Next
(Antar variabel respon saling berkorelasi)
Statistik Uji :
Dengan
v =
= banyak variabel respon
|R|= determinan matriks korelasi antar variabel respon
Kriteria pengambilan keputusan :
Tolak jika u > tabel ; dengan derajat bebas p(p-1)
11
22
0
0 0
0 0
:
0 0
pp
H
o
o
o
(
(
(
(
(
(
( )
1
' 2 5 ln
6
u v p R
(
= +
(
( )
1
1
k
i
i
n
=
Next
KLASIFIKASI
Berdasarkan jenis masalahnya, teknik analisis multivariat dapat dibedakan menjadi dua metode,
yaitu metode dependensi dan metode independensi. Analisis dependensi bertujuan untuk
menjelaskan atau meramalkan nilai variabel tak bebas berdasarkan lebih dari satu variabel
bebas yang mempengaruhinya. Yang termasuk metode dependensi dalam analisis multivariat
adalah analisis diskriminan, analisis konjoin, analisis varians multivariat (MANOVA) dan analisis
kovarian multivariat (MANCOVA) serta analisis korelasi kanonik. Sedangkan analisis
interdependensi bertujuan untuk memberikan arti kepada kelompok variabel yang lebih sedikit
jumlahnya dan masing-masing kelompok membentuk variabel baru yang disebut faktor
(mereduksi jumlah variabel). Yang termasuk metode interdependensi dalam analisis multivariat
adalah analisis faktor, analisis klaster dan penskalaan multidimensi (Hair,1998).
Next
ANALISIS VARIANS MULTIVARIAT
( MANOVA )
Definisi
MANOVA mempunyai pengertian sebagai suatu teknik
statistik yang digunakan untuk menghitung pengujian
signifikansi perbedaan rata-rata secara bersamaan antara
kelompok untuk dua atau lebih variabel dependen. Teknik
ini bermanfaat untuk menganalisis variabel-variabel
dependen lebih dari dua yang berskala interval atau
rasio.
Next
ASUMSI
Pengujian Normalitas Multivariat
Pengujian Homogenitas Matriks Varians Kovarians
Boxs M
Independensi Antar Unit Eksperimen
Kesimpulan
Pengujian Multivariat Normal
Hipotesis yang digunakan adalah :
H
0
: Data berdistribusi Normal Multivariat
H
1
: Data tidak berdistribusi Normal Multivariat
Menggunakan statistik uji:
dimana : = objek pengamatan ke-j
n = banyak pengamatan
S
-1
= invers matrik varian kovarians yang berukuran p x p
p = banyak variabel
2 1
( )' ( ), 1, 2,...,
j j j
d j n
= = x x S x x
j
x
Next
Adapun langkah-langkah untuk membuat plot
2
adalah sebagai berikut
Menghitung jarak tergeneralisasi yang dikuadratkan atau biasa disebut
dengan d
2
j
.
Mengurutkan nilai d
2
j
dari nilai d
2
j
terkecil sampai nilai d
2
j
terbesar atau
d
2
(1)
d
2
(2)
d
2
(n)
Membuat plot dengan titik koordinat di mana nilai didapatkan
dari tabel
2
.
H
0
diterima apabila 50 % nilai s
2
(p;0,5)
.
2
(p;0,5)
didapat dari tabel
2
Plot ini akan membentuk garis lurus jika data berdistribusi normal
mulitivariat dan jika terdapat kelengkungan menunjukkan penyimpangan
dari normalitas.
0.5
,
2 2
;
j
p
n
j
d _
| |
|
\ .
| |
|
|
\ .
Next
Kriteria pengambilan keputusan :
Tolak Ho jika ; dengan derajat bebas (k-1) p ( p+1)
( )( )
2
1
1
1
1 1 2 3 1
6 1 1
k
k
i
i
i
i
p p
c
v p k
v =
=
(
(
+
( =
(
+
(
1 1
1 1
ln ln ln
2 2
k k
i i i pl
i i
M v S v S
= =
| |
=
|
\ .
1
1
k
i i
i
pl k
i
i
v S
S
v
=
=
=
( ) ( )
1
1
'
1
n
i j j
j
S y y y y
n
=
=
1
k
E i
i
v v
=
=
1
k
i
i
n k
=
=
=
+
( )
( )
1
1
1
1
1
s
s
i
pillai
V tr E H H
=
(
= +
=
+
( )
( )
1
1
1
s
s
i
lawleyhotelling
U tr E H
=
= +
=
Next
PROSEDUR UJI LANJUT
Setelah dilakukan pengujian dan hasilnya signifikan dalam arti terdapat
perbedaan antar perlakuan maka perlu dilakukan uji lanjut untuk
mengetahui variabel mana yang paling berpengaruh dalam membentuk
perbedaan dalam grup. Prosedur demikian dinamakan uji Post Hoc.
