1.

Metode Estimasi Simultan

Contoh Kasus :

Sebuah bank ingin menganalisis tentang kemampuan nasabahnya di dalam

membayar utang. Kemampuan para nasabah membayar utang dapat dikelompokkan
menjadi dua yaitu mereka yang mampu membayar (repay) dan mereka yang tidak
mampu membayar utangnya (default). Ada dua faktor yang digunakan untuk
menganalisis kemampuan membayar utang yaitu pendapatan nasabah dan besarnya
aset. Berdasarkan 2 variabel independen tersebut, apakah keduanya mampu
mendiskriminasikan kemampuan nasabah membayar utang.

nasabah Repay/de Pendapatan Aset Utang Lama Jumlah

fault (Y) (X1) juta (X2) (X3) bekerja keluarg
1= repay rupiah juta juta (X4) a (X5)
0=default rupiah rupiah tahun orang
1 90 780 34 15 5
1
2 1 80 780 25 15 3
3 1 77 220 22 17 2
4 1 75 150 20 12 3
5 1 70 650 15 10 3
6 1 68 570 24 15 2
7 1 64 200 23 13 2
8 1 60 600 21 12 3
9 1 59 210 18 12 3
10 1 57 550 12 15 2
11 1 56 980 12 14 4
12 1 55 100 13 13 2
13 1 48 670 15 14 2
14 1 45 420 14 21 4
15 1 40 500 12 12 2
16 0 40 350 45 18 5
17 0 38 340 40 16 6
18 0 38 320 40 15 5
19 0 35 300 35 18 3
20 0 34 290 33 18 5
21 0 33 270 35 11 3
22 0 30 260 7 14 3
23 0 27 250 28 14 4
24 0 25 230 24 13 5
25 0 22 210 25 17 4
26 0 22 200 19 15 4
27 0 21 180 19 12 4
28 0 19 170 20 11 7
29 0 18 160 25 16 3
30 0 15 140 12 12 4

Adapun fungsi diskriminan seperti dalam persamaan sebelumnya sebagai

berikut:

D = a + w1X1 +w2X2

Dimana:

D = Nilai diskriminan D dari fungsi diskriminan j objek k

a = intersep

wi = timbangan diskriminan variabel independen i

X1 = pendapatan
 X2 = aset

Nasabah yang repay diberi angka 1 dan nasabah yang default diberi angka 0. Metode estimasi
adalah metode simultan dengan program SPSS.

Langkah-langkah:

a. Buka SPSS dan kemudian masukkan data. Setelah data siap maka selanjutnya kita
menjalankan analisis diskriminan. Metode yang digunakan adalah metode simultan.
Adapun perintahnya analyze/classify/discriminant.
 Masukkan variabel RD yaitu singkatan Repay dan Default ke dalam grouping variabel
sehingga muncul tampilan sebagai berikut.

b. Klik pada kotak Define Range untuk mengisi tanda tanya (??) yaitu nilai variabel
dependen kemampuan membayar utang nasabah sehingga akan muncul tampilan
sebagai berikut.
Pada isian kotak minimum isi angka 0 dan angka 1 pada kotak maximum karena di sini
variabel dependen non metrik hanya terdiri dari dua kategori. Kemudian masukkan
variabel diskriminan pendapatan (X1) dan aset (X2) di dalam kotak independents.
c. Kemudian pilih statistics sehingga akan muncul tampilan sebagai berikut:
Pada descriptives pilih Means Univariates ANOVAs dan Box’s M pada Function
coefficient pilih unstandardized. Pada Matrices pilih semua. Kemudian klik continue.

d. Kemudian klik classify sehingga akan muncul tampilan sebagai berikut:

Pada Prior Probabilities pilih All groups equals. Pada display pilih casewise results
dan Summary Tabel. Pada use covariance matrix pilih within groups. Kemudian klik
continue.

e. Kemudian klik OK sehingga akan muncul tampilan seperti seperti berikut.

