You are on page 1of 4

Tests of Equality of Group Means

Wilks' Lambda F df1 df2 Sig.

Usia Responden .945 4.247 1 73 .043

Berat Responden .934 5.173 1 73 .026

Tinggi Responden .946 4.186 1 73 .044

Pendapatan Responden .894 8.656 1 73 .004

Jam Kerja Responden .999 .059 1 73 .808

Lamanya Responden
.946 4.183 1 73 .044
Berolahraga

Jam kerja responden mendekati 1 maka, tidak dimasukkan dalam analisis berikutnya

Variables Not in the Analysis

Step Tolerance Min. Tolerance Sig. of F to Enter Min. D Squared Between Groups

0 Usia Responden sedikit and


1.000 1.000 .043 .227
banyak

Berat Responden sedikit and


1.000 1.000 .026 .276
banyak

Tinggi Responden sedikit and


1.000 1.000 .044 .223
banyak

Pendapatan Responden sedikit and


1.000 1.000 .004 .462
banyak

Lamanya Responden sedikit and


1.000 1.000 .044 .223
Berolahraga banyak

1 Usia Responden sedikit and


.318 .318 .542 .484
banyak

Berat Responden sedikit and


.997 .997 .026 .776
banyak

Tinggi Responden sedikit and


.997 .997 .042 .721
banyak

Lamanya Responden sedikit and


.538 .538 .953 .462
Berolahraga banyak

2 Usia Responden sedikit and


.317 .316 .458 .812
banyak

Tinggi Responden sedikit and


.943 .943 .012 1.208
banyak

Lamanya Responden sedikit and


.537 .537 .876 .777
Berolahraga banyak
3 Usia Responden sedikit and
.316 .316 .524 1.238
banyak

Lamanya Responden sedikit and


.523 .523 .798 1.213
Berolahraga banyak

Yang memiliki signifikan of F to enter paling rendah, tidak masuk ke step berikutnya

Wilks' Lambda

Exact F
Number of
Step Variables Lambda df1 df2 df3 Statistic df1 df2 Sig.

1 1 .894 1 1 73 8.656 1 73.000 .004

2 2 .834 2 1 73 7.170 2 72.000 .001

3 3 .763 3 1 73 7.343 3 71.000 .000

Arti angka lamda : variance yang tidak bisa dijelaskan. Makin kecil variance yang tidak bisa dijelaskan berarti model
diskriminan tsb layak untuk digunakan.

Eigenvalues

Functio Canonical
n Eigenvalue % of Variance Cumulative % Correlation

1 .310a 100.0 100.0 .487

a. First 1 canonical discriminant functions were used in the analysis.

 0,487 menunjukkan hubungan antara

Wilks' Lambda

Test of
Functio
n(s) Wilks' Lambda Chi-square df Sig.

1 .763 19.321 3 .000

Perbedaan yang sangat jelas antara yang minum sedikit dan yang minum banyak
Structure Matrix

Function

Pendapatan Responden .618

Usia Respondena .521

Berat Responden .478

Lamanya Responden
.475
Berolahragaa

Tinggi Responden -.430

Pooled within-groups correlations between


discriminating variables and standardized
canonical discriminant functions
Variables ordered by absolute size of
correlation within function.

a. This variable not used in the analysis.

Canonical Discriminant Function x


Coefficients

Function

Berat Responden .064

Tinggi Responden -.093

Pendapatan Responden .006

(Constant) 7.884

Unstandardized coefficients

Z score= 7,884 + 0,064x1-0,093x2+0,006x3 -> fungsi unstandardized

Functions at Group Membedakan 2 tipe konsumen, grup pertama (minum banyak) mempunyai
Centroids
sentroid negatif, dan grup kedua sentroid positif(minum sedikit)
Function
Kebiasaa
n Minum 1

sedikit .542

banyak -.557

Unstandardized canonical
discriminant functions
evaluated at group means
Classification Function Coefficients

Kebiasaan Minum

sedikit banyak

Berat Responden .035 -.035

Tinggi Responden 3.587 3.690

Pendapatan Responden .036 .030

(Constant) -297.882 -306.557

Fisher's linear discriminant functions

Z score = -297,882 + 0,035x1+3,587x2+0,036x3 -> untuk kebiasaan minum sedikit

Zscore = -306,557 - 0,035x1+3,690x2+0,030x3 -> untuk kebiasaan minum banyak

Casewise statistic :menguji apakah tepat pengelompokannya atau tidak

Kesimpulan :

1. ada perbedaan yang signifikan antara mereka yang banyak minum dengan mereka yang sedikit minum, hal ini
dibuktikan pada analisis wilks lamda.

2. variable yang membuat prilaku mengkonsumsi yang berbeda adalaha berat badan, tinggi badan dan pendapatan

3. model atau fungsi diskriminan untuk kasus tersebut adalah ;

Z score = 7,884 + 0,064x1(berat) – 0,093x2(tinggi) +0,006x3(pendapatan)

4. model diskrimina diatas mempunyai ketepatan mengklasifikasi kasus sebesar 68%. Oleh karena diatas 50%,
ketepatan model dianggap tinggi, karena itu bisa digunakan untuk mengklasifikasi sebuah kasuspada tipe minum
tertentu.

Ujiannya : menginterpretasikan output.