Aplikasi Analisis Diskriminan Dalam Memilih Perguruan Tinggi Negeri di Sumatera dan Perguruan Tinggi Negeri di Jawa Berdasarkan Persepsi Siswa Kelas XII di SMA Negeri Favorit Kota Medan

Lampiran 1. Kuesioner

KUESIONER PENELITIAN

APLIKASI ANALISIS DISKRIMINAN DALAM MEMILIH PERGURUAN TINGGI NEGERI DI SUMATERA DAN PERGURUAN TINGGI NEGERI

DI JAWA BERDASARKAN PERSEPSI SISWA KELAS XII DI 5 SMA NEGERI FAVORIT KOTA MEDAN

Nama :

Asal Sekolah :

Jurusan :

PTN yang di inginkan :

Petunjuk pengisian kuesioner:

1. Mohon memberi tanda silang (x) pada jawaban yang dianggap benar. 2. Setiap pertanyaan hanya membutuhkan satu jawaban saja.

3. Mohon memberikan jawaban yang sebenar-benarnya.

4. Setelah melakukan pengisian, mohon untuk mengembalikan kuesioner.

Keterangan:

Skala Pernyataan

1. Sangat Tidak Setuju (STS)

2. Tidak Setuju (TS)

3. Kurang Setuju (KS)

4. Setuju (S)

5. Sangat Setuju (SS)

No. Pertanyaan STS TS KS S SS

1. Uang kuliah yang murah mendorong

saya untuk memilih PTN tersebut. 1 2 3 4 5 2.

Akreditasi PTN atau jurusan mempengaruhi saya dalam memilih PTN tersebut.

1 2 3 4 5

3. Banyaknya program studi yang

ditawarkan pada PTN tersebut. 1 2 3 4 5

4.

Tuntutan orangtua merupakan faktor yang mempengaruhi saya dalam memilih perguruan tinggi.

1 2 3 4 5

5.

Kondisi fisik dari PTN dan Fakultas merupakan salah satu faktor dalam memilih PTN tersebut.

1 2 3 4 5

6.

Promosi atau pemberitahuan mengenai PTN dari Mahasiswa PTN itu sendiri yang merupakan salah satu faktor saya memilih PTN tersebut.

1 2 3 4 5

7.

Informasi dari teman dan orang terdekat menjadikan saya tertarik terhadap PTN tersebut.

1 2 3 4 5

8.

Reputasi perguruan tinggi adalah salah satu faktor saya memilih PTN tersebut.

