Anda di halaman 1dari 12

Analisa Multivariat dari Variansi Data Kemungkinan Adanya Hubungan

Antara Desain Helm Football dengan Cedera Leher (MANOVA)


Mochammad Nashih (1309100020) nashihmochammad@yahoo.co.id
Gilang Maulana Abdi (1309100030) gilangmaulanaabdi@rocketmail.com

Abstrak




1. PENDAHULUAN
Analisis Multivariate merupakan analisis yang melibatkan banyak variabel (lebih dari
dua) secara bersamaan. Salah satu pengujian di dalam multivariate yaitu, uji Manova atau
Multivariate of Variance yaitu pengujian dalam multivariate yang bertujuan untuk
mengetahui pengaruh variabel respon dengan terhadap beberapa variabel prediktor atau
perlakuan. Dalam melakukan Uji Manova ini dengan menggunakan data di buku berjudul
Methods of Multivariate Analysis 2nd Edition halaman 280-281 .
Sebelum melakukan uji MANOVA dan analisis lebih dalam, data harus diuji
kenormalannya dengan multivariate normal. Multivariate normal adalah suatu perluasan dari
distribusi univariate normal sebagai aplikasi pada variabel-variabel yang mempunyai
hubungan. Secara umum data multivariate digunakan untuk mengolah data yang terdiri dari
variabel prediktor dan variabel respon yang jumlahnya lebih dari satu. Syarat sebelum
melakukan pengujian Manova yaitu dengan melakukan pengujian terhadap data yang akan
digunakan apakah data yang dipakai tersebut memenuhi syarat multinormal dan homogen.

2. LANDASAN TEORI
2.1 Multivariate Normal
Multivariate Normal adalah suatu perluasan dari distribusi univariate normal sebagai
aplikasi pada variabel-variabel yang mempunyai hubungan. Dalam analisis multivariate,
asumsi multivariate normal harus diperiksa untuk memastikan data pengamatannya
mengikuti distribusi normal agar statistik inferensia dapat digunakan dalam menganalisis data
tersebut. Bila dalam pengujian normal dari data tersebut mendekati garis linier normal maka
dapat disimpulkan bahwa data berdistribusi multivariate normal.

2.2 Pengujian Kesamaan Beberapa Matrik Kovarian
Sebelum melakukan uji MANOVA harus dipenuhi asumsi bahwa data yang akan
dianalisis harus berdistribusi normal multivariat dan varian kovarians data homogen. Untuk
menguji kehomogenan matriks varian kovarians antar kelompok digunakan statistik uji Boxs
M (Marvin, J.Karson, 1982).
Hipotesis dalam pengujian k matrik kovarian adalah sebagai berikut :
Ho :

= = =
k
.....
2 1

H
1
: minimal ada satu yang tidak sama
Misalkan S
i
merupakan estimasi tak bias dari
i
dengan derajat bebas n
i
, dimana n
i
= N
i
1
untuk kasus biasa sampel acak vektor N
i
pengamatan dari populasi ke-i

=
=
=
k
i
i i
k
i
i
S n
n
S
1
1
1

Dan menolak Ho bila
) ); 1 ( ) 1 (
2
1
(
2 1
o _ + >

p p k MC


2.3 Pemeriksan Distribusi Normal Multivariate
Distribusi normal multivariate data dapat diperiksa dengan menghitung nilai jarak
pada setiap pengamatan yaitu :
( ) ( ) x x S x x d
j
1 - T
j
2
j
=
dengan j = 1,2,3...n dan n adalah banyaknya data
dimana X
j
: pengamatan data ke-j
S
-1
: invers matriks varians kovarians S
kemudian d diurutkan
2 2
2
2
1
...
n
d d d s s s . Lalu dibuat QQ plot antara
2
) ( j
d dengan
j
q dimana
j= 1,2,...n dengan p merupakan banyaknya variabel.
Bila plot mendekati garis lurus maka dapat disimpulkan bahwa data berdistribusi
normal multivariate. Atau dapat juga dihitung jarak kuadrat dari setiap pengamatan
( ) 5 . 0
2 2
p j
d _ s paling tidak 50 %. Adapun cara yang dilakukan dengan mengurutkan
2
j
d dari
kecil ke yang besar
2 2
2
2
1
...
n
d d d s s s . Setelah itu dibuat plot antara
2
j
d dengan
|
.
|