Beberapa prosedur Post Hoc yang umum yaitu metode Scheffe, metode
Tukeys (HSD), pendekatan Fisher (LSD), Uji Duncan dan uji Newman
Keuls (Hair,1998)
Menurut Johnson (1992), ketika hasil pengujian signifikan dapat
dilakukan uji lanjut dengan menggunakan prosedur Bonferroni. Langkah-
langkah pengujiannya adalah sebagai berikut:
Hipotesis pengujian:
Ho : tidak terdapat perbedaan antar dua perlakuan (pasangan perlakuan )
H1 : terdapat perbedaan antara dua perlakuan (pasangan perlakuan )
Kriteria penambilan keputusan adalah jika dalam selang kepercayaan
simultan tidak mengandung nilai nol maka Ho ditolak, atau dapat diartikan
bahwa terdapat perbedaan antar dua perlakuan (Timm, 1975).
Konfiden interval Benferroni
( )
1
1 1
ii
li mi tabel
m
e
y y t
N k n n
| |
+
|
\ .
Hasil dan
Pembahasan
One Way MANOVA
Dalam analisa dengan menggunakan One Way MANOVA, pengujian asumsi
dilakukan terhadap 2 variabel secara simultan, yaitu skor IQ (X) dan skor
hasil belajar matematik (Y)
Menguji normalitas menggunakan uji Kolmogorov-Smirnov
Test pada soft ware SPSS.
Hipotesis yang digunakan adalah :
H
0
: Data berdistribusi Normal Multivariat
H
1
: Data tidak berdistribusi Normal Multivariat
Kriteria Uji :
Terima Ho jika pvalue > nilai dan terima dalam hal lainnya.
Next
KESIMPULAN :
DARI HASIL PENGUJIAN
DIDAPATKAN NILAI PVALUE DARI
UJI KOLMOGOROV-SMIRNOV
ADALAH 1,164 UNTUK VARIABLE X
DAN 2,004 UNTUK VARIABLE Y.
MAKA H
0
DITERIMA. ARTINYA DATA
BERDISTRIBUSI NORMAL
MULTIVARIAT.
One-Sample Kolmogorov-Smirnov Test
x y
N 200 200
Normal Parameters
a,,b
Mean 76.55 6.31
Std. Deviation 19.843 2.087
Most Extreme
Differences
Absolute .114 .142
Positive .082 .113
Negative -.114 -.142
Kolmogorov-Smirnov Z 1.614 2.004
Asymp. Sig. (2-tailed) .011 .001
Next
PLOT SKOR TES IQ
Next
PLOT SKOR HASIL BELAJAR MATEMATIKA
MENGUJI HOMOGENITAS MATRISKS VARIANS KOVARIANS
MENGGUNAKAN SOFTWARE SPSS
Descriptive Statistics
modul Mean
Std.
Deviation N
x
1 70.53 19.190 100
2 82.56 18.711 100
Total 76.54 19.843 200
y 1 4.81 1.433 100
2 7.80 1.477 100
Total 6.31 2.087 200
Tabel Descriptive Statistics
menjelaskan rata-rata dan
standar deviasi dari Skor IQ
dan Skor hasil belajar
matematika. Modul kedua
mempunyai rata-rata (mean)
lebih tinggi dibandingkan
dengan modul 1.
BOXS M TEST UNTUK MENGUJI ASUMSI MANOVA
Tabel Boxs M Test digunakan untuk menguji
asumsi MANOVA, yaitu homogenitas matriks
varian-kovarians, dimana hipotesisnya adalah :
( matriks varians-kovarians
untuk tiap grup sama )
= Minimal terdapat satu matriks varians-
kovarians yang tidak sama
Kriteria Uji :
Jika angka signifikan (sig) > 0,05, maka Ho diterima
Jika angka signifikan (sig) <0,05, maka Ho ditolak
Pada tabel diatas nilai signifikan p-value sebesar
0,173, maka hipotesis nol diterima yang artinya
matriks varians-kovarians antara kelompok modul
homogen.
Box's Test of
Equality of
Covariance Matrices
a
Box's M 5.039
F 1.661
df1 3
df2 7056720.000
Sig. .173
OUTPUT UJI SIGNIFIKANSI ONE WAY MANOVA DENGAN SPSS
Multivariate Tests
b
Effect Value F Hypothesis df Error df Sig.
