Beruflich Dokumente
Kultur Dokumente
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman1
BeberapaAnalisisdiskriminan
dihapus).Sekalilagi,variabeldengantingkatsignifikansilebihbesardari0,05dikeluarkandari
pertimbanganuntukmasukpadalangkahberikutnya.
MenelitiperbedaanunivariatditunjukkanpadaTabel5mengidentifikasiX
17(HargaFleksibilitas)sebagai
variabeldenganperbedaanyangpalingsignifikankedua.Namunprosesbertahaptidakmenggunakanini
Hasilunivariatketikafungsidiskriminanmemilikisatuataulebihvariabeldalamdiskriminanyang
fungsi.InimenghitungD 2 nilainilaidantessignifikansistatistikdariperbedaankelompoksetelah
pengaruhvariabel(s)dalammodeldihapus(dalamhalinihanyaX
13adalahdalammodel).
SepertiyangditunjukkanpadabagianterakhirdariTabel6,tigavariabel(X
6,X 11,DanX17)Jelasbertemu
kriteriatingkat0,05signifikansiuntukdipertimbangkanpadatahapberikutnya.X
17tetapyangterbaikberikutnya
kandidatuntukmasukmodelkarenamemilikitertinggiMahalanobisD 2 (4,300)danlargyang
st F untukmemasukkannilai.Namun,variabellain(misalnyaX
11)Memilikipengurangansubstansialdalammereka
tingkatsignifikansidanMahalanobisD 2 dariyangditunjukkanpadaTabel5karenasatuvariale
dalammodel(X13).
Xu. Padalangkah2(lihatmampu7),X
BertahapEstimasi:MenambahkanVariabelKedua
17memasuki
modelsepertiyangdiharapkan.Modelkeseluruhansignifikan
(F= 31,129)danmeningkatkandidisyang
dakwaantarakelompokyangdibuktikandenganpenurunanlambdaWilks'0,6450,478.
Selainitu,kekuatandiskriminatifdarikeduavariabeltermasuktitikinijugastatistik
penting (F nilai20,113untukX 13dan19,863untukX
17).Wikeduavariabelstatistiksig
nifikan,prosedurbergerakuntukmenelitivariabeltidakdalampersamaanuntukpotensialkandidat
tanggaluntukdimasukkandalamfungsidiskriminanberdasarkandiskriminasiinkrementalmereka
antarakelompok.
x 11adalahpertemuanvariabelberikutnyapersyaratanatauinklusi,namuntingkatsignifikansidan
kemampuanmembedakantelahberkurangsubstantiallbpenyebabmultikolinearitasdenganX
13danX17
sudahdalamfungsidiskriminan.KebanyakannoticealeadalahpeningkatanmaltdiMahalanobisD
2
darihasilunivariatdimanasetiapvariabeldianggapsecaraterpisah.DalamkasusX
11itu
minimumD2nilaimeningkatdari1,731(eeTabel5)untuk5,045(lihatTabel7),indikasidaripenyebaran
danpemisahankelompokolehX 13danX17sudahdalamfungsidiskriminan.PerhatikanbahwaX
18akus
hampiridentikdalamkekuasaandiskriminasiyangtersisa,tapiX
11akanmasukpadalangkahketigakarenayangsedikit
Keuntungan.
BertahapEstimasi:MenambahkanVariabelXKetiga
11. Tabel8ulasanhasilketiga
langkahdaribertahapprcss,dimanaX
11tidakmemasukkanfungsidiskriminanHasilkeseluruhan
masihntstatistiksignificdanterusmeningkatkandiskriminasi,sebagaimanadibuktikanolehpenurunan
nilailambdyangWilks'(0,4780,438).Namunperludicatatbahwapenurunanitujauhlebihkecil
daripadayangditemukansaatvariabelkedua(X
,X17.
17)Ditambahkandenganfungsidiskriminan.DenganX
13
danX11semuastaisticallysignifikan,prosedurbergerakuntukmengidentifikasisetiapcalonyangtersisauntuk
penyertaan
SebagaieendibagianterakhirdariTabel8,tidakada10variabelindependenyangtersisalulus
kriteriaentriuntuksignifikansistatistikdari0,05.SetelahX
11dimasukkandalampersamaan,baiko
variabelyangtersisayangmemilikiperbedaanyangsignifikanunivariatseluruhkelompok(X
6danX12)
memilikirelatifsedikitkekuasaandiskriminatiftambahandantidakmemenuhikriteriaentri.Dengandemikian,
prosesestimasiberhentidengantigavariabel(X
13,X 17,DanX 11)Yangmerupakan
fungsidiskriminan.
Tabel9menyediakanbertahapkeseluruhan
RingkasanProsesStepwiseEstimasi.
Hasilanalisisdiskriminansetelahsemuavariabelsignifikantermasukdalamestimasi
fungsidiskriminan.Tabelringkasaninimenjelaskantigavariabel(X
,X 13,Dan
11
x 17)YangdiskriminatorsignifikanberdasarkanmerekalambdaWilks'danminimum
MahalanobisD2 nilainilai.
Halaman2
https://translate.googleusercontent.com/translate_f
1/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
MultipleDiscriminantAnalysis
Sejumlahhasilyangberbedadisediakanmenanganikeduamodelkeseluruhanfitdan
dampakvariabeltertentu.
Langkahlangkahmultivariatmodelkeseluruhanfitdilaporkandibawahjudul"Canonical
Fungsidiskriminan."Perhatikanbahwafungsidiskriminansangatsignifikan(0,000)dan
2=
menampilkankorelasikanonik0,749.Kitamenafsirkankorelasiinidenganmengkuadratkanitu(0,749)
0,561.Dengandemikian,56,1persendarivariansdalamvariabeldependen(X
4)dapatdipertanggungjawabkan
(dijelaskan)olehmodelini,yangmencakuphanyatigavariabelindependen.
TABEL7HasildariLangkah2dariStepwiseDuaKelompokdiskriminanA
KeseluruhanModelFit
Nilai
FNilai
Wilks'Lambda
31,129
0,478
DerajatFreedo
Arti
2,57
0,000
VariabelPemasukan/DihapusdiLangkah2
F
Antara
VariabelDimasukkan
MinimumD
VLue
Arti
Grup
2
X17 HargaFleksibilitas
4.300
31,129
0,000
0dan1
Catatan:
Padasetiaplangkah,variabelyangmemaksimalkan%jarakMahalanobisantarakeduakelompokterdekat
dimasukkan.VariabeldalamAnalisisSetelahLangkah2
Variabel
Toleransi
X13Kompetitif Harga
X17 HargaFleksibilitas
1000
1.000
F untukmenghapus13 2
20,113
19,863
AntaraGrup
2,152
2,171
0dan1
0dan1
VariabelTidakdalamAnalisisSetelahLangkah2
Variabel
Toleransi
Minimum
Toleransi
F memasuki
0,884
0,804
0,966
0,610
0,884
0,804
0,966
0,610
0,681
2,486
0,052
1,479
4.400
4,665
4,308
4,517
0dan1
0dan1
0dan1
0dan1
0,901
0,848
0,944
0,916
0,986
0,625
0,519
0,901
0,848
0,944
0,916
0,986
0,625
0,519
0,881
5,068
0,849
0,759
0,017
0,245
4,261
4,429
5,045
4,425
4,411
4,302
4,336
4,927
0dan1
0dan1
0dan1
0dan1
0dan1
0dan1
0dan1
X6 Kualitasproduk
X7ECommerceKegiatan
X8 Dukunganeknis
x Resolusikeluhan
a2,57degreesoffreedom.
Minimum
132
Antara
Grup
Halaman3
x 10Pengiklanan
x 11ProductLine
X12 SalesforceGambar
X14 Garansi&Klaim
X15 ProdukProdukBaru
X16 Order&Penagihan
X18 Kecepatanpengiriman
SignifikansiPengujianPerbedaanKelompokSetelahLangkah2'
USA/AmerikaUtara
F
DiluarAmerikaUtara
32,129
Sig.
0,000
https://translate.googleusercontent.com/translate_f
2/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman4
BeberapaAnalisisdiskriminan
TABEL8HasildariLangkah3dariStepwiseDuaKelompokdiskriminanAna
KeseluruhanModelFit
Nilai
Wilks'Lambda
0,438
FNilai
Derajatkebebasan
23,923
3,56
Arti
0,000
VariabelPemasukan/DihapusdiLangkah3
F
MinimumD2
x 11ProductLine
5,045
Nilai
23,923
Arti
AntaraGrup
0,000
0dan1
Catatan:Padasetiaplangkah,variabelyangmemaksimalkanjarakMahalanobisantaraduakelompokterdekatadalah
masuk.VariabeldalamAnalisisSetelahLangkah3
Variabel
X13Hargakompetitif
Xi7HargaFleksibilitas
x11ProductLine
Toleransi
0,849
0,999
0,848
FHapus
7,258
18,416
5,068
D2
AntaraGrup
4015
2822
4.300
0dan1
0dan1
0dan1
VariabelTidakdalamAnalisisSetelahLangkah3
Variabel
Toleransi
X6Kualitasproduk
0,802
X7ECommerceKegiatan
0,801
https://translate.googleusercontent.com/translate_f
Minimum
Minimum Antara
Tolerberas FuntukMasukkanD2
Grup
769
0,791
0,019
2,672
5,048
5,482
0dan1
0dan1
3/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
X8Dukunganteknis
X9Resolusikeluhan
x10Pengiklanan
Xi2SalesforceGambar
X14Garansi&Klaim
X15ProdukProdukBaru
X16Order&Penagihan
0,961
0,233
900
931
836
0,981
0,400
0,832
0,233
0,840
0,829
0,775
0,844
0,400
0,004
0,719
0,636
1,294
2,318
0,076
1,025
5,046
5,163
5,149
5,257
5,424
5,058
5,213
0dan1
0dan1
0dan1
0dan1
0dan1
0dan1
0dan1
X18Kecepatanpengiriman
0,031
0,031
0,208
r
SignifikansiPengujianPerbedaanGrupSetelahLangkah
5,079
0dan1
DiluarAmerikaUtara
F
Sig.