Lampiran 2. Data Hasil Penelitian

No. � �1 �2 �3 �4 �5 �6 �7 �8

1. 1 5 5 4 3 4 4 5 4

2. 1 4 4 5 4 5 4 5 4

3. 1 4 5 4 5 5 5 4 4

4. 0 5 3 2 4 5 4 3 4

5. 0 4 3 2 4 4 5 3 4

6. 1 5 4 4 3 4 4 4 4

7. 1 2 4 2 5 5 5 2 5

8. 1 1 5 3 1 5 4 1 5

9. 1 3 4 4 3 5 3 2 5

10. 1 5 5 5 4 5 4 3 5

11. 1 4 4 4 4 4 4 4 4

12. 1 3 5 4 4 4 3 4 5

13. 0 5 3 2 5 3 3 3 4

14. 1 1 5 5 5 5 2 2 5

15. 0 2 3 2 2 2 2 2 5

16. 1 3 5 3 4 4 4 3 4

17. 1 3 4 3 3 3 4 2 3

18. 0 4 3 2 2 4 4 3 5

19. 0 5 4 2 5 3 4 3 4

20. 1 4 5 4 3 3 3 4 5

21. 1 4 4 4 3 4 4 5 5

22. 0 5 5 5 1 2 4 3 4

23. 1 2 5 5 4 3 2 4 3

24. 0 5 5 3 5 5 3 3 4

25. 1 1 3 3 5 3 4 2 1

26. 1 5 5 2 3 5 1 2 4

27. 0 1 4 2 5 3 4 3 4

28. 1 1 5 4 2 5 1 3 5

29. 0 4 4 2 3 4 5 4 4

30. 1 1 4 2 3 5 2 4 3

31. 1 5 4 3 3 5 5 5 3

32. 1 5 5 5 5 5 5 5 5

33. 1 1 4 2 4 2 5 2 4

34. 1 2 5 2 4 1 5 3 4

35. 1 3 4 1 5 2 3 5 2

36. 1 2 5 2 4 3 1 5 3

38. 1 2 4 1 5 2 4 1 3

39. 1 2 5 5 2 4 1 2 4

40. 1 2 5 1 2 4 1 5 4

41. 1 4 5 5 4 5 5 5 5

42. 1 2 5 1 4 3 5 2 4

43. 1 4 4 4 3 4 4 4 5

44. 1 3 4 4 2 4 4 2 4

45. 0 4 3 2 3 4 4 3 1

46. 0 3 4 3 4 5 4 2 4

47. 0 4 5 2 2 4 2 3 5

48. 1 4 4 3 3 4 3 3 4

49. 0 4 3 1 4 5 4 3 2

50. 0 4 2 3 4 4 4 3 2

51. 0 4 3 3 2 4 4 3 3

52. 0 4 2 2 4 5 4 2 4

53. 0 4 3 3 3 4 4 2 4

54. 1 4 5 5 2 4 2 2 4

55. 1 4 5 4 3 3 3 3 4

56. 0 4 3 3 3 3 3 3 4

57. 0 4 3 2 4 3 3 2 1

58. 0 4 2 2 2 4 4 2 4

59. 1 3 5 3 3 3 3 3 3

60. 0 4 3 3 1 1 4 4 4

61. 0 4 2 2 4 4 4 4 4

62. 1 4 5 5 5 5 4 3 5

63. 1 4 4 4 3 4 4 4 4

64. 0 4 4 4 4 4 4 4 4

65. 1 4 5 3 3 5 3 3 5

66. 0 4 4 2 5 4 3 1 3

67. 1 2 5 3 3 4 4 4 5

68. 0 3 4 3 4 4 4 4 5

69. 0 5 3 1 4 1 2 2 2

70. 1 5 3 1 4 1 2 2 2

71. 0 3 3 2 3 3 4 4 4

72. 1 3 4 3 2 3 4 3 4

73. 1 3 4 2 2 4 3 3 5

74. 1 4 5 4 4 4 4 4 4

75. 0 3 4 4 3 4 3 4 4

77. 0 2 4 4 4 4 4 4 4

78. 0 4 2 4 5 5 4 2 4

79. 0 4 3 4 1 5 5 4 5

80. 1 5 4 4 5 4 5 3 4

81. 0 1 4 2 2 2 2 2 4

82. 0 4 4 3 4 4 3 4 4

83. 1 4 4 3 2 3 4 4 4

84. 1 4 5 4 3 4 4 3 5

85. 0 4 5 2 2 4 4 4 5

86. 1 4 5 4 2 3 4 5 5

87. 1 4 5 3 5 5 4 4 5

88. 1 3 4 4 4 5 4 4 3

89. 0 3 2 4 4 3 4 4 4

90. 0 4 3 3 2 5 3 3 4

91. 0 3 2 4 4 4 4 5 4

92. 1 4 5 3 2 3 4 2 4

93. 1 2 4 4 2 3 4 4 4

94. 1 4 4 4 3 4 4 4 4

95. 1 4 4 3 4 4 4 4 3

96. 1 5 5 5 5 5 3 3 5

97. 1 3 4 3 1 3 3 3 4

98. 1 4 5 3 1 4 3 3 5

99. 1 3 4 4 3 4 4 4 4

100. 0 4 5 2 3 4 4 4 5

101. 1 3 5 4 1 5 4 2 5

102. 1 4 5 3 3 5 4 4 5

103. 1 4 5 4 5 5 4 5 5

104. 1 4 4 4 2 3 3 4 4

105. 1 4 5 5 2 1 4 4 5

106. 0 4 4 2 5 4 4 4 4

107. 1 4 4 4 1 3 3 3 4

108. 1 4 4 5 3 4 4 4 5

109. 0 5 5 2 5 5 4 4 4

110. 1 5 5 4 5 5 5 5 5

111. 1 4 5 4 3 4 4 4 5

112. 1 4 5 5 1 4 5 2 5

113. 0 3 5 2 2 4 2 2 5

114. 1 3 4 5 4 4 4 4 5

116. 0 3 3 2 4 4 4 2 5

117. 0 4 2 3 5 4 5 4 4

118. 1 4 5 4 4 5 5 3 4

119. 1 4 5 4 3 5 5 5 5

120. 1 4 5 4 1 5 4 4 4

121. 1 5 5 4 4 4 4 4 4

122. 1 5 5 4 4 4 4 4 4

123. 0 4 3 1 4 5 4 5 5

124. 0 5 2 3 3 2 3 2 3

125. 0 5 2 2 1 4 3 2 2

126. 0 5 3 3 1 4 3 2 4

127. 0 5 2 2 5 2 4 4 4

128. 1 5 5 3 1 4 5 2 5

129. 0 5 5 2 4 4 3 4 5

130. 1 3 4 4 3 4 4 4 4

131. 0 5 5 3 5 5 5 3 2

132. 0 5 5 2 4 3 4 4 3

133. 0 4 5 1 4 4 4 2 2

134. 0 3 4 3 3 4 3 4 2

135. 0 2 3 4 4 3 2 2 3

136. 0 3 4 3 2 4 3 4 4

137. 0 3 3 3 3 4 4 2 2

138. 0 5 2 4 4 3 5 4 4

139. 0 4 2 4 1 4 3 2 2

140. 0 5 2 3 3 5 3 4 3

141. 1 5 4 4 4 4 4 3 4

142. 1 2 4 2 4 3 2 2 3

143. 1 3 4 3 3 4 4 3 4

144. 1 3 4 4 2 4 4 4 4

145. 1 5 5 1 1 5 5 5 5

146. 1 4 4 2 2 2 4 4 4

147. 1 3 5 4 1 4 4 3 4

148. 0 3 3 3 3 4 4 2 3

149. 0 4 3 2 3 4 3 2 2

150. 0 5 3 2 1 3 3 2 4

151. 0 4 5 3 2 4 4 3 4

152. 1 5 4 5 3 3 3 4 4

153. 0 4 5 3 5 4 4 2 5

155. 0 3 3 4 3 4 3 2 5

156. 1 4 4 4 5 4 4 4 4

157. 0 2 4 3 3 5 5 2 5

158. 1 1 5 3 3 4 2 2 5

159. 1 4 5 3 3 4 5 4 4

160. 1 3 5 3 1 5 4 4 5

161. 0 5 5 4 4 5 4 4 4

162. 0 3 4 2 3 2 4 4 5

163. 1 3 5 5 2 5 3 3 5

164. 1 5 5 5 5 4 5 5 4

165. 0 5 4 3 2 4 5 5 4

166. 1 4 5 3 3 2 5 4 4

167. 0 4 4 4 3 3 4 4 4

168. 1 2 5 4 1 3 3 3 5

169. 0 4 2 3 4 3 3 3 3

170. 0 5 2 4 4 4 3 3 2

171. 0 5 2 4 5 4 3 3 1

172. 0 3 4 3 4 4 5 5 5

173. 1 2 3 1 4 5 3 3 4

174. 1 4 4 4 2 3 2 1 4

175. 1 5 5 5 3 4 5 4 5

176. 1 4 5 4 5 5 5 5 5

177. 1 5 4 4 1 4 4 3 4

178. 0 5 5 2 3 5 3 5 5

179. 1 4 5 5 2 2 2 2 5

180. 1 3 5 4 3 3 3 2 4

181. 0 5 5 3 2 5 5 5 5

182. 1 3 4 4 1 5 5 3 5

183. 1 5 5 3 1 5 5 3 5

184. 1 4 3 5 2 3 3 3 4

185. 1 5 5 5 4 5 5 5 5

186. 1 2 5 4 2 4 2 5 5

187. 0 5 4 2 4 4 4 3 3

188. 0 5 2 3 2 5 3 2 2

189. 0 4 3 2 2 3 4 2 4

190. 1 4 3 4 4 3 4 4 4

191. 0 4 5 2 3 4 5 4 4

192. 1 5 5 4 3 4 3 5 3

194. 1 4 4 3 3 3 3 2 3

195. 0 5 5 3 5 5 5 4 5

196. 1 4 4 5 5 4 4 4 4

197. 1 4 4 4 3 4 3 3 4

198. 0 5 5 3 4 5 3 2 3

199. 0 3 2 3 5 2 5 3 2

200. 0 3 3 4 3 5 3 2 2

201. 0 5 2 2 3 4 4 3 3

202. 0 4 2 2 2 4 3 4 4

203. 0 5 1 2 3 5 5 2 2

204. 0 4 2 4 3 4 2 2 2

205. 0 4 2 3 3 4 2 2 3

206. 1 4 5 2 4 4 4 3 5

207. 0 4 3 4 3 5 2 1 3

208. 1 4 3 4 3 5 2 1 2

209. 1 3 3 3 3 3 3 3 5

210. 0 4 4 4 4 5 4 3 5

211. 1 4 3 5 4 3 4 4 4

212. 0 3 4 4 2 3 2 2 4

213. 1 4 5 4 3 4 4 3 4

214. 1 4 5 4 3 4 4 4 4

215. 0 4 2 3 3 5 4 2 3

216. 0 3 2 2 3 4 3 1 2

217. 0 3 3 3 4 4 4 4 2

218. 0 3 2 4 4 4 4 4 2

219. 0 3 2 4 3 4 4 3 3

220. 0 1 1 2 4 4 3 3 3

221. 0 3 3 4 4 4 4 4 2

222. 0 4 3 2 5 5 5 4 4

223. 0 5 2 1 1 5 5 2 3

224. 0 4 2 4 3 4 4 4 2

225. 0 5 4 4 4 4 4 3 2

226. 0 4 5 4 3 4 2 2 3

227. 0 5 5 3 4 3 4 3 2

228. 1 4 5 4 4 4 3 4 4

229. 0 4 3 3 1 3 3 2 4

230. 1 4 4 2 4 2 3 5 4

231. 1 4 1 4 1 4 1 4 1

233. 0 4 5 4 2 5 4 3 1

234. 1 2 3 4 3 4 2 2 5

Lampiran 3. Data Uji Asumsi Analisis Diskriminan

n Y �_� �_� �_� �_� �_� �_� �_� �_� Mah_1 Prob_value qi 1 1 4 4 3 3 4 3 3 4 0.888953 0.0021277 1.055566 2 1 3 4 3 3 4 4 3 4 0.979538 0.006383 1.442829 3 1 4 4 4 3 4 4 4 4 1.034796 0.0106383 1.677145 4 1 4 4 4 3 4 4 4 4 1.034796 0.0148936 1.856238 5 1 4 4 4 3 4 3 3 4 1.198206 0.0191489 2.005231 6 1 4 4 4 4 4 4 4 4 1.284349 0.0234043 2.134861 7 0 4 4 4 4 4 4 4 4 1.284349 0.0276596 2.250824 8 1 4 5 4 3 4 4 4 4 1.849762 0.0319149 2.356544 9 1 4 5 4 3 4 4 4 5 1.868648 0.0361702 2.454259 10 1 3 4 4 3 4 4 4 4 1.905099 0.0404255 2.54552 11 1 3 4 4 3 4 4 4 4 1.905099 0.0446809 2.631451 12 1 4 4 3 4 4 4 4 3 2.034463 0.0489362 2.712896 13 1 4 5 4 3 4 4 3 4 2.036504 0.0531915 2.790508 14 1 4 5 4 4 4 4 4 4 2.068582 0.0574468 2.864801 15 0 3 4 4 3 4 3 4 4 2.114737 0.0617021 2.93619 16 1 4 4 4 3 4 4 4 5 2.129469 0.0659574 3.005013 17 1 5 4 4 3 4 4 4 4 2.13323 0.0702128 3.071553 18 0 4 4 3 4 4 3 4 4 2.21784 0.0744681 3.136046 19 0 4 4 4 3 3 4 4 4 2.275007 0.0787234 3.198692 20 1 4 5 4 3 4 4 3 5 2.409256 0.0829787 3.259666 21 1 3 5 3 4 4 4 3 4 2.707952 0.087234 3.319115 22 0 4 3 3 3 3 3 3 4 2.776834 0.0914894 3.37717 23 1 3 4 3 2 3 4 3 4 2.77895 0.0957447 3.433944 24 0 4 3 3 2 4 4 3 3 2.789553 0.1 3.489539 25 0 3 4 3 4 4 4 4 5 2.811606 0.1042553 3.544044 26 0 4 5 3 2 4 4 3 4 2.973147 0.1085106 3.597537 27 1 5 4 4 4 4 4 3 4 2.974881 0.112766 3.650092 28 1 4 4 3 2 3 4 4 4 2.998682 0.1170213 3.701773 29 0 4 3 3 3 4 4 2 4 3.009622 0.1212766 3.752637 30 1 4 5 4 4 4 3 4 4 3.029167 0.1255319 3.802738 31 1 4 4 4 5 4 4 4 4 3.068668 0.1297872 3.852123 32 1 4 5 3 3 5 4 4 5 3.119973 0.1340426 3.900838 33 0 3 4 3 2 4 3 4 4 3.129423 0.1382979 3.948923 34 1 4 4 3 3 3 3 2 3 3.210208 0.1425532 3.996415 35 1 5 5 4 4 4 4 4 4 3.290864 0.1468085 4.043347 36 1 5 5 4 4 4 4 4 4 3.290864 0.1510638 4.089753 37 1 3 4 4 2 4 4 4 4 3.292385 0.1553191 4.135661 38 1 4 5 4 3 3 3 3 4 3.309885 0.1595745 4.181098 39 0 3 3 3 3 4 4 2 3 3.327154 0.1638298 4.226091

40 1 4 4 4 2 3 3 4 4 3.585553 0.1680851 4.270663 41 1 3 5 4 4 4 3 4 5 3.708091 0.1723404 4.314837 42 1 4 5 3 3 4 5 4 4 3.815433 0.1765957 4.358632 43 0 4 4 4 4 5 4 3 5 3.844825 0.1808511 4.402069 44 0 5 5 4 4 5 4 4 4 3.933818 0.1851064 4.445167 45 0 4 4 2 3 4 5 4 4 4.011654 0.1893617 4.487942 46 0 4 4 2 5 4 4 4 4 4.03382 0.193617 4.53041 47 1 4 4 4 3 4 4 5 5 4.110945 0.1978723 4.572589 48 1 4 4 5 3 4 4 4 5 4.152629 0.2021277 4.614491 49 0 5 4 2 4 4 4 3 3 4.164816 0.206383 4.656132 50 0 4 5 2 3 4 4 4 5 4.183712 0.2106383 4.697523 51 1 4 3 4 4 3 4 4 4 4.214386 0.2148936 4.738679 52 1 3 4 4 2 4 4 2 4 4.221837 0.2191489 4.77961 53 1 4 5 3 3 5 3 3 5 4.272292 0.2234043 4.820329 54 1 3 4 3 1 3 3 3 4 4.272316 0.2276596 4.860845 55 1 3 4 3 3 3 4 2 3 4.33906 0.2319149 4.90117 56 1 4 5 4 3 3 3 4 5 4.346258 0.2361702 4.941314 57 0 3 3 2 3 3 4 4 4 4.381428 0.2404255 4.981286 58 0 4 3 3 2 5 3 3 4 4.40373 0.2446809 5.021095 59 1 3 5 3 3 3 3 3 3 4.419046 0.2489362 5.06075 60 0 4 3 2 4 4 5 3 4 4.435973 0.2531915 5.100259 61 0 3 4 3 4 5 4 2 4 4.62398 0.2574468 5.139632 62 1 3 4 2 2 4 3 3 5 4.734038 0.2617021 5.178875 63 1 4 4 4 1 3 3 3 4 4.748215 0.2659574 5.217996 64 0 2 4 4 4 4 4 4 4 4.789546 0.2702128 5.257003 65 1 5 5 4 3 4 4 5 4 4.791488 0.2744681 5.295903 66 1 2 5 3 3 4 4 4 5 4.839511 0.2787234 5.334703 67 1 3 5 4 3 3 3 2 4 4.851917 0.2829787 5.373408 68 1 4 5 2 4 4 4 3 5 4.886102 0.287234 5.412027 69 0 4 3 2 3 4 3 2 2 4.907063 0.2914894 5.450565 70 0 4 2 3 4 3 3 3 3 4.952834 0.2957447 5.489028 71 0 4 2 3 4 4 4 3 2 5.002124 0.3 5.527422 72 0 3 4 4 2 3 2 2 4 5.107231 0.3042553 5.565753 73 1 4 5 3 5 5 4 4 5 5.206241 0.3085106 5.604028 74 1 3 4 4 4 5 4 4 3 5.228038 0.312766 5.64225 75 1 4 5 4 3 5 5 5 5 5.310341 0.3170213 5.680426 76 0 5 2 2 3 4 4 3 3 5.371417 0.3212766 5.718561 77 0 4 5 2 2 4 4 4 5 5.378103 0.3255319 5.756661 78 1 3 4 5 4 4 4 4 5 5.403146 0.3297872 5.79473 79 1 4 5 4 4 5 5 3 4 5.412118 0.3340426 5.832773 80 0 4 3 2 2 3 4 2 4 5.412256 0.3382979 5.870795 81 1 4 4 5 5 4 4 4 4 5.437375 0.3425532 5.908802 82 1 4 5 3 1 4 3 3 5 5.485473 0.3468085 5.946797

83 1 5 4 4 1 4 4 3 4 5.524485 0.3510638 5.984786 84 1 3 3 3 3 3 3 3 5 5.55828 0.3553191 6.022773 85 0 5 3 2 4 5 4 3 4 5.578911 0.3595745 6.060763 86 0 4 5 2 3 4 5 4 4 5.627778 0.3638298 6.09876 87 1 3 4 4 3 5 3 2 5 5.685578 0.3680851 6.136768 88 1 4 5 4 5 5 5 4 4 5.740087 0.3723404 6.174793 89 0 3 4 2 4 5 4 4 5 5.827618 0.3765957 6.212839 90 0 3 2 4 3 4 4 3 3 5.847416 0.3808511 6.250909 91 1 4 5 3 2 3 4 2 4 5.915351 0.3851064 6.289008 92 0 3 4 3 4 4 5 5 5 5.928962 0.3893617 6.32714 93 0 4 3 3 1 3 3 2 4 5.942041 0.393617 6.365311 94 1 3 5 5 2 5 3 3 5 5.953722 0.3978723 6.403523 95 0 4 3 2 2 4 4 3 5 6.002954 0.4021277 6.441781 96 0 3 3 3 3 4 4 2 2 6.00699 0.406383 6.480089 97 1 5 5 5 3 4 5 4 5 6.122753 0.4106383 6.518452 98 1 4 4 5 4 5 4 5 4 6.129942 0.4148936 6.556873 99 1 4 5 4 5 5 4 5 5 6.142579 0.4191489 6.595357 100 0 4 2 3 3 5 4 2 3 6.154662 0.4234043 6.633908 101 1 4 5 4 2 3 4 5 5 6.180123 0.4276596 6.672531 102 0 3 3 3 4 4 4 4 2 6.236657 0.4319149 6.711228 103 1 4 5 4 5 5 5 5 5 6.305336 0.4361702 6.750005 104 1 3 5 4 1 4 4 3 4 6.347364 0.4404255 6.788866 105 1 5 4 4 5 4 5 3 4 6.410496 0.4446809 6.827815 106 1 4 5 5 4 5 5 5 5 6.515393 0.4489362 6.866856 107 0 4 2 2 4 4 4 4 4 6.587623 0.4531915 6.905993 108 0 5 5 3 5 5 5 4 5 6.624747 0.4574468 6.945231 109 0 5 4 4 4 4 4 3 2 6.672919 0.4617021 6.984575 110 1 2 4 4 2 3 4 4 4 6.696207 0.4659574 7.024027 111 0 4 2 3 3 4 2 2 3 6.707355 0.4702128 7.063593 112 1 4 3 5 2 3 3 3 4 6.773477 0.4744681 7.103278 113 0 3 3 4 3 4 3 2 5 6.797795 0.4787234 7.143085 114 0 4 3 2 5 5 5 4 4 6.818083 0.4829787 7.18302 115 1 5 5 4 5 5 5 5 5 6.868674 0.487234 7.223086 116 1 5 5 5 4 5 5 5 5 6.869738 0.4914894 7.263288 117 1 5 4 5 3 3 3 4 4 6.879726 0.4957447 7.303632

118 0 5 4 3 2 4 5 5 4 6.95376 0.5 7.344121

119 1 5 5 5 4 5 4 3 5 6.995334 0.5042553 7.384761 120 1 4 3 5 4 3 4 4 4 7.057681 0.5085106 7.425557 121 0 3 3 4 4 4 4 4 2 7.251351 0.512766 7.466513 122 0 4 2 2 2 4 4 2 4 7.266738 0.5170213 7.507634 123 0 3 4 3 3 4 3 4 2 7.280185 0.5212766 7.548926 124 0 4 5 4 3 4 2 2 3 7.320047 0.5255319 7.590393 125 1 2 4 2 4 3 2 2 3 7.346064 0.5297872 7.632041

