BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Variabel Variabel ialah sesuatu yang nilainya berubah-ubah menurut watu atau berbeda menurut elemen/tempat. Umumnya nilai arateristi merupaan variabel dan diberi simbol huruf X. Variabel berasal dari ata vary yang berarti berubah dan able yang berarti dapat, maa setiap variabel dapat diberi nilai dan nilai itu dapat berubah-ubah. Nilai tersebut dapat berupa nilai ualitatitif atau uantitatif. Variabel penelitian pada haiatnya adalah segala sesuatu yang berbentu apa saa yang ditetapan oleh peneliti untu dipelaari sehingga diperoleh informasi tentang hal tersebut, emudian ditari esimpulannya, (Sugiyono, 2007). Menurut hubungan antara suatu variabel dengan variabel lainnya, variabel terbagi atas beberapa yaitu: a) Variabel independen (independent variable) atau variabel bebas yaitu yang menadi sebab teradinya (terpengaruhnya) variabel dependent (variabel ta bebas). b) Variabel dependen (dependent variable) atau variabel ta bebas yaitu variabel yang nilainya dipengaruhi oleh variabel independen. c) Variabel moderator yaitu variabel yang memperuat atau memperlemah hubungan antara suatu variabel dependent dengan independent. d) Variabel intervening, seperti variabel moderator, tetapi nilainya tida dapat diuur.

2 e) Variabel ontrol, yaitu variabel yang dapat diendalian oleh peneliti. 2.2 Data Data merupaan umpulan eterangan atau fata yang diperoleh dari satu populasi atau lebih. Data yang bai, benar dan sesuai dengan model menentuan ualitas ebiaan/ eputusan yang aan diambil terhadap suatu masalah dari populasi yang aan diai. Menurut Kamus Besar Bahasa Indonesia, pengertian data adalah eterangan yang benar dan nyata. Tuuan dari pengumpulan data adalah : 1. Untu memperoleh gambaran suatu eadaan. 2. Sebagai dasar pengambilan suatu eputusan. Menurut Richard Lungan (2006), dalam berbagai apliasi, data dapat dibedaan sebagai beriut: Menurut sifatnya Menurut sifatnya data dibedaan atas: a. Data Kualitatif, disaian buan dalam bentu bilangan-bilangan (nonnumeri), Misalnya enis elamin mahasiswa suatu faultas pada Perguruan Tinggi Negeri. b. Data Kuantitatif, disaian dalam bentu bilangan-bilangan, Misalnya umlah mahasiswa menurut urusan pada faultas suatu Perguruan Tinggi Negeri Menurut cara memperolehnya Menurut cara memperolehnya data dibedaan atas: a) Data Primer, merupaan data yang langsung diperoleh dari lapangan melalui percobaan, survei dan observasi. Misalnya seorang peneliti ingin mengetahui hubungan antara besarnya biaya hidup yang dieluaran mahasiswa untu ongos dan tempat tinggal terhadap biaya hidup. Ongos dan tempat tinggal tersebut merupaan data primer bagi peneliti bersangutan. b) Data Seunder, diperoleh dari data primer, biasanya dalam publiasi berupa tabel-tabel, seperti data mahasiswa, data besar ongos dan data biaya tempat

3 tinggal. Data yang dipubliasian oleh Biro Pusat Statisti selalu berupa data seunder Menurut watunya Menurut watu dapat dibedaan atas: a) Data Silang, merupaan data yang diumpulan dalam watu yang sifatnya temporer. Misalnya data hasil penelitian lamanya pendidian mahasiswa pada suatu Perguruan Tinggi Negeri di tahun b) Data Berala, merupaan data yang diumpulan setiap periode tertentu. Misalnya umlah mahasiswa matematia di FMIPA selama tahun Menurut sumbernya Menurut sumbernya data dibedaan atas: a) Data Internal, merupaan data yang diumpulan oleh unit era tertentu dalam lingungannya untu eperluannya sendiri. Misalnya data mahasiswa, dosen, pegawai, euangan dan peralatan Perguruan Tinggi XYZ. Data ini merupaan data internal bagi perguruan tinggi tersebut. b) Data Esternal, merupaan data yang diambil dari unit lain. Misalnya data Perguruan Tinggi XYZ seperti yang disebut di atas emudian digunaan oleh BPS, maa data tersebut merupaan data esternal bagi BPS. 2.3 Analisis Korelasi Analisis orelasi adalah metode yang digunaan untu menguur euatan atau deraat hubungan antara dua variabel atau lebih. Perhitungan deraat didasaran pada persamaan regresi. Dalam ilmu statistia, istilah orelasi diartian sebagai hubungan linier antara dua variabel atau lebih. Hubungan antara dua variabel dienal dengan istilah bivariate correlation, sedangan hubungan antar lebih dari dua variabel disebut multivariate correlation. Tuuan dilauan analisis orelasi antara lain adalah: a) Untu mencari buti terdapat tidanya hubungan (orelasi) antarvariabel.

