan dalam membedakan/mendiskriminasikan kedua kelompok yaitu variabel ekonomi, administrasi dan visi misi.. Kita rekonsiliasikan dengan hasil dari Wilks’ Lambda, terlihat bahwa variabel yang paling signifikan dalam membedakan kedua kelompok adalah variabel ekonomi, selanjutnya dikuti oleh variabel administrasi dan variabel visi misi. 

Okeee, sekarang kita lihat output selanjutnya Box’s M Results:

 Seperti saya pernah singgung dalam postingan sebelumnya bahwa Box’s M ini merupakan uji kesamaan varians (variance homogenity test) sebagai syarat layak tidaknya kita menggunakan analisis diskriminan untuk penelitian kita.. Nah, kita lihat nilai Sig. F untuk uji kesamaan varians adalah 0,545 lebih besar daripada Alpha (tingkat kesalahan) 0,05. Jadi, itu artinya kita menerima hipotesis nol yang menyatakan bahwa varians homogen hehehe.. Horeee, kita berhasil sooob hahaha... Nah, output selanjutnya adalah Canonical Correlation (korelasi kanonik) pada tabel Eigen Value..

Nah, apa itu gunanya korelasi kanonik? Gak usah bingung sob.. Mudahnya begini, karena kita menggunakan lebih dari satu variabel bebas (multivariat) dan variabel terikat yang kita pakai juga bersifat kategorik (ada kategori/kelompok Golput dan ada yang Memilih), maka kita ingin melihat bagaimana hubungan antara kedua variabel ini yakni yang bebas dan yang terikat.. Psinsipnya sama dengan korelasi biasa yang nilainya dari 0 sampai dengan 1.. Ibarat kata, kita mau melihat hubungan antara sekumpulan (satu set) variabel bebas dengan satu set variabel terikatnya.. 

Ternyata sobat lihat bahwa korelasinya sangat tinggi yaitu sebesar 0,926.. Terus, sekarang kita kuadratkan nilai korelasi ini sehingga menjadi menjadi nilai koefisien determininasi (R squared). Buat apa?? Ya, buat melihat seberapa besar keragaman variabel terikat yang mampu dijelaskan oleh variabel bebasnya. Hasilnya adalah 0,8574 yang berarti bahwa variabel bebas mampu menjelaskan sebesar 85,74 persen keragaman yang ada pada variabel terikat sedangkan sisanya sekitar 14,26 persen dijelaskan oleh residual atau variabel bebas lain di luar model.. Okeee deh.. Lanjut terus.. Sekarang lihat output Wilk’s Lambda Chi Squarenya..

Nah, ini beda ya dengan Wilks’ Lamda sebelumnya yang melihat variabel bebas mana paling signifikan dalam membedakan kedua kategori.. Wilks’Lambda Chi Square sudah lebih tinggi lagi levelnya yaitu untuk melihat apakah ada perbedaan yang signifikan antar kategori/kelompok Golput dan Memilih.. Hasilnya, nilai Sig. 0,000 lebih kecil daripada Alpha 0,05 sehingga dengan demikian kita menolak hipotesis nol dan menyimpulkan bahwa ada perbedaan yang signifikan antara kategori/kelompok yang Golput dengan yang Memilih.

Next, lihat output Structure Matrix:

Nah, biasanya output Structure Matrix ini gak bakalan meleset hasilnya dengan output Wilks Lambda pada tabel Test of Equality.. Disini sudah diurutin tuh sob mulai dari variabel mana yang paling signifikan membedakan. Nah, jangan langsung telan semua ya karena kan sebelumnya sudah kita lakukan uji parsial (cek lagi penjelasan Test of Equality) bahwa hanya variabel ekonomi, administrasi dan visi misi yang signifikan. 

Jadi, perhatikan itu saja sooob. Nah, hasilnya sejalankan kalau yang paling signifikan membedakan itu adalah variabel ekonomi, selanjutnya administrasi dan visi misi. Heemm, sekarang lanjutkan ke output Canonical Discriminant Function Coef.

 

Nah, disini kita bisa dapatkan model diskriminan yang kita peroleh sooob.. Gunanya adalah untuk nanti kita bisa menentukan skor diskriminan.

Modelnya begini nih soob.. 