USA/AmerikaUtara
23,923
0,000
3,56derajatkebebasan.
Sebuah
Koefisienfungsidiskriminanstandaryangdisediakan,tetapikurangdisukaiuntuk
tujuaninterpretasidaribebandiskriminan.Thediskriminanunstandardized
koefisienyangdigunakanuntukmenghitungnilaiZdiskriminanyangdapatdigunakandalamklasifikasi.
Thebebandiskriminandilaporkandibawahjudul"StrukturMatrix"dan
dipesandaritertinggiketerendahdenganukuranloading.Loadingsdibahas
kemudiandibawahfaseinterpretasi(Tahap5).
Halaman5
Koefisienfungsiklasifikasi,jugadikenalsebagailineardiskriminanFisher
fungsi,yangdigunakandalamklasifikasidandibahaskemudian.
https://translate.googleusercontent.com/translate_f
4/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman6
MultipleDiscriminantAnalysis
TABEL9StatistikRingkasanAnalisisdiskriminanDuaKelompok
KeseluruhanFungsiModelFitCanonicalDiscriminant
PersendariVariance
FungsikumulatifCanonicalWilks'
%
%
KorelasiLambdaChiSquaredfSignifikansi
Fungsieigen
1
1,282
100
100
0,749
0,438
46,606
0,000
FungsidiskriminandanKlasifikasiKoefisienFungsi
Fungsidiskriminan
Variabelindependen
x 11ProductLine
X13Hargakompetitif
X17 HargaFleksibilitas
Konstan
UnstandardizedStandar
.363
.417
0,398
0,490
0,749
0,664
3,752
Danaklasifikasi
ons
Kelompok0:
Kelompok1:
USA/AmerikaUtaraDiluarAmerikaUtara
7,725
6,909
6,456
7,349
4.2
5,912
52800
60,623
1
StrukturMatrix Sebuah
Variabelindependen
Fungsi1
petitiveHarga
0,656
X13Com
0,653
X17 HargaFleksibilitas
x 11ProductLine
.586
0,429
X7ECommerceKegiatan*
.418
X6Kualitasproduk*
.329
X14 Garansi&Klaim*
x 10Iklan*
0,238
.181
X9KeluhanResolusi*
164
X12SalesforceGambar*
X16 Order&Penagihan*
.149
.136
X8Dukunganteknis*
.060
X18 PengirimanKecepatan*
0,041
X15 ProdukProdukBaru*
*Variabelinitidakdigunakandalamnalysistersebut.
SaranaGroup(centroid)dariFungsidiskriminan
Fungsi1
X4Wilayah
USA/AmerikaUtara
1,273
DiluarAmerikaUtara
0,973
'Pooledihinkelompokkorelasiantaravariabeldiskriminatifdanstandarkanonikfungsidiskriminanvariabel
diperintahkanolehAbsolukurankorelasidalamfungsi.
Grupcentroidjugadilaporkan,danmerekamewakilimeandaridiskriminanindividu
skorfungsiuntuksetiapkelompok.Centroidkelompokmemberikanukuranringkasandariposisirelatif
tiondarimasingmasingkelompokpadafungsidiskriminan(s)Dalamhalini,Tabel9menunjukkanbahwakelompokpusat
troiduntukperusahaandiAmerikaSerikat/AmerikaUtara(kelompok0)adalah1,273,sedangkankelompokmassauntuk
https://translate.googleusercontent.com/translate_f
5/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman7
perusahaandiluarAmerikaUtara(kelompok1)adalah0,973.lbmenunjukkanbahwarataratakeseluruhanadalah0,kalikan
numberineachgroupbyitscentroidandaddtheresult(misalnya26x1,273+34x.973=0,0).
Halaman8
BeberapaAnalisisdiskriminan
Hasilkeseluruhanmodeldapatditerimaberdasarkansignifikansistatistikdanpraktis.
Namun,sebelummelanjutkankeinterpretasihasil,penelitiperlu
menilaiakurasiklasifikasidanmemeriksahasilcasewise.
MENILAIKLASIFIKASIAKURASI Denganmodelkeseluruhansignifikansecarastatistikdan
menjelaskan56persendarivariasiantarakelompok(lihatpembahasansebelumnyadanTabel9),
kitapindahkemenilaiakurasiprediksidarifungsidiskriminanDalamcontohini,kitaakan
menggambarkanpenggunaanskordiskriminandanskorpemotonganuntuktujuanklasifikasi.Dalammelakukannya,
https://translate.googleusercontent.com/translate_f
6/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
threetaskswemustcomplete:
1.Hitungnilaipemotongan,kriteriaterhadapyangdiskriminansetiappengamatanini
RataZdinilaiuntukmenentukankemanakelompokituharusdiklasifikasikan.
2.Klasifikasikansetiapobservasidanmengembangkanmatriksklasifikasiuntukkedualisissebuah
dansampelketidaksepakatan.
es untukberdua
3.Menilaitingkatakurasiprediksidarimatriklasifikasi
signifikansistatistikdanpraktis.
Meskipunpemeriksaansampelketidaksepakatandanakurasiprediktifsayabenarbenardilakukandi
tahapvalidasi,hasildibahassekaranguntukkemudahanComparidiantaraestimasidanmenahan
sampel.
Penelitimutpertamamenentukanbagaimanasebelum
MenghitungCuttingScore.
probabilitasdariklasifikasiharusditentukan,baikberdasarkannukurankelompokyangsebenarnya(denganasumsi
merekaiepiesentativedaripopulasi)atauditentukanolehhpeneliti,palingseringditetapkansebagai
samadengankonservatifdalamprosesklasifikasi.
Dalamsampelanalisis60pengamatan,kitatahubahwavariabeldependenterdiri
dariduakelompok,26perusahaanyangberlokasidiAmerikaSerikatdan34perusahaandiluarAmerikaSerikat.Jika
kamitidakyakinapakahproporsipopulasiyangdiwakiliolehsampel,makakita
harusmenggunakanprobabilitasyangsama.Namun,karenasampelkamiperusahaansecaraacakditarik,
kitadapatcukupyakinbahwasamplinitidakmencerminkanproporsipopulasi.Dengandemikian,ini
analisisdiskriminanmenggunakanproporsisampeluntukmenentukanprobabilitassebelumnyauntuk
tujuanklasifikasi.
Setelahditentukanprobabilitassebelumnya,skorpemotonganoptimumdapatdihitung.Karena
dalamsituasiiniroupsdiasumsikaniepiesentative,perhitungannyamenjadirataratatertimbang
cntroidsduakelompok(lihatTabel9untuknilainilaikelompokmassa):
ZCS=
N SEBUAH
ZB+N BZ SEBUAH
(26x0,973)+(34X1,273)
=0,2997
26+34
NANg
Dengansubstitusidarinilainilaiyangsesuaidalamformula,kitabisamemperolehkritis
Z =.2997.
pemotonganculang(denganasumsibiayasamakesalahanklasifikasi)dari
cs
Setelahpemotongan
MengklasifikasikanPengamatandanMembangunKlasifikasiMatriks.
Ratatelahdihitung,setiappengamatandapatdiklasifikasikandenganmembandingkanskordiskriminanuntuk
skorpemotongan.
Proseduruntukmengklasifikasikanperusahaandenganskorpemotonganoptimaladalahsebagaiberikut:
Klasifikasikansebuahperusahaansebagaikelompok0(AmerikaSerikat/AmerikaUtara)jikadiskriminannya
Ratakurangdari.2997.
Klasifikasikansebuahperusahaansebagaikelompok1(DiluarAmerikaSerikat)jikaskordiskriminannya
lebihbesardari.2997.
Halaman9
BeberapaAnalisisdiskriminan
Matriksklasifikasiuntukpengamatandikeduaanalisisdansampelketidaksepakatanyang
dihitung,danhasilnyaditunjukkanpadaTabel10.Tabel11berisiskordiskriminanuntuksetiap
observasisertanilainilaikeanggotaankelompokaktualdanprediksi.Perhatikanbahwakasusdengan
Ratadiskriminankurang.2997memilikinilaikeanggotaangrupdiprediksi0,sedangkanmereka
denganskordiatas.2997memilikinilaiprediksi1.Sampelanalisis,dengan86,7persen
akurasiprediksi,sedikitlebihtinggidariakurasi85.0persendarisampelketidaksepakatan,sebagai
diantisipasi.Selainitu,sampellintasdivalidasimencapaiakurasiprediksi83,3persen.
