setiap peningkatan satu satuan dalam setiap variabel tersebut, maka kemungkinan responden tidak akan melakukan tindakan diet penurunan berat badan.
4.6.3. Signifikansi Fungsi Diskriminan
Untuk mengetahui nilai signifikansi dari fungsi diskriminan yang terbentuk dapat dilihat dari nilai
Wilk’s Lamda.
Tabel 4.22. Hasil Uji Wilk’s Lambda
Wilk’s Lambda Chi-square
P 0,554
105,640 0,001
Dari tabel 4.22 diatas dapat dilihat bahwa fungsi diskriminan yang terbentuk dapat memperlihatkan perbedaan yang jelas antara dua kelompok
variabel dependen karena memiliki nilai p0,05.
4.6.4. Ketepatan Klasifikasi Model Persamaan Diskriminan
Selain untuk memprediksi variabel dependen berdasarkan variabel independennya, analisis diskriminan juga mempunyai kegunaan untuk
mengklasifikasikan suatu responden termasuk dalam kelompok mana pada variabel dependen berdasarkan variabel independennya. Setelah fungsi
diskriminan terbentuk, selanjutnya adalah melakukan pengklasifikasian.
UNIVERSITAS SUMATERA UTARA
Tabel 4.23. Hasil Pengklasifikasian Responden Predicted Group Membership
Total Tidak Diet
Diet n
n n
Original Tidak Diet
Diet 88
8 80,7
10,8 21
66 19,3
89,2 109
74 100,0
Cross-validated Tidak Diet
Diet 86
9 78,9
12,2 23
65 21,1
87,8 109
74 100,0
Dari tabel 4.23 diatas dapat diketahui bahwa pada bagian original, responden yang pada data awal adalah tergolong tidak diet, dan dari klasifikasi
fungsi diskriminan tetap pada kelompok tidak diet sebanyak 88 orang 80,7. Sedangkan dengan model diskriminan, responden yang awalnya tergolong tidak
diet, ternyata menjadi tergolong diet sebanyak 21 orang 19,3. Kemudian responden yang pada awalnya tergolong diet, dan dari klasifikasi fungsi
diskriminan tetap tergolong diet ada sebanyak 66 orang 89,2, sedangkan dengan model diskriminan responden yang awalnya tergolong diet ternyata
menjadi tergolong tidak diet ada sebanyak 8 orang 10,8. Dari data tersebut dapat diketahui tingkat ketepatan prediksi dari model
fungsi diskriminan yang terbentuk, yaitu :
Dengan tingkat ketepatan prediksi dari model fungsi diskriminan yang terbentuk tinggi 84, maka model diskriminan yang terbentuk dapat digunakan
untuk memprediksi variabel dependen berdasarkan variabel independennya, atau dapat dikatakan valid untuk digunakan.
UNIVERSITAS SUMATERA UTARA
Pada bagian cross-validation sedikit berbeda dengan bagian original. Hal ini disebabkan pada bagian cross-validation mampu mengurangi bias yang
mungkin terjadi pada proses klasifikasi dari model diskriminan yang terbentuk. Terlihat bahwa responden yang pada data awal adalah tergolong tidak diet,
dan dari klasifikasi fungsi diskriminan tetap pada kelompok tidak diet sebanyak 86 orang 78,9. Sedangkan dengan model diskriminan, responden yang
awalnya tergolong tidak diet, ternyata menjadi tergolong diet sebanyak 23 orang 21,1. Kemudian responden yang pada awalnya tergolong diet, dan dari
klasifikasi fungsi diskriminan tetap tergolong diet ada sebanyak 65 orang 87,8, sedangkan dengan model diskriminan responden yang awalnya tergolong diet
ternyata menjadi tergolong tidak diet ada sebanyak 9 orang 12,2. Dari data tersebut dapat diketahui tingkat ketepatan prediksi dari model
fungsi diskriminan yang terbentuk dengan memperhitungkan berbagai bias yang mungkin terjadi adalah sebagai berikut :
Dengan tingkat ketepatan prediksi dari model fungsi diskriminan yang terbentuk dengan mempertimbangkan berbagai bias yang mungkin terjadi tetap
tinggi 82, maka model diskriminan yang terbentuk dapat digunakan untuk memprediksi variabel dependen berdasarkan variabel independennya, atau dapat
dikatakan valid untuk digunakan.
UNIVERSITAS SUMATERA UTARA
BAB V PEMBAHASAN
Berdasarkan hasil penelitian yang telah dilakukan pada mahasiswa Fakultas Kesehatan Masyarakat Universitas Sumatera Utara tahun 2014 dalam
melihat faktor-faktor yang berpengaruh terhadap tindakan diet penurunan berat badan dapat dilihat sebagai berikut.
5.1. Perbandingan Hasil Uji Metode Regresi Logistik dengan Analisis Diskriminan