Z=-7,989-0,052sosialisasi + 0,841ekonomi + 0,363administrasi + 0,055pro_kandidat + 0,363 visi_misi

Model diskriminan ini akan kita pakai buat menghasilkan skor diskriminan yang berfungsi untuk memprediksi pengklasifikasian suatu objek/responden ke dalam kelompok. Next, perhatikan output selanjutnya yaitu Function of Group Centroids

Oke deh kita akan pakai nilai sentroid ini buat mencari nilai batasan alias nilai critical cutting score (Zcu.). Nah, di SPSS belum ada nilai Zcu nya, jadi silahkan hitungnya manual dengan formula sederhana:

Zcu={(Ng*Zg)+(Nm*Zm)}/(Ng+Nm)

Keterangan:

Zcu=critical cutting score

Ng= jumlah responden yang Golput

Nm= jumlah responden yang Memilih

Zg= nilai sentroid yang Golput

Zm= nilai sentroid yang Memilih

Jadi, Zcu={(25*-2,397)+(25*2,397)}/(25+25)=0

Nah, angka Zcu=0 ini gak selalu hasilnya seperti ini ya sob..

Naaaah, nanti nilai skor diskriminan di bawah 0 akan masuk ke dalam kelompok Golput sedangkan untuk yang di atas 0 akan masuk ke dalam kelompok Memilih..

Misalnya deh, untuk responden 1:

Z= -7,989-0,052sosialisasi + 0,841ekonomi + 0,363administrasi + 0,055pro_kandidat + 0,363 visi_misi

Z= -7,989-0,052(2) + 0,841(3) + 0,363(4) + 0,055(7) + 0,363(3)=-2,644

Karena nilai Z responden 1 = -2,644 < 0, maka responden 1 diprediksi masuk ke dalam kategori Golput. Untuk responden 1 ini ternyata sesuai dengan keadaan sebenarnya/aktualnya. Maksudnya?? Ya, kan tadi kenyataannya si responden 1 Golput dan setelah diprediksi dengan model diskriminan (dengan pertimbangan cutting score), hasilnya sama yaitu tetap masuk ke dalam kategori/kelompok Golput.. Hehehe..

Nah, untuk SPSS sebenarnya output seluruh responden sudah diberikan.. Tapi, saya berikan saja manualnya agar sobat tahu gimana cara hitung nilai skor diskriminannya dan gak bingung tentang kemunculan angka-angka itu..

Berikut cuplikan skor diskriminan dari model diskriminan pada SPSS:

Nah, terakhir adalah output Classification Results..

Nah, dari sini kita bisa lihat nih soob berapa yang salah klasifikasi pada model analisis diskriminan.. Ternyata ada 1 orang responden yang salah klasifikasi yaitu yang pada kenyataannya (hasil survei) masuk ke dalam kategori Memilih ternyata diprediksi masuk ke dalam kategori Golput. Jadi, persentase kesahihan/keakuratan analisis yang kita pakai adalah jumlah klasifikasi yang benar (aktual=prediksi) dibagi total responden sehingga 49/50 adalah 98%. Nah, terbukti bahwa keakuratan model diskriminan kita sangat akurat/tepat untuk dipertanggungjawabkan.

Nah, lalu apa kesimpulan analisis dikriminan untuk kasus Golput Pilkada Kabupaten X ini?

Ingaaaat, kita masih ada sampel buat validasi kan?? Lakukan hal yang sama pakai 20 sampel identifikasi itu.. Cukup lihat empat hal ini saja untuk komparasi : uji asumsi non multikolinieritas, uji parsial (Test of Equality) untuk melihat mana yang signifikan, Box’s M (untuk uji kesamaan varians) dan Classification Results (melihat keakuratan dan cek kesalahan klasifikasi). Output lengkap untuk sampel validasi bisa sobat download dalam bentuk sav (SPSS) disini karena terlalu panjang jika dibuat dalam postingan ini sob hehehe..

Untuk komparasi sampel estimasi dan validasi serta kesimpulan akan saya buatkan pada postingan selanjutnya ya sooob,, Yaaap, itu dulu yang bisa saya interpretasikan tentang output analisis diskriminan sampel estimasinya.. Semoga postingan ini bermanfaat buat kita semua.. Semangar terus dan salam sukses hehehe :-)