\
|
n
j
p
5 . 0
,
2
_ dimana j = 1,2,...p dan p adalah banyaknya variabel pendukung.

2.4 (MANOVA) Multivariate Analysis of Variance
Analisis varians multivariat (MANOVA) Manova adalah suatu pengujian yang
digunakan untuk menganalisis hubungan antara vektor variabel respon (Y) yang diduga
dipengaruhi oleh beberapa perlakuan atau digunakan untuk mengetahui efek dari beberapa
treatment (baik satu atau lebih) terhadap beberapa respon (Y
1
,Y
2
,...,Y
p
).
Asumsi-asumsi dalam MANOVA :
1. Distribusi datanya harus multivariate normal
Untuk mengujinya digunakan QQ plot.
2. Matrik Varian Covarian antar levelnya harus sama
Untuk Mengujinya digunakan statistik uji Box-M.

Model dari MANOVA :
ij i ij
e X + t + = , j = 1,2,...n
l
i = 1,2,..g
dimana :
ij
e adalah variabel berdistribusi normal independen (0, E)
vektor adalah rata-rata umum
vektor
i
t adalah perlakuan atau treatmen ke l dengan

=
= t
g
1 l
i i
0 n
Tabel MANOVA :
Tabel 2.1 MANOVA
Sumber Variasi Derajad Bebas SS dan Cross Product
Treatment q 1

=
=
q
i
i i i
x x x x n B
1
.. . .. .
)' )( (
Residual

=

q
i
i
q n
1

= =
=
q
i
n
j
i ij i ij
i
x x x x W
1 1
. .
) )( (
Total

=

q
i
i
n
1
1

= =
= +
q
i
n
j
ij ij
i
x x x x W B
1 1
.. ..
)' )( (

Dimana : q = treatmen
W = matrik sum square of residual
B = matrik sum square of treatment
n
i
= banyaknya baris pada masing-masing observasi
Berikut pengujian hipotesis terhadap treatmen :
Hipotesis :
H
0
:
1
=
2
= ... =
i
= 0
H
1
: minimal ada satu
i
0 ; i = 1, 2, ...., q
Statistik Uji :
|
.
|

\
|
+
|
.
|

\
|
+
=
| |
| |
ln
2
) (
1
2
W B
W q p
n X hitung
Daerah Kritis :
Tolak H
0
jika X
2
hitung
> X
2
p(q 1)
()
Kesimpulan :
Jika tolak H
0
berarti paling tidak ada satu treatmen yang tidak memiliki karakteristik
yang sama.

