Tugas Analisis Multivariat

MULTIVARIATE ANALYSIS OF VARINCE

OLEH :
A. FAHMI INDRAYANI
1560 9050 0011 001

PROGRAM PASCASARJANA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
2016

BAB I
PENDAHULUAN
1.1

Latar Belakang Masalah

Analisis statistik multivariat merupakan metode statistik yang memungkinkan

kita melakukan penelitian terhadap lebih dari dua variable secara bersamaan.
Dengan menggunakan teknik analisis ini maka kita dapat menganalisis pengaruh
beberapa variable terhadap variabel (variable) lainnya dalam waktu yang
bersamaan. Teknik analisis multivariat secara dasar diklasifikasi menjadi dua,
yaitu analisis dependensi dan analisis interdependensi. Analisis dependensi
berfungsi untuk menerangkan atau memprediski variable (variable) tergantung
dengan menggunakan dua atau lebih variable bebas. Yang termasuk dalam
klasifikasi ini ialah analisis regresi linear berganda, analisis diskriminan, analisis
varian multivariate (MANOVA), dan analisis korelasi kanonikal.
Perancangan

percobaan

merupakan

metode

percobaan

yang

sistematis dan terarah sehingga akan menghasilkan percobaan yang tidak bias.
Dalam percobaan yang ingin diketahui adalah efek atau pengaruh dari faktor
atau beberapa faktor beserta interaksinya dimana pola dari variabel respons
hanya dipengaruhi oleh faktor-faktor yang diamati dan kesalahan percobaan.
Tetapi

kenyataannya

tidaklah

selalu

demikian.

Meskipun

pemberian

perlakuan sudah dilakukan secermat mungkin, seringkali masih dijumpai

dalam suatu percobaan ternyata juga dipengaruhi oleh variabel-variabel lain di
luar variabel penelitian.
Pada analisis statistika univariat, kita sudah mengenal analisi varian
(analysis of variance) atau ANOVA. ANOVA digunakan untuk menganalisis
apakah variable independen yang bersifat kualitatif mempengaruhi variable
dependen yang bersifat kuantitatif. Jumlah variable dependen dalam ANOVA
hanya satu. Jika kita kembangkan analisis ANOVA ini dengan lebih dari dua
Multivariate Analysis of Variance

variable dependen maka kita melakukan analisis multivariat varian atau

MANOVA.
Studi kasus yang dilakukan pada makalah ini adalah data keuangan dan
harga saham perusahaan pertambangan dari tahun januari 2005 sampai juli 2008
dari perusahaan Bumi Resources Tbk (BUMI).
1.2

Rumusan Masalah

Berdasarkan latar belakang masalah di atas maka dapat dirumuskan

permasalahan sebagai berikut :
1. Bagaimana prosedur MANOVA?
2. Bagaimana contoh penerapan MANOVA?

1.3

Tujuan Penulisan
Berdasarkan rumusan masalah tersebut maka tujuan penulisan ini adalah
sebagai berikut :
1. Menjelaskan prosedur MANOVA
2. Menjelaskan contoh penerapan MANOVA pada Data

Multivariate Analysis of Variance

BAB II
TINJAUAN PUSTAKA
2.1

Multivariate Analysis of Variance (MANOVA)

2.1.1 Pengertian MANOVA

Multivariate analysis of variance atau juga dikenal dengan sebutan MANOVA
Dikembangkan sebagai konstruk teoritis oleh S.S. Wilks pada tahun 1932.
MANOVA merupakan multivariat perluasan dari konsep dan teknik univariat
analysis of varians (ANOVA) yang digunakan untuk menganalisis perbedaan
antara rata-rata (mean) kelompok. Perbedaan antara ANOVA dan MANOVA
terletak pada jumlah variabel dependennya. ANOVA digunakan untuk
mengetahui apakah terdapat perbedaan pengaruh perlakuan terhadap satu
variabel dependen, sedangkan MANOVA digunakan untuk mengetahui apakah
terdapat perbedaan pengaruh terhadap lebih dari satu variabel dependen
(Tabachnick, 1996).
MANOVA adalah singkatan dari Multivariate analysis of variance yang
merupakan pengembangan dari ANOVA. Tujuan dari MANOVA adalah untuk
menguji apakah vektor rataan dua atau lebih grup sampel diambil dari sampel
distribusi yang sama. MANOVA biasa digunakan dalam dua kondisi utama.
Kondisi pertama adalah saat terdapat beberapa variabel dependen yang
berkorelasi, sementara peneliti hanya menginginkan satu kali tes keseluruhan
pada kumpulan variabel ini dibandingkan dengan beberapa kali tes individual.
Kondisi kedua adalah saat peneliti ingin mengetahui bagaimana variabel
independen mempengaruhi pola variabel dependennya (Santoso, 2010).
MANOVA adalah generalisasi dari analisis varians untuk situasi di mana
ada beberapa variabel idependen dengan mengukur beberapa variabel dependen,
seseorang peneliti dapat meningkatkan kemungkinan perubahan yang dihasilkan
oleh perlakuan yang berbeda - beda dan interaksi-interaksi yang berbeda - beda
Multivariate Analysis of Variance