126 0 5 4 2 5 3 4 3 4 7.368643 0.5340426 7.673876 127 0 5 3 3 1 4 3 2 4 7.370956 0.5382979 7.715902 128 1 2 5 4 1 3 3 3 5 7.440253 0.5425532 7.758126 129 1 4 4 2 2 2 4 4 4 7.455246 0.5468085 7.800552 130 1 4 5 4 1 5 4 4 4 7.499981 0.5510638 7.843188 131 0 5 2 4 4 4 3 3 2 7.695074 0.5553191 7.886038 132 0 3 3 2 4 4 4 2 5 7.755031 0.5595745 7.929109 133 0 3 2 2 3 4 3 1 2 7.765082 0.5638298 7.972406 134 0 2 3 4 4 3 2 2 3 7.837838 0.5680851 8.015937 135 0 4 2 4 3 4 4 4 2 7.89524 0.5723404 8.059707 136 1 5 5 5 5 5 4 4 5 7.897909 0.5765957 8.103724 137 0 3 3 4 3 5 3 2 2 7.93463 0.5808511 8.147993 138 1 4 5 5 5 5 4 3 5 7.968367 0.5851064 8.192523 139 0 5 5 2 5 5 4 4 4 7.969138 0.5893617 8.237319 140 0 5 5 2 4 3 4 4 3 7.976076 0.593617 8.282389 141 1 1 5 4 3 4 3 3 5 7.983508 0.5978723 8.327741 142 1 3 5 4 4 5 2 4 4 8.012385 0.6021277 8.373383 143 0 3 4 2 3 2 4 4 5 8.014489 0.606383 8.419321 144 1 3 5 3 1 5 4 4 5 8.072807 0.6106383 8.465565 145 0 5 5 3 2 5 5 5 5 8.137189 0.6148936 8.512122 146 1 4 5 5 2 4 2 2 4 8.151097 0.6191489 8.559002 147 0 4 2 3 5 4 5 4 4 8.214895 0.6234043 8.606212 148 1 5 4 3 3 5 5 5 3 8.277931 0.6276596 8.653762 149 0 4 2 4 3 4 2 2 2 8.298249 0.6319149 8.701661 150 0 5 5 3 5 5 3 3 4 8.298498 0.6361702 8.74992 151 1 5 5 5 5 5 5 5 5 8.352807 0.6404255 8.798546 152 1 5 5 5 5 4 5 5 4 8.466772 0.6446809 8.847552 153 0 4 2 2 4 5 4 2 4 8.539623 0.6489362 8.896948 154 0 3 2 4 4 3 4 4 4 8.567544 0.6531915 8.946744 155 0 3 5 2 2 4 2 2 5 8.65507 0.6574468 8.996951 156 0 5 5 2 4 4 3 4 5 8.662998 0.6617021 9.047583 157 0 4 5 3 5 4 4 2 5 8.676128 0.6659574 9.098649 158 1 5 5 4 3 4 3 5 3 8.700095 0.6702128 9.150164 159 1 4 5 3 3 2 5 4 4 8.727381 0.6744681 9.202139 160 1 3 5 4 1 5 4 2 5 8.734566 0.6787234 9.254589 161 _{0 5} 2 3 3 5 3 4 3 8.737807 0.6829787 9.307527 162 _{0 3} 5 2 2 4 2 3 5 8.981973 0.687234 9.360967 163 _{1 3} 2 4 4 4 4 4 2 8.99865 0.6914894 9.414926 164 _{1 5} 2 2 2 4 3 4 4 9.060074 0.6957447 9.469417 165 _{0 5} 3 2 4 3 3 2 1 9.168789 0.7 9.524458 166 _{1 4} 5 3 4 5 3 2 3 9.175019 0.7042553 9.580066 167 _{0 4} 4 4 2 3 2 1 4 9.206346 0.7085106 9.636257

168 _{1 2} 3 2 1 3 3 2 4 9.352618 0.712766 9.69305 169 _{0 4} 2 3 2 5 3 2 2 9.600924 0.7170213 9.750464 170 _{0 5} 3 1 4 5 4 3 2 9.601785 0.7212766 9.80852 171 _{0 5} 3 2 5 3 3 3 4 9.693341 0.7255319 9.867237 172 _{0 3} 3 4 3 5 2 1 3 9.71584 0.7297872 9.926638 173 _{1 2} 5 3 1 5 5 3 5 9.753326 0.7340426 9.986745 174 _{1 4} 4 4 1 5 5 3 5 9.919192 0.7382979 10.04758 175 _{1 5} 2 4 1 4 3 2 2 9.949333 0.7425532 10.10917 176 _{1 4} 3 4 3 4 2 2 5 10.15628 0.7468085 10.17155 177 _{1 5} 3 2 3 4 4 3 1 10.18124 0.7510638 10.23473 178 _{0 5} 5 3 3 4 2 2 5 10.30266 0.7553191 10.29874 179 _{1 4} 2 4 4 4 4 5 4 10.30746 0.7595745 10.36363 180 _{1 3} 4 2 5 4 3 1 3 10.31573 0.7638298 10.42941 181 _{0 5} 2 3 3 2 3 2 3 10.33113 0.7680851 10.49613 182 _{1 3} 4 2 4 2 3 5 4 10.44664 0.7723404 10.56381 183 _{1 5} 5 3 4 3 4 3 2 10.45102 0.7765957 10.6325 184 _{1 4} 2 4 4 3 5 4 4 10.48324 0.7808511 10.70223 185 _{1 5} 4 3 3 5 5 2 5 10.74416 0.7851064 10.77304 186 _{1 2} 3 1 4 5 3 3 4 10.76545 0.7893617 10.84498 187 _{0 5} 2 2 1 4 3 2 2 10.83843 0.793617 10.9181 188 _{0 5} 4 2 5 3 4 3 4 10.9542 0.7978723 10.99244 189 _{0 4} 3 4 1 5 5 4 5 10.99406 0.8021277 11.06806 190 _{1 4} 4 2 2 2 2 2 4 11.15826 0.806383 11.14502 191 _{0 4} 3 4 3 5 2 1 2 11.21278 0.8106383 11.22336 192 _{1 5} 5 5 1 4 2 2 3 11.27291 0.8148936 11.30316 193 _{1 1} 5 5 5 5 3 3 5 11.32773 0.8191489 11.38448 194 _{1 4} 2 4 5 5 4 2 4 11.49262 0.8234043 11.46739 195 _{0 5} 5 4 2 4 2 5 5 11.56269 0.8276596 11.55198 196 _{1 4} 5 3 1 4 5 2 5 11.65148 0.8319149 11.63832 197 _{1 4} 5 2 3 5 3 5 5 11.77399 0.8361702 11.72651 198 _{0 5} 5 5 4 3 2 4 3 12.10981 0.8404255 11.81664 199 _{0 3} 2 2 5 4 3 4 4 12.11272 0.8446809 11.90881 200 _{0 3} 5 5 2 4 1 2 4 12.32049 0.8489362 12.00314 201 _{0 5} 2 4 5 4 3 3 1 12.4675 0.8531915 12.09975 202 _{0 4} 5 5 1 4 5 2 5 12.77589 0.8574468 12.19877 203 _{0 5} 3 2 2 2 2 2 5 12.88689 0.8617021 12.30035 204 _{0 4} 3 1 4 5 4 5 5 13.63226 0.8659574 12.40463 205 _{0 4} 2 3 5 2 5 3 2 13.93901 0.8702128 12.51181 206 _{1 4} 5 3 5 5 5 3 2 14.01548 0.8744681 12.62206 207 _{0 4} 5 5 1 2 4 3 4 14.02855 0.8787234 12.73559 208 _{1 4} 4 2 5 5 5 2 5 14.05936 0.8829787 12.85264

209 _{1 3} 1 2 3 5 5 2 2 14.19201 0.887234 12.97346 210 _{0 4} 5 1 4 4 4 2 2 14.60895 0.8914894 13.09834 211 _{1 4} 2 2 5 2 4 4 4 14.67925 0.8957447 13.22759 212 _{0 3} 5 5 2 2 2 2 5 14.70051 0.9 13.36157 213 _{1 4} 3 3 1 1 4 4 4 15.20058 0.9042553 13.50068 214 _{1 4} 5 1 4 3 5 2 4 15.24792 0.9085106 13.64539 215 _{0 4} 1 2 4 4 3 3 3 15.74182 0.912766 13.79622 216 _{0 3} 5 4 2 5 1 3 5 16.20206 0.9170213 13.95376 217 _{0 3} 5 5 2 1 4 4 5 16.6991 0.9212766 14.1187 218 _{0 3} 4 2 3 5 2 4 3 16.74882 0.9255319 14.29187 219 _{0 3} 2 1 1 5 5 2 3 17.22131 0.9297872 14.47419 220 _{0 1} 4 2 4 2 5 2 4 17.69103 0.9340426 14.6668 221 _{0 3} 4 1 5 2 3 5 2 17.83908 0.9382979 14.87104 222 _{0 4} 4 1 5 2 4 1 3 17.85536 0.9425532 15.08853 223 _{0 5} 5 2 3 5 1 2 4 18.75121 0.9468085 15.32127 224 _{0 4} 5 3 1 5 4 1 5 18.81823 0.9510638 15.57176 225 _{0 5} 5 2 4 1 5 3 4 18.82355 0.9553191 15.84316 226 _{0 4} 5 5 5 5 2 2 5 18.94827 0.9595745 16.13956 227 _{0 5} 5 1 1 5 5 5 5 18.9556 0.9638298 16.46644 228 _{1 4} 3 1 4 1 2 2 2 19.91685 0.9680851 16.83126 229 _{0 4} 3 1 4 1 2 2 2 19.91685 0.9723404 17.2447 230 _{1 4} 3 3 5 3 4 2 1 20.03436 0.9765957 17.7227 231 _{1 4} 5 2 4 3 1 5 3 20.75868 0.9808511 18.2908 232 _{1 5} 5 4 2 5 4 3 1 21.1348 0.9851064 18.99366 233 _{0 4} 4 4 3 1 3 5 2 24.94637 0.9893617 19.92121 234 _{1 2} 5 1 2 4 1 5 4 25.17397 0.993617 21.3037 235 _{1 3} 1 4 1 4 1 4 1 27.1072 0.9978723 24.19228

Keterangan:

Kolom Y merupakan pembagian kelompok untuk masing-masing responden. Angka 0 menunjukkan bahwa responden tersebut masuk ke dalam kelompok PTN Sumatera dan angka 1 menunjukkan bahwa responden masuk ke dalam kelompok Jawa.

Lampiran 4. Data Matriks Kovarians Variabel Independen

PTN yang dipilih

Uang kuliah murah Akreditasi PTN Banyak program studi Tuntutan orangtua Kondisi fisik

PTN Promosi

Informasi orang

terdekat Reputasi

Sumatera Uang kuliah murah

.935 .114 -.058 -.033 .129 .122 .051 -.142

Akreditasi PTN

.114 1.280 -.027 .050 .090 .050 .231 .440

Banyak program studi

-.058 -.027 .809 -.063 .047 -.043 .039 -.133

Tuntutan orangtua

-.033 .050 -.063 1.353 .108 .197 .222 -.083

Kondisi fisik PTN

.129 .090 .047 .108 .828 .174 .041 .014

Promosi .122 .050 -.043 .197 .174 .721 .367 .133

Informasi orang terdekat

.051 .231 .039 .222 .041 .367 .988 .367

Reputasi -.142 .440 -.133 -.083 .014 .133 .367 1.280

Jawa Uang kuliah murah

1.300 .056 .341 .090 .189 .419 .371 .116

Akreditasi PTN

.056 .492 .097 .000 .164 .123 .088 .306

Banyak program studi

.341 .097 1.149 -.001 .269 .065 .164 .240

Tuntutan orangtua

.090 .000 -.001 1.516 .084 .246 .284 -.112

Kondisi fisik PTN

.189 .164 .269 .084 1.000 .141 .113 .329

Promosi .419 .123 .065 .246 .141 1.131 .278 .258

Informasi orang terdekat

.371 .088 .164 .284 .113 .278 1.152 .067

Total Uang kuliah murah

1.159 -.024 .074 .053 .165 .285 .184 -.068

Akreditasi PTN

-.024 1.186 .285 -.040 .115 .068 .265 .561

Banyak program studi

.074 .285 1.170 -.077 .155 -.001 .188 .210

Tuntutan orangtua

.053 -.040 -.077 1.446 .097 .226 .232 -.135

Kondisi fisik PTN

.165 .115 .155 .097 .916 .157 .075 .173

Promosi .285 .068 -.001 .226 .157 .936 .311 .187

Informasi orang terdekat

.184 .265 .188 .232 .075 .311 1.108 .272

DAFTAR PUSTAKA

Andriani, Yuli., Cahyawati, Dian. dan Gusmaryanita, Vivin. 2012. Pengklasifikasian Fungsi Diskriminan Pilihan Program Studi Matematika di FMIPA dan FKIP Universitas Sriwijaya. Di dalam: Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA; Fakultas MIPA Universitas Negeri Yogyakarta, 2 Juni 2012,. Yogyakarta: 1-4.