MengevaluasiKlasifikasiAkurasiMeraih. MeskipunsemuatindakandariClassi
akurasifikasicukuptinggi,prosesevaluasimembutuhkandibandingkandenganlassificationyang
ketepatandalamserangkaianlangkahlangkahberbasiskesempatan.Langkahlangkahinimencerminkanementimprodaridisyang
Modelcriminantbiladibandingkandenganmengklasifikasikanindividutanpamenggunakanfungsidisciminant.
Mengingatbahwasampelkeseluruhanadalah100observasidankelompokukurandalamhldout/sampelvalidasi
yangkurangdari20,kitaakanmenggunakansampelkeseluruhanuntukmenetapkanstandaranakcompar.
Ukuranpertamaadalahkriteriakesempatanproporsional,yangsebagaiumesbahwabiaya
kesalahanklasifikasiyangsama(yaitu,kitainginmengidentifikasianggotasetiaproupsamabaiknya).The
Kriteriakesempatanproporsionaladalah:
CPRO=P2+(1 P) 2
dimana
kriteriakesempatanproporsional
p=
CPRO=
proporionperusahaandalamkelompok01
p
=Proporsiperusahaandalamkelompok1
https://translate.googleusercontent.com/translate_f
7/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
TABEL10KlasifikasiRsItsuntukDuaKelompokdiskriminanAn
KlasifikasiResultsab
DiprediksiGrupKeanggotaan
Contoh
Grupaktual
EstimatinContoh
USA/
AmerikaUtara
USA/AmerikaUtara
25
96,2%
7
20,6%
24
92.3
8
23,5
9
69,2
2
7.4
DiluarAmerikaUtara
d
Crossdivalidasi
Diluar
AmerikaUtara Total
USA/AmerikaUtara
DiluarAmerikaUtara
KetidaksepakatanContoh
USA/AmerikaUtara
DiluarAmerikaUtara
1
3,8%
27
79,4%
2
7.7
26
76,5
4
30,8
25
92.6
26
34
26
34
13
27
86,7%darikasusyangdipilihdikelompokkanasli(sampelestimasi)denganbenardiklasifikasikan.
Sebuah
b85,0%darikasusyangtidakterpilihdikelompokkanasli(sampelvalidasi)benardiklasifikasikan.
`83,3%dariyangdipilihlintasdivalidasidikelompokkankasusdiklasifikasikandenganbenar.
dCrossvalidasidilakukanhanyauntukkasuskasusdalamanalisis(sampelestimasi).Dalamcrossvalidasi,
setiapkasusdiklasifikasikanolehfungsiyangberasaldarisemuakasusselainkasusitu.
Halaman10
AnalisisMultipleDiscriminant
TABEL11GrupPrediksiuntukKasusIndividudalamAnalisisDuaKelompokdiskriminan
IDkasus
SebenarnyaDiskriminan
Kelompok ZScore
Diprediksi
Kelompok
SebenarnyaDiskriminan
KasusIDGrup
ZScore
Diprediksi
Kelompok
AnalisisSampel
72
14
31
54
27
29
16
61
79
36
98
58
45
2
52
50
47
88
11
56
95
81
5
37
63
43
3
94
49
64
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
1
2,10690
2,03496
1,98885
1,98885
1,76053
1,76053
1,71859
1,71859
1,57916
1,57108
1,57108
1,48136
1,33840
1,29645
1,29645
1,24651
1,20903
1,10294
.74943
.73978
.73978
.72876
.60845
.60845
.38398
0,23553
1,65744
1,57916
1,04667
.67406
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
24
53
32
80
38
60
65
35
1
4
68
44
17
67
33
87
6
46
12
69
86
0
30
15
92
7
20
8
100
48
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
.60937
.45623
.36094
.14687
.04489
.04447
0,09785
0,84464
0,98896
1,10834
1.1236
1
76
135578
1355788
1,42147
1,57544
1,58353
1,60411
1,75931
1,82233
1,82233
1,85847
1,90062
1,91724
1,97960
2,09505
2,22839
2,39938
2,62102
2,90178
0
0
0
0
0
0
0
0
25
18
73
21
90
97
40
77
1
1
1
1
1
1
1
1
1,47048
1,60411
1,61002
1,69348
1,69715
1,70398
1,75931
1,86055
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
KetidaksepakatanContoh
23
93
59
85
83
91
82
76
0
0
0
0
0
0
0
0
22,38834
2,03496
120.903
110.294
1,03619
.89292
.74943
.72876
https://translate.googleusercontent.com/translate_f
8/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
96
13
89
42
78
22
74
51
62
75
99
84
00
0
0
0
1
1
1
1
1
1
1
.57335
0,13119
0,51418
0,63440
0,63440
2,73303
1,04667
0,09785
0,94702
0,98896
1,13130
1,30393
0
1
1
1
1
0
0
1
1
1
1
1
28
71
19
57
9
41
26
70
66
34
55
39
1
1
1
1
1
1
1
1
1
1
1
1
1,97494
2,22839
2,28652
2,31456
2,36823
2,53652
2,59447
2,59447
2,90178
2,97632
2,97632
3,21116
1
1
1
1
1
1
1
1
1
1
1
1
Halaman11
BeberapaAnalisisdiskriminan
KelompokpelangganyangberlokasidiAmerikaSerikat(kelompok0)merupakan39,0persendari
sampelanalisis(39/100),dengankelompokyangmewakilipelanggankeduaterletakdiluar
AmerikaSerikat(kelompok1)membentuk61,0persensisanya(61/100).Proporsionaldihitung
nilaikesempatanadalah0,524(0,390
2+0,610
2=0,524).
Kriteriakesempatanmaksimumhanyapersentasebenardiklasifikasikanjikasemuaobservasi
tionsditempatkandalamkelompokdenganprobabilitasterbesarterjadinya.Halinimencerminkanpalingkami
standarkonservatifdanmengasumsikantidakadaperbedaandalambiayakesalahanklasifikasijuga.
Karenakelompok1(pelanggandiluarAmerikaSerikat)adalahkelompokterbesardi61,0persen
sampel,kitaakanbenar61,0persendariwaktujikakitaditugaskansemuapengamatanuntukini
kelompok.Jikakitamemilihkriteriakesempatanmaksimalsebagaistandarevaluasi,modelkamiharus
mengunggulitingkat61,0persenakurasiklasifikasidapatditerima.
Untukmencobameyakinkansignifikansipraktis,klasifikasiaccbersemangatdicapaiharus
melebihistandarperbandinganyangdipiliholeh25persen.Dengandemikian,kitaharusmemilihcoprison
standar,menghitungambangbatas,danmembandingkanrasiohitdicapai.
Semuatingkatakurasiklasifikasi(rasiohit)melebihi85perent,yangsecarasubstansial
lebihtinggidarikriteriakesempatanproporsional52,4persendantekriteriakesempatanmaksimum
61,0persen.Semuatigarasiohitjugamelebihiambangbatasyangdisarankandarinilainilaiini(perbandingan
standarditambah25persen),yangdalamhaliniadalah65,5prcnt(52,4%x1,25=65,5%)untuk
kesempatanproporsionaldan76,3persen(61,0%x1,25=76%3)untukkesempatanmaksimal.Dalamsemua
contoh(sampelanalisis,sampelketidaksepakatan,dancrosVaidation),tingkatakurasiklasifikasi
secarasubstansiallebihtinggidariambangbatasueva,menunjukkantingkatyangdapatditerimaklasifikasi
akurasi.Selainitu,rasiohituntukkelompokindividudianggapmemadaijuga.
Q, yangberbasisstatistik
UkuranakhirakurasiklasifikasiPress
mengukurmembandingkanakurasiklasifikasiuntukprosesacak.
Daripembahasansebelumnya,perhitunganuntuksampelestimasiadalah
[60 (52 X2)1
2
Press Q es Imatesampel
60(21)
45,07
Danperhitunganfosampelketidaksepakatanadalah
[40 (34 x 2)]2
19,6
=
Press Q sampelketidaksepakatan
40(2 1)
Dalamkeduakasustersebut
nilaiyangdihitungmelebihi
nilaikritis6.63.Dengandemikian,akurasiklasifikasiuntukanalisisdan,lebihpenting,
sampelketidaksepakatanmelebihipadatingkatyangsignifikansecarastatistikakurasiclassifkationdiharapkanbychance.
Selainmenelitihasilkeseluruhan,kitabisamemeriksaindividu
CASEWISEDIAGNOSTIK
idualpengamatanuntukakurasiprediksimerekadanmengidentifikasisecarakhususkasuskasuskesalahanklasifikasi.Di
caraini,kitadapatmenemukankasuskasustertentukesalahanklasifikasiuntuksetiapkelompokpadakeduaanalisisdan
sampelketidaksepakatansertamelakukananalisistambahanprofilinguntukkasuskasuskesalahanklasifikasi.
