18
Meskipun dalam dan
digunakan yang sama namun jelas besarnya
berlainan antara dalam
dan dalam
, kedua data sampelnya juga berlainan yaitu
diambil dari kelompok I dan dari kelompok II. Untuk kedua
buah matriks varians-kovarians ini bisa dihitung matriks varians-kovarians gabungan, diberi lambing S dengan rumus:
2.10
keterangan: = Matriks varians-kovarians gabungan.
= Matriks varians-kovarians dari kelompok I dan kelompok II. = Jumlah data pengamatan kelompok I dan kelompok II.
2.12.6 Algoritma Pokok Analisis Diskriminan dan Model Matematis
Secara ringkas, langkah-langkah dari analisis diskriminan adalah: 1.
Pengecekan adanya kemungkinan hubungan linier antara variabel bebas. Pengecekan dilakukan dengan bantuan matriks korelasi pembentukan matriks
korelasi sudah difasilitasi pada analisis diskriminan. Pada hasil output SPSS, matriks korelasi dapat dilihat pada Pooled Within-Groups Matrices.
2. Uji vektor rata-rata kedua kelompok
Pengujian terhadap vektor nilai rataan antar kelompok dilakukan dengan hipotesis:
H : µ
1
= µ
2
= µ
3
= ... = µ
l
H
1
: sedikitnya ada dua kelompok yang berbeda Angka signifikan:
Jika angka Sig 0,05, tidak ada perbedaan antar kelompok Jika angka Sig ≤ 0,05, ada perbedaan antar kelompok
Jika dari hasil pengujian diperoleh adanya perbedaan vektor nilai rataan, fungsi diskriminan layak disusun untuk mengkaji hubungan antar kelompok
serta berguna untuk mengelompokkan objek ke salah satu kelompok tersebut.
19
Pada SPSS, uji ini dilakukan secara univariate yang diuji bukan berupa vektor, dengan bantuan tabel Tests of Equality of Group Means.
3. Pembentukan Model Diskriminan
a. Pembentukan Fungsi Linier
Pada output SPSS, koefisien untuk tiap variabel yang masuk dalam model dapat dilihat pada tabel Canonical Discriminant Function Coefficient.
Tabel ini akan dihasilkan pada output apabila pilihan Function Coefficient bagia Unstandardized diaktifkan.
b. Menghitung Discriminant Score
Setelah fungsi liniernya dibentuk, maka dapat dihitung skor diskriminan untuk tiap observasi dengan cara memasukkan nilai-nilai variabel
penjelasnya. c.
Menghitung Cutting Score Untuk memprediksi responden yang mana masuk kedalam golongan yang
mana, kita dapat menggunakan optimum cutting score. Memang dari komputer informasi ini sudah diperoleh. Untuk cara mengerjakan secara
manual Cutting Score dapat dihitung dengan rumus sebagai berikut dengan ketentuan:
1. Untuk dua kelompok yang mempunyai ukuran yang sama cutting
score dinyatakan dengan rumus Simamora, 2005: 2.11
keterangan: = Cutting score untuk kelompok yang mempunyai ukuran yang
sama = Centroid kelompok A
= Centroid kelompok B 2.
Untuk dua kelompok yang mempunyai ukuran yang berbeda, rumus cutting score yang digunakan adalah:
2.12
20
keterangan: = Cutting score untuk kelompok yang mempunyai ukuran
yang berbeda = Jumlah sampel kelompok A
= Jumlah sampel kelompok B = Centroid kelompok A
= Centroid kelompok B Centroid adalah nilai rata-rata skor diskriminan untuk kelompok
tertentu. Kemudian nilai-nilai discriminant score tiap observasi akan dibandingkan
dengan nilai cutting score, sehingga dapat diklasifikasikan suatu obsevasi akan termasuk kedalam kelompok yang mana. Dapat dihitung dengan bantuan tabel
Function at Group Centroids dari output SPSS.
21
BAB 3 PEMBAHASAN DAN HASIL
3.1
Populasi dan Data Penelitian
Populasi adalah keseluruhan unit atau individu dalam ruang lingkup yang ingin diteliti. Pada penelitian ini populasinya adalah seluruh KabupatenKota di
Provinsi Aceh yang berjumlah 23 KabupatenKota yang dibagi kedalam dua kelompok, yaitu:
1. Kelompok I : daerah KabupatenKota dengan Persentase Kemiskinan
18, yaitu Kabupaten Aceh Selatan, Kabupaten Aceh Tenggara, Kabupaten Aceh Timur, Kabupaten Aceh Tengah, Kabupaten Aceh Besar,
Kabupaten Bireuen, Kabupaten Aceh Tamiang, Kabupaten Aceh Jaya, Kota Banda Aceh, Kota Langsa, Kota Lhokseumawe.
2. Kelompok II : daerah KabupatenKota dengan Persentase Kemiskinan
18, yaitu Kabupaten Simeulue, Kabupaten Aceh Singkil, Kabupaten Aceh Barat, Kabupaten Pidie, Kabupaten Aceh Utara, Kabupaten Aceh
Barat Daya, Kabupaten Gayo Lues, Kabupaten Nagan Raya, Kabupaten Bener Meriah, Kabupaten Pidie Jaya, Kota Sabang, Kabupaten
Subulussalam.
Tabel 3.1 Data Kependudukan,Sosial, Dan Ekonomi Provinsi Aceh Tahun 2013 No. KabupatenKota
Persentase Kemiskinan Kepadatan Penduduk
jiwakm
2
TPT 1
2 3
. .
. 23
Simeulue Aceh Singkil
Aceh Selatan .
. .
Subulussalam 20,57
18,73 13,44
. .
. 20,69
46 60
50 .
. .
62 6,42
11,07 7,95
. .
. 9,85
22
Sambungan Tabel 3.1
No. KabupatenKota PDRB ADHK
Perkapita Rupiah
PDRB ADHB Perkapita
Rupiah Laju Pertumbuhan
Ekonomi ADHK AHH
1 2
3 .
. .
23 Simeulue
Aceh Singkil Aceh Selatan
. .
. Subulussalam
301.718,02 561.577,83
1.481.559,10 .
. .
309.578,77 724.702,92
1.026.661,77 3.125.168,82
. .
. 474.351,72
5,41 5,08
4,27 .
. .
6,03 63,32
65,58 67,54
. .
. 66,63
Keseluruhan Data Penelitian dapat dilihat pada lampiran.
3.2 Analisis Data