Partial Eta
Squared
Intercept Pillai's Trace .950 1886.731
a
2.000 197.000 .000 .950
Wilks' Lambda .050 1886.731
a
2.000 197.000 .000 .950
Hotelling's Trace 19.155 1886.731
a
2.000 197.000 .000 .950
Roy's Largest
Root
19.155 1886.731
a
2.000 197.000 .000 .950
modul Pillai's Trace .874 682.462
a
2.000 197.000 .000 .874
Wilks' Lambda .126 682.462
a
2.000 197.000 .000 .874
Hotelling's Trace 6.929 682.462
a
2.000 197.000 .000 .874
Roy's Largest
Root
6.929 682.462
a
2.000 197.000 .000 .874
Next
UJI SIGNIFIKANSI ONE WAY MANOVA
Dalam tabel diatas, dapat dilihat bahwa hasil perhitungan keempat statistik
uji menunjukkan nilai p-value (sig) = 0 < 0,05. Hal ini berarti kedua jenis
modul memiliki pengaruh yang berbeda terhadap jumlah Skor Tes IQ (X)
dan Skor hasil belajar matematika (Y).
Multivariate Test Results
Value F Hypothesis df Error df Sig.
Partial Eta
Squared
Pillai's trace .874 682.462 2.000 197.000 .000 .874
Wilks' lambda .126 682.462 2.000 197.000 .000 .874
Hotelling's trace 6.929 682.462 2.000 197.000 .000 .874
Roy's largest
root
6.929 682.462 2.000 197.000 .000 .874
Next
PENGUJIAN DUA VEKTOR RATA-RATA
HIPOTESIS
H
0
:
1
=
2
(Vektor Rata-rata satu dan dua sama)
H
I
:
1
2
(Vektor Rata-rata satu dan dua tidak sama)
= 0,01
T
,p,n1+n1-2
= 9,474
STATISTIK UJI
=
1
1+
2
2
[(1 1)1 +(2 1)2]
2
=
1
+
2
(
1
2
)(
2
)
1
(
1
2
)
1 = 100 , 2 = 100
=
70,53
4,81
, =
82,56
7,8
, ( ) =
12,03
2,99
1 =
368,2718 25,9807
25,9807 2,0544
, 2 =
350,0873 26,4820
26,4820 2,1818
2
=
(100)(100)
(100 + 100)
(12,03 2,99)
112,4704 8,2139
8,2139 0,6633
12,03
2,99
= 158,1868
Next
SELANG KEPERCAYAAN SIMULTAN
KRITERIA UJI
Tolak H
0
jika T
2
T
2
tabel
. Terima dalam hal lain.
KESIMPULAN
Karena T
2
T
2
tabel
, maka H
0
ditolak. Artinya kedua Vektor memiliki pengaruh yang
berbeda.
Modul Teks dan Modul berbasis komputasi memiliki pengaruh yang berbeda
terhadap hasil tes IQ dan Hasil belajar. Dan berdasarkan selang kepercayaan
simultan dapat disimpulkan bahwa kedua selang kepercayaan simultan yang
terbentuk tidak ada yang mencakup nilai nol.
Dengan demikian dapat dikatakan bahwa kedunya memberikan pengaruh yang
besar terhadap penolakan H
0
. Dan menunjukan bahwa rata-rata keduanya berbeda.
2
= [(
1
+
2
2)/(
1
+
2
1)]
,,1+21
2
=
1982
197
3,92 = 7,8798
= 7,8798 = 2,8071
(
11
21
)
1
1
+
1
11
,
,
(
12
22
)
1
1
+
1
12
,
,
KESIMPULAN DAN SARAN
Padahasil pengujian didapatkan nilai pvalue dari Uji Kolmogorov-Smirnov adalah
1,164 untuk variable X dan 2,004 untuk variable Y. Maka Ho diterima. Artinya Data
berdistribusi Normal Multivariat.
Pada hasil pengujian homogenitas matriks Varians Kovarians hipotesis nol diterima
yang artinya matriks varians-kovarians antara kelompok modul homogen.
Pada uji signifikansi :
hasil perhitungan keempat statistik uji menunjukkan nilai p-value (sig) = 0 < 0,05. Hal
ini berarti kedua jenis modul memiliki pengaruh yang berbeda terhadap jumlah Skor
Tes IQ (X) dan Skor hasil belajar matematika (Y).
Pada pengujian dua ektor rata-rata :
Karena T
2
T
2
tabel
, maka H
0
ditolak. Artinya kedua Vektor memiliki pengaruh yang
berbeda.
A
1
dan A
2
memiliki pengaruh yang berbeda terhadap hasil tes IQ dan Hasil belajar.
Dan berdasarkan selang kepercayaan simultan dapat disimpulkan bahwa kedua
selang kepercayaan simultan yang terbentuk tidak ada yang mencakup nilai nol.
Dengan demikian dapat dikatakan bahwa kedunya memberikan pengaruh yang
besar terhadap penolakan H
0
. Dan menunjukan bahwa rata-rata keduanya berbeda.
Next
SUMBER
Nusar Hajarisman .Seri Buku Ajar Statistika
Multivariat.2008
Bahan Kuliah Analisis Data Multivariat.
Tugas Akhir Semester Multivariat Muhammad Ali
Gunawan
TERIMA KASIH ATAS PERHATIANNYA