Tabel11berisiprediksikelompokuntukanalisisdanketidaksepakatansampeldanmemungkinkankitauntuk
mengidentifikasikasuskasustertentuuntuksetiapjeniskesalahanklasifikasiditabulasidalammatriksklasifikasi(lihat
Tabel10).Untuksampelanalisis,tujuhpelangganyangberlokasidiluarAmerikaSerikat
kesalahanklasifikasikedalamkelompokpelanggandiAmerikaSerikatdapatdiidentifikasisebagaikasus3,94,49,64,
24,53,dan32.Demikianjuga,pelanggantunggalyangterletakdiAmerikaSerikat,tetapikesalahanklasifikasiadalah
diidentifikasisebagaikasus43.Pemeriksaanserupadapatdilakukanuntuksampelketidaksepakatan.
Setelahkasuskesalahanklasifikasidiidentifikasi,analisislebihlanjutdapatdilakukanuntukmemahami
alasanuntukkesalahanklasifikasimereka.PadaTabel12,kasuskesalahanklasifikasidigabungkandari
analisisdansampelketidaksepakatandankemudiandibandingkandengankasusdiklasifikasikandenganbenar.
Upayainiadalahuntuk
https://translate.googleusercontent.com/translate_f
9/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman12
MultipleDiscriminantAnalysis
TABEL12ProfilingdenganbenarBarisdanPengamatankesalahanklasifikasidalam
DuaKelompokAnalisisdiskriminan
t Uji
Skorratarata
Tergantung
Variabel:
X4Wilayah
Kelompok/Profil
Variabel
USA/AmerikaUtara
Benar
Statistik
Diklasifikasikankesalahanklasifikasi
DifferenceSignificance
(n= 34)
8,612
3,382
5,759
5,356
3,597
6,726
4,459
5,609
6,215
5,024
4,188
3,568
3,826
DiluarAmerikaUtara
(n= 52)
6,906
X6Kualitasproduk
3.860
X7ECommerceKegiatan
5085
X8Dukunganteknis
5365
X9Resolusikeluhan
x 10Pengiklanan
0,229
4,954
x 11ProductLineSebuah
5,465
X12SalesforceGambar
7,960
X13Hargakompetitif'
5,867
X14Garansi&CIims
5,194
X15ProdukProdukBaru
x 16Order&Penagihan
4,267
X6Kualitasproduk
X7ECommerceKegiatan
X8Dukunganteknis
X9Resolusikeluhan
x10Pengiklanan
x 11ProductLineSebuah
X12SalesforceGambar
X13Hargakompetitif'
X14Garansi&Klaim
X15ProdukProdukBaru
X16Order&Penagihan
Sebuah
X17HargaFleksibilitas
X18Kecepatanpengiriman
Sebuah
X17HargaFleksibilitas
X113DKecepatanlivery
5,458
3,881
(n= 5)
9.340
4.380
5,280
6,140
4.700
6.540
5.460
8,060
6.060
4.420
4,540
4.480
4,160
n= 9)
9,156
3,289
5,544
5,822
3,922
6,833
5,467
5,833
6.400
5,778
4,533
3,722
3,989
.728
.998
0,479
.784
1,103
0,186
1,001
2,45
155
0,604
.352
.912
.334
0,000b
0,068b
0,48
149
0,022
0,345b
0,018
0,000
0,677
0,391
0,329
0,000b
0,027b
2,250
0,571
.460
.457
0,307
1,879
.002
2,126
.533
.584
.266
0,000
b
159
0,423
0,322
0,470
0,000
0,998
0,000
0,007b
0,291
0,481
1,735
.108
0,000
0,714
Catatan:
Kasusdarikeduasampelidationanalisisadvtermasuktotalsampel100.
'Variabeltermasukdalamfungsiinantdiscri.
bt TesdilakukandenganperkiraantvriancesepardaripadaperkiraandikumpulkankarenatesLeveneterdeteksiperbedaanyangsignifikandalam
variasiantarakeduakelompok.
dentifyperbedaantertentupadavariabelindependenyangmungkinmengidentifikasibaikbaru
variabelyangakanditambahkanataukarakteristikumumyangharusdipertimbangkan.
Limakasus(baikanalisisdansampelketidaksepakatan)kesalahanklasifikasiantaraAmerikaSerikatcus
tomers(kelompok0)menunjukkanperbedaanyangsignifikanpadaduadaritigavariabelindependendalamdisyang
Fungsicriminant(X13danX17)Sertasatuvariabeltidakdalamfungsidiskriminan(X6).Untukitu
variabeltidakdalamfungsidiskriminan,profilkasuskesalahanklasifikasitidakmiripdenganmereka
kelompokyangbenardengandemikian,ituadalahtidakmembantudalamklasifikasi.
(diluarAmerikaSerikat)menunjukkanempatperbedaanyangsignifikan(X
Demikianjuga,sembilankasuskesalahanklasifikasikelompok1
. X13,danX17
),tapihanya
X6tidakdi
6,X11
fungsidiskriminan.Kitabisamelihatbahwadisini
X6bekerjamelawanakurasiklasifikasikarena
Halaman13
kasuskesalahanklasifikasiaremomsimilartotheincorrectgrouplebihthanthekelompokyangbenar.
https://translate.googleusercontent.com/translate_f
10/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman14
BeberapaAnalisisdiskriminan
Temuanmenunjukkanbahwakasuskesalahanklasifikasimungkinmerupakankelompokketigayangberbeda,
karenamerekaberbagiprofilsangatmiripdiseluruhvariabelvariabelinilebihdaripadayangmerekalakukandengandua
Manajemenkelompokyangadadapatmenganalisiskelompokinipadavariabeltambahanataumenilaiapakahsuatu
Polageografisantarakasuskasuskesalahanklasifikasimembenarkankelompokbaru.
Penelitiharusmenelitipolapadakeduakelompokdengantujuanpemahaman
karakteristikumumkepadamerekadalamupayamendefinisikanalasanuntukkesalahanklasifikasi.
Tahap5:InterpretasiHasil
Setelahmemperkirakanfungsidiskriminan,tugasselanjutnyaadalahinterpretasi.Inisusiamelibatkan
memeriksafungsiuntukmenentukankepentinganrelatifdarimasingmasingvariabelindependendalam
membedakanantarakelompok,menafsirkandiskriminanfungsibasdatasdiskriminasiyang
nantbeban,dankemudianprofilmasingmasingkelompokpadapolavariabelnilairataratafrdiidentifikasi
sebagaivariabeldiskriminatifpenting.
Sepertidibahassebelumnya,diskriminan
MENGIDENTIFIKASIVARIABELdiskriminatifPENTING
bebandianggapukuranyanglebihtepatdarikekuasaandicriminatory,tapikamijugaakan
mempertimbangkanbobotdiskriminanuntukpurpokomparatifesBobotdiskriminan,baikdalam
unstandardixedataubentukstandar,merupakankontribusisetiapvariabeluntukdiskriminanyang
fungsi.Namun,sepertiyangakankitabahas,multikolinearitasantaravariabelindependendapat
berdampakinterpretasihanyamenggunakanbobot.
https://translate.googleusercontent.com/translate_f
11/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Bebandiskriminandihitunguntuksetiapvariabelindependen,bahkanbagimerekayangtidak
termasukdalamfungsidiskriminan.Dengandemikian,dbobotscriminantlepiesentdampakunik
masingmasingvariabelindependendantidakmembatasidhanyadampakbersamakarena
multikolinearitas.Selainitu,karenamerekarelatifunffectedolehmultikolinearitas,merekalebih
akuratmewakiliasosiasimasingmasingvariabeldenganteskordiskriminan.
Tabel13berisikumpulanentirtindakaninterpretatif,termasukunstandardizeddanstandar
diskriminandardizedberats,oadingsuntukfungsidiskriminan,lambdaWilks',dan
rasioFunivariat.Asli13variabelindependendisaringdenganprosedurbertahap,
dantiga (X11,
x 13,DanX17
)Cukupsignifikanuntukdimasukkandalamfungsi.Untukinterpretasi
tujuan,kitaperingkatvariabelindependendalamhalbebanmerekadanunivariatFvalues
keduaindikatorahvariabeldayadiskriminatif.Tandatandabobotataubebantidakmempengaruhi
gsrankimerekahanyamenunjukkanhubunganpositifataunegatifdenganvariabeldependen.
MenganalisisWilks'LambdadanunivariatF.Wilks'lambdadannilainilaiFunivariat
mengirimefekyangterpisahatauunivariatdarisetiapvariabel,tidakmempertimbangkanmultikolinearitas
menang
antaravariabelindependen.Analogdengankorelasibivariatregresiberganda,
merekaindimakankemampuanmasingmasingvariabeluntukmembedakanantarakelompokkelompok,tetapihanyasecaraterpisah.
menginterpretasikankombinasiduaataulebihvariabelindependenmemerlukananalisis
Untuk
bobotdiskriminanataubebandiskriminansepertiyangdijelaskandibagianberikut.
Tabel13menunjukkanbahwavariabel(X
11,X13,DanX17)DengantiganilaiFtertinggi(dan
termurahWilks'nilainilailambda)jugavariabelmasukkedalamfungsidiskriminan.Dua
variabellain(X 6 danX 12)Jugamemilikiefekdiskriminatifsignifikan(yaitu,kelompoksignifikan
perbedaan),tapitidakdimasukkanolehprosesbertahapdalamfungsidiskriminan.Ini
karenamultikolinearitasantarakeduavariabeldantigavariabeltermasukdalam
fungsidiskriminan.Keduavariabelmenambahkankekuatandiskriminasitambahandiluar
variabelsudahdalamfungsidiskriminan.Semuavariabelyangtersisaharus
nilaiFtidaksignifikandanSejalannilailambdaWilkstinggi'.