4 b) Bila sudah ada hubungan, maa dapat digunaan untu melihat tingat eeratan hubungan antarvariabel. c) Dan untu memperoleh eelasan dan epastian apaah hubungan tersebut berari (meyainan/signifian) atau tida berarti. Tinggi-rendah, uat-lemah atau besar-ecilnya suatu orelasi dapat dietahui dengan melihat besar ecilnya suatu anga (oefisien) yang disebut anga indes orelasi atau coefficient of correlation, yang disimbolan dengan ρ atau r. Koefisien orelasi untu data populasi disimbolan dengan ρ, sedangan orelasi untu data sampel disimbolan dengan r. Anga orelasi berisar antara 0<r<1. Perhatian tanda plus minus (±) pada anga indes orelasi. Tanda plus minus pada anga indes orelasi ini fungsinya hanya untu menunuan arah orelasi adi buan sebagai tanda alabar. Apabila anga indes orelasi bertanda plus (+) maa orelasi tersebut positif dan arah orelasi satu arah dan apabila anga indes orelasi bertanda minus (-), maa orelasi tersebut negatif berlawanan arah, serta apabila anga indes orelasi sama dengan 0, maa hal ini menunuan tida ada orelasi. Dengan demiian, arah orelasi dapat dibedaan menadi dua, yaitu yang bersifat satu arah dan yang sifatnya berlawanan arah. Apabila terdapat dua buah variabel yaitu X dan Y yang eduanya memilii tingat penguuran ordinal maa oefisien orelasi yang dapat dipergunaan adalah oefisien orelasi Spearman atau Spearman`s coefficient of (ran) correlation dan anga indes orelasi Spearman dapat dihitung dengan menggunaan rumus beriut: Keterangan: = Koefisien orelasi Spearman n = Banyanya uuran sampel 2 D i = Jumlah uadrat dari selisih ran variabel dengan ran variabel y

5 2.4 Analisis Disriminan (Analisis Fungsi Pembeda) Analisis Disriminan merupaan suatu analisis multivariat yang digunaan untu mengelompoan suatu individu atau obe e dalam suatu elompo yang telah ditentuan sebelumnya berdasaran variabel-variabel tertentu. Analisis disriminan dapat digunaan ia variabel dependen terdiri dari dua elompo atau lebih elompo. Pengelompoan pada analisis bersifat apriori, artinya seorang peneliti sudah mengetahui sebelumnya individu atau obe mana saa yang masu e dalam elompo 1, 2, dan 3. Analisis disriminan memilii emiripan dengan regresi linier berganda (multivariable regression). Perbedaannya adalah analisis disriminan dipaai ia variabel dependennya ategori (menggunaan sala ordinal ataupun nominal) dan variabel independennya menggunaan sala metri (interval dan rasio). Sedangan dalam regresi berganda variabel dependennnya harus metri dan variabelnya independen dapat berupa metri maupun nonmetri. Sama halnya dengan regresi berganda, dalam analisis disriminan pun variabel dependen hanya satu sedangan variabel independen banya (multiple). Ada dua hal dalam analisis disriminan, yaitu pengelompoan dan identifiasi sifat has suatu elompo yang dapat dilauan sealigus dengan analisis tersebut, dimana elompo dienal sebagai group dan sifat has dienal sebagai variabel pembeda (discriminating variables). Antara elompo dan variabel pembeda tersebut emudian dibuat suatu hubungan fungsional yang disebut dengan fungsi disriminan Hal-hal poo tentang analisis disriminan Bentu multivariat dari analisis disriminan adalah dependen sehingga variabel dependen adalah variabel yang menadi dasar pada analisis disriminan. Variabel dependen bisa berupa ode grup 1 atau grup 2 atau lainnya. Tuuan disriminan secara umum adalah: 1. Ingin mengetahui apaah ada perbedaan yang elas antar-grup pada variabel dependen? Atau bisa diataan apaah ada perbedaan antara anggota elompo 1 dengan anggota elompo 2?