Tampilan 1

Group Statistics
Valid N (listwise)
RD Mean Std. Deviation Unweighted Weighted
DEFAULT PENDAPATAN 27.8000 8.18710 15 15.000
ASET 244.6667 67.17426 15 15.000
REPAY PENDAPATAN 62.9333 13.84850 15 15.000
ASET 492.0000 266.78509 15 15.000
Total PENDAPATAN 45.3667 21.07537 30 30.000
ASET 368.3333 228.82132 30 30.000

Langkah awal untuk menilai apakah variabel diskriminan di dalam fungsi diskriminan
secara statistik signifikan atau tidak dengan melihat apakah rata-rata kedua kelompok sama
atau tidak. Pada tampilan 1 terlihat bahwa rata-rata setiap variabel diskriminan berbeda
antara dua kelompok tersebut. Uji statistika untuk mengetahui perbedaan dua rata-rata ini
dilakukan dengan uji beda rata-rata melalui uji t. Hasil nilai t hitung untuk variabel
pendapatan dan aset masing-masing sebesar 8,1713 dan 3,4745. Nilai t kritis pada 𝛼 = 5%
dengan df (degree of freedom) 28 sebesar ± 2,101. Secara statistika berarti signifikan pada
𝛼 = 5%, sehingga kita bisa menyimpulkan bahwa dua kelompok nasabah tersebut berbeda
berdasarkan pada pendapatan dan aset sehingga kita bisa menggunakan kedua variabel
tersebut untuk membentuk fungsi diskriminan.

Tampilan 2

Tests of Equality of Group Means

Wilks' Lambda F df1 df2 Sig.
PENDAPATAN .281 71.540 1 28 .000
ASET .698 12.124 1 28 .002

Uji Wilks’ Lambda untuk pendapatan sebesar 0,281 dan untuk aset 0,698, yang masing-
masing signifikan pada 0,000. Pada tampilan 2 signifikansi statistika Wilks’ Lambda diuji
dengan uji F. Nilai F hitung sebesar 71,540 dan 12,124 untuk variabel pendapatan dan aset
dan nilai F kritis pada 𝛼 = 5% dengan df (1,28) sebasar 4,20. Berarti kita menolak hipotesis
nol. Hasil ini menunjukkan bahwa kedua variabel dapat digunakan untuk membentuk
variabel diskriminan.

Tampilan 3

Wilks' Lambda
Test of Function(s) Wilks' Lambda Chi-square df Sig.
1 .272 35.159 2 .000

Besarnya nilai Wilk's L sebesar 0,272 atau sama dengan Chi-square 35,159 dan ternyata
nilai ini signifikan pada 0,000 maka dapat disimpulkan bahwa fungsi diskriminan signifikan
secara statistik yang berarti nilai rata-rata score diskriminan untuk kedua kelompok nasabah
berbeda secara nyata.

Tampilan 4

Eigenvalues

Canonical
Function Eigenvalue % of Variance Cumulative % Correlation
1 2.677a 100.0 100.0 .853
a. First 1 canonical discriminant functions were used in the analysis.

Walaupun secara statistik perbedaan kedua kelompok perusahaan itu signifikan, tetapi untuk
tujuan praktis perbedaan kedua kelompok perusahaan tadi tidak begitu besar. Hal ini dapat
terjadi pada kasus dengan jumlah sampel yang besar. Untuk menguji seberapa besar dan
berarti perbedaan antara kedua kelompok perusahaan dapat dilihat dan nilai Square
Canonical Correlation (CR2).

Square Canonical Correlation identik dengan R2 pada regresi yaituu mengukur variasi
antara kedua kelompok perusahaan yang dapat dijelaskan oleh variabel diskriminannya. Jadi
CR2 mengukur sebagai kuat fungsi diskriminan. Canonical correlation menunjukkan
keeratan hubungan antara discriminant score dengan grup. Nilai conanical correlation
sebesar 0,853 menunjukkan keeratan yang cukup tinggi, dengan ukuran skala asosiasi antara
0 sampai 1 (koefisien determinasi).