namun meningkatan kompleksitas analisis. Keuntungan dari MANOVA melalui

serangkaian ANOVA, untuk setiap variabel dependen adalah perlindungan
terhadap kesalahan tipe 1, tapi keuntungan ini terlihat hanya ketika uji
signifikansi dua sisi jika tes satu sisi yang diinginkan, penggunaan manova dapat
mengakibatkan kerugian yang tidak dapat diterima hasilnya (Tabachnick, 1996).
2.1.2 Uji Signifikansi Multivariat
Dalam MANOVA terdapat beberapa statistik uji yang dapat digunakan
untuk membuat keputusan dalam perbedaan antar-kelompok. Adapun statistik
uji dalam MANOVA, yaitu:
a. Pillais Trace merupakan statistik uji yang digunakan apabila tidak
terpenuhinya asumsi homogenitas pada varians-kovarians, memiliki ukuran
sampel kecil, dan jika hasil-hasil dari pengujian bertentangan satu sama lain
yaitu jika ada beberapa variabel dengan rata-rata yang berbeda sedang yang
lain tidak. Semakin tinggi nilai statistik Pillais Trace, maka pengaruh terhadap
model akan semakin besar.
b. Wilks Lambda merupakan statistik uji yang digunakan apabila 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.
c. Hotellings Trace merupakan statistik uji yang digunakan apabila hanya
terdapat dua kelompok variabel independen. Semakin tinggi nilai statistic
Hotellings Trace, pengaruh terhadap model semakin besar.
d. Roys Largest Root merupakan statistik uji yang hanya digunakan apabila
asumsi homogenitas varians-kovarians dipenuhi. Semakin tinggi nilai statistic
Roys Largest Root, maka pengaruh terhadap model akan semakin besar.

Multivariate Analysis of Variance

2.1.3 Asumsi-Asumsi pada MANOVA

1. Independensi
Hal yang sangat penting adalah ketika terjadi suatu pelanggaran, yaitu tidak
adanya kebebasan antar pengamatan. Dalam kebanyakan pengamatan atau
perlakuan, mempunyai akibat yang akan mempengaruhi hasil observasi.
2. Uji Homoksedastisitas Data
Asumsi selanjutnya yang harus dipenuhi dalam MANOVA adalah
kesamaan matriks kovariansi antar grup variabel dependen sehingga dapat
dikatakan ada homoskedastisitas data. Namun jika matriks kovariansi antar grup
variabel tidak sama, sehingga dapat dikatakan bahwa terjadi heteroskedastisitas.
Penyamarataan multivariat untuk homogeneitas varians untuk setiap variabel
dependen adalah homogeneitas matriks varians-kovarians. Asumsinya adalah
matriks varians-kovarians dalam setiap sel rancangannya adalah contoh dari
populasi matriks varians-kovarians yang sama. Jika tidak homogen, kumpulan
matriks adalah sesat atau tidak benar sebagai suatu estimasi dari varians eror.
Syarat ini akan jadi berbeda dari asumsi kesamaan matriks varians-kovarians
yang dibutuhkan oleh pengulangan pada varians analisis univariat. Asumsi
berikutnya, tidak dibutuhkan dalam multivariat analisis varians, karena semua
kovarians dalam kumpulan matriks adalah equivalent. Pelanggaran dari
homogeneitas dari kovarians adalah dasar kebenaran untuk pengambilan
keputusan dalam multivariat analisis varians daripada pengulangan analisis
varians. Pengujian homoskedastisitas ini dapat menggunakan nilai Boxs M. a.
Hipotesis :
Ho : 1 = 2 == n
Ho : terdapat dua matriks kovarians populasi yang tidak sama. b. Nilai
signifikan ( )
Ho ditolak jika C > p(p+1)(g-1)/2( )
Multivariate Analysis of Variance

Statistik pengujian merupakan generalisasi uji Barlett untuk homogenitas variansi.