6 2. Jia ada perbedaan, variabel independen manaah pada fungsi disriminan yang membuat perbedaan tersebut? 3. Membuat fungsi atau model disriminan, yang pada dasarnya mirip dengan persamaan regresi. 4. Melauan lasifiasi terhadap obe (dalam terminology SPSS disebut baris), Apaah suatu obe (bisa nama orang, nama tumbuhan, benda atau lainnya) termasu pada elompo 1 atau elompo lainnya. Proses dasar dari analisis disriminan ialah: a. Memisah variabel-variabel menadi variabel dependen dan variabel independen. b. Menentuan metode untu membuat Fungsi Disriminan. Pada prinsipnya ada dua metode dasar untu itu, yani : Simultaneous Estimation, dimana semua variabel dimasuan secara bersama-sama emudian dilauan proses analisis disriminan. Step-Wise Estimation, dimana variabel dimasuan satu persatu edalam model disriminan. Pada proses ini, tentu ada variabel yang tetap ada pada model dan ada emunginan satu atau lebih variabel independen yang dibuang dari model. c. Mengui signifiansi dari fungsi disriminan yang telah terbentu, menggunaanwil s lambda, F test dan lainnya. d. Mengui etepatan lasifiasi dari fungsi disriminan, termasu mengetahui etepatan lasifiasi secara individual dengan Casewise Diagnostics. e. Melauan interpretasi terhadap fungsi disriminan tersebut. f. Melauan ui validitas fungsi disriminan. Beriut ini beberapa asumsi yang harus dipenuhi agar model disriminan dapat digunaan: 1. Multivariate Normality, atau variabel independen seharusnya berdistribusi normal, hal ini aan menyebaban masalah pada etepatan fungsi (model) disriminan. Regresi logisti (Logistic Regression ) bisa diadian alternatif metode ia memang data tida berdistribusi normal. Tuuan ui normal adalah ingin mengetahui apaah distribusi data dengan bentu lonceng (bell shaped). Data yang bai adalah data yang mempunyai pola seperti distribusi normal,

7 yani distribusi data tersebut tida menceng e iri atau menceng e anan. Ui normalitas pada statistia multivariat sebenarnya sangat omples, arena harus dilauan pada seluruh variabel secara bersama-sama. Namun, ui ini bisa uga dilauan pada setiap variabel dengan logia bahwa ia secara individual masing-masing variabel memenuhi asumsi normalitas, maa secara bersama sama (multivariat) variable-variabel tersebut uga bisa dianggap memenuhi asumsi normalitas. Hipotesis penguiannya adalah sebagai beriut: H 0 : Data berdistribusi normal. H 1 : Data tida berdistribusi normal Titi eputusan: Bila P>0,05 maa H 0 diterima yang berarti data berdistribusi normal. Bila P 0,05 maa H 0 ditola yang berarti data tida berdistribusi normal. Jia sebuah variabel mempunyai sebaran data yang tida normal, maa perlauan yang dimunginan agar menadi normal, (Santoso, 2010): a. Menambah umlah data. Seperti pada asus, bisa dicari 20 atau 30 atau seumlah data baru untu menambah e-75 data berat badan onsumen yang sudah ada. Kemudian dengan umlah data yang baru, dilauan penguian seali lagi. b. Menghilangan data yang dianggap penyebab tida normalnya data. Seperti pada variabel berat, ia dua data yang outlier dibuang, yani berat 100 dan 120, emudian diulang proses penguian, mungin data bisa menadi normal. Jia belum normal, ulangi pengurangan data yang dianggap penyebab etidanormalan data. Namun demiian, pengurangan data harus dipertimbangan apaah tida mengaburan tuuan penelitian arena hilangnya data-data yang seharusnya ada. c. Dilauan transformasi data, misal mengubah data e logaritma atau ebentu natural (ln) atau bentu lainnya, emudian dilauan penguian ulang. d. Data diterima apa adanya, memang dianggap tida normal dan tida perlu dilauan berbagai treatment. Untu itu, alat analisis yang dipilih harus diperhatian, seperti untu multivariate mungin fator analisis tida begitu mementingan asumsi enormalan. Atau pada asus statisti univariat, bias dilauan alat analisis nonparametri, (Santoso, 2010).