Korelasi kanonikal (CR) di dalam tampilan 8 besarnya 0,853 sehingga nilai CR 2 = 0,7276.
Artinya sebesar 72,76% variasi antara kelompok nasabah yang mampu membayar dan
mereka yang default dijelaskan oleh variabel diskriminan pendapatan dan aset.

Tampilan 5

Pooled Within-Groups Matricesa

PENDAPATAN ASET
Covariance PENDAPATAN 129.405 436.286
ASET 436.286 37843.333
Correlation PENDAPATAN 1.000 .197
ASET .197 1.000
a. The covariance matrix has 28 degrees of freedom.

Tampilan 5 mengindikasikan adanya korelasi antarvariabel predictor yang rendah. Table

tersebut juga menginformasikan korelasi pendapatan lebih tinggi dibanding aset. Sehingga
variable diskriminan pendapatan relative lebih penting dalam membentuk fungsi
diskriminan kemampuan nasabah dalam membayar utang daripada variable aset.

Tampilan 6

Structure Matrix
Function
1
PENDAPATAN .977
ASET .402

Tabel Structure Matrix menjelaskan korelasi antar variable independen dengan fungsi
diskriminan yang terbentu. Berdasarkan table, variable pendapatan memiliki hubungan yang
erat terhadap fungsi disriminan dibanding variable asset.
Tampilan 7

Canonical Discriminant Function Coefficients

Function
1
PENDAPATAN .082
ASET .001
(Constant) -4.137
Unstandardized coefficients

Berdasarkan nilai canonical discriminant function coefficient dapat disusun fungsi

diskriminan. Maka fungsi disriminan untuk kasus ini adalah

D = -4,137 + 0,082X1 + 0,001X2

Koefisien yang belum distandarisasi dapat diinterpretasikan sebagaimana koefisien regresi
berganda. Koefisien pendapatan sebasar 0,082 dapat diartika jika pendapatan naik 1 unit
(juta) maka kemampuan membayar utang akan naik sebesar 0,082, dengan asumsi variabel
aset tetap.

Tampilan 8

Functions at Group Centroids

Function
RD 1
DEFAULT -1.581
REPAY 1.581
Unstandardized canonical discriminant functions evaluated at group means

Tampilan 8 memberi informasi tentang rata-rata skor diskriminan (centroid). Centroid

untuk kelompok nasabah repay sebesar -1,581 dan kelompok nasabah default sebesar 1,581
Tampilan 9

Tampilan 9 pada kolom terakhir memberi informasi skor diskriminan. Sedangkan tampilan
8 memberi informasi tentang rata-rata skor diskriminan (centroid). Centroid untuk
kelompok nasabah repay -1,581 dan kelompok nasabah default 1,581 sehingga nilai cutoff
value-nya 0. Dari cutoff value ini satu observasi yang tidak terdiskriminasi dengan baik
(misclassified) yaitu observasi yang ke-15. Kelompok aktual seharusnya kelompok nasabah
yang repay, tetapi berdasarkan prediksi fungsi dikriminan masuk kelompok nasabah yang
default.
 Tampilan 10

Classification Resultsa
Predicted Group Membership
RD DEFAULT REPAY Total
Original Count DEFAULT 15 0 15
REPAY 1 14 15
% DEFAULT 100.0 .0 100.0
REPAY 6.7 93.3 100.0
a. 96.7% of original grouped cases correctly classified.

Analisis terakhir adalah sebarapa baik tingkat kebenaran klasifikasi dari diskriminan yang
kita bentuk? Tampilan 12 memberi informasi hasil klasifikasi kebenaran tingkat klasifikasi
sebesar 96,7% pada semua kasus baik yang mampu membayar maupun yang tidak. Fungsi
diskriminan untuk yang tidak mampu membayar memprediksi sebesar 100% sedangkan
fungsi diskriminan yang mampu membayar memprediksi 93,3%.