Distribusi statistik M sangat tergantung pada anggapan multinormalitas.
Uji hipotesis dapat dilihat dari pengolahan SPSS yaitu Boxs M yang
menyatakan bahwa Ho diterima untuk nilai signifikan > 0,05 yang berarti populasi
sama atau homogeneitas matriks varian-kovarian, dan sebaliknya jika Ho ditolak
maka ada variansi dari populasi yang berbeda.
Jika ada variabel yang mengalami heterokedastisitas maka dapat dilakukan
transformasi data, seperti dengan mengubah data kedalam bentuk logaritma atau
logaritma natural (ln).
3. Uji Normalitas
Tujuan dari uji normalitas adalah untuk mengetahui apakah distribusi
sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data
dengan bentuk lonceng. Data yang baik adalah data yang mempunyai pola seperti
distribusi normal.
Pada dasarnya, distribusi utama dan permasalahan yang muncul dalam
analisis multivariat adalah distribusi normal multivariat. Distribusi normal
multivariat digunakan karena dua alasan, pertama, banyak kasus penelitian
multivariat kurang lebih mendekati distribusi normal, karena rata-rata sampel
dan matriks kovarian digunakan dalam prosedur inferensial, mewajibkan efek
teorema central limit. Ini juga disebabkan, ketika penelitian dapat dianggap
sebagai jumlah dari vektor acak independen, model yang layak dalam berbagai
situasi. Kedua, distribusi multivariat normal dan distribuai sampling untuk
memberi kemudahan.
Beberapa teknik analisis multivariat yang digunakan mengasumsikan
bahwa data yang dihasilkan dari distribusi multivariat normal. Meskipun pada
dasarnya data yang digunakan tidak selalu berdistribusi normal, distribusi normal
digunakan sebagai pendekatan untuk mencapai distribusi populasi yang
Multivariate Analysis of Variance

mendekati benar.
Multivariat normal adalah perluasan dari univariat normal. Sebuah
variabel kontinu x (- x < ) dikatakan mengikuti distribusi normal dengan
parameter lokasi. Menurut (Anderson, 1998) variabel acak Y yang berdistribusi
normal univariat dengan rata-rata

dan ragam

atau

memiliki

fungsi kepekatan peluang sebagai berikut :

Bila terdapat variabel

dengan parameter

yang berdistribusi normal multivariat

dan maka fungsi kepekatan peluang multivariat untuk

vektor Y adalah :

dengan

sebagai vektor rata-rata berukuran px1 dan adalah matriks ragam

peragam berukuran p x p. Vektor random X yang berdistribusi normal p variabel

dapat ditulis dengan

Distribusi normal multivariat mempunyai peranan penting dalam

metode statistika multivariat. Oleh karena itu diperlukan pemeriksaan distribusi
dari data yang akan dianalisis. Salah satu cara untuk memeriksa apakah suatu
himpunan

data

mempunyai sebaran

normal

mutivariat

menggunakan ktriteria critical ratio multivariate sebesar

adalah

dengan

1,96 pada

Critical ratio multivariate dinyatakan oleh persamaan

Critical ratio multivariate =
di mana :
p = jumlah peubah
N = jumlah sampel
dalam hal ini koefisien kurtosis diperoleh dari persamaan :
Multivariate Analysis of Variance

Kurtosis adalah derajat keruncingan suatu distribusi yang biasanya diukur

relatif terhadap distribusi normal. Kurtosis dihitung dari momen keempat
terhadap rata-rata atau mean. Dalam hal ini

merupakan invers dari matriks

varian kovarian sampel. Data dapat disimpulkan menyebar normal multivariat

jika nilai critical ratio multivariate terletak di antara

1,96 pada

= 0.05 (Kutner et,

al., 2004).
Sifat khusus dari distribusi normal akan membutuhkan penjelasan secara
berulang kali dari model dan metode statistik. Sifat ini memungkinkan untuk
memanipulasi distribusi normal menjadi lebih mudah. Atau menggunakan uji
Kolmogorov Smirnov dengan kriteria pengujian :
Kriteria Pengujian :
Angka signifikansi > 0,05 , maka data berdistribusi normal
Angka signifikansi < 0,05, maka data tidak berdistribusi normal
Jika sebuah variabel mempunyai sebaran data yang tidak normal, maka
perlakuan yang memungkinkan agar menjadi normal :
1. Menambah jumlah data
2. Menghilangkan data yang menjadi penyebab tidak normalnya data
3. Dilakukan transformasi data
4.