3. METODOLOGI PENELITIAN
Data yang digunakan untuk dianalisis dalam makalah ini bersumber dari buku
berjudul Methods of Multivariate Analysis 2nd Edition halaman 280-281 dimana data
tersebut dikumpulkan oleh GR Bryce dan Barker RM (Brigham Young University) sebagai
bagian dari studi awal kemungkinan adanya hubungan antara desain helm football dengan
cedera leher. Data terdiri dari tiga kelompok yang digunakan sebagai faktor, yaitu : high
school football players (kelompok 1), college football players (kelompok 2), dan nonfootball
players (kelompok 3). Terdapat enam jenis pengukuran kepala yang digunakan sebagai
variabel penelitian. Keenam variabel tersebut adalah:
WDIM = kepala lebar di dimensi terluas (head width at widest dimension),
CIRCUM = lingkar kepala (head circumference),
FBEYE = pengukuran pada tingkat mata, (front-to-back measurement at eye level),
EYEHD = pengukuran dari mata ke ataskepala (eye-to-top-of-head measurement),
EARHD = (ear-to-top-of-head measurement),
JAW = lebar rahang(jaw width).
Berikut ini tahapan yang dilakukan:
1. Mencari data Tugas Akhir di Ruang Baca Statistika.
2. Menginput data ke software MINITAB 16 dan SPSS 18.
3. Menguji distribusi data apakah berdistribusi multivariat normal atau tidak, dilakukan
dengan bantuan macro MINITAB 16.
4. Menguji homogenitas matrik varians-kovarians dari kedua faktor lokasi dan reaktor
menggunakan SPSS 18.
5. Menguji independensi residual menggunakan SPSS 18.
6. Melakukan MANOVA
7. Melakukan interpretasi dan membuat kesimpulan.



4. ANALISIS PEMBAHASAN
4.1 Uji Distribusi Multivariat Normal
Pada pemeriksaan data multivariate normal untuk data studi awal kemungkinan adanya
hubungan antara desain helm football dengan cedera leher, digunakan QQ-plot untuk
membuktikannya dengan bantuan macro untuk menghasilkan nilai dj
2
, scatterplot dan nilai t,
dengan hipotesis :
H
0
: data hasil pengukuran dengan enam jenis pengukuran kepala berdistribusi
multivariat normal
H
1
: data hasil pengukuran dengan enam jenis pengukuran kepala tidak berdistribusi
multivariat normal
Taraf signifikansi :
= 5 %
Berikut hasil dj
2
dan gambar QQ-plot distribusinya :
Tabel 4.1.1 dj
2
dari data
9,3075 5,5137 3,9123 4,2383 2,5434 5,7159 9,8665 1,48 5,1872
9,8922 6,4625 12,3793 5,0112 2,9964 2,4438 1,4325 3,6245 1,8447
4,7134 8,3117 14,2971 2,7966 6,3295 6,3664 2,2901 5,3543 1,7603
2,4562 8,881 7,1894 6,7142 8,6216 7,5602 6,5464 3,2638 2,5477
5,1817 4,0426 6,621 12,4614 4,1859 8,0411 5,4034 5,8653 1,3918
17,3866 14,7849 4,8427 11,5836 7,9688 4,192 4,9278 0,7557 4,7142
8,7258 3,0924 14,8952 5,8303 6,8433 6,754 6,9232 2,2374 6,5997
11,9449 5,0213 14,0542 5,8966 4,0907 3,1344 3,6886 4,7713 2,1029
2,3017 2,0393 8,9466 0,6481 7,7504 11,6338 2,7511 4,8649 4,9078
3,5729 3,2155 6,0635 3,1985 2,9526 12,7425 3,1529 0,424 12,0256

Dan setelah diperoleh nilai dj
2
dari data, maka diperlihatkan scaterplot uji normal
multivariatenya. Berikut nerupakan scatterplot uji kenormalannya :
18 16 14 12 10 8 6 4 2 0
20
15
10
5
0
dd
q
Scatterplot of q vs dd

Gambar 4.1 Scatterplot Uji Normal Multivariate

Statistik uji :
t = luas kurva multivariat normal
t = 0.5222
Daerah kritis :
jika t < 50% maka tolak H
0




