Fungsi Diskriminan Linear Fisher

Fungsi diskriminan diatas bermanfaat untuk menganalisis suatu kasus yang diteliti akan masuk ke dalam kelompok pertama atau kedua.

c. Fungsi Diskriminan Linear Fisher

Pengklasifikasian variabel modal dan ATMR dapat dilakukan pengolahan data menggunakan Analisis Diskriminan, sehingga diketahui juga fungsi diskriminan dari setiap kelompok bank. Analisis Diskriminan dipilih agar dapat membedakan klasifikasi kelompok bank secara tepat, mengusahakan tingkat kesalahan penempatan kelompok kecil, juga mampu mengidentifikasi kesalahan pengelompokan pengamatan. Pengklasifikasian dibagi menjadi 2 kelompok, yaitu kelompok bank swasta nasional dan kelompok bank asing. Dari hasil pengujian diperoleh dua fungsi diskriminan untuk masing-masing kelompok bank yang tampak pada Tabel 4.10 berikut : Tabel 4.10 Tabel Fisher’s Linear Discriminant Functions Bank Swasta dan Bank Asing Classification Function Coefficients KELOMPOK BANK BANK SWASTA BANK ASING MODAL ,862 ,626 ATMR 8,153 8,302 Constant -69,369 -68,433 Sumber: output SPSS Dari Tabel 4.10 diperoleh fungsi diskriminan dari dua kelompok bank yaitu : i. Persamaan untuk CAR Bank Swasta Nilai = -69,369 konstanta + 0,862 Modal – 8,153 ATMR Universitas Sumatera Utara ii. Persamaan untuk CAR Bank Asing Nilai = -68,433 konstanta + 0,626 Modal – 8,302 ATMR Setelah diperoleh dua fungsi diskriminan dari masing-masing kelompok bank, nilai dari masing-masing variabel diselisihkan. Hasil yang diperoleh sebagai berikut : Selisih nilai antara kedua kelompok : Nilai = -69,369 konstanta + 0,862 Modal – 8,153 ATMR- -68,433 konstanta + 0,626 Modal – 8,302 ATMR Dari perhitungan yang dilakukan, maka didapat persamaan fungsi diskriminan yang akan melakukan pengklasifikasian : Nilai Z = -0,936 konstanta + 1,488 Modal – 16,455 ATMR Masing-masing data modal dan ATMR bank dimasukkan ke dalam fungsi diskriminan untuk melihat data modal dan ATMR termasuk dalam kategori kelompok bank mana. Teknik menghitungnya dengan memasukkan nilai masing- masing data yang dikalikan dengan bobot masing-masing variabel. Jika hasil dari fungsi diskriminan minimum atau kecil dari 0, maka data yang sebelumnya berada pada kelompok 0, setelah diprediksi ternyata karakteristik yang dimiliki data lebih cocok berada pada kelompok 1. Begitu juga sebaliknya, jika hasil dari fungsi diskriminan maksimum atau besar dari 0, maka data yang sebelumnya berada pada kelompok 0, setelah diprediksi ternyata karakteristik yang dimiliki data lebih cocok berada pada kelompok 0 tetap pada kelompok semula. Universitas Sumatera Utara

d. Persentase Keakuratan Pengelompokan