8 2. Matris varians-ovarians variabel penelas beruuran PP pada edua elompo harus sama Algoritma dan model matematis Secara ringas, langah-langah dalam analisis disriminan adalah sebagai beriut: 1. Pengecean adanya emunginan hubungan linier antara variabel penelas. Untu point ini, dilauan dengan bantuan matris orelasi (pembentuan matris orelasi sudah difasilitasi pada analisis disriminan). Pada output SPSS, matris orelasi bisa dilihat pada pooled Within-Groups Matrices. 2. Ui vetor rata-rata edua elompo Penguian terhadap vetor nilai rataan antar elompo dilauan dengan hipotesa: H 0 : 0 = 1 = 2 =...= H 1 : Sediitnya ada dua elompo yang berbeda Statisti ui yang digunaan dalam penguian hipotesis tersebut adalah statisti V-Bartlett yang menyebar mengiuti sebaran Chi-uadrat ( 2 ) dengan deraat bebas p( - 1), apabila H 0 diterima. Statisti V-Bartlett diperoleh melalui: dimana: V ( n 1) ( p ) 2 ln( ) n = banyanya pengamatan p = banyanya peubah dalam fungsi disriminan = banyanya elompo W W B Wil s lambda dalam hal ini: W = matri umlah uadrat dan hasil ali data dalam elompo n i = i1 1 ( X i X i )( X i X )' i

9 B X i X i n i X = matri umlah uadrat dan hasil ali data antar elompo. = ni ( X i1 i X )( X i X )' = pengamatan e- elompo e-i = vetor rataan elompo e-i = umlah pengamatan pada elompo e-i, = vetor rataan total Titi Keputusan: H 0 : Ada perbedaan vetor nilai rataan antarelompo. H 1 : Tida ada perbedaan vetor nilai rataan antarelompo Jia V 2 p ( 1),(1 ) maa H 0 diterima. 2 Jia V > p ( 1),(1 ) maa H 0 ditola. Bila dari hasil penguian ada perbedaan vetor nilai rataan, maa fungsi disriminan laya disusun untu mengai hubungan antar elompo serta berguna untu mengelompoan suatu obe e salah satu elompo tersebut. Diharapan dalam ui ini adalah hipotesis nol ditola, sehingga ita mempunyai informasi awal bahwa variabel yang sedang diteliti memang membedaan edua elompo. Pada SPSS, ui ini dilauan secara univariate (adi yang diui buan berupa vetor), dengan bantuan table Tests of Equality of Group Means. 3. Dilanutan pemerisaan asumsi homosedastisitas dengan ui Bo s M. Untu mengui esamaan matris peragam () antar elompo digunaan hipotesis: H 0 : 0 = 1 = 2 =... =. H 1 : Sediitnya ada dua elompo yang berbeda. Statisti ui yang digunaan adalah statisti Bo s M, yaitu: -2ln * = n ln W ( n ) n 1ln S 1

10 1 S ( n 1) / 2 * = ( n ) / 2 W /( n ) dimana: W / (n-) S = banyanya elompo. = matri ragam-peragam dalam elompo gabungan. = matri ragam-peragam elompo e-. Bila H 0 diterima, maa (-2ln * )/b aan mengiuti sebaran F dengan deraat bebas v 1 dan v 2 pada taraf signifiansi, dimana: v 1 = (1/2)( 1)p(p + 1) v 2 = (v 1 + 2) / (a 2 a 2 1 ) b = v 1 / (1 a 1 - v 1 / v 2 ) a 1 = a 2 = 3 2 p 3p 1 6( 1)( p 1) ( p 1)( p 2) 6( 1) ( n 1) ( n ) ( n 1) ( n ) 2 p = umlah peubah pembeda dalam fungsi disriminan. Asumsian dalam ui ini hipotesis nol tida ditola H0 : 1 2. Hipotesis: H 0 : matris ovarians grup adalah sama H 1 : matris ovarians grup adalah berbeda secara nyata Jia (-2ln * )/b > Fv 1,v 2, berarti H 0 diterima Jia (-2ln * )/b Fv 1,v 2,berarti H 1 ditola Sama tidanya grup ovarians matris uga bisa dilihat dari tabel output Log Determinant. Jia dalam penguian ini H 0 ditola maa proses lanutan seharusnya tida bisa dilauan.