Djaali. 2008. Skala Likert. Pustaka Utama. Jakarta.

Gudono. 2015. Analisis Data Multivariat. Fakultas Ekonomi dan Bisnis UGM. Yogyakarta.

Hair, J. F. Jr., Anderson, R. E., Tatham, R., and Black W. C. 2009. Seventh edition, Multivariate Data Analysis. Upper Saddle River. New Jersey. Prentice-Hall.

Hamzahan, Amir., Santosa, Gatot. dan Widiarto, Wisnu. 2002. Klasifikasi Objek Dalam Visi Komputer Dengan Analisis Diskriminan. Makara, Teknologi. 1: 24-32.

Johnson, R. A., Wichern, D. W. 2007.Sixth edition, Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall.

Marino., Tirta, Made. dan Dewi, Yuliani. 2014. Perbandingan Analisis Diskriminan Linier, Diskriminan Linier Robust dan Regresi Logistik Biner Studi Kasus Pada Penjurusan Bidang IPA/IPS Siswa Tingkat SMA Negeri 1 Bangorejo Banyuwangi. Di dalam: Prosiding Seminar Nasional Matematika; Universitas Jember, 19 November 2014,. Jember: 192-200. Rachmatin, Dewi. dan Sawitri, Kania. 2009. Penerapan Prosedur Lachenbruch

Pada Kasus Quadratic Discriminant Analysis. Di dalam: Prosiding Seminar Nasional Matematika dan Pendidikan Matematika; Bandung, 19 Desember 2009,. Bandung: 484-493.

Rully. dan Poppy. 2014. Metodologi Penelitian. PT. Refika Aditama. Bandung. Septiana, Dian Norras. 2014. Kajian Metode Analisis Diskriminan dan Metode

Learning Vector Quantization untuk Klasifikasi. 2: 445-448. Sudjana. 2001.Metoda Statistika. Tarsito. Bandung.

Supranto, J. 2010. Analisis Multivariat Arti dan Interpretasi. Rineka Cipta. Jakarta.

Tabanchnick, B., and Fidell, L. 1983. Using Multivariate Statistics. Haper & Row, New York.

BAB 3

METODE PENELITIAN

3.1.Lokasi dan Waktu Penelitian

Penelitian dilakukan di 5 SMAN favorit Kota Medan yaitu:

1. SMAN 1 yang terletak di Jalan Teuku Cik Ditiro No. 1 Medan. Penelitian dilakukan pada tanggal 1 sampai 8 Maret 2016.

2. SMAN 2 yang terletak di Jalan Karangsari No. 435 Medan. Penelitian dilakukan pada tanggal 3 Maret 2016.

3. SMAN 3 yang terletak di Jalan Budi Kemasyarakatan 3 Medan. Penelitian dilakukan pada tanggal 23 Maret 2016.

4. SMAN 4 yang terletak di Jalan Gelas No. 12 Ayahanda Medan. Penelitian dilakukan pada tanggal 7 Maret 2016.

5. SMAN 5 yang terletak di Jalan Pelajar No. 17 Medan. Penelitian dilakukan pada tanggal 4 Maret 2016.

3.2. Penentuan Populasi dan Sampel

Menurut Barbara (1983) Populasi adalah suatu kelompok yang tersusun dari beberapa sampel secara acak. Adapun populasi dalam penelitian ini yaitu 5 SMAN favorit kota Medan yaitu siswa SMAN 1, SMAN 2,SMAN 3, SMAN 4 dan SMAN 5. Sampel adalah sebagian yang diambil dari populasi. Untuk melakukan analisis statistik diperlukan data, karenanya data perlu dikumpulkan.

Pada penelitian ini pengambilan sampel dilakukan menggunakan teknik sampling purposive. Teknik sampling purposive adalah teknik pengambilan sampel secara sengaja sesuai dengan persyaratan sampel yang diperlukan. Dengan kata lain, teknik ini digunakan untuk pengambilan sampel oleh peneliti dengan menentukan sendiri sampel yang diambil karena ada pertimbangan tertentu. Oleh karena itu, peneliti harus punya latar belakang pengetahuan mengenai sampel

yang akan diteliti agar benar-benar bisa mendapatkan sampel yang sesuai dengan persyaratan atau tujuan penelitian. Sampel yang diambil dari 5 SMAN favorit Kota Medan sebanyak satu kelas dari tiap sekolah. Sampel yang diambil berdasarkan petimbangan sebagai berikut:

1. Siswa yang dijadikan sampel harus siswa Kelas XII.

2. Siswa yang dijadikan sampel harus siswa yang ingin kuliah di PTN yang berada di Pulau Sumatera dan Pulau Jawa.

Tabel 3.1. Jumlah Sampel Penelitian

No. _{Populasi Jumlah Sampel per Kelas}

1. _{SMAN 1 Medan 46 siswa}

2. _{SMAN 2 Medan 49 siswa}

3. _{SMAN 3 Medan 49 siswa}

4. _{SMAN 4 Medan 46 siswa}

5. _{SMAN 5 Medan 45 siswa}

Jumlah Sampel 235 siswa

Sumber: Hasil Penelitian 2016

3.3. Teknik Pengumpulan Data

Pada penelitian ini jenis data yang diambil adalah data primer. Data primer adalah data yang diperoleh secara langsung dari objek peneliti. Data primer ini diperoleh dalam bentuk kuesioner (angket) yang diisi langsung oleh responden.Hasil kuesioner yang diperoleh akan diukur dengan menggunakan skala likert. Menurut Djaali (2008) skala likert adalah skala yang dapat dipergunakan untuk mengukur sikap, pendapat dan persepsi seseorang tentang suatu gejala atau fenomena. Dalam menanggapi pernyataan dalam bentuk skala likert, responden menentukan tingakt persetujuan terhadap suatu pernyataan dengan memilih salah satu dari pilihan yang tersedia. Ada dua bentuk pernyataan yang menggunakan skala likert yaitu pernyataan positif untuk mengukur minat positif dan pernyataan negatif untuk mengukur minat negatif. Pernyataan positif diberi skor 5, 4, 3, 2, dan 1 sedangkan pernyataan negatif diberi skor 1, 2, 3, 4, dan 5. Bentuk jawaban skala

likert terdiri dari sangat setuju, setuju, kurang setuju, tidak setuju dan sangat tidak setuju.

3.4. Uji Analisis Data

Pada penelitian ini uji analisis data menggunakan metode analisis diskriminan dengan bantuan SPSS 17.0.Sebelum di lakukan pengujian analisis diskriminan ada beberapa uji asumsi yang harus dipenuhi yaitu (Johnson dan Winchern, 2007): 1. Uji normalitas multivariat terhadap variabel independen dengan menggunakan

jarak Mahalanobis dan Khi-kuadrat. Variabel independen dikatakan berdistribusi normal multivariat apabila jumlah nilai jarak Mahalanobis ≤ dari Khi-kuadrat dan pencaran titik yang dibentuk oleh jarak Mahalanobis dan Khi-kuadrat harus membentuk garis lurus.

2. Uji asumsi homogenitas matriks varians kovarians terhadap variabel independen dengan menggunakan uji Box’ M. Uji ini dilakukan untuk menentukan jenis analisis diskriminan yang akan digunakan dalam pembentukkan fungsi diskriminan. Variabel independen antar kelompok dikatakan mempunyai matriks varians kovarians yang sama apabila nilai Box’ M < nilai sebaran Khi-kuadrat, serta dapat menggunakan fungsi diskriminan linier.

Kedua asumsi di atas terpenuhi maka dapat melakukan proses pembentukan fungsi diskriminan. Pada penelitian ini digunakan metode stepwise estimation. Pada metode ini, variabel independen dimasukkan satu per satu dalam pembentukkan fungsi diskriminan. Kemudian dilakukan uji ketepatan klasifikasi dari fungsi diskriminan.Uji ini digunakan untuk menunjukan ketepatan klasifikasi dari fungsi diskriminan. Jika nilai klasifikasi mendekati 100%maka klasifikasi dari fungsi dikatakan tinggi.

BAB 4

HASIL DAN PEMBAHASAN

4.1. Data Hasil Kuesioner

Data hasil penelitian dari 5 SMAN favorit Kota Medan dibuat dalam bentuk tabel dan dapat dilihat pada Lampiran 2.Data hasil kuesioner berjumlah 235 responden.Dengan pembagian kelompok atas dua bagian yaitu: kelompok pertama adalah PTN Sumatera dan kelompok kedua adalah PTN Jawa.

4.2. Uji Asumsi Analisis Diskriminan

Sebelum dilakukan analisis diskriminan, terlebih dahulu dilakukan pengujian asumsi yaitu asumsi distribusinormal multivariat dan homogenitas matriks varians kovarians. Kemudian akan dilakukan pengujian vektor nilai rataan untuk melihat apakah terdapat perbedaan signifikansi antar kelompok untuk setiap variabel independen.

4.2.1. Uji Asumsi Distribusi Normal Multivariat Untuk Seluruh Variabel Independen

Pengujian asumsi distribusi normal multivariat untuk seluruh variabel independen menggunakan jarak Mahalanobis dan Khi-kuadrat pada rumus (2.1). Adapun hasil jarak Mahalanobis dan Khi-kuadrat pada SPSS 17.0 dapat dilihat pada Lampiran 3.Variabel independen dikatakan berdistribusi normal multivariat apabila pencaran titik yang dibentuk oleh jarak Mahalanobis dan Khi-kuadrat harus mendekati garis lurus dan lebih dari 50% Jumlah nilai jarak Mahalanobis ≤ Khi -kuadrat.

Gambar 4.1. Plot Distribusi Normal Multivariat Seluruh Variabel Independen

Pada gambar 4.1.pencaran titik yang terbentuk oleh jarak Mahalanobis dan khi-kuadrat hampir membentuk garis lurus. Kemudian menghitung jumlah nilai jarak Mahalanobis ≤ Khi-kuadrat:

Persentase jumlah nilai jarak Mahalanobis ≤ Khi-kuadrat = �

� � 100 %

dimana:

� = jumlah nilai jarak Mahalanobis ≤ Khi-kuadrat � = jumlah responden

Maka diperoleh sebagai berikut:

Persentase jumlah nilai jarak Mahalanobis ≤ Khi-kuadrat = 193

235 � 100 % = 82,12%

Variabel independen pada penelitian ini dikatakan berdistribusi normal multivariat karena mempunyai jumlah nilai jarak Mahalanobis ≤ khi-kuadrat lebih besar dari 50% yaitu 82,12%.

4.2.2. Uji Asumsi Homogenitas Untuk SeluruhVariabel Independen

Uji asumsi homogenitas untuk seluruh variabel independen digunakan untuk melihat apakah terdapat perbedaan yang signifikansi antar kelompok PTN di Sumatera dan PTN di Jawa. Uji homogenitas pada penelitian ini menggunakan uji Box’ M. Antar kelompok dikatakan mempunyai varians yang sama apabila nilai signifikansi ≥ 0,05. Dengan menggunakan rumus (2.9), (210) dan (2.11) maka diperoleh hasil seperti pada SPSS 17.0di bawah ini:

Tabel 4.1. Uji Box’ M

Box's M 107.611

F Approx. 2.880

df1 36

df2 176646.950

Sig. .100

Dapat dilihat pada tabel diatas diperoleh nilai p-value statistik uji Box’ M adalah 0,100. Maka varians antar kedua kelompok dikatakan sama.

4.3.Pembentukkan Fungsi Diskriminan Dengan Metode Stepwise Estimation

Pada metode stepwiseestimationvariabel independen dimasukkan satu per satu kemudian dilakukan proses diskriminan. Pada metode ini, ada variabel yang tidak digunakan dalam pembentukkan fungsi diskriminan.

4.3.1. Menentukan Variabel-variabel Pembentuk Fungsi Diskriminan

Untuk menentukan variabel-variabel pembentuk fungsi diskriminan dapat mengunakan metode Mahalanobis dengan rumus (2.1) maka hasil yang diperoleh sama dengan menggunakan SPSS 17.0 sebagai berikut:

Tabel 4.2. Metode Mahalanobis

Step

Min. D Squared

Exact F

Entered Statistic Between Groups Statistic df1 df2 Sig.

