dan
adalah
n ( y i y )3
b1=
[ (
3 /2
y i y )
i=1
n ( y i y ) 4
b2=
i=1
[ (
y i y )
i =1
1=0
dan
2=3
Jika:
1 <0
1 >0
2<3
2>3
Misal
dan
1, p= [ ( y )' 1 ( x ) ]
2, p= [ ( y ) ( x ) ]
'
1, p=0
Untuk
ketika
y N p ( , ) maka
2, p= p( p+2)
1, p
2, p
mengestimasi
y1 , y2 , , y p
dan
menggunakan
sampel
gij =( y i y ) ' ^1 ( y j y )
n
dimana
( y i y ) ( y i y )'
^= i=1
1, p
dan
1
b1, p = 2 g3ij
n i=1 j=1
2, p
adalah
n
dan
1
2
b2, p = gij
n i=1
z 2=
b2, p p ( p+ 2)
8 p ( p+2)/n
Kriteria Keputusan:
H0
ditolak jika
z 1 2p(0,05)
x2
x3
x4
x5
x6
25
800
55
124
5494
18
16
12
26
94
44
53
52
69
80
45
53
50
67
75
29
35
35
78
77
168
106
112
52
5,8
283
102
330
26
29
77
59
65
82
58
61
76
52
77
99
79
68
4,4
58
189
143
221
447
4456
43
60
32
43
72
100
72
73
58
68
74
79
66
67
57
63
68
73
78
99
35
90
96
88
25,6
27,7
101
51
21,7
5,7
582
115
218
71
22
20
78
72
68
72
65
63
91
93
88
5,1
37
46
Keterangan Variabel:
x1
x2
x3
x4
x5
x6
x7
Hipotesis
H 0 : Data tidak memenuhi asumsi normal
x7
205
202
260
377
1464
1
275
681
1986
0
2995
1000
406
867
6627
1499
0
7055
1800
230
z 2=
b2, p p ( p+ 2)
8 p ( p+2)/n
Hitungan:
Berdasarkan hasil perhitungan excel diperoleh nilai
b1, p =33,22
dan
b2, p =60,4216
Jadi
z 1=
z 1=115,5511
z 2=
b2, p p ( p+ 2)
8 p ( p+2)/n
60,42167(7 +2)
87 (7+2)/17
z 2=0,4735
H0
ditolak jika
z 1 14,067
Kesimpulan
Karena
z 1=115,5511> 7(0,05)=14,067
maka
H0
ditolak. Jadi
endif
enddo
enddo
let b1=b1/(n*n)
let b2=b2/n
let z1=(p+1)*(n+1)*(n+3)*b1/(6*((n+1)*(p+1)-6))
let z2=(b2-p*(p+2))/sqrt(8*p*(p+2)/n)
let v=p*(p+1)*(p+2)/6
note Multivariate skewness
cdf z1 pp;
chis v.
let pvalue=1-pp
print b1 z1 pvalue
note Multivariate kurtosis
let zz=abs(z2)
cdf zz pp;
normal 0 1.
let pvalue=2*(1-pp)
print b2 z2 pvalue
endmacro
Data Display
b1
z1
pvalue
33,2210
115,551
0,0127862
Multivariate kurtosis
Data Display
b2
z2
pvalue
60,4216
-0,473544
0,635825
Populasi 2 :
X 21 , X 22 , , X 2 n
Populasi g :
terdapat tiga asumsi dasar yang diperlukan oleh sekumpulan sampel acak di
atas, yaitu:
X 11 , X 12 , , X 1 n
1.
, (l = 1, 2, ,g) adalah sampel acak berukuran
l
nl
nl
X 11 , X 12 , , X 1 n
, (l = 1, 2, ,g) merupakan
dan saling bebas. Pernyataan ini adalah jelas tanpa perlu diuji
karena untuk tujuan uji perbedaan maka sekumpulan data multivariat dari
setiap populasi harus diambil secara acak dan saling bebas satu sama lain.
yang tidak
sama
Jika dari masing-masing populasi diambil sampel acak berukuran n yang
l
Sl
S=
adalah matriks
( nl1 ) Sl
( n l1 )
l=1
l=1
ditolak jika
M=
MC1> 21
( 2 (g 1 ) p ( p+1))
( )
dimana
g
( nl1 )
l=1
C1=1
2 p2 +3 p1
6 ( p+1 )( g1 )
l=1
l=1
( nl1 )
1
g
( nl1 )
l=1
Dengan bantuan program SPSS, uji homogenitas matriks varianskovarians dapat dilakukan dengan Uji Boxs M. Jika nilai sig. > , maka H 0
Jika
( X )t 1 ( X )
berdistribusi
normal
2
multivariat
p . Berdasarkan
berditribusi
sifat
maka
ini maka
cara
t
d i =( X i X ) S
membuat
1
q-q
plot
atau
scatter-plot
dari
nilai
( X i X ) ,i=1,2, , n .