11 4. Pembentuan model disriminan a. Fungsi Disriminan Fungsi disriminan merupaan fungsi atau ombinasi linier peubah-peubah asal yang aan menghasilan cara terbai dalam pemisahan elompo-elompo. Fungsi ini aan memberian nilai-nilai yang sedeat mungin dalam elompo dan seauh mungin antar elompo. Banyanya fungsi disriminan yang terbentu secara umum tergantung dari min(p,-1), dengan p adalah banyanya peubah pembeda dan adalah banyanya elompo yang telah ditetapan. Fungsi disriminan ini diartian sebagai eragaman peubah yang terpilih sebagai euatan pembeda. Apabila fungsi disriminan yang terbentu sebanya lebih dari satu fungsi, maa dapat diataan bahwa fungsi disriminan pertama aan menadi euatan pembeda yang paling besar, demiian berturut-turut untu fungsi beriutnya. Fungsi disriminan yang terbentu mempunyai bentu umum berupa persamaan linier (Fisher s Sample Linear Discriminant Function) yaitu: y p y p. y i i11 i22 i y q q11 q22 q dengan i=1,2,,q (min p,-1); =1,2,,p atau dapat ditulis sebagai: y ' ip qp p p p p dimana: = a = Vetor oefisien pembobot fungsi disriminan. y = sor disriminan. X = Vetor variabel aca yang dimasuan e dalam fungsi disriminan. = Vetor nilai rata-rata variabel aca dari elompo pertama.

12 = Vetor nilai rata-rata variabel aca dari elompo edua. = Invers matris gabungan. Sehingga, Nilai dipilih sedemiian sehingga fungsi disriminan berbeda sebesar mungin antara elompo, atau sehingga rasio antara umlah uadrat antar elompo dengan umlah uadrat dalam elompo masimum. b. Pembentuan Fungsi Linier (dengan bantuan SPSS) Pada output SPSS, oefisien untu tiap variabel yang masu dalam model dapat dilihat pada tabel Canonical Discriminant Function Coefficient. Tabel ini aan dihasilan pada output apabila pilihan Function Coefficient bagian Unstandardized diatifan. c. Menghitung discriminant score Setelah dibentu fungsi liniernya, maa dapat dihitung sor disriminan untu tiap observasi dengan memasuan nilai-nilai variabel penelasnya. d. Menghitung Cutting Score Untu mempredisi responden mana masu golongan mana, ita dapat menggunaan optimum cutting score. Memang dari computer informasi ini sudah diperoleh. Sedangan cara mengeraan secara manual Cutting Score (m) dapat dihitung dengan rumus sebagai beriut dengan etentuan untu dua grup yang mempunyai uuran yang sama cutting score dinyataan dengan rumus (Simamora, 2005):

13 Z ce Z A Z 2 B dengan : Z ce = cutting score untu grup yang sama uuran Z A = centroid grup A Z B = Centroid grup B Apabila dua grup berbeda uuran, rumus cutting score yang digunaan adalah: Z CU N Z A B B A N A N Z N B dengan : Z CU = Cutting score untu grup ta sama uuran N A = Jumlah anggota grup A N B = Jumlah anggota grup B Z A = Centroid grup A Z B = Centroid grup B Kemudian nilai-nilai discriminant score tiap obsservasi aan dibandingan dengan cutting score, sehingga dapat dilasifiasian suatu obsevasi aan termasu edalam elompo yang mana. e. Penggolongan obe atau individu Suatu observasi dengan arateristi aan dilasifiasian sebagai anggota suatu elompo, misalnya elompo 1 atau elompo 2. Untu penggolongan tersebut ada dua macam cara yang dapat dilauan yaitu: 1. Menggunaan titi tengah m Titi tengah m dari diantara dua rata-rata contoh (elompo 1 dan elompo 2) ditentuan melalui: Dengan aturan penggolongan sebagai beriut: a. Jia y 0 > m atau y 0 m > 0 maa masuan obe e dalam elompo 1.