Tabel 4.1.2 display nilai-t

dari data

MTB > %F:\praktikum1\multinormal.txt c2-c7
Executing from file: F:\praktikum1\multinormal.txt
Data Display
t 0,522222

distribusi data multinormal


Dari hasil uji multinormal diatas dapat diketahui bahwa data studi awal kemungkinan
adanya hubungan antara desain helm football dengan cedera leher berdistibusi normal
multivariat yang ditunjukkan dengan Gambar 4.1 yang menunjukkan bahwa plotnya tersebar
mengikuti garis lurus mendekati distribusi normal. Sehingga secara visual dapat disimpulkan
data mengikuti pola persebaran multinormal. Output dari program macro untuk nilai t
menunjukkan nilai sebesar 0.522222 (52,22%) yang berarti proporsi nilai pengamatan
memenuhi syarat d
i
2
< ) 5 . 0 (
2
6
_ , karena sudah melebihi standar kemultinormalan yaitu
sebesar 50%. Sehingga dapat disimpulkan bahwa H
0
gagal ditolak artinya data tersebut
memiliki pola persebaran multinormal. Sehingga bisa dilanjutkan dengan uji kesamaan
matrik varian kovarian.



4.2 Uji Kesamaan Matriks Varian Kovarian
Uji asumsi berikutnya yang akan dilakukan adalah uji asumsi kesamaan matrik varian
dan kovarian. Berikut akan ditampilkan hasil uji asumsi kesamaan matrik varian dan kovarian
dengan menggunakan software SPSS.
Hipotesis:
H
0
: Matriks varian kovarian data hasil pengukuran dengan enam jenis pengukuran kepala
homogen
H
1
: Matriks varian kovarian data hasil pengukuran dengan enam jenis pengukuran kepala
tidak homogen
Statistik Uji:
MC
-1

Daerah Kritis :
Tolak H
0
jika MC
-1
>
X p p k
2
) 1 ( ) 1 ( 2 / 1 , + o
atau jika nilai p-value < = 0.05
Perhitungan :
Berikut adalah hasil perhitungan dari output SPSS
Tabel 4.2 Uji kesamaan matriks varian kovarian


Box's Test of Equality of Covariance
Matrices
a

Box's M 243.498
F 5.222
df1 42
df2 22470.758
Sig. .000
Tests the null hypothesis that the observed
covariance matrices of the dependent
variables are equal across groups.


Keputusan : Tolak H
0
karena nilai p-value <
Tabel 4.2 merupakan hasil uji kesamaan matrik varian dan kovarian dari data hasil
pengukuran dengan enam jenis pengukuran kepala. Dari tabel diatas dapat diketahui bahwa
nilai statistik uji Boxs M adalah sebesar 243.498. Sedangkan hasil pengujian dengan
menggunakan pendekatan statistik uji distribusi F dengan nilai statistik uji sebesar 5,222 pada
degree of freedom (derajat bebas) kesatu adalah sebesar 42 dan derajat bebas kedua sebesar
22470,758. Nilai p-value adalah sebesar 0.00 yang berarti tolak H
0
karena nilai p-value <
yaitu 0.00 < 0.05. Sehingga dapat disimpulkan bahwa untuk data hasil pengukuran dengan
enam jenis pengukuran kepala tidak memiliki matriks varian kovarian yang homogen yang
berarti bahwa data antar variabel tidak memiliki level yang sama. Karena data yang
digunakan hanya untuk kepentingan praktikum maka data tersebut diasumsikan memiliki
matriks varian kovarian yang homogen.

4.3 Uji MANOVA (Multivariate Analysis Of Variance)
Pada pembahasan ini akan ditampilkan hasil uji MANOVA pada data hasil
pengukuran dengan enam jenis pengukuran kepala. Uji MANOVA ini dilakukan untuk
mengetahui apakah pada tiga kelompok yang berbeda memiliki hasil pengukuran yang sama
untuk enam jenis pengukuran kepala untuk mebuat design helm football agar bisa diketahui
adanya pengaruh design helm tersebut terhadap cedera leher yang seringkali diderita pemain
football. Dalam uji MANOVA ini, kategori yang akan diuji adalah kategori dengan ranking 1
sampai 2.
Hipotesis :
H
0
:
i
= 0 ( rasio suku bunga kredit modal pada kelompok bank dengan ranking 1
sampai 4 memiliki karakteristik yang sama )
H
1
:
i
0 ( minimal ada satu rasio suku bunga kredit modal pada kelompok bank
dengan ranking 1 sampai 4 memiliki karakteristik yang tidak sama )
Statistik Uji :
Uji Wilks :
W B
W
+
=
*

dimana : W adalah determinan matriks sum squares dan perkalian silang
residual
W B+ adalah determinan matriks sum squares dan perkalian
silang total terkoreksi
Daerah Kritis :
Tolak H
0
jika nilai p-value <