Tahapan dari pembuatan q-q plot ini adalah sebagai berikut (Johnson &
Wichern, 2007: 187)
a)
Mulai
b)
c)
d)
dengan
t
d i =( X i X ) S
vektor
rata-ratanya
( X i X ) ,i=1,2, , n .
2
e)
2
Urutkan nilai d i dari kecil ke besar : d (1) d(2) d(3) d (n ) .
f)
Tentukan nilai
pi=
i1/2
, i=1, 2, , n .
n
qi
g)
qi
Tentukan nilai
((
qi , p ( p i )= p ni+
) )
1
/n
2
sedemikian hingga
f ( 2 ) d 2= pi
atau
h)
2
q
Buat scatter-plot d (i) dengan i
i)
Jika scatter-plot ini cenderung membentuk garis lurus dan lebih dari 95%
nilai
d 2i 2p ( 0,05 ) , maka
H0
normal multivariat.
j)
Selesai
Pada Analisis Variansi Univariat, keputusan dibuat berdasarkan satu
statistika uji yaitu uji F. Pada Analisis Variansi Multivariat ada beberapa
statistik uji yang dapat digunakan untuk membuat keputusan, yaitu (Kattree &
Naik, 2000: 66):
a) Pillais Trace. Statistik uji ini paling cocok digunakan jika asumsi
homogenitas matriks varians kovarians tidak dipenuhi dengan ukuranukuran sampel kecil. Semakin tinggi nilai statistik Pillais Trace, pengaruh
terhadap model semakin besar. Statistik uji Pilllais Trace dirumuskan
sebagai:
p
P=
i=1
i
B
=tr i ( 1+ i )1=tr
1+ i
B+W
( )
dimana
1 , 2 , , p
b) Wilks Lambda. Statistik uji ini digunakan jika terdapat lebih dari dua
kelompok variabel independen dan asumsi homogenitas matriks varians
kovarians dipenuhi. Semakin rendah nilai statistik Wilks Lambda, pengaruh
terhadap model semakin besar. Nilai Wilks Lambda berkisar antara 0-1.
Statistik uji Wilks Lambda dirumuskan sebagai:
p
|W |
U= ( 1+ i)1=
|B+W |
i=1
c) Hotellings Trace. Statistik uji ini cocok digunakan jika hanya terdapat dua
kelompok variabel independen. Semakin tinggi nilai statistik Hotellings
Trace, pengaruh terhadap model semakin besar. Nilai Hotellings Trace >
Pillais Trace. Statistik uji Hotellings dirumuskan sebagai:
p
T = i =tr i =tr [ B W
i=1
d) Roys Largest Root. Statistik uji ini hanya digunakan jika asumsi
homogenitas varians kovarians dipenuhi. Semakin tinggi nilai statistik Roys
Largest Root, pengaruh terhadap model semakin besar. Nilai Roys Largest
Root > Hotellings Trace > Pillais Trace. Dalam hal pelanggaran asumsi
normalitas multivariat, statistik ini kurang robust (kekar) dibandingkan
dengan statistik uji yang lainnya. Statistik uji Roys Largest Root
dirumuskan sebagai:
R= maks=maks ( 1 , 2 , , p )
b. One-Way MANOVA
Salah satu model MANOVA sebagai perluasan dari One-Way ANOVA.
Model ini dengan pengaruh tetap dapat digunakan untuk menguji apakah ke-g
populasi (dari satu faktor yang sama) menghasilkan vektor rata-rata yang sama
untuk p variabel dependen yang diamati dalam penelitian.