Halaman15
BeberapaAnalisisdiskriminan
TABEL13RingkasanTindakanInterpretasiuntukAnalisisDuaKelompokdiskriminan
Diskriminan
Koefisien
Independen
Variabel
Diskriminan
Beban
Terstandarisasi StandarMemuatPangkat
d
NI
NI
.418
5
NI
NI
0,429
4
NI
NI
.136
11
.181
NI
NI
8
NI
NI
0,238
7
3
.363
.417
.586
NI
NI
0,164
9
.398
0,490
0,656
1
NI
NI
6
.329
NI
NI
0,041 13
NI
NI
.149
10
0,749
0,664
0,653
2
NI
NI
12
.060
X6Kualitasproduk
X7ECommerceKegiatan
X8Dukunganteknis
X9Resolusikeluhan
x 10Pengiklanan
x 11ProductLine
X12SalesforceGambar
X13HargaKompetitif
X14Garansi&Klaim
X15ProdukBaru
X16Order&Penagihan
X17HargaFleksibilitas
X18Kecepatanpengiriman
Wilks'
Lambda
UnivariatFRatio
Nilai
FNilaiSig.Pangkat
0,801
0,966
0,973
0,986
0,987
0,695
0,856
0,645
0,992
0,990
0,999
0,647
0,997
14,3870,000
2,0540,157
1,5980,211
0,849 0,361
0,775 0,382
25.5000,000
9,733 003
31.92 0,000
.53 0,503
0,600 0,442
0,087 0,769
31,6990,000
0,152 0,698
4
6
7
8
9
3
5
1
11
10
13
2
12
NI=Tidaktermasukestimasifunction_diskriminan
Bobotdisciminanttersediadiunstan
MenganalisisBeratdiskriminan.
dardizeddanbentukstandar.Bobotterwujudunstandar(ditambahkonstan)digunakanuntuk
menghitungnilaidiskriminan,tetapidapatmempengaruhiddenganskalavariabelindependen(hanya
sepertibeberapabobotregresi).Bobotdemikian,sandardizedlebihbenarbenarmencerminkandampak
masingmasingvariabelpadafunctiodiskriminandanlebihtepatdaripadabobotunstandardized
biladigunakanuntukkeperluaninterpretasiJikaestimasiimultaneousdigunakan,multikolinearitasantara
salahsatuvariabelindependenakanmempengaruhibobotdiperkirakan.Namun,dampakdarimulti
collinearitydapatlebihbesaruntukprosedurbertahap,karenamultikolinearitasmempengaruhitidak
hanyabobottetapimungkinjugaprmelampiaskanvariabeldaribahkanmemasukipersamaan.
Tabel13memberikanbobotstandarth(koefisien)untuktigavariabelyangtermasukdalam
fungsidiskriminanDampakmultikolinearitaspadabobotdapatdilihatdalammemeriksa
X13dan X17.Keduavariabelmemilikikekuatandiskriminatifdasarnyasetarabiladilihatdari
yangWilks'lambdaiklanunivariat
F tes.Bobotdiskriminanmereka,bagaimanapun,mencerminkannyata
dampakyanglebihbesaruntuk
X17dari X13,yangdidasarkanpadabobotsekaranglebihsebandingdenganX
11.Ini
perubahanrelatiepentingnyaadalahkarenacollinearityantara danX ,Yangmengurangi
https://translate.googleusercontent.com/translate_f
12/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
effeunik
X13
X13,sehinggamengurangiberatbadandiskriminanjuga.
11
MENAFSIRKANDISKRIMINANFUNGSIBERBASISBEBANDISKRIMINAN The
bebandiskriminan,dicontrasttothediscriminantweights,arelessaffectedbymulticollinearity
ndsehinggalebihbergunauntuktujuaninterpretatif.Juga,karenabebanyangdihitunguntuksemua
variabel,merekamenyediakanukuraninterpretatifbahkanuntukvariabeltidaktermasukdalamdiskriminanyang
fungsi.Aturansebelumnyapraktisditunjukkanbebandiatas0,40harusdigunakanuntukmengidentifikasisubstansial
tivevariabeldiskriminatif.
Loadingsdaritigavariabelyangdimasukkandalamfungsidiskriminan(lihatTabel13)adalah
tigatertinggidansemuamelebihi
0,40,sehinggapenjamininklusiuntuktujuaninterpretasi.Dua
variabeltambahan(X 6 dan x 7), Namun,jugamemilikibebandiatas0,40ambangbatas.The
Dimasukkannya
X6tidakterduga,karenaituadalahvariabelkeempatdenganunivariatsignifikan
membedakanefek,tetapitidaktermasukdalamfungsidiskriminankarenamultikolinearitas
Halaman16
BeberapaAnalisisdiskriminan
X7,Namun,menyajikansituasilaintidakmemilikiefekyangsignifikanunivariat.Kombinasiyang
tiondaritigavariabeldalamfungsidiskriminanmenciptakanefekyangberhubungandengan
X7,
tapiX7tidakmenambahkankekuatandiskriminasitambahan.Dalamhalini,
X7dapatdigunakanuntukmenggambarkan
fungsidiskriminanuntukprofiltujuanmeskipunitutidakmasukkedalamestimasi
fungsidiskriminan.
Menafsirkanfungsidiskriminandandiskriminasiyangantarakeduakelompokini
mengharuskanpenelitimempertimbangkansemualimavariabeltersebut.Sampaisampaimerekamencirikan
ataumenggambarkanfungsidiskriminan,merekasemuamewakilibeberapakomponenfungsi.
Tigaefekterkuatdalamfungsidiskriminan,yangsemuanyaumumnyasebanding
didasarkanpadanilainilaipemuatan,yang
X13 (HargaKompetitif), X17 (HargaFleksibilitas),danX
11
(ProductLine). X7 (ECommerceKegiatan)danefek
X6 (KualitasProduk)dapatDded
ketikamenafsirkanfungsidiskriminan.Jelasbeberapafaktoryangberbedabing
dikombinasikanuntukmembedakanantarakelompok,sehinggamembutuhkanlebihprofilingdaripspergike
memahamiperbedaan.
Denganvariabeldiskriminatifdiidentifikasidanfungsidiskriminandijelaskandalamhal
variabeldenganbebanyangcukuptinggi,penelitikemudianmulaiprofilmasingmasingkelompokdi
variabelvariabeliniuntukmemahamiperbedaanantaramereka
ProfilingTHEdiskriminatifVARIABEL Esearcheryangtertarikdalaminterpretasi
variabelindividuyangmemilikistatistikdanpacticalsignifikansi.Interpretasiseperti
dicapaidenganterlebihdahulumengidentifikasivariabeldengankekuatandiskriminatifsubstantif(lihat
diskusisebelumnya)dankemudianmemahamiapaartinyakelompokyangberbedapadamasingmasing
variabelyangditunjukkan.
SkoryanglebihtinggipadaariablesindependenmenunjukkanpersepsiyanglebihmenguntungkandaripadaHBAT
bahwaatribut(kecualiuntuk
X13,dimanaskoryanglebihrendahlebihdisukai).MengacukembalikeTabel5,
kitalihatprofilbervariasiantaraduakelompokpadalimavariabelini.
Kelompok0(pelanggandiAmerikaSerikat/AmerikaUtara)memilikipersepsiyanglebihtinggipadatiga
variabel: X6(KualitasProduk), X13(HargaKompetitif),danX 11(ProductLine).
Kelompok1(pelanggandiluarAmerikaUtara)memilikipersepsiyanglebihtinggipadasisa
duavariabel: X7 (ECommerceKegiatan)dan X17(HargaFleksibilitas).
Dalammelihatiniwoprofil,kitadapatmelihatbahwapelangganUSA/AmerikaUtaramemilikibanyakbertaruh
persepsiterdaridiaHBATproduk,sedangkanparapelanggandiluarAmerikaUtaramerasalebihbaik
tentangmasalahhargadanecommerce.Catatitu
X6dan X13,keduanyamemilikipersepsiyanglebihtinggi
antarapelangganUSA/AmerikaUtara,membentukfaktorNilaiProduk.Manajemenharusmenggunakan
Hasilpengujianriniuntukmengembangkanstrategiyangmenonjolkankekuataninidanmengembangkankekuatantambahanuntuk
compementmereka.
Profilratajugamenggambarkaninterpretasitandatanda(positifataunegatif)pada
bobotdiskriminandanbeban.Tandatandamencerminkanprofilrelatifrataratadariduakelompok.
Tandatandapositif,dalamcontohini,berhubungandenganvariabelyangmemilikiskoryanglebihtinggiuntukkelompok1.
Bobotnegatifdanbebanyanguntukvariabelvariabeldenganpolayangberlawanan(yaitu,lebihtingginilai
uesdalamkelompok0).Dengandemikian,tandatandamenunjukkanpolaantarakelompok.