Perhitungan :
Berikut adalah hasil perhitungan dengan menggunakan output SPSS :
Tabel 4.3 Uji Manova
Multivariate Tests
c

Effect Value F Hypothesis df Error df Sig.
Intercept Pillai's Trace .956 294.285
a
6.000 82.000 .000
Wilks' Lambda .044 294.285
a
6.000 82.000 .000
Hotelling's Trace 21.533 294.285
a
6.000 82.000 .000
Roy's Largest Root 21.533 294.285
a
6.000 82.000 .000
Group Pillai's Trace .556 5.323 12.000 166.000 .000
Wilks' Lambda .466 6.363
a
12.000 164.000 .000
Hotelling's Trace 1.102 7.440 12.000 162.000 .000
Roy's Largest Root 1.059 14.649
b
6.000 83.000 .000




Tabel 4.3 diatas merupakan tabel hasil uji Manova untuk data rasio suku bunga kredit
modal dari laporan suku bunga kredit modal teraudit 45 kelompok bank yang melakukan
kredit investasi dan kredit modal kerja. Dari tabel tersebut dapat diketahui bahwa nilai hasil
perhitungan statistik uji untuk uji Manova satu arah dengan menggunakan uji Wilks adalah
sebesar 0.05567. Nilai m yang menunjukkan jumlah sampel adalah 82. Nilai n yang
menunjukkan banyaknya baris pada masing-masing observasi (ukuran sampel) adalah 5.5.
Dan nilai s yang menunjukkan nilai varian kovarian sebesar 1. Nilai p-value untuk uji
Manova dengan statistik uji Wilks adalah sebesar 0.291 yang berarti bahwa terima H
0
karena
nilai p-value > yaitu 0,291 < 0.05. Hal ini berarti bahwa rasio suku bunga kredit modal
pada kelompok bank dengan ranking 1 sampai 2 memiliki karakteristik yang sama.











Between-Subjects Factors

N
Group 1.00 30
2.00 30
3.00 30






Levene's Test of Equality of Error Variances
a

F df1 df2 Sig.
WDIM 33.111 2 87 .000
CIRCUM 4.508 2 87 .014
FBEYE 64.143 2 87 .000
EYEHD 27.556 2 87 .000
EARHD 20.538 2 87 .000
JAW 37.095 2 87 .000
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept + Group


Tests of Between-Subjects Effects
Source Dependent Variable Type III Sum of
Squares df Mean Square F Sig.
Corrected Model
dimension1
WDIM 33721.800
a
2 16860.900 7.918 .001
CIRCUM 140240.000
b
2 70120.000 1.342 .267
FBEYE 174362.289
c
2 87181.144 20.085 .000
EYEHD 25932.067
d
2 12966.033 6.826 .002
EARHD 52433.689
e
2 26216.844 9.437 .000
JAW 59921.622
f
2 29960.811 19.223 .000
Intercept
dimension1
WDIM 1623284.100 1 1623284.100 762.273 .000
CIRCUM 1.796E7 1 1.796E7 343.625 .000
FBEYE 2111708.844 1 2111708.844 486.506 .000
EYEHD 597802.500 1 597802.500 314.723 .000
EARHD 955016.011 1 955016.011 343.762 .000
JAW 785867.778 1 785867.778 504.205 .000
Group
dimension1
WDIM 33721.800 2 16860.900 7.918 .001
CIRCUM 140240.000 2 70120.000 1.342 .267
FBEYE 174362.289 2 87181.144 20.085 .000
EYEHD 25932.067 2 12966.033 6.826 .002
EARHD 52433.689 2 26216.844 9.437 .000
JAW 59921.622 2 29960.811 19.223 .000
Error
dimension1
WDIM 185269.100 87 2129.530