Menurut Johnson & Wichern (2007: 300), untuk membandingkan
vektor rata-rata populasi g berdasarkan bentuk model One-Way ANOVA adalah
x lj=+ l + lj
l=1, 2, ,g , j=1, 2, , nl
dengan
lj
dan
( x lj x ) ( x lj x )
( x lj x ) ( x lj x ) =( ( x l x ) + ( x lj x l ) )( ( xl jx ) + ( x lj x l ) )
( x lx )( xl x )t + ( x l x )( x lj xl ) t
+ ( x lj xl ) ( x l x )t + ( x lj xl ) ( x lj x l )t
t
t
t
( x lj x ) ( x lj x ) = nl ( x lx )( xl x ) + ( x lj x l )( xlj x l )
j=1
nl
j=1
nl
dengan
( x ljx l )=0.
j=1
nl
l=1
l=1 j =1
l=1
Misalkan
nl
W = ( x lj xl ) ( x lj x l )t
l=1 j =1
( n1 1 ) S 1 + ( n2 1 ) S 2 + .+ ( ng 1 ) S g
dimana Sl adalah matrik varians kovarians sampel ke-l. Matriks tersebut
mempunyai peran yang dominan dalam pengujian ada tidaknya pengaruh
perlakuan.
Pengujian One-Way MANOVA mempunyai hipotesis
H 0 : 1= 2== l== g (tanpa pengaruh perlakuan pada multivariat)
H 1 : k l ( k ,l=1,2, , g ) (ada pengaruh perlakuan pada multivariat)
()
l 1
=
dengan l
lp
dan l=1,2, , g .
hasil kali
kebebasan
Perlakuan
B= n l ( x l x ) ( x lx )
Galat (sisa)
nl
W = ( x lj xl ) ( x lj x l )
g 1
g
n lg
l=1
l=1 j =1
g
total
l=1
Derajat
nl
B+W = ( x lj x ) ( x lj x )
l =1 j=1
n l1
l=1
|
|
nl
|W |
|W + B|
l=1 j=1
nl
l=1 j=1
=|W |/|W + B|
Ukuran
|
|
t
( x lj x l ) ( xlj x l )
( x lj x ) ( xlj x )
Gru
|W |
|W + B|
p
g
p=1
( )(
( )(
( )(
nlg
l=1
2
g
p=2
g1
p 1
nlg1
g1
F 2( g 1) ,2 ( n g 1)
l
nl p1
l=1
=2
g 1,nl g
l=1
)F
)F
p , nl p1
2 p , 2( nl p2
g
p 1
=3
nl p2
l=1
)(
H0
y 1 , y 2 , y3 , dan y 4
Tabel 2.3. Data Hasil Tes Psikologi untuk Laki-laki dan Perempuan
Laki-laki
Perempuan
y1
y2
y3
y4
y1
y2
y3
15
17
15
13
20
15
15
13
14
17
17
17
15
18
18
15
18
10
18
18
13
16
11
16
16
18
16
17
24
15
32
14
29
12
10
17
26
21
26
13
26
5
22
7
30
15
30
17
26
20
28
15
29
19
32
18
31
14
26
17
33
14
19
21
30
21
34
17
30
16
16
15
25
13
26
13
23
18
34
15
28
Laki-laki
14
26
23
16
28
21
22
22
17
27
20
24
24
28
27
21
26
17
29
26
24
16
23
16
21
24
27
13
14
12
12
11
12
10
10
12
11
12
14
14
13
14
13
16
14
16
13
2
14
17
16
15
12
14
y1
y2
y3
y4
y1
y2
y3
y4
15
18
16
19
29
32
24
23
13
11
15
16
18
18
20
28
14
12
12
14
19
21
13
10
20
16
9
14
13
18
8
13
20
19
10
11
18
25
18
13
10
25
16
8
8
13
16
23
21
26
17
14
16
15
16
23
6
16
16
22
17
22
13
16
14
20
10
12
17
24
Perempuan
y4
21
26
21
16
16
18
24
23
23
27
25
26
28
14
25
28
26
14
23
24
21
26
28
14
26
9
23
18
17
19
16
20
19
33
21
30
23
21
28
7
12
6
7
15
5
19
7
6
18
28
13
i. Penghitungan Manual
Sebelum dilakukan uji One way Manova, terlebih dahulu akan dilakukan uji
asumsi.