1 Akreditasi PTN 1.529 Sumatera and Jawa 89.441 1 233.000 3.582E-18

2 Banyak program studi

2.184 Sumatera and Jawa 63.610 2 232.000 9.436E-23

3 Uang kuliah murah

2.517 Sumatera and Jawa 48.667 3 231.000 2.050E-24

Pada tabel diatas dapat dilihat bahwa variabel-variabel yang memenuhi persyaratan untuk membentuk persamaan diskriminan hanya tiga variabel yaitu akreditasi PTN, banyaknya program studi dan uang kuliah yang murah.Pada tabel diatas terdapat tiga tahap yaitu pada urutan pertama ada akreditasi PTN dengan nilai signifikansi 3,582E.18.Pada urutan kedua ada banyaknya program studi yang ditawarkan dengan nilai signifikansi sebesar 9,436E.23 dan pada urutan ketiga ada variabel uang kuliah yang murah dengan nilai signifikansi sebesar 2,050E.24.

4.3.2. Variable in the Analysis

Berikut adalah tabel yang menunjukkan kondisi urutan variabel-variabel independen yang dianalisis:

Tabel 4.3.Variable in the Analysis

Step Tolerance Sig. of F to

Remove

Min. D

Squared Between Groups

1 akreditasi PTN 1.000 .000

2 akreditasi PTN .998 .000 .742 sumatera and Jawa

3 akreditasi PTN .992 .000 .973 sumatera and Jawa

banyaknya program studi .978 .000 1.736 sumatera and Jawa

uang kuliah murah .973 .000 2.184 sumatera and Jawa

Terlihat bahwa tabel diatas mempunyai tiga tahap. Tahap pertama diisi oleh akreditasi PTN dengan nilai toleransi sebesar 1,00. Di tahap kedua akreditasi PTN dan diikuti oleh banyaknya program studi dengan masing-masing memiliki nilai toleransi sebesar 0,998. Dan pada tahap ketiga ada tiga variabel yaitu akreditasi PTN, banyaknya program studi dan uang kuliah yang murah dengan masing-masing memiliki nilai toleransi sebesar 0,992, 0,978 dan 0,973.

4.3.3. UjiWilk’s Lambda

Dengan menggunakan uji Wilk’s Lambda dapat diperoleh perbedaan antar kelompok berdasarkan nilai signifikansi dari variabel-variabel independen.dengan rumus (2.12) maka hasil yang diperoleh sama dengan menggunakan SPSS 17.0 sebagai berikut:

Tabel 4.4. Uji Wilk’s Lambda

Step

Number of Variables

Lambda df1 df2 df3

Exact F

Statistic df1 df2 Sig.

1 1 .723 1 1 233 89.441 1 233.000 .000

2 2 .646 2 1 233 63.610 2 232.000 .000

3 3 .613 3 1 233 48.667 3 231.000 .000

Tabel tersebut menunjukkan perubahan nilai Lambda dan nilai Uji F dalam tiap tahap. Sampai tahap ketiga nilai signifikansi < 0,05 maka variabel tersebut

merupakan variabel pembentuk fungsi diskriminan. Angka signifikansi untuk 3 variabel sebesar 0,00 dan nilai pada Uji F sebesar 89,441 pada tahap pertama dan pada tahap ketiga signifikansi sebesar 0,00 dan nilai pada Uji F sebesar 48,667. Karena nilai signifikansi 0,00< 0,05 maka variabel masing-masing kelompok berbeda.

4.3.4. Uji Korelasi Kanonis

Berikut adalah tabel untuk menguji korelasi kanonis.Besar nilai korelasi kanonis adalah antara 0-1.Maka hasil yang diperoleh sama dengan menggunakan SPSS 17.0 sebagai berikut:

Tabel 4.5.Uji Korelasi kanonis

Function Eigenvalue % of Variance Cumulative % Canonical Correlation

1 .632a 100.0 100.0 .822

Pada tabel diatas terdapat kolom nilai korelasi kanonis yang digunakan untuk mengukur derajat hubungan antara hasil diskriminan atau besarnya variabilitas yang mampu diterangkan oleh variabel independen terhadap variabel dependen.Nilai korelasi kanonis sebesar 0,822 berarti variabel independen berkorelasi tinggi karena mendekati angka 1.Untuk setiap fungsi diskriminan, eigenvalue merupakan rasio sum of square (SS) dalam kelompok.Semakin besar nilai eigenvalue maka semakin bagus fungsi diskriminan yang terbentuk.

4.3.5. Uji Struktur Matriks

Berikut adalah tabel struktur matriks untuk menunjukkan urutan karakteristik adanya korelasi antara variabel-variabel independen dengan fungsi diskriminan yang terbentuk. Dengan menggunakan SPSS 17.0 diperoleh:

Tabel 4.6. Struktur matriks Function

1

akreditasi PTN .779

banyaknya program studi .543

reputasi PTNa .352

uang kuliah murah -.221

kondisi fisik PTNa .153

informasia .110

promosia -.014

tuntutan orangtuaa -.007

Terlihat pada tabel diatas bahwa variabel akreditasi PTN merupakan variabel dengan nilai korelasi tertinggi sebesar 0,779 diikuti oleh banyaknya program studi dengan nilai 0,543 dan yang terakhir oleh uang kuliah yang murah sebesar 0,221. Adanya huruf “a” pada beberapa variabel menunjukkan bahwa variabel-variabel tersebut tidak diikutkan dalam proses analisis diskriminan selanjutnya.

4.3.6. Fungsi Diskriminan Kanonis

Berikut adalah tabel fungsi diskriminan kanonis dengan menggunakan SPSS 17.0: Tabel 4.7.Fungsi Diskriminan Kanonis

Function

1

Uang kuliah murah -.347

Akreditasi PTN .848

Banyak program studi .566

(Constant) -3.874

Tabel fungsi diskriminan kanonis mengukur seberapa kuat keterkaitan antara skor diskriminan dan kelompok yang merupakan fungsi diskriminan tunggal dan penentu variabel fungsi diskriminan.Variabel pembentuk fungsi diskriminan

kanonis yaitu uang kuliah yang murah, akreditasi PTN dan banyaknya Program Studi.Fungsi diskriminan yang standar adalah

�= −0,347 �1+ 0,848 �2+ 0,566 �3

Koefisien fungsi diskriminan pada variabel �1 bertanda negatif, artinya variabel �1 mempunyai pengaruh negatif, yaitu setiap kenaikan satu satuan nilai variabel �1 maka menurunkan skor diskriminan sebesar 0,347. Sedangkan pada variabel �2 dan �3 bertanda positif, artinya variabel �2 dan �3 mempunyai pengaruh positif, yaitu setiap kenaikan satu satuan nilai variabel �2 dan �3 maka menaikkan skor diskriminan masing-masing sebesar 0,848 dan 0,566.

4.3.7. GroupCentroids (Rata-rata Kelompok)

Tabel 4.9.menjelaskan bahwa ada dua kelompok yang disebut dengan kelompok diskriminan, yaitu kelompok PTN di Sumatera dan PTN di Jawa. Pada tabel ini setiap kelompok mempunyai nilai centroids.Berikut adalah tabel groupcentroids:

Tabel 4.8.GroupCentroids PTN yang dipilih

Function 1

Sumatera -.844

Jawa .743

Kelompok PTN di Sumatera merupakan kelompok dengan rata-rata (centroid) negatif dan kelompok PTN di Jawa merupakan kelompok dengan rata-rata (centroid) positif. Jumlah responden yang memilih PTN Sumatera dan PTN Jawa berbeda. Maka diperoleh nilai pemisah (cutting point) 0,101. Artinya jika seorang responden mempunyai skor diskriminan < 0,101 maka masuk ke kelompok PTN Sumatera dan jika mempunyai skor diskriminan > 0,101 maka masuk ke kelompok PTN Jawa.

4.3.8. Statistik Klasifikasi

Berikut adalah proses klasifikasi dengan menggunakan SPSS 17.0: Tabel 4.9. Proses Klasifikasi

Processed 235

Excluded Missing or out-of-range group codes 0

At least one missing discriminating variable 0

Used in Output 235

Tabel tersebut menunjukkan bahwa banyaknya responden yang diproses berjumlah 235 responden dan tidak ada yang tidak diproses (missing). Selanjutnya, tabel pengklasifikasian dua kelompok dengan jumlah masing-masing responden dengan menggunakan SPSS 17.0 sebagai berikut:

Tabel 4.10. Klasifikasi Kelompok

PTN yang dipilih Prior

Cases Used in Analysis Unweighted Weighted

Sumatera .500 110 110.000

Jawa .500 125 125.000

Total 1.000 235 235.000

Pada tabel diatas terlihat bahwa ada dua klasifikasi yaitu kelompok yang memilih PTN di Sumatera sebesar 110 responden dan kelompok yang memilih PTN di Jawa sebesar 125 responden.

4.3.9.Nilai Pemisah (Cutting Score)

Pada tabel 4.8 diperoleh nilai group centroids untuk kelompok Sumatera sebesar -0,844 dan nilai group centroids untuk kelompok Jawa sebesar 0,743.Pada tabel 4.10 diperoleh jumlah responden yang masuk ke dalam kelompok Sumatera

sebesar 110 responden dan jumlah responden yang masuk ke dalam kelompok Jawa sebesar 125 responden. Maka dapat diperoleh nilai cutting score (�_��) sebagai berikut:

��� = ����

+ �_��_� ��+ ��

= (110)(0,743) + (125)(−0,844) 110 + 125

=81,73 + (−105,5) 235

=(− 23,77) 235 = − 0,1011

Diperolehnilai pemisah sebesar -0,1011artinya jika seorang responden mempunyai skor diskriminan < -0,1011 maka masuk ke kelompok PTN Sumatera dan jika seorang responden mempunyai skor diskriminan > -0,1011 maka masuk ke kelompok PTN Jawa.

4.3.10.Uji Klasifikasi Fungsi Diskriminan

Hasilpengklasifikasian responden dapat dilihat pada tabel berikut. Tabel 4.11. Klasifikasi Fungsi Diskriminan

PTN yang dipilih

Predicted Group Membership

Total Sumatera Jawa

Original Count Sumatera 77 33 110

Jawa 18 107 125

% Sumatera 70.0 30.0 100.0

Jawa 14.4 85.6 100.0

Cross-validateda Count Sumatera 77 33 110

Jawa 20 105 125

% Sumatera 70.0 30.0 100.0

Jawa 16.0 84.0 100.0

Pada kolom original, kelompok PTN Jawa mempunyai 77 responden atau 70% sedangkan 33 responden atau 30% berpindah ke kelompok PTN Jawa. Sementara itu, 107 responden atau 85,6% yang berada di kelompok PTN Jawa ada 18

responden atau 14,4% berpindah ke kelompok PTN Sumatera. Maka klasifikasi dari fungsi diskriminan dihitung dengan cara sebagai berikut:

APER = 77+107

235 = 0,7829 atau 78,3 %

Adapun jumlah observasi yang salah dalam pengklasifikasian yaitu sebesar Hit Ratio =33+18

BAB 5

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan hasil dan pembahasan dari penelitian maka diperoleh suatu kesimpulan sebagai berikut:

1. Ada tiga faktor-faktor yang menyebabkan siswa lebih memilih PTN di Jawa adalah uang kuliah murah, akreditasi PTN dan banyaknya program studi yang ditawarkan.

2. Fungsi diskriminan yang diperoleh adalah Z = - 0,437 �1 + 0,848 �2 + 0,566�3

Koefisien fungsi diskriminan pada variabel �1 (uang kuliah murah) bertanda negatif, artinya variabel tersebut mempunyai pengaruh negatif, yaitu setiap kenaikan satu satuan nilai variabel �1 maka menurunkan skor diskriminan sebesar 0,347. Sedangkan pada variabel�2 (akreditasi PTN) dan �3 (banyaknya program studi) bertanda positif, artinya variabel �2 dan �3 mempunyai pengaruh positif, yaitu setiap kenaikan satu satuan nilai variabel �2 dan �3 maka menaikkan skor diskriminan masing-masing sebesar 0,848 dan 0,566. Dengan ketepatan klasifikasi fungsi diskriminan adalah sebesar 78,3% artinya, ketepatannya tinggi karena mendekati 100%.

5.2. Saran

Adapun saran untuk penelitiaan selanjutnya yaitu:

1. Berdasarkan hasil penelitian diharapkan bahwa PTN yang ada di Sumatera sebaiknya lebih meningkatkan akreditasi PTN dan membuat beberapa program studi yang baru sehingga para siswa kota Medan tetap memilih PTN yang ada di Sumatera.

2. Untuk penelitian selanjutnya diharapkan kepada para peneliti untuk menambahkan beberapa persepsi siswa dalam memilih PTN di Sumatera dan PTN di Jawa dan menambahkan jumlah responden yang akan diteliti.

BAB 2

TINJAUAN PUSTAKA

Pada Bab ini akan dipaparkan beberapa teori tentang analisis diskriminan dari berbagai sumber seperti: buku, jurnal dan prosiding. Analisis diskriminan adalah salah satu metode dependensi dari analisis multivariat. Berikut beberapa definisi dan penelitian terdahulu dari berbagai bidang dengan menggunakan analisis diskriminan.