Korelasi Antar Peubah Respon

Sebelum melakukan perhitungan statistik, untuk mengetahui perbedaan rata-rata

perlakuan, harus ditentukan terlebih dahulu apakah antar peubah respon pada
tiap perlakuan berkorelasi. Uji Bartlett bertujuan untuk mengetahui apakah
terdapat hubungan antar peubah respon dalam kasus multivariat. Jika korelasi
bernilai nol maka matriks korelasi antar peubah sama dengan matriks identitas.
Pengujian kekebasan antar variabel ini, uji Bartlett menyatakan hipotesis sebagai
Multivariate Analysis of Variance

berikut :
H0 :
H1 :
Statistik Uji :
Bartlett =
di mana
N = ukuran sampel
p = banyaknya peubah respon
= determinan matriks korelasi sampel
Uji Bartlett didekati dengan sebaran

dengan derajat bebas

5. Kesamaan Matriks Varian Kovarian

Jika pada anova perlu diuji apakah ada kesamaan ragam pada peubah respon
untuk tiap perlakuan, maka pada manova perlu diuji apakah ada kesamaan
matriks varian kovarian semua elemen pada peubah respon. Untuk menguji
kehomogenan matriks varian kovarian antar perlakuan digunakan statistik uji
Boxs M dengan hipotesis statistik adalah :
H0 :
H1 : Minimal ada satu kelompok yang berbeda,
Berikut adalah statistik uji Boxs M

dengan :

di mana :
n = banyaknya sampel
p = banyaknya respon
Multivariate Analysis of Variance

Sp = matriks kovarian respon ke-p

w = determinan matriks dalam respon
2.3.

Estimasi MANOVA Model dan Menaksir Keseluruhan

Dalam SPSS prosedur MANOVA disebut juga GLM Multivariat digunakan untuk
menghitung analisis regresi dan varians untuk variabel tergantung lebih dari satu
dengan menggunakan satu atau lebih variabel faktor atau covariates. Variabel variabel faktor digunakan untuk membagi populasi kedalam kelompokkelompok. Dengan menggunakan prosedur general linear model ini, kita dapat
melakukan uji H0 mengenai pengaruh variabel-variabel faktor terhadap rata-rata
berbagai kelompok distribusi gabungan semua variabel tergantung. Kita dapat
meneliti interakasi antara faktor-faktor dan efek dari faktor-faktor individu. Lebih
lanjut, efek-efek covariates dan interaksi antar covariate dengan semua
faktor dapat

dimasukkan.

Dalam

analisis

regresi,

variabel

bebas

atau predictor dispesifikasi sebagai covariates.

2.4.

Pilihan-Pilihan untuk GLM Multivariate

Estimated Marginal Means. Pilihlah faktor-faktor dan interaksi yang kita inginkan
untuk estimasi rata-rata marjinal populasi dalam sel-sel. Rata-rata ini jika ada
kemudian dicocokkan dengan covariates. Interaksi akan ada jika kita mempunyai
suatu model yang tetap.
Compare main effects. Menyediakan perbandingan pasangan yang tidak
terkoreksi antara rata-rata marjinal yang diestimasi untuk setiap efek dalam suatu
model, yaitu untuk antara dan dalam faktor. Pilihan ini hanya tersedia jika efekefek ditentukan dengan menggunakan opsi Display Means For list.
Confidence interval adjustment. Pilihlah perbedaan signifikan yang terkecil
(least

significant

difference (LSD)),

Bonferroni

atau Tidak

disesuaikan

dengan tingkat kepercayaan (confidence intervals) dan signifikansi. Opsi ini

tersedia jika pilihan diberikan jika efek-efek utama perbandingan dipilih.
Multivariate Analysis of Variance

10

2.5.