Tahap6:ValidasiHasil
Tahapakhirmembahasvaliditasinternaldaneksternaldarifungsidiskriminan.Primer
caravalidasiadalahmelaluipenggunaansampelketidaksepakatandanpenilaianyangprediktif
akurasi.Dengancaraini,validitasdidirikanjikafungsidiskriminanmelakukanpadaditerima
tingkatdalammengklasifikasikanpengamatanyangtidakdigunakandalamprosesestimasi.Jikasampelketidaksepakatanadalah
terbentukdarisampelasli,makapendekataninimenetapkanvaliditasinternaldan
https://translate.googleusercontent.com/translate_f
13/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman17
BeberapaAnalisisdiskriminan
indikasiawaldarivaliditaseksternal.Jikasampellainyangterpisah,mungkindaripopulasilainatau
segmendaripopulasi,membentuksampelketidaksepakatan,makainimembahaslebihlengkapeksternal
keabsahanhasildiskriminan.
Dalamcontohkita,sampelketidaksepakatanberasaldarisampelasli.Sepertidibahassebelumnya,
akurasiklasifikasi(rasiohit)untukkeduasampelketidaksepakatandanlintasdivalidasisampel
adalahnyatadiatasambangbataspadasemuaukuranakurasiprediksi.Dengandemikian,
analisistidakmembangunvaliditasinternal.Untuktujuanvaliditaseksternal,sampeltambahanharus
diambildaripopulasiyangrelevandanakurasiklasifikasidinilaidalambanyaksituasi
mungkin.
Penelitididoronguntukmemperpanjangprosesvalidasimelaluiprofilingdiperluas
kelompokdankemungkinanpenggunaansampeltambahanuntukmembangunvaliditaseksternal.Tambahan
wawasandarianalisiskasuskesalahanklasifikasimungkinmenyarankanvariabeltambahantdibisa
meningkatkanbahkanlebihmodeldiskriminan.
SebuahTinjauanManajerial
AnalisisdiskriminanpelangganHBATberdasarkanlokasigeografis(terletakdidalamUtara
Amerikaataudiluar)mengidentifikasisatusetperbedaanpersepsiyangbisapOvideagakringkasdan
perbedaankuatantarakeduakelompok.Beberapatemuankunciidudeberikut:
Perbedaanditemukandalamsubsetdarihanyalimaperceptios,memungkinkanuntukfokuspadavariabelkunci
ablesdantidakharusberurusandenganseluruhsetiavariabeldiidentifikasisebagaidiskriminatif
antarakelompok(tercantumdalamurutanimporberas)adalah
X13(HargaKompetitif), X17(Harga
Fleksibilitas),X
(ProductLine),X7(ECommerceKegiatan),danX6(KualitasProduk).
11
HasiljugamenunjukkanbahwaperusahaanperusahaanyangberlokasidiAmerikaSerikatmemilikipersepsiyanglebihbaikdariHBAT
darirekanrekaninternasionalmerekasayadariseginilaiprodukdanliniproduk,sedangkan
persepsiyanglebihmenguntungkanAmerikanonUtarapelangganaeafleksibilitashargadane
kegiatanperdagangan.PersepsiinimungkinakibatdaripertandinganyanglebihbaikantaraAmerikaSerikat/Utara
PembeliAmerika,sedangkanpelangganinternasionalmenemukankebijakanhargakondusifuntuk
kebutuhanmereka.
Hasilyangsangatsignifikan,memberikanpenelitikemampuanuntukbenarmengidentifikasi
membelistratysedberdasarkanpersepsiini85persendariwaktu.Tingkattinggimereka
konsistensimemberikanconfidenceinthedevelopmentofstrategiesbasedontheseresults.
Analisisperusahaankesalahanklasifikasimengungkapkansejumlahkecilperusahaanyangtampakkeluardaritempat.
Mengidentifikasiperusahaantesemungkinmengidentifikasiasosiasitidakditanganiolehlokasigeografis(misalnya,
pasarervedbukanhanyalokasifisik)atauperusahaanataupasarkarakteristiklainyang
adalahsebagaiociateddenganlokasigeografis.
Dengandemikian,mengetahuilokasigeografissuatuperusahaanmemberikanwawasankuncikepersepsimerekatentang
HBATdan,yanglebihpenting,bagaimanaduakelompokpelangganberbedasehinggamanajemen
dapatmenggunakanstrategiuntukmenonjolkanpersepsipositifdalamhubunganmerekadenganorang
pelanggandandiidentifikasilebihmemantapkanposisimereka.
SebuahTIGAGROUPCONTOHILUSTRASI
Untukmenggambarkanaplikasidarianalisisdiskriminantigakelompok,kamisekalilagimenggunakanHBATyang
Database.Dalamcontohsebelumnya,kamiprihatindenganmembedakanantaradua
kelompok,sehinggakitamampuuntukmengembangkanfungsidiskriminantunggaldannilaipemotonganuntukmembagi
keduakelompok.Padacontohtigakelompok,perluuntukmengembangkanduadiskriminanterpisah
fungsiuntukmembedakanantaratigakelompok.Fungsipertamamemisahkansatukelompokdari
Halaman18
BeberapaAnalisisdiskriminan
dualainnya,danyangkeduamemisahkansisaduakelompok.Seperticontohsebelumnya,
https://translate.googleusercontent.com/translate_f
14/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
enamtahapanprosesmodelpembangunanyangdibahas.
Tahap1:TujuanAnalisisdiskriminan
TujuanHBATdalampenelitianiniadalahuntukmengetahuihubunganantarapersepsiperusahaan'dari
HBATdanlamanyawaktusuatuperusahaantelahmenjadipelanggandenganHBAT.
Salahsatuparadigmayangmunculdalampemasaranadalahkonsephubunganpelanggan,berdasarkan
pembentukankemitraanbersamaantaraperusahaanatastransaksiberulangProses
mengembangkanhubunganmemerlukanpembentukantujuanbersamadannilainilai,yanghuldbertepatandengan
peningkatanpersepsiHBAT.Dengandemikian,pembentukansuksesdariionshiprelaharusdilihatoleh
ditingkatkanpersepsiHBATdariwaktukewaktu.Dalamanalisisini,perusahaandikelompokkanpadamasajabatanmerekasebagaiHBAT
pelanggan.Mudahmudahan,jikaHBATtelahberhasillationshipsgrestablishidenganpelanggan,
makapersepsiHBATakanmeningkatkandengankepemilikansebagaipelanggananHBAT.
Tahap2:DesainPenelitianuntukAnalisisdiskriminan
Untukmengujihubunganini,analisisdiskriminandilakukanuntukmenentukanapakahperbedaan
persepsiadaantarakelompokpelangganberdasarkanlamanyahubunganustomer.Jikademikian,HBATadalah
kemudiantertarikmelihatapakahdukunganprofimembedakansproposisiyangHBATmemiliki
berhasildalammeningkatkanpersepsiantaraesblishedpelanggan,langkahyangdiperlukandalam
pembentukanhubunganpelanggan.
Selainnonmetric
PEMILIHANvariabeldependendanindependen
(kategoris)variabeldependendefningkelompokkepentingan,analisisdiskriminanjuga
membutuhkansatusetvariabelTbkmetrikyangdiasumsikanmemberikandasaruntuk
diskriminasiataupembedaanantarakelompok.
SebuahanalisisdiskriminantigakelompokdilakukandenganmenggunakanX
1 (JenisPelanggan)sebagaidependen
variabeldanpersepsiHBATolehperusahaanperusahaanini(X
6 untukX
18)Sebagaivariabelindependen.Catatan
bahwaX
1berbedadarivariabeldependendalamcontohduakelompokdalamhalinimemilikitigakategoridi
yanguntukmengklasifikasikanpanjangfimuntukwaktumenjadipelangganHBAT(1=kurangdari1tahun,2=1sampai5
tahun,dan3=moEthan5tahun).
Isumengenaiukuransampelsangat
CONTOHsizDANDIVISISAMPEL
pentingdengananalisisdiskriminankarenafokuspadatidakhanyakeseluruhanukuransampel,tetapijugapada
samplsieperkelompok.Ditambahdengankebutuhanuntukpembagiansampeluntukmenyediakanvalidasi
samplpenelitiharushatihatimempertimbangkandampakdaripembagiansampelpadakeduasampelditrms
dariukuransampelsecarakeseluruhandanukuranmasingmasingkelompok.
DatabaseHBATmemilikiukuransampel100,yanglagilagiakandibagikedalamanalisisdanketidaksepakatan
sampeldari60dan40kasus,masingmasing.Dalamsampelanalisis,rasiokasusuntukmandiri
variabelhampir5:1,yangdirekomendasikanbatasbawah.Lebihpentinglagi,dalamsampelanalisis,
hanyasatukelompok,dengan13pengamatan,turundibawahtingkatyangdirekomendasikandari20kasusperkelompok.
Meskipunukurankelompokakanmelebihi20jikaseluruhsampelyangdigunakandalamtahapanalisis,kebutuhan
untukvalidasididiktepenciptaansampelketidaksepakatan.Tigakelompokyangukuranrelatifsama
(22,13,dan25),sehinggamenghindarikebutuhanuntukmenyamakanukurankelompok.Analisishasildenganatten
tionpaidtoyangandinterpretationofthissmallgroupof13observationsklasifikasi.
