Klasifikasi Tingkat Hidup Pekerja dengan Bootstrap Diskriminan

Muhammad Sjahid Akbar
Bambang Widjanarko Otok

Statistika
Vol 5, No 1 (2005)

Masalah klasifikasi (pengelompokkan) pada kelompok yang sudah diketahui pada umumnyamembatasi diri dalam melibatkan sejumlah peubah yang terkait, sehingga mengakibatkan hilangnyasebagian informasi yang justru berkonsekuensi dalam kesimpulan penelitian. Untuk itu upaya yangdilakukan untuk membatasi keterlibatan sejumlah peubah dalam penelitian harus melihat kerangkapermasalahan secara menyeluruh pada kelompok dalam peubah tersebut. Klasifikasi Tingkat HidupPekerja yang meliputi kelompok ”kurang baik’, ’sama baik’ dan ”lebih baik’ diduga dipengaruhi olehpendidikan (X1), status pekerjaan (X2), upah/gaji sebulan (X3) dan status perkawinan (X4).Metode klasifikasi yang baik akan menghasilkan sedikit kesalahan klasifikasi atau peluangkesalahan alokasi yang kecil dan juga terpenuhinya asumsi seperti variansi sama pada kelompok.Sehingga diperlukan suatu kajian mengenai masalah klasifikasi dengan pendekatan analisisdiskriminan yang dikembangkan Fisher (1936). Analisis diskriminan yang dikembangkan untukpopulasi yang berdistribusi normal dengan varians-kovarians sama. Tetapi pada penerapannyaanalisis diskriminan sering melibatkan variabel-variabel kategorik yang tidak mengikuti poladistribusi normal, meskipun diperoleh hasil tidak optimal. Metode klasifikasi yang baik akanmenghasilkan sedikit kesalahan klasifikasi (alokasi) atau peluang kesalahan alokasi yang kecil.Kenyataannya, masalah klasifikasi sering dijumpai pada data dengan pola sebaran yang tidaknormal, meskipun dapat digunakan analisis diskriminan tetapi hasil yang diperoleh tidak menjamin.Efron dan Tibshirani (1993), telah menggunakan metode bootstrap dalam memodelkan kadarhormon lutenisia pada wanita.Hasil penelitian menunjukkan bahwa analisis diskriminan linear Fisher merupakan suatumetode yang sangat baik dalam masalah klasifikasi dan dalam menentukan variabel pembeda padakelompok, terutama jika asumsi distribusi normal dan matriks kovarians sama telah terpenuhi.Selain itu fungsi diskriminan yang diperoleh mudah diinterpretasikan untuk menjelaskanketerkaitan prediksi kedepan dalam pengelompokkan. Model prediksi untuk mengelompokkantingkat hidup pekerja hanya dipengaruhi oleh variabel Pendidikan (X1) dan secara keseluruhanmempunyai ketepatan pengelompokkan sebesar 54.6%, sedangkan pada bootstrap diskriminansecara keseluruhan mempunyai ketepatan pengelompokkan sebesar 56.2%. Dengan demikianpendekatan bootstrap