Menginterpretasi Hasil MANOVA

Tiga rangkaian tahap yang harus diambil:

1. Penggambaran pengaruh covarian jika digunakan.
Kita menguji metode dengan covariat signifikan dan variable dependen
diidentifikasi, kemudian kita menunjukkan metode dengan membedakan
salah satu kelompok individu
2. Menaksir varibel independen yang menunjukkan perbedaan antara
kelompok pada setiap treatment
Ketika dua atau lebih variable independen masuk dalam analisis interaksi,
harus diteliti sebelum menarik kesimpulan mengenai dampak utama
variable independen manapun:
a. Jika interaksinya tidak secara statistic penting, maka dampak utamanya
dapat di interpretasikan secara langsung karena perbedaan antra treatmen
diangggap konstan
b. Jika interaksinya secara statistic penting atau signifikan dan perbedaannya
tidak konstan di bereapa kombinasi level maka interaksi harus ditentukan
apakah ordinal atau disordinal.
3. Mengidentifikasi apakah perbedaan group pada variable tunggal atau
seluruh varian dependen.

Multivariate Analysis of Variance

11

BAB III
METODOLOGI PENELITIAN
3.1

Data

Data yang digunakan untuk penelitian ini adalah data laporan keuangan dan
harga saham perusahaan pertambangan dari januari 2005 sampai juli 2008 dari
perusahaan Bumi Resources Tbk (BUMI). Dengan
Y1

: Harga Saham

Y2

: Value Perdagangan

X1

: Net Profit Margin (NPM)

X2

: Return Of Asset (ROA)

X3

: Return Of Equity (ROE)

3.2

Metode Penelitian

Proses dalam analisis MANOVA

1. Menguji asumsi-asumsi pada MANOVA
2. Menguji perbedaan antara variable independen atau grup(inti dari MANOVA)
3. Interpretasi output serta proses validasi hasil
Akan dilihat apakah rasio keuntungan bersih pajak, rasio yang membagi laba dan
rasio yang digunakan untuk menunjukkan kemampuan perusahaan dalam
menghasilkan keuntungan bersih mempengaruhi harga saham dan Harga
perdagangan. Analisis menggunakan bantuan software SPSS.

Multivariate Analysis of Variance

12

BAB IV
PEMBAHASAN
4.1 Uji Asumsi
Uji Normalitas Data
Dengan menggunakan uji kolmogorov smirnov dari SPSS diperoleh nilai statistik
uji kolmogorov-smirnov untuk variabel dependen Saham dan Value
Tabel 2

Tests of Normality

Kolmogorov-Smirnova
Statistic

df

Sig.

Saham

.048

129

.200*

Value

.159

129

.240

Nilai signifikansi untuk keseluruhan variabel lebih besar dibandingkan dengan

0,05 sehingga data saham dan value perdagangan berdistribusi normal. Asumsi
normalitas data terpenuhi.
Uji Homogenitas Varian
Uji homogenitas varian dilakukkan menggunakan Levene's Test of Equality of Error
Variances. Dengan menggunakan SPSS diperoleh nilai seperti pada tabel 3
Tabel 3 Levene's Test of Equality of Error Variancesa
F

df1

df2

Sig.

Saham

1.538

126

.219

Value

53.097

126

.080

Dari tabel 3 dapat dilihat bahwa nilai signifikansi untuk keseluruhan variabel
lebih dari 0,05. Sehingga dapat disimpulkan bahwa data saham dan value
perdagangan

memiliki

varian

yang

homogen

antar

perlakuan.

Asumsi

homogenitas varian terpenuhi.

4.2.

Analisis dengan menggunakan Multivariate of variance (MANOVA)

Uji MANCOVA bertujuan untuk mengetahui pengaruh semua variabel

independent terhadap semua variable dependent secara bersama-sama atau secara
simultan. Pada permasalahan ini variable independent adalah NPM, ROE dan
ROA sedangkan untuk variabel dependent adalah saham dan value perdagangan
Multivariate Analysis of Variance

13

Hipotesis Penelitian
H0

: Apakah pengaruh saham dan Value sama untuk NPM, ROA dan ROE

S ( NPM ) S ( ROA ) S ( ROE )

H0 :

V ( NPM ) V ( ROA ) V ( ROE )

H0 ditolak jika pada signifikasi level = 0.05 jika
Wilk

: U p,k 1, N k

Roy

: S (s, m, n)

Hotteling : U S U 0 (s, m, n)
Pillai

: V S V (s, m, n)

Maka denga bantuan software SPSS diperoleh Output berikut :

Tabel 4 Multivariate Testsc
Effect

Value

Intercept

Faktor

Hypothesis df

Error df

Sig.

