1.
Tujuan Praktikum
Setelah praktikum pada modul 2 ini diharapkan mahasiswa mempunyai kompetensi
sebagai berikut:
1) Dapat melakukan prosedur pengujian g nilai tengah secara multivariat (MANOVA)
satu arah (one-way)
2) Dapat melakukan prosedur pengujian g nilai tengah secara multivariat (MANOVA)
dua arah (two-way)
2.
Materi
Dari kuliah-kuliah terdahulu telah kita pelajari prosedur pengujian perbandingan nilai
tengah antara dua grup (atau populasi) atau lebih untuk pengukuran secara univariat
(satu variabel).
Tabel 1. Padanan Prosedur Pengujian Perbandingan Nilai Tengah Antara Dua/Lebih Grup
Banyaknya Grup dalam
Variable Prediktor
(Treatment)
Dua grup
(Specialized Case)
t test
Hottelings T2
ANOVA
MANOVA
Variable
Dependen ke-1
Y11
Y12
.
.
Y1n1
.
.
.
.
Y1n2
.
.
.
.
.
.
Y1ng
Variable
Dependen ke-2
Y21
Y22
.
.
Y2n1
.
.
.
.
Y2n2
.
.
.
.
.
.
Y2ng
Variable
Dependen ke-k
Yk1
Yk2
.
.
Ykn1
.
.
.
.
Ykn2
.
.
.
.
.
.
Ykng
dengan
(2.1)
l l
l 1
y lj
(observasi)
yl
nilai rata-rata
sample keseluruhan
penaksir efek
)
perlakuan l
lj
yl
residual
)
elj
= observasi
= rata-rata keseluruhan (grand mean)
= efek level ke-g faktor l terhadap respon
= efek level ke-b factor k terhadap respon
= efek interaksi factor l dan k terhadap respon
= error model
Hipotesis untuk menguji efek interaksi terhadap respon adalah sebagai berikut
H0:
sehingga
(Pengujian lebih lanjut bisa dibaca di Applied Multivariate Statistical Analysis, Johnson
& Wichern atau buku-buku teks lainnya)
Pada praktikum ini kita akan menggunakan empat macam pengujian yang dapat
diperoleh dari SPSS maupun R yaitu: Hotteling-Lawley atau Hottelings trace, Wilks
lambda, Pillais trace dan Roys largest root.
3.
4.
Kegiatan Praktikum
1) MANOVA satu arah
1. Menyiapkan dataset patlos_sample.sav (file dapat diperoleh pada direktori
installation SPSS di dalam folder Program Files yakni di dalam folder
Samples > English > patlos_sample.sav)
2. Prosedur MANOVA satu arah dengan SPSS adalah sebagai berikut
a. Klik menu Analysis > General Linear Model > pilih Multivariate
b. Pilih Length of stay (los) dan Treatment costs (costs) sebagai variabel
dependen.
c. Pilih Clot-dissolving drugs (clotsolv) sebagai fixed factor (faktor tetap),
yang merupaakan variabel prediktor dan terdiri atas tiga level (ulangan /
grup / perlakuan):
Level 1 : Streptokinase
Level 2 : Reteplase
Level 3 : Alteplase
Level 2 :
Reteplase
Y11
Y12
.
.
Y1n2
Y21
Y22
.
.
Y2 n2
n2 = 696
Level 3 :
Alteplase
Y11
Y12
.
.
Y1n3
Y21
Y22
.
.
Y2 n3
n2 = 669
Level 1 :
Streptokinase
nl
n1 = 116
Klik Continue.
Klik OK.
d. Memahami output GLM-MANOVA satu arah dari SPSS
Tabel MANOVA yang dihasilkan dari analisis linier model di atas adalah:
Sumber keragaman
Treatment
Matriks SSCP
B=
Error
W=
Total
2
12
2
- 2
2
1
2
df
- 2
1
1
g1=31=2
-g=
116 + 696 + 669 -3 = 1478
B + W = [?]
- 1 = 1481-1 = 1480
Statistik uji
Karakteriestik
Wilks Lambda
Untuk keputusan tolak / tidak H0, kita dapat langsung membandingkan nilai pvalue atau Sig. (signifikansi) dengan F-tabel sesuai dengan yang sudah
ditetapkan serta derajat bebas (df) yang telah disediakan dalam output.