2.1. Analisis Multivariat

Menurut Johnson dan Wichern (2007) Analisis statistika multivariat merupakan analisis statistika yang digunakanpada data yang memiliki lebih dari dua variabel secara bersamaan, denganmenggunakan teknik analisis multivariat maka dapat menganalisis pengaruh beberapavariabel terhadap variabel-variabel lainnya dalam waktu yang bersamaan. Teknikanalisis multivariat berdasarkan karakteristiknya dapat dibagi menjadi dua yaituteknik dependensi dan teknik interdependensi. Teknik dependensi merupakan teknikyang digunakan untuk melihat pengaruh atau memprediksi variabel dependenberdasarkan beberapa variabel independen yang mempengaruhi. Analisis multivariat yang termasuk teknik dependensi yaitu analisis regresi berganda, analisisdiskriminan, analisis konjoin, manova, mancova, anova, ancova, dan korelasikanonik. Teknik interdependensi merupakan teknik yang digunakan untukmengelompokkan atau mereduksi beberapa variabel menjadi variabel baru yang lebihsedikit, tetapi tidak mengurangi informasi yang terkandung dalam variabel asli.Analisis multivariat yang termasuk teknik interdependensi adalah analisis klaster,penskalaan multidimensi, analisis kanonikal, dan analisis faktor.Analisis multivariat menuntut uji asumsi, data yang akan dianalisis harus berasal dari populasi yang berdistribusi normal multivariat dan matrik varians kovarians antar populasi adalah sama.Menurut Johnson dan Wichern (2007) untuk menguji distribusi normal multivariat adalah dengan

mencari nilai jarak Mahalanobis dengan Khi-kuadrat �2��(� −0,5)/��. Jarak Mahalanobis merupakan jarak statistik yang memperhitungkan korelasi atau kovarians antar variabel. Dengan rumus sebagai berikut:

��2 = (��− �̅)�−1(��− �̅) (2.1)

dimana;

� = 1,2,…,�

�1,�2,�3, … ,�� = vektor pengamatan

�−1 _{= inverse matriks varians kovarians}

Kriteria pemenuhan asumsi dilakukan secara visual yaitu jika plot membentuk garis lurus berarti data dapat didekati dengan sebaran normal.Statistika ujidiperlukan untuk menguji homogenitas matriks varians kovarians dengan hipotesis H0:∑1 =∑2 = ⋯= ∑g = ∑0 dan H1: ada paling sedikit satu diantara sepasang ∑_� yang tidak sama. Jika dari masing-masing populasi diambil sampel acak berukuran n yang saling bebas maka penduga tak bias untuk ∑_� adalah matriks �_� sedangkan untuk ∑₀ penduga tak biasnya adalah S. dengan rumus sebagai berikut:

�= 1

�∑ (��−1)�� �

�=1 (2.2)

�=∑�_�=1(�_�−1) ln|�|− ∑�_�=1(�_�−1) ln|�_�| (2.3)

�−1_{= 1−} 2�2+3�−1 6(�+1)(�−1)�∑

1 (_��−1)−

1

∑�_�=1(�_�−1)

�

�=1 � (2.4)

Daerah penolakan untuk hipotesis nol dapat dihampiri dengan menggunakan sebaran Khi kuadrat yaitu:��−1 >�_�2_,��.Dengan bantuan program SPSS, uji homogenitas matriks varians-kovarians dapat dilakukan dengan Uji Bo x’s M. Jik a nilai sig. > α, mak a H0 diterima sehingga dapat disimpulkan

matriks varians-kovarians dari l-populasi adalah sama atau homogen.

Analisis diskriminan pertama kali dikembangkan oleh Ronald A. Fisher pada tahun 1936 sebagai suatu teknik statistika yang diterapkan dalam bidang taksonomi.Analisis diskriminan adalah salah satu teknik yang digunakan untuk menjelaskan atau memprediksi variabel terikat berdasarkan dua atau lebih variabel bebas dengan mengklasifikasikan objek beberapa kelompok. Dengan tujuan untuk mengetahui apakah ada perbedaan yang jelas antar kelompok pada variabel dependen. Jika ada, variabel independen mana pada fungsi diskriminan yang membuat perbedaan tersebut. Pengelompokkan analisis diskriminan ini terjadi karena ada pengaruh satu atau lebih variabel lain yang merupakan variabel independen. Analisis diskriminan sangat berguna di antaranya untuk menjelaskan segmen pelanggan, mengidentifikasi karakteristik kritis yang mampu membedakan keduanya dan penggolongan calon pelanggan ke dalam segmen yang sesuai. Meskipun penggunaan paling umum analisisdiskriminan adalah untuk mengklasifikasikan orang atau objek menjadi berbagai kelompok, analisis diskriminan dapat juga dipergunakan untuk menganalisis kelompok-kelompok yang diketahui untuk menentukan pengaruh relatif dari faktor-faktor tertentu sehingga dapat digunakan untuk memutuskan pengelompokkan (Rully dan Poppy, 2014).

Menurut Johnson dan Wichern (2007) tujuan dari analisis diskriminan adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan. dengan kata lain, analisis diskriminan digunakan untuk mengklasifikasikan individu ke dalam salah satu dari dua kelompok atau lebi

menjadi grup-grup berdasarkan karateristik variabel yang diketahui dari beberapa

kasus. Tujuan utama dari

perbedaan antar grup

.

Model analisis diskriminan berkenaan dengan kombinasi linier disebut juga fungsi diskriminan. Dengan fungsi diskriminan sebagai berikut:

�= �₁�₁ + �₂�₂ + … + �_��_� (2.5) keterangan:

�= nilai (skor) diskriminan p = 1, 2, 3,..,n

�� = koefisien atau timbangan diskriminan dari variabel ke-p ��= variabel independen ke-p

Menurut Supranto (2010) analisis diskriminan merupakan teknik menganalisis data, kalau variabel tak bebas (disebut criterion) merupakan kategori (non-metrik, nominal atau ordinal, bersifat kualitatif) sedangkan variabel bebas sebagai prediktor merupakan metrik (interval atau rasio, bersifat kuantitatif). Teknik analisis diskriminan dibedakan menjadi dua yaitu analisis diskriminan dua kelompok/kategori, kalau variabel tak bebas Y dikelompokkan menjadi dua. Diperlukan satu fungsi diskriminan. Kalau variabel tak bebas dikelompokkan menjadi lebih dari dua kelompok disebut analisis diskriminan berganda (multiple discriminant analysis) diperlukan fungsi diskriminan sebanyak (k - 1) kalau memang ada k kategori.

Analisis diskriminan banyak digunakan di berbagai bidang, terutama di bidangpendidikan, kesehatan, ekonomi, sosial dan lain-lain. Berikut ada beberapa penelitian dengan menggunakan analisis diskriminan. Pada bidang pendidikan, penelitian dilakukan oleh Yuli (2012) dan mengemukakan bahwa dari hasil penelitiannya tentang analisis diskriminan diketahui bahwa faktor-faktor yang menjadi pertimbangan mahasiswa dalam memilih Prodi Matematika FMIPA dan FKIP yaitu faktor kapasitas prodi dan motivasi dunia kerja yang signifikan dapat membedakan pemilihan Prodi Matematika. Dari fungsi diskriminan ini, selanjutnya dilakukan pengklasifikasian dengan mengacu pada konsep jarak bahwa pengklasifikasian suatu objek dipilih dari jarak objek pengamatan terhadap vektor rataanya yang terdekat atau terkecil pada masing-masing Prodi Matematika atau dengan mencari nilai pemisah. Dan hasil pengklasifikasian tersebut, data yang telah terklasifikasikan dengan benar sebesar 64,15% dari 85 data yang diolah telah dimasukkan pada kelompok yang sesuai dengan data semula.

Marino (2014) mengemukakan bahwa penelitian yang dilakukan dalam membandingkan analisis diskriminan linier, diskriminan linier robust dan regresi

logistik biner untuk mengelompokkan siswa SMA Negeri 1 Bangorejo ke dalam kelompok IPA/IPS. Dari hasil simulasi ditunjukkan bahwa regresi logistik biner mempunyai ketepatan klasifikasi yang paling baik sebesar 85,714%. Penelitian ini menggunakan beberapa jenis analisis diskriminan dengan membandingkan hasil terbaik dari beberapa analisis yang dilakukan.

Penelitian yang telah dilakukan oleh Dewi dan Kania (2009) bahwa hasil-hasil penelitian tentang Linear Discriminant Analysis (LDA) maupun Quadratic Discriminant Analysis (QDA) kebanyakan menggunakan metode Apparent Error Rate (APER) dalam mengevaluasi aturan pengelompokkan dalam analisis diskriminan. Oleh karena itu, pada penelitian ini diterapkan suatu metode yang disebut Prosedur Lanchenbruch, untuk mengatasi hal tersebut. Pada prosedur ini sampel dibagi menjadi dua bagian yaitu training sample dan validating sample.Prosedur Lachenbruch ini diterapkan pada data dua spesies lalat pengigit (biting fly) dengan genus Leptoconos, yang sama secara morfologi dan selama beberapa tahun kedua spesies ini dianggap sama. Hasil analisis QDA terhadap data ini menunjukkan bahwa kedua spesies ternyata berbeda. Setelah diterapkan prosedur Lachenbruch pada data biting fly, diperoleh hasil dengan nilai APER lebih tinggi dari nilai AER.

Pada bidang komputasi penelitian dilakukan oleh Dian (2014) yang menyimpulkan bahwa permasalahan yang diangkat dalam penelitiannya adalah adanya metode klasifikasi selain metode analisis diskriminan. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi antara analisis diskriminan yang merupakan metode statistika dan metode jaringan syaraf tiruan menggunakan metode Learning Vector Quantization. Klasifikasi dengan metode analisis diskriminan menggunakan fungsi diskriminan dan skor diskriminan. Sedangkan klasifikasi dengan metode Learning Vector Quantization menggunakan arsitektur jaringan optimal dengan menentukan MSE terkecil dari arsitektur jaringan yang dibentuk tanpa ada asumsi yang harus dipenuhi. Secara keseluruhan dapat disimpulkan bahwa kedua metode sama baiknya untuk klasifikasi sesuai uji t. Metode Learning Vector Quantizationbisa digunakan sebagai alternatif untuk

klasifikasi apabila syarat kesamaan vektor rata-rata pada analisis diskriminan tidak terpenuhi.

Sistem sensor robot selalu didukung oleh sistem komputer yang dikenal “visi komputer”. Konsep penting dalam visi komputer adalah klasifikasi objek. Dalam kajian ini, dua buah algoritma untuk klasifikasi objek akan dibandingkan yaitu metode pohon keputusan biner dan metode yang formal dengan deskiptor yang bervariasi tinggi. Dalam penelitian ini digunakan metode analisis diskriminan sebagai alternatif untuk klasifikasi objek. Metode ini dijalankan dengan fungsi diskriminan fisher untuk memisahkan objek. Dalam penelitian ini ditunjukkan bahwa analisis diskriminan dapat mengklasifikasikan objek dengan lebih baik dari pada metode pohon keputusan biner. Kelebihan ini ditunjukkan terutama pada objek yang mengalami noise (Amir, 2002).