CIRCUM 4546154.000 87 52254.644

FBEYE 377628.867 87 4340.562

EYEHD 165252.433 87 1899.453

EARHD 241697.300 87 2778.130

JAW 135600.600 87 1558.628

Total
dimension1
WDIM 1842275.000 90

CIRCUM 2.264E7 90

FBEYE 2663700.000 90

EYEHD 788987.000 90

EARHD 1249147.000 90

JAW 981390.000 90

Corrected Total
dimension1
WDIM 218990.900 89

CIRCUM 4686394.000 89

FBEYE 551991.156 89

EYEHD 191184.500 89

EARHD 294130.989 89

JAW 195522.222 89

a. R Squared = ,154 (Adjusted R Squared = ,135)
b. R Squared = ,030 (Adjusted R Squared = ,008)
c. R Squared = ,316 (Adjusted R Squared = ,300)
d. R Squared = ,136 (Adjusted R Squared = ,116)
e. R Squared = ,178 (Adjusted R Squared = ,159)
f. R Squared = ,306 (Adjusted R Squared = ,291)
Estimated marginal means

Group
Dependent Variable Group
Mean Std. Error
95% Confidence Interval
Lower Bound Upper Bound
dimension0
WDIM
d
i
m
e
n
s
i
o
n
1
1.00 107.000 8.425 90.254 123.746
2.00 149.700 8.425 132.954 166.446
3.00 146.200 8.425 129.454 162.946
CIRCUM
d
i
m
e
n
s
i
o
n
1
1.00 498.000 41.735 415.047 580.953
2.00 402.000 41.735 319.047 484.953
3.00 440.000 41.735 357.047 522.953
FBEYE
d
i
m
e
n
s
i
o
n
1
1.00 93.400 12.029 69.492 117.308
2.00 168.033 12.029 144.125 191.941
3.00 198.100 12.029 174.192 222.008
EYEHD
d
i
m
e
n
s
i
o
n
1
1.00 57.633 7.957 41.818 73.449
2.00 91.200 7.957 75.384 107.016
3.00 95.667 7.957 79.851 111.482
EARHD
d
i
m
e
n
s
i
o
n
1
1.00 69.033 9.623 49.906 88.160
2.00 122.833 9.623 103.706 141.960
3.00 117.167 9.623 98.040 136.294
JAW
d
i
m
e
n
s
i
o
n
1
1.00 56.967 7.208 42.640 71.293
2.00 112.533 7.208 98.207 126.860
3.00 110.833 7.208 96.507 125.160