Pillai's Trace

.999

4.216E4

Wilks' Lambda

.001

4.216E4a

2.000

125.000

.000

Hotelling's Trace

674.541

4.216E4a

2.000

125.000

.000

Roy's Largest Root

674.541

4.216E4

2.000

125.000

.000

45.786

Pillai's Trace

.842

Wilks' Lambda

2.000

125.000

.000

4.000

252.000

.000

.162

92.732

4.000

250.000

.000

Hotelling's Trace

5.145

159.493

4.000

248.000

.000

Roy's Largest Root

5.140

2.000

126.000

.000

3.238E2

Berdasarkan tabel 4, dapat diambil beberapa informasi mengenai data, yaitu

Pengaruh nilai NPM , ROE dan ROA terhadap besarnya saham dan value
perdagangan diperoleh nilai-nilai statistik Pillai's Trace, Wilks' Lambda,
Hotelling's Trace, dan Roy's Largest Root dimana masing-masing mempunyai
p-value 0,000. P-value tersebut lebih kecil dari = 0,05.
H0 ditolak, artinya Saham dan Value perdagangan pada NPM, ROE dan ROA
Sehingga, dapat disimpulkan bahwa kombinasi dari NPM , ROE dan ROA
berpengaruh nyata secara simultan terhadap besarnya saham dan value
perdagangan

Multivariate Analysis of Variance

14

Tabel 5 Tests of Between-Subjects Effects

Source

Dependent
Variable

Corrected Model

HS

Intercept

Faktor

Error

Total

Corrected Total

Type III Sum of

Squares
275999.335

df

Mean Square

Sig.

137999.667

312.758

.000

VP

23142.218b

11571.109

22.086

.000

HS

2.013E7

2.013E7

4.563E4

.000

VP

1.726E7

1.726E7

3.295E4

.000

HS

275999.335

137999.667

312.758

.000

VP

23142.218

11571.109

22.086

.000

HS

55595.496

126

441.234

VP

66011.757

126

523.903

HS

2.046E7

129

VP

1.735E7

129

HS

331594.831

128

VP

89153.975

128

a. R Squared = ,832 (Adjusted R Squared = ,830)

b. R Squared = ,260 (Adjusted R Squared = ,248)

Pengaruh Faktor ( NPM, ROA dan ROE) terhadap besarnya nilai saham
mempunyai p-value sebesar 0,000. P-value tersebut dibandingkan dengan
nilai = 0,05. Karena nilai p-value lebih kecil dari , maka dapat disimpulkan
bahwa Faktor berpengaruh nyata secara parsial terhadap besarnya nilai
saham.

Pengaruh Faktor terhadap besarnya value perdagangan mempunyai p-value

sebesar 0,000. P-value tersebut dibandingkan dengan nilai 0,05. Karena nilai
p-value lebih kecil dari , maka dapat disimpulkan bahwa Faktor
berpengaruh nyata secara parsial terhadap besarnya value perdagangan.

Multivariate Analysis of Variance

15

BAB V
PENUTUP
Kesimpulan
MANOVA dapat diartikan sebagai metode statistic untuk mengeksplorasi
hubungan diantara beberapa variable independen yang berjenis kategorikal
dengan beberapa variable dependen yang berjenis metrik.
Analisis pada MANOVA, ada variasi-variasi, yaitu:
1. Variable dependen lebih dari satu, tapi grup tetap. Seperti apakah rata-rata
penjualan dan perpepsi konsumen (dua variable dependen) berbeda secara
nyata untuk tiap daerah penjualan (satu grups/variable independen)
2. Variable dependen satu, tetapi grups lebih dari satu. Seperti apakah rata-rata
penjualan (satu variable dependen) berbeda secara nyata untuk tiap daerah
penjualan dan rasa roti yang dijual (dua grups).
3. Variable dependen lebih dari satu, dan grups juga lebih dari satu. (dua
variable dependen) berbeda secara nyata untuk tiap daerah penjualan dan
rasa roti yang dijual (dua grups).
Pada dasarnya, tujuan MANOVA sama dengan ANOVA, yakni ingin mengetahui
apakah ada perbedaan yang nyata pada variable-variabel dependen antar anggota
variable independen. Proses MANOVA dengan proses dasar:
1. Menguji asumsi-asumsi pada MANOVA
2. Menguji perbedaan antara variable independen atau grup (inti dari
MANOVA)
3. Interpretasi output serta proses validasi hasil