2.3. Eigenvalue dan Eigenvector

Matriks indentitas adalah matriks diagonal di mana nilai elemen diagonal utamanya masing-masing adalah satu sedangkan nilai elemen off-diagonalnya adalah sama dengan nol. Matriks indentitas memiliki sifat seperti angka satu. Artinya, jika matriks identitas dengan matriks lain (asal dimensinya terpenuhi) maka hasil kalinya akan tetap sama dengan nilai semua matriks tersebut. Contoh matriks indentitas:

�= �1 0

0 1� � = �

1 0 0

0 1 0

0 0 1

�

Jika A adalah matriks m x m, maka setiap skalar λ memenuhi persamaansebagai berikut:

Ax = �x (2.6)

Untuk m×1 vektor x ≠0, disebut eigenvalue dari A. Vektor x disebut eigenvektor dari A yang berhubungan dengan eigenvalue �. Persamaan (2.11) dapat juga ditulis sebagai berikut:

Persamaan (2.12) disebut juga sistem persamaan linier homogen.Setiap nilai eigenvalue � harus memenuhi persamaan determinan yang dikenal sebagai persamaan karakteristik A sebagai berikut:

|� − ��|= 0 (2.8)

Dengan contoh sebagai berikut:

� = �3 2

4 1�, maka � − �� = �

3 2

4 1� − � �

1 0

0 1�= �

3− � 2

4 1− ��

|� − ��| = (3− � )(1− �)− 2(4) = �2− 4� −5

Akar persamaan tersebut adalah �= 5 dan � =−1. Untuk mendapatkan eigenvector X terkait dengan �= 5, mensubstitusikan nilai eigenvalue tersebut pada persamaan berikut ini:

(� − ��)�= 0 atau ��3 2

4 1� − 5�

1 0

0 1�� � �1

�2�= �

0 0�

Atau �−2 2

4 −4� � �1

�2�= �

0

0� → −2�1+ 2�2 = 0 4�1− 4�2 = 0

Dari persamaan baris pertama diatas telah diketahui bahwa �₁ =�2, maka eigenvector yang terkait dengan � = 5 adalah

�= ��_�1

2�= �

�1

�2�= �2 �

1

1� dengan nilai �2 bersifat arbitrer (atau matriks �2 sama

dengan matriks �₁)

Ada beberapa sifat istimewa eigenvalue dan eigenvector antara lain:

1. Jumlah eigenvalue sama dengan trace matriks yang bersangkutan. Dari contoh di atas jumlah eigenvalue adalah 5 -1 = 4 sama dengan trace matriks A = 3 + 1 = 4

2. Suatu matriks ataupun transposenya memiliki eigenvalue yang sama. Artinya baik untuk matriks A di atas ataupun AT memiliki eigenvalue 5 dan -1. Maka

AT = 4

3. Hasil kali eigenvalue-eigenvalue suatu matriks sama dengan determinan matriks tersebut. Hasil kali eigenvalue matriks A sama dengan 5(-1) = -5 Determinan A = 3(1) – 2(4) = -5

2.4. Matriks VariansKovarians

Beberapa analisis statistika multivariat seperti aanalisis diskriminan dan MANOVA membutuhkan syarat matriks varians-kovarians yang homogen. Untuk menguji syarat ini dapat dipergunakan statistik uji Box-M. Hipotesis dan statistik uji Box-M adalah (Rencher, 1995) :

Ho : Σ1 =Σ2 =...=Σk

H1 : ∃Σi ≠Σjuntuk i≠ j

Statistik uji     ₋ − − =

∑

∑

= = k i k ii i pool i i

hitung c v v

1 1 1 2 ln 2 1 ln 2 1 ) 1 (

2 S S

χ (2.9)

dimana,

∑

∑

= = = k i i k i i i pool v v 1 1 S

S (2.10)

      − ++ −             − =

∑

∑

= = ) 1 )( 1 ( 6 1 3 2 1 1 2 1 1 1 k p p p v v c k i k i i i 1 − = i i n

v (2.11)

Terima hipotesis nol yang berarti matriks varians-kovarians bersifat homogen jika

2 1 ( ) 1 ( 2 1 2 + − ≤ p p k hitung χ χ

2.5.Uji Signifikansi Dengan Wilk’s Lambda

Dengan menggunakan rumus Wilk’sLambda (Λ) sebagai berikut (Gudono, 2015):

Λ= SS�

SS_� (2.12)

��� = ∑2�=1∑��=1(��.� − �����)2 (2.13)

��� = ∑��=1(�� − ��)2 (2.14)

keterangan:

��� = nilai varians dari matriks ����� � = referensi grup

� = jumlah sampel dalam suatu grup

� = jumlah semua sampel

�� = rata-rata X pada sebuah grup

�� = rata-rata keseluruhan sampel (grand-mean)

Dalam pengujian statistik semakin kecil skor tes Wilk’s Λ, maka semakin besar probabilitas hipotesis nol akan ditolak. Skor Wilk’s Λ dapat dikonversi menjadi nilai F agar dapat ditafsirkan signifikansi statistiknya dengan lebih mudah menggunakan rumus (Gudono, 2015):

� = �1−Λ Λ � �

�1+�2−�−1

� � (2.15)

keterangan:

�= jumlah variabel yang sedang diuji

Λ= nilai Wilk’s Lambda

2.6.Uji Klasifikasi Fungsi Diskriminan

Kriteria perbandingan teknik klasifikasi didasarkan pada kesalahan klasifikasinya yang dikenal dengan Apparent Error Rate (APER) merupakan nilai dari besar kecilnya jumlah observasi yang salah dalam pengklasifikasian berdasarkan suatu fungsi klasifikasi (Johnson dan Wichern, 2007).Adapun APER dihitung dengan terlebih dahulu membuat tabel klasifikasi sebagai berikut:

Klasifikasi actual dan predicted group

Actual group Predicted group

�0 �1

�0 �00 �01 = �0 − �00

�1 �10 = �1− �11 �11

Sumber: Johnson and Wichern (2007)

���� = �_�01+ �10

0+ �1

(2.16) Sedangkan ketepatan prediksi pengelompokkan secara tepat dapat menggunakan rumus hit ratio.

�������� = �00+ �11

BAB 1

PENDAHULUAN

1.1.LatarBelakang

Analisis diskriminan adalah salah satu metode dari multivariat yang digunakan pada hubungan dependensi untuk menentukan bobot dari prediktor yang paling baik untuk membedakan dua atau lebih kelompok kasus yang tidak terjadi secara kebetulan.Analisis diskriminan digunakan pada kasus yang memiliki variable dependen berupa data kualitatif dan variable independen berupa data kuantitatif. Analisis diskriminan bertujuan untuk mengklasifikasikan suatu individu atau observasi kedalam kelompok berdasarkan sejumlah variable independen.Diantara variable independen tersebut akan dibuat suatu hubungan fungsional yang disebut dengan fungsi diskriminan. Fungsi diskriminan pada metode ini digunakan untuk membentuk beberapa kelompok dengan menghitung skor setiap pengamatan dari masing-masing fungsi pengelompokkan atau biasa disebut dengan skor diskriminan.

Analisis diskriminan juga digunakan dalam berbagai bidang, seperti bidang kesehatan, ekonomi, pendidikan, sosial, dan lain-lain.Pada penelitian ini,analisis diskriminan digunakan pada bidang pendidikanya itu untuk mengklasifikasikan siswa SMA yang ingin menempuh pendidikan di Perguruan Tinggi Negeri dalam dua kelompok PTN (Sumatera danJawa). Dalam penelitian ini fungsi analisis diskriminan terbentuk dari dua variable yaitu variable dependen dan variable independen. Variabel dependen atau variabel yang membentuk kelompok terdiri atas dua kelompok, yaitu kelompok yang memilih PTN di Sumatera dan kelompok yang memilih PTN di Jawa. Adapun variable independen adalah variabel yang menentukan responden termasuk kedalam kelompok yang mana.Variabel independen tersebut yaitu uang kuliah yang murah, akreditasi PTN, banyaknya program studi yang ditawarkan, tuntutan orangtua, kondisifisik PTN, promosi PTN, informasi dari orang terdekat dan reputasi PTN.

Responden yang diteliti dalam penelitian ini adalah siswa SMA kelas XII yang bersekolah di beberapa sekolah negeri favorit di kota Medan. Menurut pengamatan surat kabar online Sinar Indonesia Baru yang terbit pada Senin 4 Agustus 2014 pukul 08:36, menyatakan bahwa ada beberapa sekolah favorit yang telah menjadi kebanggaan masyarakat Kota Medan. Sekolah Menengah Atas Negeri yang dikatakan favorit diantaranya SMAN 1, SMAN 2, SMAN 3, SMAN 4, SMAN 5, SMAN 6 dan SMAN 7 (dari 21 SMAN). Berdasarkan surat kabar tersebut, Sekolah Menengah Atas yang dikatakan favorit mampu berprestasi dan bersaing di PTN mau pun PTS ternama yang ada di Kota Medan dan luar daerah khususnya melalui jalur undangan masuk menjadi mahasiswa tanpa testing.

1.2. PerumusanMasalah

Masalah yang akan dibahas pada penelitian ini adalah menentukan faktor-faktor yang menyebabkan siswa lebih memilih Perguruan Tinggi Negeri di Jawa dari pada Perguruan Tinggi Negeri di Sumatera serta mengklasifikasikannya kedalam PTN yang dipilih berdasarkan persepsi masing-masing.

1.3. PembatasanMasalah

Adapun batasan masalah penelitian sebagai berikut:

1. Objek penelitian adalah siswakelas XII di 5 SMA Negeri favorit kota Medan. SMA Negeri favorit yang dijadikan objek penelitian adalah SMAN1, SMAN 2, SMAN 3, SMAN 4 dan SMAN 5 Medan.

2. Data yang digunakan merupakan data primer. Dengan memberikan kuesioner kepada responden (Dapat dilihat pada Lampiran 1).

1.4. TujuanPenelitian

Tujuan dari penelitian ini adalah:

1. Untuk mengetahui faktor-faktor yang menyebabkan siswa lebih memilih PTN di Jawa dari pada PTN di Sumatera.

2. Untuk mengklasifikasikan siswa kedalam PTN yang dipilih berdasarkan persepsi siswa masing-masing.

1.5. KontribusiPenelitian

1. Sebagai bahan bacaan mahasiswa untuk menambah wawasan dan ilmu pengetahuan.

2. Sebagai referensi untuk penelitian mahasiswa selanjutnya.

3. Sebagai salah satu informasi dan bahan pertimbangan bagi Perguruan Tinggi Negeri khususnya Sumatera.

1.6. MetodologiPenelitian

Adapun metodologi dalam penelitian sebagai berikut: 1. Pengumpulan Data

Mengumpulkanbahan–bahan yang berkaitandengananalisisdiskriminan. a. Menentukanvariabelpenelitian

Adapun variabel-variabel yang digunakan dalam penelitian ini adalah sebagai berikut :

�1 =Uang kuliah yang murah

�2 =Akreditasi PTN atau jurusan

�3 = Banyaknya program studi yang ditawarkan

�4 = Tuntutan orangtua

�5 = Kondisi fisik PTN atau jurusan

�7 = Informasi orang terdekat

�8 = Reputasi PTN b. Mengumpulkan data

Data yang digunakan adalah data primer. Karena data yang diperoleh secara langsung dari objek yang diteliti.Dan populasi dalam penelitian ini adalah siswa-siswi yang berada di sekolah.Alat yang digunakan pada penelitian ini berupa angket (kuesioner).Untuk mendapatkan sampel digunakan metode sampling purposive.

2. Pengolahan Data

Metode analisis data yang digunakan adalah analisis diskriminan dengan bantuan SPSS 17.0.Adapun tahapan sebagai berikut:

a. Uji asumsi distribusi normal multivariate pada seluruh variable independen. b. Uji kesamaan matriks varian skovarian spade seluruh variable independen. c. Pembentukkan fungsi diskriminan.

d. Uji klasifikasi fungsi diskriminan.

APLIKASI ANALISIS DISKRIMINAN DALAM MEMILIH PERGURUAN TINGGI NEGERI DI SUMATERA DAN PERGURUAN TINGGI NEGERI

DI JAWA BERDASARKAN PERSEPSI SISWA KELAS XII DI SMA NEGERI FAVORIT KOTA MEDAN

ABSTRAK

Penelitian ini bertujuan untuk mengetahui faktor-faktor yang menyebabkan siswa lebih memilih PTN di Jawa daripada PTN di Sumatera dan mengklasifikasikan siswa kedalam kelompok PTN Sumatera /PTN Jawa. Data yang digunakan adalah data primer yang diperoleh dari kuesioner siswa kelas XII SMAN 1, SMAN 2, SMAN 3, SMAN 4, dan SMAN 5 Medan dengan jumlah sampel 235 responden. Dari hasil penelitian ini, diketahui faktor-faktor yang menyebabkan siswa lebih memilih PTN di Jawa adalah uang kuliah murah, akreditasi PTN dan banyaknya program studi yang ditawarkan. Dengan menggunakan analisis diskriminan diperoleh ketepatan klasifikasi fungsi diskriminan adalah 78,3%.

Kata kunci : Analisis Diskriminan, Klasifikasi, Perguruan Tinggi Negeri, Persepsi.

APPLICATION OF DISCRIMINANT ANALYSIS IN PREFER STATE UNIVERSITIES IN SUMATERA AND STATE UNIVERSITIES

IN JAVA BY PERCEPTION STUDENTS GRADE XII IN STATE HIGH SCHOOL FAVORITE MEDAN

ABSTRACT

This research is to determine the factors that cause students prefer PTN in Java than PTN in Sumatera and classify the students into PTN Java/PTN Sumatera group. Data used is kuesioner data the twelfth grade students SMAN 1, SMAN 2, SMAN 3, SMAN 4 and SMAN 5 Medan with the whole samples is 235 respondents. Of this research, factors that cause students prefer PTN in Java is funds lecture inexpensive, accreditation PTN and many courses offered. Using discriminant analysis has the classification accuracy 78,3%.