2. Metode Estimasi Stepwise

Pada pembahasan metode simultan, biasanya peneliti sudah mengetahui dengan pasti bahwa
variabel independen yang dimasukkan di dalam fungsi diskriminan mampu dengan baik melakukan
diskriminasi antara dua kelompok tersebut. Tetapi dalam banyak kasus penelitian, peneliti tidak
mengetahui secara pasti variabel independen atau variabel diskriminan mana yang mampu
melakukan diskriminasi antar kelompok. Metode stepwise adalah metode yang sangat berguna di
dalam melakukan proses seleksi untuk memilih variabel diskriminan yang terbaik di dalam
membentuk fungsi diskriminan.

a. Prosedur Metode Stepwise

Prosedur metode stepwise yang mampu menghasilkan variabel diskriminan yang terbaik
sehingga mampu melakukan diskriminasi antar kelompok bisa dilakukan dengan tiga cara yaitu
melalui metode Forward Selection, Backward Selection dan Stepwise Selection. Metode
stepwise di dalam mengestimasi fungsi diskriminan ini sama dengan metode stepwise di dalam
estimasi regresi. Ketiga metode ini akan menghasilkan fungsi diskriminan yang sama dengan
syarat tidak ada masalah multikolinearitas antar variabel diskriminan di dalam di dalam fungsi
 diskriminan. Namun, apabila ada masalah multikolinearitas kemungkinan akan menghasilkan
fungsi diskriminan yang berbeda sehingga kita harus hati-hati di dalam menggunakan prosedur
metode stepwise ini.

b. Forward Selection

Di dalam prosedur forward selection ini variabel yang dimasukkan pertama kali di dalam
fungsi diskriminan adalah variabel diskriminan yang mampu memaksimumkan perbedaan atau
diskriminasi antara kelompok yang ada dengan menggunakan kriteria statistik tertentu. Langkah
selanjutnya memasukkan variabel diskriminan lain yang mampu meningkatkan jumlah
maksimum dari kekuatan diskriminasi tambahan ke dalam fungsi diskriminan. Prosedur
penambahan variabel diskriminan terus dilakukan sampai tidak ada lagi variabel yang mampu
dengan baik melakukan dikriminasi di dalam fungsi diskriminan yang kita bentuk.

c. Backward Selection

Metode backward selection ini berkebalikan dengan metode forward selection. Metode
ini dimulai dengan memasukkan semua variabel diskriminan di dalam fungsi diskriminan. Pada
langkah berikutnya kemudian mengeluarkan variabel diskriminan yang secara statistic dengan
penghilangan variabel diskriminan ini tidak menurunkan kekuatan diskriminasi di dalam fungsi
diskriminan. Prosedur penghilangan yang bisa dikeluarkan di dalam fungsi diskriminan.

d. Stepwise Selection

Metode stepwise selection ini merupakan gabungan antara model forward selection dan
backward selection. Langkah pertama dimulai dengan tidak ada variabel diskriminan di dalam
fungsi diskriminan. Pada setiap langkah selanjutnya kemudian kita menambah atau
mengeluarkan variabel diskriminan. Variabel yang ada di dalam fungsi diskriminan akan
dikeluarkan jika variabel diskriminan ini secara statistik tidak akan menurunkan kekuatan
diskriminan. Bila tidak ada variabel diskriminan yang dikeluarkan pada langkah tertentu maka
variabel yang meningkatkan kekuatan diskriminan akan ditambahkan di dalam fungsi
diskriminan. Prosedur ini akan berhenti jika sudah tidak ada variabel yang dikeluarkan atau
ditambahkan dari fungsi diskriminan.

e. Kriteria Seleksi Variabel Diskriminan

Metode stepwise yang bertujuan untuk memilih variabel diskriminan yang terbaik di
dalam membentuk fungsi diskriminan mendapatkan fungsi diskriminan dilakukan dengan cara
mnambahkan atau mengeluarkan variabel diskriminan dari fungsi diskriminan. Ada beberapa
kriteria yang bisa digunakan untuk memasukkan atau mengeluarkan variabel diskriminan di dalam
fungsi diskriminan yaitu: (1) Wilks’ Lambda; (2) Rao’s V; (3) Mahalanobis Squares Distance; dan
(4) ratio F antara kelompok.