Tahap3:AsumsiAnalisisdiskriminan
Sepertihalnyadalamcontohduakelompok,asumsinormalitas,linearitas,dan
collinearitydarivariabelindependentidakakandibahaspanjanglebardisini.Sebuahanalisis
menunjukkanbahwavariabelindependenmemenuhiasumsiinidimemadai
Halaman19
BeberapaAnalisisdiskriminan
tingkatuntukmemungkinkananalisisuntukterustanpaobattambahan.Kamiakanselanjutnya
menganggapkesetaraanvarians/kovariansataumatriksdispersi.
TesMBoxmenilaikesamaanmatriksdispersidarivariabelindependen
diantaratigakelompok(kategori).Ujistatistikmenunjukkanperbedaanpada0,09signifikansi
tingkat.Dalamhalini,perbedaanantarakelompokyangtidaksignifikandantidakadatindakanperbaikanadalah
diperlukan.Selainitu,tidakadadampakyangdiharapkanpadaestimasiatauklasifikasiproses.
Tahap4:EstimasiModeldiskriminandanMenilaikeseluruhanFit
Sepertipadacontohsebelumnya,kitamulaianalisiskamidenganmeninjausaranakelompokdanstandardvia
tionsuntukmelihatapakahkelompokberbedasecarasignifikanpadasetiapvariabeltunggal.Denganperbedaan
dalampikiran,kitakemudianmenggunakanprosedurestimasibertahapuntukmenurunkanfungsidiskriminandancom
pletetheprocessbyassessingaccuracybothklasifikasioverallandwithmsewisediagostics.
Mengidentifikasivanblespalingdiskriminatifdengantigaataulebih
MENILAIPERBEDAANGROUP
kelompoklebihbermasalahdaripadadalamsituasiduakelompok.Untukthreataulebihkelompok,khas
langkahlangkahpentinguntukperbedaanantarkelompok(yaitu,Wilks'1MBDAdanFtest)hanyamenilai
https://translate.googleusercontent.com/translate_f
15/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
perbedaankeseluruhandantidakmenjaminbahwasetiapkelompokisignifikandariyanglain.Dengandemikian,
ketikamemeriksavariabelperbedaanmerekasecarakeseluruhanakanWeenkelompok,pastikanuntukjugamengatasi
perbedaankelompokindividu.
Tabel14memberikankelompokberarti,Wilks'lambda,univariatFrasio(ANOVAsederhana),dan
minimumMahalanobisD2 untukmasingmasingvariabelindependen.Ulasandarilangkahlangkahinidaridiskriminatif
inationmengungkapkanhalberikut:
Secaraunivariat,sekitarsatusetengah(7dari)darivariabelmenampilkanperbedaanyangsignifikan
antarakelompokberarti.Variabeldenganperbedaanyangsignifikanantara
X6,X9,X11,X13,
dan X18.
X16,XR7,
Meskipunsignificberasstatistiklebihbesarsesuaidengandiskriminasikeseluruhanyanglebihtinggi(i
e.,variabelyangpalingsignifikanmemilikinilailambdaWilksterendah'),tidak
selalusesuaidengandiskriminasiterbesarantarasemuakelompok.
pemeriksaanVisualkelompokberartimengungkapkanbahwaempatvariabeldenganberbedasignifikan
ences (X13,X16,X17,
danX18
)Hanyamembedakansatukelompokversuslainduakelompok[misalnya,
X18memilikiperbedaansignificathanyadalamcaraantarakelompok1(3,059)versuskelompok2
(4,246)dan3(4288)].Variabelvariabelinimemainkanperanyangterbatasdalamanalisisdiskriminankarena
merekapenyediaandiskriminasieantarahanyasubsetdarikelompok.
Tigavariabel (X6,X9,
danX11)Menyediakanbeberapadiskriminasi,dalamberbagaiderajat,antarasemua
kelompokhresecarabersamaan.Satuataulebihdarivariabelvariabelinidapatdigunakandalamkombinasi
denganempatvariabelsebelumnyauntukmembuatvariatedengandiskriminasimaksimal.
TheMahalanobisD2 Nilaimemberikanukurantingkatdiskriminasiantara
kelompok.Untuksetiapvariabel,minimumMahalanobisD
2 adalahjarakantarakedua
kelompokterdekat.Misalnya,X
2 nilai,danituadalahvariabeldengan
11memilikiDtertinggi
Perbedaanterbesarantaraketigakelompok.Demikianjuga,
X18,variabeldenganperbedaansedikit
antaraduakelompok,memilikiDkecil 2 nilai.Dengantigaataulebihkelompok,minimum
MahalanobisD2 pentingdalammengidentifikasivariabelyangmemberikanperbedaanterbesar
antarakeduakelompokpalingmirip.
Semualangkahlangkahinimenggabungkanuntukmembantumengidentifikasisetvariabelyangmembentukdiskriminanyang
functionsasdescribedinthenextsection.Whenmorethanonefunctioniscreated,eachfunctionprovides
diskriminasiantarasetkelompok.Dalamcontohsederhanadariawalbabini,salahsatu
kelompokdiscriminatedbetweenvariabel1vs2and3,whereasthebetweengroups2diskriminasilainnya
versus3and1.Itisoneoftheprimarybenefitsarisingfromtheuseofdiscriminantanalysis.
Halaman20
AnalisisMultipleDiscriminant
TABEL14GrupStatistikDeskriptifdanPengujianKesetaraanuntukContohEstimasidi
AnalisisTigaKelompokdiskriminan
GrupDependentVariableBerarti:
x/ Jenispelanggan
Independen
Variabel
UjiKesetaraan
GrupSarana Sebuah
Kelompok1:
Kelompok2:
Kelompok3:
Kurangdari
15
Lebihdari
1tahun Tahun
5tahun Wilks' F
(n=22) (n=13)
(n=25) LambdaNilai Arti
X6Kualitasproduk
7,118
X7ECommerce
Kegiatan
3,514
X8Dukunganteknis
4,959
X9Keluhan
Resolusi
4,064
x 10Pengiklanan
3,745
x 11ProductLine
4,855
X12SalesforceGambar 4,673
X13Hargakompetitif
7,345
X14Garansi&Klaim
5,705
X15ProdukProdukBaru 4,986
X16Order&Penagihan 3,291
X17HargaFleksibilitas 4,018
X18Kecepatanpengiriman3,059
Minimum
MahalanobisD2
Minimum Antara
D2
Grup
6,785
9,000
0,469 32,311
0,000
121
1dan2
3,754
5,615
3,412
5,376
0,959 1,221
0,973
0,782
0,303
0,462
0,025
0,023
1dan3
2dan3
5.900
4,277
5,577
5,346
7,123
6,246
5,092
4,715
5,508
4,246
6.300
3,768
7,056
4,836
5,744
6,072
5,292
4.700
4,084
4,288
0,414 40,292
0,961 1,147
0,467 32,583
0,943 1,708
0,751 9432
0,9162
19
0,992
0,216
532 25,048
694 12,551
415 40,176
.00
325
0,000
0,190
0,000
0,082
0,807
0,000
0,000
0,000
0,205
0,000
0,579
0,024
0,027
0,057
0,004
0,000
0,005
0,007
2dan3
1dan3
1dan2
1dan3
1dan2
2dan3
1dan2
2dan3
1dan3
2dan3
Wilks'lambda(Ustatistik)danunivariatsFratiodengan2dan57derajatfreedom_
Sebuah
ESTIMASITHEDISKRIMINANFUNGSI Prosedurbertahap akus
dilakukanpadabagianyangsama
carasepertidalamcontohduakelompok,dengansemuavariabelawalnyadikeluarkandarimodel.Sebagai
dicatatsebelumnya,jarakMahalanobisharusdigunakandenganprosedurbertahapuntukmemilih
variabelyangmemilikiperbedaanyangsignifikantatisticallyseluruhkelompoksekaligusmemaksimalkan
Mahalanobisdistane(D)Antarakeduakelompokterdekat.Dengancaraini,secarastatistiksignifikan
https://translate.googleusercontent.com/translate_f
16/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
variabelseledenganyangmemaksimalkandiskriminasiantarakelompokpalingmirippadasetiaptahap.
2
Iniprcesterusselamavariabeltambahanmemberikandiskriminasisignifikansecarastatistik
bangsadiluarperbedaanyangsudahdicatatdenganvariabeldalamfungsidiskriminan.
Sebuahvariabldapatdihapusjikamultikolinearitastinggidenganvariabelindependendalamdiskriminanyang
menyenangkantinmenyebabkansignifikansijatuhdibawahtingkatsignifikansiuntukdihapus(0,10).
DatapadaTabel14menunjukkanbahwapertama
BertahapEstimasi:MenambahkanVariabelPertama,X
11.
variabeluntukmemasukkanmodelbertahapmenggunakanjarakMahalanobisadalahX
11(ProductLine)karena
memenuhikriteriaperbedaanyangsignifikansecarastatistikseluruhkelompokdanmemilikiterbesar
minimumD2nilai(yangberartitelahpemisahanterbesarantarakelompokpalingmirip).
HasilmenambahkanX11sebagaivariabelpertamadalamprosesbertahapditunjukkanpadaTabel15.
Modelkeseluruhanfitsignifikandanmasingmasingkelompokberbedasecarasignifikan,meskipun
kelompok1(kurangdari1tahun)dan2(15tahun)memilikiperbedaanterkecildiantaramereka(lihat
Bagianbawahmerinciperbedaankelompok).
