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..
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:
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..
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.
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 :-)
Kalo nilai BOx's M tidak keluar apanya yg bermasalah mas?
BalasHapusmakasih banyak om.. ini sangat membantu!
BalasHapusSangat membantu, terima kasih
BalasHapusnilai constant di tabel canonical discriminant function coefficients saya ko gk keluar ya
BalasHapustrus bedanya enter independent sama stepwise apa
oke min
BalasHapusLampu servis hp led