14 b. Jia y 0 m atau y 0 m 0 maa masuan obe e dalam elompo 2. Keterangan : y 0 = sor disriminan dari obe tersebut. 2. Menggunaan statistia Wald-Anderson (W) Statisti Wald-Anderson (W) dapat dirumusan sebagai beriut: Kriteria penggolongan berdasaran statisti W adalah: a. Jia W > 0 maa masuan obe e dalam elompo 1. b. Jia W < 0 maa masuan obe e dalam elompo 2. f. Perhitungan Hit Ratio Setelah semua observasi dipredisi eanggotaannya, dapat dihitung hit ratio, yaitu rasio antara observasi yang tepat penglasifiasiannya dengan total seluruh observasi. Misalan ada sebanya n observasi, aan dibentu fungsi linier dengan observasi sebanya n-1. Observasi yang tida disertaan dalam pembentuan fungsi linier ini aan dipredisi eanggotaannya dengan fungsi yang sudah dibentu tadi. Proses ini aan diulang dengan ombinasi observasi yang berbeda-beda, sehingga fungsi linier yang dibentu ada sebanya n. Inilah yang disebut dengan metode Leave One Out. nic i1 Hit Ratio 100% n i1 i Keterangan: n i = umlah observasi dari i yang tepat dielompoan pada i n i = umlah observasi dari i yang salah dielompoan pada i dengan i =1,2,, dan =1,2,, g. Kriteria posterior probability Aturan penglasifiasian yang eivalen dengan model linier Fisher adalah berdasaran nilai peluang suatu observasi dengan arateristi tertentu () berasal dari suatu elompo. Nilai peluang ini disebut posterior probability dan bisa ditampilan

15 pada sheet SPSS dengan mengatifan option probabilities of group membership pada bagian Save di ota dialog utama. p p f p f dimana : p = prior probability elompo e- dan 1 fi f ep1/ 2 pz / 1/2 2 1 Suatu observasi dengan arateristi aan dilasifiasian sebagai anggota elompo 0 ia p 0 p 1. Nilai-nilai posterior probability inilah yang mengisi olom di 1_1 dan olom di 1_2 pada sheet SPSS. h. Aurasi statisi, dapat di ui secara statisti apaah lasifiasi yang dilauan (dengan menggunaan fungsi disriminan) aurat atau tida. Ui statisti tersebut adalah prees-q Statisti. Uuran sederhana ini membandingan umlah asus yang dilasifiasi secara tepat dengan uuran sampel dan umlah grup. Nilai yang diperoleh dari perhitunngan emudian dibandingan dengan nilai ritis (critical velue) yang diambil dari tabel Chi-Square dan tingat eyainan sesuai yang diinginan. Statisti Q ditulis dengan rumus: N nk Pr ees Q N 1 dengan : N = uuran total sampel n = umlah asus yang dilasifiasi secara tepat K = umlah grup Penguian Hipotesis Intepretasi hasil analisis disriminan tida berguna ia fungsinya tida signifian. Hipotesis yang aan diui adalah H 0 yang menyataan bahwa rata-rata semua variable

16 dalam semua grup adalah sama. Dalam SPSS, ui dilauan dengan menggunaan Wils λ. Jia dilauan penguian sealigus beberapa fungsi sebagaimana dilauan pada analisis disriminan, statisti Wils λ adalah hasil λ univariat untu setiap fungsi. Kemudian, tingat signifiansi diestimasi berdasaran chi-square yang telah ditransformasi secara statisti. Setelah hasil analisis dietahui, emudian dilihat apaah Wils λ berasosiasi dengan fungsi disriminan. Selanutnya, anga ini ditransformasi menadi chi-quare dengan deraat ebebasan (df) yang aan digunaan dalam pengambilan esimpulan dengan ui riteria hipotesis beriut: H 0 : Tida ada perbedaan antara perusahaan yang tida sehat dan sehat H 1 : Ada perbedaan antara perusahaan yang tida sehat dan sehat Dengan titi eputusan sebagai beriut: Jia F hitung > F tabel maa H 0 ditola Jia F hitung _ F tabel maa H 1 diterima Selanutnya dengan menggunaan nilai F, dapat di ambil eputusan untu menerima atau menola H 0. Jia H 0 diterima, aan memberian esimpulan bahwa tida ada perbedaan antara perusahaan yang bangrut dengan perusahaan yang sehat. Sebalinya ia H 0 ditola maa terdapat perbedaan antara perusahaan yang bangrut dengan perusahaan yang sehat sehingga proses analisis disriminan dapat digunaan.