Misalkan kita akan melihat perbedaan dua jenis bunga(Y bernilai 0 dan 1) berdasarkan
lebar kelopak(x1) dan lebar daun(x2)
Masukkan data ke dalam spss
Analyze>Classify>diskriminan
Masukkan variabel independen yaitu X1 dan X2
Pilih use stepwise method
Masukkan variabel dependen y lalu klik define group
Pada minimum ketik '0', pada maksimum ketik '1'
continue
klik statistik
Centang
semua trus di functionnya, kalo kita udah uji normal dan terbukti
asumsi normal terpenuhi, maka centang unstandardized. Kalo gak mau
pusing sama asumsi normal maka pake yang fisher lalu klik continue
Classify> display dicentang yang summary table.
Save > centang predicted grup membership
continue dan OK
Berikut hasilnya:
|
Tests of Equality of Group Means
|
|||||
|
Wilks' Lambda
|
F
|
df1
|
df2
|
Sig.
|
|
|
x1
|
,074
|
225,080
|
1
|
18
|
,000
|
|
x2
|
,801
|
4,467
|
1
|
18
|
,049
|
Untuk analisis awal dapat kita lihat bahwa rata-rata X1(lebar kelopak) dan X2 (lebar daun) berbeda antar jenis bunga.
|
Test Results
|
||
|
Box's M
|
59,825
|
|
|
F
|
Approx.
|
17,558
|
|
df1
|
3
|
|
|
df2
|
58320,000
|
|
|
Sig.
|
,000
|
|
|
Tests null hypothesis of equal population covariance matrices.
|
||
|
Eigenvalues
|
||||
|
Function
|
Eigenvalue
|
% of Variance
|
Cumulative %
|
Canonical Correlation
|
|
1
|
16,192a
|
100,0
|
100,0
|
,970
|
|
a. First 1 canonical discriminant functions were used in the analysis.
|
||||
Canonical correlation : untuk melihat korelasi antara skor diskriminan dengan grupnya yaitu sebesar 97 persen
|
Wilks' Lambda
|
||||
|
Test of Function(s)
|
Wilks' Lambda
|
Chi-square
|
df
|
Sig.
|
|
1
|
,058
|
48,356
|
2
|
,000
|
Terlihat bahwa secara simultan kedua variabel berbeda secara signifikan
|
Standardized Canonical Discriminant Function Coefficients
|
|
|
Function
|
|
|
1
|
|
|
x1
|
1,066
|
|
x2
|
,513
|
Membuat persamaan diskriminan : Y=1,066 X1 + 5,13X2
|
Functions at Group Centroids
|
|
|
y
|
Function
|
|
1
|
|
|
,00
|
-3,817
|
|
1,00
|
3,817
|
|
Unstandardized canonical discriminant functions evaluated at group means
|
|
|
Classification Resultsa
|
|||||
|
y
|
Predicted Group Membership
|
Total
|
|||
|
,00
|
1,00
|
||||
|
Original
|
Count
|
,00
|
10
|
0
|
10
|
|
1,00
|
0
|
10
|
10
|
||
|
%
|
,00
|
100,0
|
,0
|
100,0
|
|
|
1,00
|
,0
|
100,0
|
100,0
|
||
|
a. 100,0% of original grouped cases correctly classified.
|
|||||
Terlihat bahwa ketepatan pengalokasian sebesar 100 %, biasanyanya
tidak akan sampai 100%
0 komentar:
Posting Komentar