a) Uji Homogenitas
Hipotesis
H 0 : 1= 2=0 (varians 2 populasi homogen)
H1:
1 2 0
C1=1
l=1
2 p2 +3 p1
6 ( p+1 )( g1 )
l=1
( nl1 )
1
g
( nl1 )
l=1
Kriteria Keputusan:
H0
ditolak jika
MC1> 21
( 2 (g 1 ) p ( p+1))
()
Hitungan
Misal 1:laki-laki
2: perempuan
Berdasarkan hasil perhitungan Excel, diperoleh:
[
[
5,192
4,545
S 1=
6,522
2,250
4,545
6,522 5,25
13,184 6,760 6,266
6,760 28,673 14,467
6,266 14,467 16,645
9,136 7,549
4,863 4,151
7,549 18,603 10,224 5,445
S 2=
4,863 10,224 30,039 13,493
4,151 5,445 13,493 27,995
]
]
|S1|=7917,675
|S2|=58958,07
S=
( nl1 ) Sl
( n l1 )
l=1
l=1
( [
]) ( [
5,192
1
4,545
(321)
( 321 )+ ( 321 )
6,522
2,250
7,164
6,047
S=
5,693
4,700
4,545
6,522 5,25
13,184 6,760 6,266
+ ( 321 )
6,760 28,673 14,467
6,266 14,467 16,645
6,047
5,882 4,857
15,894 8,775 5,855
8,492 29,356 13,980
5,855 13,980 22,320
9,136 7,54
7,549 18,60
4,863 10,22
4,151 5,44
|S|=27325,23
Maka,
[ ( ) ]
g
M=
l=1
2 p2 +3 p1
6 ( p+1 )( g1 )
l=1
( nl1 )
1
g
( nl1 )
l=1
4
2( 2)+3(4)1
6 ( 4 +1 ) ( 21 )
1
1
1
1
(( 321
)
(
( 321 )+(321) 321 ( 321 )+(321) ))
1
C1=0,953
Jadi,
MC =13,88737
2
1
( g 1) p ( p+1 )
2
( )= 21
(2
( 21) 4 ( 4+ 1)
Kriteria keputusan:
H 0 ditolak jika
MC1>18,307
Kesimpulan:
Karena
MC1=13,88737<18,307
maka
=0,05
H0
diterima. Jadi
2,192223
2,652989
4,355907
2,612354
29
30
31
32
2,692882
6,011639
9,344649
7,172835
Hipotesis
H 0 : Data berdistribusi normal multivariat
H 1 : Data tidak berdistribusi normal multivariat
Taraf signifikansi: =0,05
Kriteria Keputusan:
2
2
H0
ditolak jika lebih dari 95% nilai d i > p ( 0,05 )
Hitungan:
2p ( 0,05 )= 24 ( 0,05 )=9,487
Kesimpulan:
2
d i <9,487
H0
=0,05
1
2
3
4
.
.
.
64
7,369237
1,398394
0,796413
10,86339
0,353081
0,415063
0,675489
0,781039
.
.
.
.
.
.
7,172835 12,7293
0,0078125
0,0234375
0,0390625
0,0546875
.
.
.
0,992188
q c, 2
( j0,5
64 )
0,261055
0,467762
0,618926
0,747750
.
.
.
13,8433
|
|
g
|W |
nl
|
|
t
( x lj x l ) ( xlj x l )
|W + B|
l=1 j=1
g
nl
l=1 j=1
( x lj x ) ( xlj x )
Hitungan:
Dengan menggunkan Excel, diperoleh
B= n l ( x l x ) ( x lx )
l=1
210,25 116
610,81 47,125
116
64
337
26
B=
610,81 337 1774,516 136,906
47,125 26 136,906 10,562
nl
W = ( x lj xl ) ( x lj x l )t
l=1 j =1
444,187
374,937
W=
352,968
291,437
|W |=4,0376 x 1011
Sehingga,
g
nl
B+W = ( x lj x ) ( x lj x )t
l =1 j=1
654,437
490,937
B+ W =
963,781
338,562
490,937
963,781 338,562
1049,437 863,531 389,062
863,531 3594,609 1003,719
389,062 1003,719 1394,438
4,0376 x 1011
=0,38846
|W + B| 1,03938 x 1012
|W |
nl p1
l=1
)(
)F
p , nl p1
F
( ( 3241) +4( 3241) )( 10,38846
0,38846 )
4, ( (3241 ) + ( 3241) )
p 1
21,25194 2,5429
Kesimpulan:
Karena nilai
H0
=0,05
, maka
dapat
laki-laki
32
perempuan
32
Box's Test of
Equality of
Covariance Matricesa
Box's M
F
14.561
1.354
df1
10
df2
1.838E4
Sig.
.195
Multivariate Testsb
Effect
Intercept
gender
Value
Hypothesis df
Error df
Sig.