Multiple Comparisons
LSD
Dependent Variable (I) Group (J) Group
Mean
Difference (I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
dimension1
WDIM
dimension2
1.00
dimension3
2.00 -42.7000
*
11.91506 .001 -66.3825 -19.0175
3.00 -39.2000
*
11.91506 .001 -62.8825 -15.5175
2.00
dimension3
1.00 42.7000
*
11.91506 .001 19.0175 66.3825
3.00 3.5000 11.91506 .770 -20.1825 27.1825
3.00
dimension3
1.00 39.2000
*
11.91506 .001 15.5175 62.8825
2.00 -3.5000 11.91506 .770 -27.1825 20.1825
CIRCUM
dimension2
1.00
dimension3
2.00 96.0000 59.02239 .107 -21.3134 213.3134
3.00 58.0000 59.02239 .328 -59.3134 175.3134
2.00
dimension3
1.00 -96.0000 59.02239 .107 -213.3134 21.3134
3.00 -38.0000 59.02239 .521 -155.3134 79.3134
3.00
dimension3
1.00 -58.0000 59.02239 .328 -175.3134 59.3134
2.00 38.0000 59.02239 .521 -79.3134 155.3134
FBEYE
dimension2
1.00
dimension3
2.00 -74.6333
*
17.01090 .000 -108.4443 -40.8223
3.00 -104.7000
*
17.01090 .000 -138.5110 -70.8890
2.00
dimension3
1.00 74.6333
*
17.01090 .000 40.8223 108.4443
3.00 -30.0667 17.01090 .081 -63.8777 3.7443
3.00
dimension3
1.00 104.7000
*
17.01090 .000 70.8890 138.5110
2.00 30.0667 17.01090 .081 -3.7443 63.8777
EYEHD
dimension2
1.00
dimension3
2.00 -33.5667
*
11.25301 .004 -55.9332 -11.2001
3.00 -38.0333
*
11.25301 .001 -60.3999 -15.6668
2.00
dimension3
1.00 33.5667
*
11.25301 .004 11.2001 55.9332
3.00 -4.4667 11.25301 .692 -26.8332 17.8999
3.00
dimension3
1.00 38.0333
*
11.25301 .001 15.6668 60.3999
2.00 4.4667 11.25301 .692 -17.8999 26.8332
EARHD
dimension2
1.00
dimension3
2.00 -53.8000
*
13.60914 .000 -80.8496 -26.7504
3.00 -48.1333
*
13.60914 .001 -75.1830 -21.0837
2.00
dimension3
1.00 53.8000
*
13.60914 .000 26.7504 80.8496
3.00 5.6667 13.60914 .678 -21.3830 32.7163
3.00
dimension3
1.00 48.1333
*
13.60914 .001 21.0837 75.1830
2.00 -5.6667 13.60914 .678 -32.7163 21.3830
JAW
dimension2
1.00
dimension3
2.00 -55.5667
*
10.19355 .000 -75.8275 -35.3059
3.00 -53.8667
*
10.19355 .000 -74.1275 -33.6059
2.00
dimension3
1.00 55.5667
*
10.19355 .000 35.3059 75.8275
3.00 1.7000 10.19355 .868 -18.5608 21.9608
3.00
dimension3
1.00 53.8667
*
10.19355 .000 33.6059 74.1275
2.00 -1.7000 10.19355 .868 -21.9608 18.5608
Based on observed means.
The error term is Mean Square(Error) = 1558,628.
*. The mean difference is significant at the ,05 level.