Denganperbedaanterkecilantarakelompok1dan2,prosedurdiskriminansekarangakan
pilihvariabelyangmemaksimalkanperbedaanbahwasementarasetidaknyamempertahankanperbedaanlainnya.Jika
kitamerujukkembalikeTabel14,kitamelihatbahwaempatvariabel(X
9. X16,X17,danX18)Semuamemilikisignifikan
perbedaan,denganperbedaanyangcukupbesarantarakelompok1dan2.MencaripadaTabel15,kitamelihatbahwa
empatvariabelinimemilikitertinggiminimumD
2 nilai,dandalamsetiapkasusituuntukperbedaan
antarakelompok2dan3(yangberartibahwakelompok1dan2tidakyangpalingserupasetelahmenambahkanbahwa
Halaman21
BeberapaAnalisisdiskriminan
variabel).Dengandemikian,menambahkansalahsatudarivariabelvariabeliniyangpalingmempengaruhiperbedaanantarakelompok1
dan2,pasanganyangpalingmiripsetelahX
X17
11ditambahkanpadalangkahpertama.Prosedurakanpilih
karenaakanmembuatjarakterbesarantarakelompok2dan3.
BertahapEstimasi:MenambahkanVariabelKedua,
Xu. Tabel16Rincianlangkahkedua
dariprosedurbertahap:menambahkan
X17(HargaFleksibilitas)kefungsidiskriminan.The
TABEL15HasildariLangkah1dariStepwiseTigaGrupAdiskriminan
KeseluruhanModelFit
Nilai
Wilks'Lambda
0,467
FNilai
Derajatkebebasan
32,583
2,57
Arti
0,000
VariabelPemasukan/DihapuspadaLangkah1
F
VariabelDimasukkan
Minimum132
x 11ProductLine
0,579
Nilai
4,729
Arti
0,000
Grupbetwee
Kurangdarisetahundan1sampai5tahun
Catatan:
Padasetiaplangkah,variabelyangmemaksimalkanjarakMahalanobisantaraduagoterdekatp
masuk.VariabeldalamAnalisisSetelahLangkah1
Variabel
Toleransi
FHapus
x 11ProductLine
1.000
32,583
NA=Tidakberlaku.
13 2
NA
AntaraGrup
NA
VariabelTidakdalamAnalisisSetelahLangkah1
Variabel
X5Kualitasproduk
X7ECommerceKegiatan
X8Dukunganteknis
X9Resolusikeluhan
xioPengiklanan
X12SalesforceGambar
x i3 Hargakompetitif
x i4Garansi&Klaim
x i5 ProdukProdukBaru
Toleransi
1.000
0,950
0,959
0,84
0,98
0,932
0,849
0,882
0,993
https://translate.googleusercontent.com/translate_f
0,698
0,892
0,649
2,455
0,850
1,328
0,599
0,839
0,596
AntaraGrup
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
1sampai5tahundanlebihdari5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
17/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
xX17
i5HargaFleksibilitas
Order&Penagihan
0,943
0,807
0,943
0,807 12,176
17,300
2.590
3,322
1sampai5tahundanlebihdari5tahun
0,773
0,773 19,020
2,988
1sampai5tahundanlebihdari5tahun
al,57degreesoffreedom_
Halaman22
x i5 Kecepatanpengiriman
Sebuah
SignifikansiPengujianPerbedaanGrupSetelahLangkahl
x JenisPelanggan
Kurangdari1Tahun15Tahun
1
1sampai5tahun
4,729
F
Sig.
0,034
Lebihdari5tahun
62,893
20,749
F
Sig.
0,000
0,000
Halaman23
https://translate.googleusercontent.com/translate_f
18/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
BeberapaAnalisisdiskriminan
diskriminasiantarakelompokmeningkat,sebagaimanatercermindalamnilailambdaWilksrendah'danpeningkatan
diminimumD 2 (0,4670,288).Perbedaankelompok,secarakeseluruhandanindividu,masihstatisti
Callysignifikan.Penambahan
X17 meningkatkanperbedaanantarakelompok1dan2
substansial,sehinggasekarangkeduakelompokpalingmiripadalah2dan3.
Variabeltidakdalampersamaan,hanya X6(KualitasProduk)memenuhitingkatsignifikansi
diperlukanuntukdipertimbangkan.Jikaditambahkan,minimumD
2sekarangakanberadadiantarakelompok1dan2.
TABEL16HasildariLangkah2dari
BertahapTigaGroupDiscriminantAn
KeseluruhanModelFit
Nilai
FNilai
Derajatkebebasan
Wilks'Lambda
24,139
4,112
0,288
Arti
0,000
VariabelPemasukan/DihapusdiLangkah2
F
VariabelDimasukkan
MinimumD2 Nilai
Arti
AntaraGrup
X17 HargaFleksibilitas 3,322
13,958
0,000
1sampai5tahundanlebihdari5tahun
Catatan:
Padasetiaplangkah,variabelyangmemaksimalkan%jarakMahalanobisantarathduakelompoklosestini
masuk.VariabeldalamAnalisisSetelahLangkah2
Variabel
Toleransi
FHapus
AntaraGrup
D2
x 11ProductLine
X17 HargaFleksibilitas
0,807
0,005 Kurangdari1tahundanlebihdari5tahun
39,405
0,579 Kurangdari1tahundan1sampai5tahun
0,807
VariabelTidakdalamAnalisisSetelahLangkah2
17,300
Minimum
Funtuk Minimum
Variabel
Toleransi
AntaraGrup
Toleransi
Masuk
D2
X6 Kualitasproduk
X7ECommerceKegiatan
X8 Dukunganteknis
X9Resolusikeluhan
x 10Pengiklanan
X12 SalesforceGambar
X13 Hargakompetitif
X14 Garansi&Iims
X15 ProdukProdukBaru
0,73
0,880
0,949
0,520
0,935
0,884
0,794
0,868
0,963
0,589
0,747
0,791
0,475
0,756
0,765
0,750
0,750
0,782
24,444
0,014
1,023
3,932
0,102
0,662
0,989
2,733
0,504
6,071
3,327
3,655
3,608
3,348
3,342
3,372
4,225
3,505
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
0,754
0,067
0,645
0,067
2,456
3,255
3,323
3,598
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
a2,56degreesoffreedom.
Halaman24
X16 Ordr&Penagihan
X18 Kecepatanpengiriman
SignifikansiPengujianPerbedaanKelompokSetelahLangkah2'
x Jenispelanggan
Kurangdari1Tahun15Tahun
1
F
1sampai5tahun
21,054
Sig.
0,000
F
Lebihdari5tahun
39,360
13,958
Sig.
0,000
0,000
https://translate.googleusercontent.com/translate_f
19/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Halaman25
BeberapaAnalisisdiskriminan
BertahapEstimasi:MenambahkanKetigadanKeempatVariabel,
X6dan Xis.Sebagaimanadicatat,dulunya
menerus,
X6menjadivariabelketigaditambahkankefungsidiskriminan.Setelah
X6ditambahkan,hanya
X18
menunjukkansignifikansistatistikdiseluruhkelompok(Catatan:Rincianmenambahkan
X6padalangkah3tidak
ditampilkanuntukpertimbanganruang).
Variabelterakhirditambahkanpadalangkah4adalah
X18(lihatTabel17),denganfungsidiskriminansekarang
termasukempatvariabel
X6,danX18).Modelkeseluruhansignifikan,denganWilks'
(X11,X17,
TABEL17HasildariLangkah4dariStepwiseTigaGroupDiscriminantAn
KeseluruhanModelFit
https://translate.googleusercontent.com/translate_f
20/21
24/9/2015
dihapus).SekaliLagi,variabelDENGANTingkatsignifikansiLEBIHgedeDari0,05Daridikeluarkan
Wilks'Lambda
Nilai
0,127
FNilai
24,340
Derajatkebebasan
8,108
Arti
0,000
VariabelPemasukan/DihapusdiLangkah4
F
2 NilaiSignifikansi
VariabelMemasukiMinimum13
AntaraGrup
x 18Kecepatanpengiriman
6,920
13,393
0,000
Kurangdari1kamurdan1sampai5tahun
Catatan:
Padasetiaplangkah,variabelyangmemaksimalkan%jarakMahalanobisantarakeduakelompokdosstadalah
masuk.VariabeldalamAnalisisSetelahLangkah4
Variabel
Toleransi
FHapus
D2
x 11ProductLine
0,075
0,918 6,830
x 17HargaFleksibilitas 0,070
1,735
6,916
x 6 Kualitasproduk
0,680
27,701
3,598
0,063
5,387
x 18DeliverySpeed
6,071
VariabelTidakdalamAnalisisSetelahLangkah4
Variabel
a4,54kebebasandegreesof.
X7ECommerceKegiatan
Toleransi
Minimum
Toleransi
0,870
0,063
AntaraGrup
Kurangdari1tahundan1sampai5tahun
Kurangdari1tahundan1sampai5tahun
1sampai5tahundanlebihdari5tahun
Kurangdari1tahundan1sampai5tahun
Funtuk Minimum
Masuk
13 2
0,226
6,931
AntaraGrup
Kurangdari1tahundan1sampai5tahun
Halaman26
https://translate.googleusercontent.com/translate_f
21/21