Pillai's Trace
.975
5.737E2a
4.000
59.000
.000
Wilks' Lambda
.025
5.737E2a
4.000
59.000
.000
Hotelling's Trace
38.894
5.737E2a
4.000
59.000
.000
38.894
5.737E2a
4.000
59.000
.000
Pillai's Trace
.612
23.220a
4.000
59.000
.000
Wilks' Lambda
.388
23.220a
4.000
59.000
.000
Hotelling's Trace
1.574
23.220a
4.000
59.000
.000
1.574
23.220a
4.000
59.000
.000
a. Exact statistic
b. Design: Intercept + gender
df1
df2
Sig.
.394
62
.532
2.170
62
.146
.448
62
.506
3.040
62
.086
Tests the null hypothesis that the error variance of the dependent variable is
equal across groups.
a. Design: Intercept + gender
Dependent Variable
Corrected Model
pictorial inconsistencies
.000
64.000b
64.000
4.027
.049
1774.516c
1774.516
60.447
.000
10.562d
10.562
.473
.494
pictorial inconsistencies
12825.562
12825.562
1.790E3
.000
14220.562
14220.562
894.704
.000
tool recognition
30756.391
30756.391
1.048E3
.000
vocabulary
31951.562
31951.562
1.431E3
.000
210.250
210.250
29.347
.000
64.000
64.000
4.027
.049
1774.516
1774.516
60.447
.000
10.562
10.562
.473
.494
pictorial inconsistencies
444.188
62
7.164
985.438
62
15.894
tool recognition
1820.094
62
29.356
vocabulary
1383.875
62
22.321
pictorial inconsistencies
13480.000
64
15270.000
64
tool recognition
34351.000
64
vocabulary
33346.000
64
654.437
63
1049.438
63
tool recognition
3594.609
63
vocabulary
1394.437
63
pictorial inconsistencies
tool recognition
vocabulary
Corrected Total
Sig.
29.347
Total
210.250
vocabulary
Error
Mean Square
1
tool recognition
gender
df
210.250a
Intercept
Squares
pictorial inconsistencies
Kesimpulan:
sign
,532
,146
,824
,086
diperoleh:
Keputusan
H0 di terima
H0 di terima
H0 di terima
H0 di terima
Dari hasil di atas dapat dilihat bahwa variabel Y1 ,Y2 Y3,Y4 menerima H0.
Jadi, dapat disimpulkan bahwa variabel Y1 ,Y2 Y3,Y4 memiliki matrik
varians kovarian yang sama untuk jenis kelamin laki-laki dan perempuan
B. Analisis Manova
=0,05
diperoleh nilai
Kesimpulan:
Dengan menggunakan Taraf signifikansi
=0,05
diperoleh
=0,05
=0,05
diperoleh
nilai sign sebesar 0.049, yang artinya bahwa sign < =0,05
sehingga menolak H0. Jadi, dapat disimpulkan bahwa Paper Form
Board (y2) menunjukan perbedaan pada jenis kelamin laki-laki
dan perempuan.
Untukvariabel Tool Recognition (y3)
Hipotesis
H0 : Variabel Tool Recognition (y3) tidak menunjukan perbedaan
pada jenis kelamin laki-laki dan perempuan.
H1: Variabel Tool Recognition (y3) menunjukan perbedaan pada
jenis kelamin laki-laki dan perempuan.
Kriteria keputusan: Tolak H bila sign < =0,05
0
Kesimpulan:
Dengan menggunakan Taraf Signifikansi
=0,05
diperoleh
nilai sign sebesar 0.000, yang artinya bahwa sign < =0,05
sehingga menolak H0. Jadi, dapat disimpulkan
bahwa Tool
Recognition (y3) menunjukan perbedaan pada jenis kelamin lakilaki dan perempuan.
Untukvariabel Vocabulary (y4)
Hipotesis
H0 : Variabel Vocabulary (y4) tidak menunjukan perbedaan pada
jenis kelamin laki-laki dan perempuan.
H1: Variabel Vocabulary (y4) menunjukan perbedaan pada jenis
kelamin laki-laki dan perempuan.
=0,05
diperoleh
nilai sign sebesar 0.494, yang artinya bahwa sign > =0,05
sehingga menolak H1. Jadi, dapat disimpulkan bahwa Vocabulary
DAFTAR PUSTAKA
Johnson, Richard A., & Wichern, Dean W., (2007). Applied Multivariate
Statistical Analysis, 6th Edition. Pearson: Upper Saddle River, New York.
Kattree, Ravinda., Dayanand N. Naik. (2000). Applied Multivariate Statistics With
SAS Software, 2nd Edition. John Wiley & Sons Inc: USA.
Renchern, Alvin C., (2002). Methods of Multivariate Analysis, 2nd Edition. John
Wiley & Sons Inc: USA.