Multivariate Analysis of Variance

16

DAFTAR PUSTAKA
Hair, J.F., R.E. Anderson, R.L. Tatham, & W. C. Black. Multivariate Data Analysis.
Fifth Edition. Practice Hall International, Inc. Upper Saddle River, New Jersey.
http://ibgwww.colorado.edu/~carey/p7291dir/handouts/manova1.pdf diakses
pada 30 november 2016
Johnson, R.A & D.W. Wichern. 1982. Applied Multivariate Statistical Analysis Second
Edition. Prentice Hall International, Inc. London.
Kroonenberg, P.M., Harch, B.D., Basford K.E., & Cruickshank, A. 2000. Combined
Analysis of Categorical and Numerical Descriptors of Australian Groundnut

Multivariate Analysis of Variance

17

LAMPIRAN
Data NPM, ROA, ROE terhadap Harga Saham dan Value Perdagangan
Perusahaan Bumi Resources Tbk Pada Januari 2005 Juli 2008
NPM
Bulan
Jan-05
Feb-05
Mar-05
Apr-05
Mei-05
Jun-05
Jul-05
Agust-05
Sep-05
Okt-05
Nop-05
Des-05
Jan-06
Feb-06
Mar-06
Apr-06
Mei-06
Jun-06
Jul-06
Agust-06
Sep-06
Okt-06
Nop-06
Des-06
Jan-07
Feb-07
Mar-07
Apr-07
Mei-07
Jun-07
Jul-07
Agust-07
Sep-07
Okt-07
Nop-07
Des-07
Jan-08
Feb-08
Mar-08
Apr-08
Mei-08
Jun-08
Jul-08

Harga
Saham
328,54
323,87
339,64
341,81
379,95
395,01
380,46
373,59
331,13
322,42
358,13
333,00
370,62
380,69
340,09
321,42
357,43
329,34
355,08
390,27
356,48
371,97
321,73
393,03
374,21
375,15
377,30
381,21
357,37
347,91
341,95
319,78
335,88
356,57
354,11
382,40
358,20
380,53
338,03
367,67
315,83
381,67
364,56

Value
Perdagangan
374,02
362,91
375,39
400,51
362,95
380,68
389,52
338,52
385,27
407,18
373,84
375,18
361,32
402,84
384,24
379,72
408,52
384,99
404,15
351,37
346,92
375,57
404,71
376,50
374,05
324,22
361,43
396,16
344,44
390,01
395,30
328,05
375,19
353,19
414,88
317,53
417,19
377,45
403,88
369,44
373,30
346,17
367,99

ROA
Harga
Saham
457,13
439,26
473,31
466,50
426,84
462,25
477,57
484,20
511,62
417,09
452,72
467,94
431,52
435,28
446,62
441,11
491,69
509,30
485,41
442,36
466,46
446,83
425,57
436,72
461,36
457,54
465,50
475,15
478,55
462,03
453,70
448,65
463,35
485,23
492,43
460,10
424,44
449,56
456,41
469,38
435,90
464,08
482,30

Multivariate Analysis of Variance

Value
Perdagangan
348,73
345,76
372,54
318,97
356,31
360,17
337,57
344,91
350,36
372,28
346,18
325,16
346,06
340,89
348,50
328,57
392,22
356,01
348,42
367,00
367,44
329,55
355,11
298,35
333,56
353,00
362,76
346,43
354,79
319,54
347,00
359,58
367,85
350,47
328,56
346,13
367,78
312,98
311,81
309,75
363,27
367,11
355,51

ROE
Harga
Saham
361,52
372,94
388,55
371,55
351,60
351,10
387,98
395,25
380,09
330,61
363,48
380,21
379,22
352,07
357,54
392,32
369,15
374,91
366,65
369,12
353,43
356,69
359,57
379,23
366,06
362,64
388,03
398,84
327,82
381,71
395,10
366,04
354,47
340,24
367,63
391,38
362,88
372,24
380,19
401,23
363,13
353,65
357,14

Value
Perdagangan
374,02
362,91
375,39
400,51
362,95
380,68
389,52
338,52
385,27
407,18
373,84
375,18
361,32
402,84
384,24
379,72
408,52
384,99
404,15
351,37
346,92
375,57
404,71
376,50
374,05
324,22
361,43
396,16
344,44
390,01
395,30
328,05
375,19
353,19
414,88
317,53
417,19
377,45
403,88
369,44
373,30
346,17
367,99

18

Multivariate Analysis of Variance

19