APLIKASI ANALISIS DISKRIMINAN DALAM MEMILIH PERGURUAN TINGGI NEGERI DI SUMATERA DAN PERGURUAN TINGGI NEGERI

DI JAWA BERDASARKAN PERSEPSI SISWAKELAS XII DI SMA NEGERI FAVORIT KOTA MEDAN

SKRIPSI

VIA ANNISA 120803009

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

APLIKASI ANALISIS DISKRIMINAN DALAM MEMILIH PERGURUAN TINGGI NEGERI DI SUMATERA DAN PERGURUAN TINGGI NEGERI

DI JAWA BERDASARKAN PERSEPSI SISWA KELAS XII DI SMA NEGERI FAVORIT KOTA MEDAN

SKRIPSI

DiajukanuntukmelengkapidanmemenuhisyaratmencapaigelarSarjanaSains

VIA ANNISA 120803009

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2016

PERSETUJUAN

Judul : Aplikasi Analisis Diskriminan Dalam Memilih Perguruan Tinggi Negeri Di Sumatera Dan Perguruan Tinggi Negeri Di Jawa Berdasarkan Persepsi Siswa Kelas XII Di SMA Negeri Favorit Kota Medan

Kategori : Skripsi Nama : Via Annisa Nomor Induk Mahasiswa : 120803009

Program Studi : Sarjana (S1) Matematika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Universitas Sumatera Utara

Disetujui di Medan, Oktober 2016 Komisi Pembimbing:

Pembimbing 2, Pembimbing 1,

Dr. Mardiningsih, M.Si Dr. Sutarman, M.Sc

NIP.196304051988112001 NIP. 196310261991031001 Disetujui Oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, M.Si. Ph.D NIP. 196209011988031002

PERNYATAAN

APLIKASI ANALISIS DISKRIMINAN DALAM MEMILIH PERGURUAN TINGGI NEGERI DI SUMATERA DAN PERGURUAN TINGGI NEGERI

DI JAWA BERDASARKAN PERSEPSI SISWA KELAS XII DI SMA NEGERI FAVORIT KOTA MEDAN

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Oktober 2016

VIA ANNISA 120803009

PENGHARGAAN

Puji dan syukur atas kehadirat Allah SWT yang telah melimpahkan Rahmat dan Karunia-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi dengan judul Aplikasi Analisis Diskriminan dalam Memilih Perguruan Tinggi Negeri di Sumatera dan Perguruan Tinggi Negeri di Jawa Berdasarkan Persepsi Siswa Kelas XII di SMA Negeri Favorit Kota Medan.

Terima kasih penulis sampaikan kepada Ayahanda tercinta Poniman dan Ibunda tersayang Rosmiati yang telah mencurahkan kasih sayang dan doa yang tak pernah ada hentinya. Semoga Allah SWT selalu melimpahkan Rahmat kesehatan dan keberkahan di dunia dan akhirat. Terima kasih penulis sampaikan kepada Bapak Dr. Sutarman, M.Sc dan Ibu Dr. Mardiningsih, M.Si selaku dosen pembimbing serta terima kasih kepada Ibu Dr. Elly Rosmaini, M.Si dan Bapak Dr. Pasukat Sembiring, M.Si sebagai dosen pembanding yang telah meluangkan waktunya selama penyusunan skripsi ini. Terima kasih kepada Bapak Prof. Dr. Tulus, M.Si. Ph.D dan Ibu Dr. Mardiningsih, M.Si selaku Ketua Departemen dan Sekretaris Departemen Matematika FMIPA USU. Terima kasih kepada Bapak Dr. Kerista Sebayang, MS. selaku Dekan FMIPA USU dan Pembantu dekan FMIPA USU, terima kasih kepada seluruh Staff, Dosen Matematika FMIPA USU dan Pegawai FMIPA USU. Terima kasih penulis sampaikan kepada Latifah Hanum dan keluarga serta teman seperjuangan yang telah membantu penulis dalam menyelesaikan penyusunan skripsi ini.

Akhir kata penulis mengucapkan terima kasih kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini semoga Allah SWT membalasnya.

APLIKASI ANALISIS DISKRIMINAN DALAM MEMILIH PERGURUAN TINGGI NEGERI DI SUMATERA DAN PERGURUAN TINGGI NEGERI

DI JAWA BERDASARKAN PERSEPSI SISWA KELAS XII DI SMA NEGERI FAVORIT KOTA MEDAN

ABSTRAK

Penelitian ini bertujuan untuk mengetahui faktor-faktor yang menyebabkan siswa lebih memilih PTN di Jawa daripada PTN di Sumatera dan mengklasifikasikan siswa kedalam kelompok PTN Sumatera /PTN Jawa. Data yang digunakan adalah data primer yang diperoleh dari kuesioner siswa kelas XII SMAN 1, SMAN 2, SMAN 3, SMAN 4, dan SMAN 5 Medan dengan jumlah sampel 235 responden. Dari hasil penelitian ini, diketahui faktor-faktor yang menyebabkan siswa lebih memilih PTN di Jawa adalah uang kuliah murah, akreditasi PTN dan banyaknya program studi yang ditawarkan. Dengan menggunakan analisis diskriminan diperoleh ketepatan klasifikasi fungsi diskriminan adalah 78,3%.

Kata kunci : Analisis Diskriminan, Klasifikasi, Perguruan Tinggi Negeri, Persepsi.

APPLICATION OF DISCRIMINANT ANALYSIS IN PREFER STATE UNIVERSITIES IN SUMATERA AND STATE UNIVERSITIES

IN JAVA BY PERCEPTION STUDENTS GRADE XII IN STATE HIGH SCHOOL FAVORITE MEDAN

ABSTRACT

This research is to determine the factors that cause students prefer PTN in Java than PTN in Sumatera and classify the students into PTN Java/PTN Sumatera group. Data used is kuesioner data the twelfth grade students SMAN 1, SMAN 2, SMAN 3, SMAN 4 and SMAN 5 Medan with the whole samples is 235 respondents. Of this research, factors that cause students prefer PTN in Java is funds lecture inexpensive, accreditation PTN and many courses offered. Using discriminant analysis has the classification accuracy 78,3%.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstract v

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

Daftar Lampiran x

Bab 1. Pendahuluan

1.1. Latar Belakang 1

1.2. Perumusan Masalah 2

1.3. Pembatasan Masalah 2

1.4. Tujuan Penelitian 3

1.5. Kontribusi Penelitian 3

1.6. Metodologi Penelitian 3

Bab 2. Tinjauan Pustaka

2.1. Analisis Multivariat 5

2.2. Analisis Diskriminan 7

2.3. Eigenvalue dan Eigenvector 10

2.4. Matriks Varians Kovarians 12

2.5. Uji Signifikansi dengan Wilk’s Lambda 12 2.6. Uji Klasifikasi Fungsi Diskriminan 13 Bab 3. Metode Penelitian

3.1. Lokasi dan Waktu Penelitian 14

3.2. Penentuan Populasi dan Sampel 14

3.3. Teknik Pengumpulan Data 15

3.4. Uji Analisis Data 16

Bab 4. Hasil dan Pembahasan

4.1. Data Hasil Kuesioner 17

4.2. Uji Asumsi Analisis Diskriminan 17

4.2.1. Uji Asumsi Distribusi Normal Mutlivariat

Untuk Seluruh Variabel Independen 17 4.2.2.

Uji Asumsi Homogenitas Matriks Varians Kovarians Untuk Seluruh Variabel

Independen

4.3. Pembentukkan Fungsi Diskriminan dengan Metode

Stepwise Estimation 19

4.3.1. Menentukan Variabel-variabel Pembentuk

Fungsi Diskriminan 19

4.3.2. Variable in the Analysis 20

4.3.3. Uji Wilk’s Lambda 21

4.3.4. Uji Korelasi Kanonis 22

4.3.5. Uji Struktur Matriks 22

4.3.6. Fungsi Diskriminan Kanonis 23 4.3.7. Group Centroids(Rata-rata Kelompok) 24

4.3.8. Statistik Klasifikasi 25

4.3.9. Nilai pemisah (Cutting Score) 25 4.3.10. Uji Klasifikasi Fungsi Diskriminan 26 Bab 5. Kesimpulan dan Saran

5.1. Kesimpulan 28

5.2. Saran 29

DAFTAR TABEL

Nomor

Tabel Judul Halaman

3.1. Jumlah Sampel Penelitian 15

4.1. Uji Box’s M 19

4.2. Uji Wilk’s Lambda 20

4.3. Variable in the Analysis 20

4.4. Uji Wilk’s Lambda 21

4.5. Uji Korelasi Kanonis 22

4.6. Struktur Matriks 23

4.7. Fungsi Diskriminan Kanonis 23

4.8. Group Centroids 24

4.9. Proses Klasifikasi 25

4.10. Klasifikasi Kelompok 25

DAFTAR GAMBAR

Nomor

Gambar Judul Halaman

4.1. Plot Distribusi Normal Multivariat seluruh

DAFTAR LAMPIRAN

Nomor

Lampiran Judul Halaman

1. Kuesioner 32

2. Data Hasil Penelitian 34

3. Data Uji Asumsi Analisis Diskriminan 41

APPLICATION OF DISCRIMINANT ANALYSIS IN PREFER STATE UNIVERSITIES IN SUMATERA AND STATE UNIVERSITIES

IN JAVA BY PERCEPTION STUDENTS GRADE XII IN STATE HIGH SCHOOL FAVORITE MEDAN

ABSTRACT

This research is to determine the factors that cause students prefer PTN in Java than PTN in Sumatera and classify the students into PTN Java/PTN Sumatera group. Data used is kuesioner data the twelfth grade students SMAN 1, SMAN 2, SMAN 3, SMAN 4 and SMAN 5 Medan with the whole samples is 235 respondents. Of this research, factors that cause students prefer PTN in Java is funds lecture inexpensive, accreditation PTN and many courses offered. Using discriminant analysis has the classification accuracy 78,3%.

DAFTAR ISI

Halaman

Persetujuan i

Pernyataan ii

Penghargaan iii

Abstrak iv

Abstract v

Daftar Isi vi

Daftar Tabel viii

Daftar Gambar ix

Daftar Lampiran x

Bab 1. Pendahuluan

1.1. Latar Belakang 1

1.2. Perumusan Masalah 2

1.3. Pembatasan Masalah 2

1.4. Tujuan Penelitian 3

1.5. Kontribusi Penelitian 3

1.6. Metodologi Penelitian 3

Bab 2. Tinjauan Pustaka

2.1. Analisis Multivariat 5

2.2. Analisis Diskriminan 7

2.3. Eigenvalue dan Eigenvector 10 2.4. Matriks Varians Kovarians 12 2.5. Uji Signifikansi dengan Wilk’s Lambda 12 2.6. Uji Klasifikasi Fungsi Diskriminan 13 Bab 3. Metode Penelitian

3.1. Lokasi dan Waktu Penelitian 14 3.2. Penentuan Populasi dan Sampel 14 3.3. Teknik Pengumpulan Data 15

3.4. Uji Analisis Data 16

Bab 4. Hasil dan Pembahasan

4.1. Data Hasil Kuesioner 17

4.2. Uji Asumsi Analisis Diskriminan 17 4.2.1. Uji Asumsi Distribusi Normal Mutlivariat

Untuk Seluruh Variabel Independen 17 4.2.2.

Uji Asumsi Homogenitas Matriks Varians Kovarians Untuk Seluruh Variabel

Independen

4.3. Pembentukkan Fungsi Diskriminan dengan Metode

Stepwise Estimation 19

4.3.1. Menentukan Variabel-variabel Pembentuk

Fungsi Diskriminan 19

4.3.2. Variable in the Analysis 20

4.3.3. Uji Wilk’s Lambda 21

4.3.4. Uji Korelasi Kanonis 22 4.3.5. Uji Struktur Matriks 22 4.3.6. Fungsi Diskriminan Kanonis 23 4.3.7. Group Centroids(Rata-rata Kelompok) 24 4.3.8. Statistik Klasifikasi 25 4.3.9. Nilai pemisah (Cutting Score) 25 4.3.10. Uji Klasifikasi Fungsi Diskriminan 26 Bab 5. Kesimpulan dan Saran

5.1. Kesimpulan 28

5.2. Saran 29

DAFTAR TABEL

Nomor

Tabel Judul Halaman

3.1. Jumlah Sampel Penelitian 15

4.1. Uji Box’s M 19

4.2. Uji Wilk’s Lambda 20

4.3. Variable in the Analysis 20

4.4. Uji Wilk’s Lambda 21

4.5. Uji Korelasi Kanonis 22

4.6. Struktur Matriks 23

4.7. Fungsi Diskriminan Kanonis 23

4.8. Group Centroids 24

4.9. Proses Klasifikasi 25

4.10. Klasifikasi Kelompok 25

DAFTAR GAMBAR

Nomor

Gambar Judul Halaman

4.1. Plot Distribusi Normal Multivariat seluruh

DAFTAR LAMPIRAN

Nomor

Lampiran Judul Halaman

1. Kuesioner 32

2. Data Hasil Penelitian 34

3. Data Uji Asumsi Analisis Diskriminan 41 4. Data Matriks Kovarians Variabel Independen 47