Group WDIM CIRCUM FBEYE EYEHD EARHD JAW
1 13,5 57,2 19,5 12,5 14 11
1 15,5 58,4 21 12 16 12
1 14,5 55,9 19 10 13 12
1 15,5 58,4 20 13,5 15 12
1 14,5 58,4 20 13 15,5 12
1 14 61 21 12 14 13
1 15 58,4 19,5 13,5 15,5 13
1 15 58,4 21 13 14 13
1 15,5 59,7 20,5 13,5 14,5 12,5
1 15,5 59,7 20,5 13 15 13
1 15 57,2 19 14 14,5 11,5
1 15,5 59,7 21 13 16 12,5
1 16 57,2 19 14 14,5 12
1 15,5 62,2 21,5 14 16 12
1 15,5 57,2 19,5 13,5 15 12
1 14 61 20 15 15 12
1 14,5 58,4 20 12 14,5 12
1 15 56,9 19 13 14 12,5
1 15,5 59,7 20 12,5 14 12,5
1 15 57,2 19,5 12 14 11
1 15 56,9 19 12 13 12
1 15,5 56,9 19,5 14,5 14,5 13
1 17,5 63,5 21,5 14 15,5 13,5
1 15,5 57,2 19 13 15,5 12,5
1 15,5 61 20,5 12 13 12,5
1 15,5 61 21 14,5 15,5 12,5
1 15,5 63,5 21,8 14,5 16,5 13,5
1 14,5 58,4 20,5 13 16 10,5
1 15,5 56,9 20 13,5 14 12
1 16 61 20 12,5 14,5 12,5
2 15,5 60 21,1 10,3 13,4 12,4
2 15,4 59,7 20 12,8 14,5 11,3
2 15,1 59,7 20,2 11,4 14,1 12,1
2 14,3 56,9 18,9 11 13,4 11
2 14,8 58 20,1 9,6 11,1 11,7
2 15,2 57,5 18,5 9,9 12,8 11,4
2 15,4 58 20,8 10,2 12,8 11,9
2 16,3 58 20,1 8,8 13 12,9
2 15,5 57 19,6 10,5 13,9 11,8
2 15 56,5 19,6 10,4 14,5 12
2 15,5 57,2 20 11,2 13,4 12,4
2 15,5 56,5 19,8 9,2 12,8 12,2
2 15,7 57,5 19,8 11,8 12,6 12,5
2 14,4 57 20,4 10,2 12,7 12,3
2 14,9 54,8 18,5 11,2 13,8 11,3
2 16,5 59,8 20,2 9,4 14,3 12,2
2 15,5 56,1 18,8 9,8 13,8 12,6
2 15,3 55 19 10,1 14,2 11,6
2 14,5 55,6 19,3 12 12,6 11,6
2 15,5 56,5 20 9,9 13,4 11,5
2 15,2 55 19,3 9,9 14,4 11,9
2 15,3 56,5 19,3 9,1 12,8 11,7
2 15,3 56,8 20,2 8,6 14,2 11,5
2 15,8 55,5 19,2 8,2 13 12,6
2 14,8 57 20,2 9,8 13,8 10,5
2 15,2 56,9 19,1 9,6 13 11,2
2 15,9 58,8 21 8,6 13,5 11,8
2 15,5 57,3 20,1 9,6 14,1 12,3
2 16,5 58 19,5 9 13,9 13,3
2 17,3 62,6 21,5 10,3 13,8 12,8
3 14,9 56,5 20,4 7,4 13 12
3 15,4 57,5 19,5 10,5 13,8 11,5
3 15,3 55,4 19,2 9,7 13,3 11,5
3 14,6 56 19,8 8,5 12 11,5
3 16,2 56,5 19,5 11,5 14,5 11,8
3 14,6 58 19,9 13 13,4 11,5
3 15,9 56,7 18,7 10,8 12,8 12,6
3 14,7 55,8 18,7 11,1 13,9 11,2
3 15,5 58,5 19,4 11,5 13,4 11,9
3 16,1 60 20,3 10,6 13,7 12,2
3 15,2 57,8 19,9 10,4 13,5 11,4
3 15,1 56 19,4 10 13,1 10,9
3 15,9 59,8 20,5 12 13,6 11,5
3 16,1 57,7 19,7 10,2 13,6 11,5
3 15,7 58,7 20,7 11,3 13,6 11,3
3 15,3 56,9 19,6 10,5 13,5 12,1
3 15,3 56,9 19,5 9,9 14 12,1
3 15,2 58 20,6 11 15,1 11,7
3 16,6 59,3 19,9 12,1 14,6 12,1
3 15,5 58,2 19,7 11,7 13,8 12,1
3 15,8 57,5 18,9 11,8 14,7 11,8
3 16 57,2 19,8 10,8 13,9 12
3 15,4 57 19,8 11,3 14 11,4
3 16 59,2 20,8 10,4 13,8 12,2
3 15,4 57,6 19,6 10,2 13,9 11,7
3 15,8 60,3 20,8 12,4 13,4 12,1
3 15,4 55 18,8 10,7 14,2 10,8
3 15,5 58,4 19,8 13,1 14,5 11,7
3 15,7 59 20,4 12,1 13 12,7
3 17,3 61,7 20,7 11,9 13,3 13,3