Partial Eta Squared merupakan putput tambahan (bisa tidak ditampilkan) untuk
melihat tingkat pengaruh treatment terhadap respon atau model. Nilai maksimum
dari Partial Eta Squared adalah 1, semakin nilainya mendekati 1 maka pengaruh
treatment yang bersangkutan semakin besar.
Dalam kasus ini, keempat statistik uji memiliki p-value yang sangat kecil
dibandingkan level signifikan (misal, = 5%). Maka untuk pengujian efek
treatment clotsolv dalam kasus ini, H0 dapat ditolak. Besarnya pengaruh
treatment clotsolv terhadap respon diindikasikan oleh nilai Partial Eta Squared,
di mana nilainya secara umum untuk masing-masing staitstik uji cenderung kecil
(0.013 atau 0.024).
Latihan: lakukan pengujian hipotesis untuk efek treatment secara manual dengan
Wilks Lambda = |W| / |B + W|.
p-value
Pr(>F)
1.44e-07 ***
Dimana variabel Clot-dissolving (clotsolv) sudah kita kenali dari MANOVA satu
arah, sedangkan variabel Surgical treatment (proc) adalah faktor tetap yang
terdiri atas dua level yaitu: (1) PTCA dan (2) CABG (prosedur-prosedur operasi)
Kemudian pada Options, pilih SSCP matrices, Homogenity test, dan Estimates
of effect size.
Klik Continue.
Klik OK.
Memahami output GLM-MANOVA dua arah, perhatikan tabel MANOVA dua
arah berikut:
Seperti halnya pada MANOVA satu arah, output dengan judul Between-Subjects
SSCP digunakan untuk menyusun tabel MANOVA. Dari output tersebut kita
dapat menyusun tabel MANOVA sebagai berikut:
Sumber keragaman
Faktor 1: proc
Matriks SSCP
2
SS1 =
Faktor 2 : clotsolv
SS2 =
Faktor 1 * Faktor 2
SSint =
Error
Total
W=
df
2
1
2
- 12
1
1
2
-
12
12
b1=31=2
(g - 1)(b - 1) = 2
1 2
1
2 1
g1=21=1
1475
- 1 = 1480
Dalam kasus ini, pengambilan keputusan untuk hipotesis cukup dengan melihat
hasil pengujian efek treatment karena efek interaksi cenderung tidak signifikan.
Sedangkan efek treatment clotsolv signifikan begitu pula dengaan efek proc,
tentu saja dengan level pengaruh yang berbeda (lihat nilai Partial Eta Square).
Latihan: lakukan pengujian hipotesis untuk efek treatment secara manual dengan Wilks
Lambda terhadap interaksi, faktor clotsolv dan faktor proc.
2. Dengan dataset yang sama, lakukan analisis dengan MANOVA dua arah
terhadap variabel-variabel berikut menggunakan R:
> library(MASS)
## MANOVA dua arah dengan 2 variabel respon
> respon <- cbind(los,cost)
> manovadua <- manova(respon ~
as.factor(clotsolv)*as.factor(proc),data=patlos)
> summary(manovasatu)
Df Pillai approx F num Df
as.factor(clotsolv)
2 0.02966
11.10
4
as.factor(proc)
1 0.74546 2158.44
2
as.factor(clotsolv):as.factor(proc)
2 0.00408
1.51
4
Residuals
1475
den Df
Pr(>F)
as.factor(clotsolv)
2950 6.155e-09 ***
as.factor(proc)
1474 < 2.2e-16 ***
as.factor(clotsolv):as.factor(proc)
2950
0.1971
Residuals
--Signif. codes: 0 *** 0.001 ** 0.01 * 0.05 . 0.1 1
Keluaran di atas juga dapat dimodifikasi untuk mendapatkan statistic uji selain
default (Pillai), sebagaimana mada MANOVA satu arah. Keluaran pun tidak
berbeda dari SPSS, perbedaan angka disebabkan oleh angka ketelitian.
5.
Tugas
1. Carilah data hasil pencatatan disain eksperimen dua faktor dan multirespon (minimal
dua variabel dependen) kemudian analisis dan lakukan pengujian dengan MANOVA
satu arah dan dua arah. Data bisa diperoleh dari data tugas akhir atau data dari internet
yang
salah
satunya
bisa
dari
UCI
Machine
Learning
Repository
(archive.ics.uci.edu/ml)
2. Membuat laporan praktikum mengikuti format yang telah diberikan.
3. Tugas dilakukan berkelompok sesuai kesepakatan dan dikumpulkan paling lambat
seminggu setelah praktikum Modul 2 berakhir.