Manova Satu Arah

Variabel independent kategorik dan Variabel dependent numerik .

Jika variabel dependent >1 pakai manova , kalau 1 pakai anova
Data View

Scale untuk data numerik, nominal jika data tidak di pengaruhi urutan dan ordinal jika urutan data
berpengaruh
Variabel View

Pilih analyze General Linear Model Multivariate

Dependent Variable pilih lebar daun dan tinggi batang , Fixed Factors pilih pupuk

Output

Between-Subjects Factors
N
A1 3
Pupuk
A2 3

Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Pillai's Trace ,998 868,782b 2,000 3,000 ,000
Wilks' Lambda ,002 868,782b 2,000 3,000 ,000
Intercept
Hotelling's Trace 579,188 868,782b 2,000 3,000 ,000
Roy's Largest Root 579,188 868,782b 2,000 3,000 ,000
 Pillai's Trace ,458 1,269b 2,000 3,000 ,399
Wilks' Lambda ,542 1,269b 2,000 3,000 ,399
Pupuk
Hotelling's Trace ,846 1,269b 2,000 3,000 ,399
Roy's Largest Root ,846 1,269b 2,000 3,000 ,399
a. Design: Intercept + Pupuk
b. Exact statistic

Uji statistic yg di pakai utk manova : Pillai's Trace, Wilks' Lambda, Hotelling's Trace, Roy's Largest Root
Jika sig < maka perbedaan jenis pupuk berpengaruh signifikan terhadap tinggi batang dan
lebar daun

Berdasarkan Tabel di atas dapat di simpulkan bahwa pupuk tidak berpengaruh secara signifikan
terhadap tinggi batang dan lebar daun

Manova 2 arah
variable dependent lebih dari 1

Pilih analyze General Linear Model Multivariate

Output

Multivariate Testsa

Effect Value F Hypothesis df Error df Sig.

Pillai's Trace 1,000 3019,438b 2,000 1,000 ,013

Intercept Wilks' Lambda ,000 3019,438b 2,000 1,000 ,013

Hotelling's Trace 6038,876 3019,438b 2,000 1,000 ,013

 Roy's Largest Root 6038,876 3019,438b 2,000 1,000 ,013
Pillai's Trace ,831 2,458b 2,000 1,000 ,411
Wilks' Lambda ,169 2,458b 2,000 1,000 ,411
Pupuk
Hotelling's Trace 4,916 2,458b 2,000 1,000 ,411
Roy's Largest Root 4,916 2,458b 2,000 1,000 ,411
Pillai's Trace ,638 ,880b 2,000 1,000 ,602
Wilks' Lambda ,362 ,880b 2,000 1,000 ,602
Dataran
Hotelling's Trace 1,759 ,880b 2,000 1,000 ,602
Roy's Largest Root 1,759 ,880b 2,000 1,000 ,602
Pillai's Trace ,994 89,316b 2,000 1,000 ,075

Wilks' Lambda ,006 89,316b 2,000 1,000 ,075

Pupuk * Dataran
Hotelling's Trace 178,631 89,316b 2,000 1,000 ,075

Roy's Largest Root 178,631 89,316b 2,000 1,000 ,075

a. Design: Intercept + Pupuk + Dataran + Pupuk * Dataran

b. Exact statistic

Perhatikan :

Bagian pupuk
Jika sig < maka perbedaan jenis pupuk berpengaruh signifikan terhadap tinggi batang dan
lebar daun
Bagian Dataran
Jika sig < maka perbedaan dataran berpengaruh signifikan terhadap tinggi batang dan lebar
daun
Bagian Pupuk*Dataran
Jika sig < berarti interaksi antara pupuk dan dataran pupuk berpengaruh signifikan terhadap
tinggi batang dan lebar daun

Regresi Multivariate
Mirip regresi linear biasa namun bedanya adalah variable dependent (y) lebih dari satu
Missal ada 4 variabel
Data

Pilih analyze General Linear Model Multivariate

Klik Option

Klik Continue lalu ok

Output

Parameter Estimates

Dependent Variable Parameter B Std. Error t Sig. 95% Confidence Interval

Lower Bound Upper Bound

Intercept 347,500 71,602 4,853 ,017 119,631 575,369

y1 x1 -1,650 ,398 -4,148 ,025 -2,916 -,384

x2 -1,850 ,637 -2,904 ,062 -3,877 ,177

Intercept -96,059 52,119 -1,843 ,163 -261,925 69,808

y2 x1 ,726 ,290 2,506 ,087 -,196 1,647

x2 1,221 ,464 2,634 ,078 -,254 2,697

1 = 347.5 1,651 1,852

2 = 96,059 + 0,7261 + 1,2212
Bagian sig , jika sig< maka variable tersebut memiliki pengaruh yang significant pada variable
dependent yang bersesuaian tsb
Misal 1 pada bagian 2 sig adalah 0,87> maka dapat disimpulkan bahwa 1 tidak memiliki
pengaruh yang signifikan terhadap 2

Analisis Diskriminan
Data View

Variable view

Khusus data ini dengan analisis diskriminan data bisa membuat fungsi untuk memprediksi status
dari data barunya apa .
Variable dependent : kategorik
Variabel independent : numeric
Di spss type variable: numeric bukan string utk analisis diskriminan
Klik bagian Values pada Variabel view

Masukkan value dan label , pilih add utk menambahkan value

Pilih View
Maka data view akan berubah
Asumsi :
1. Variabel independent tidak berkorelasi tinggi
2. Matriks kovarians antar kategori sama
3. Data multivariate normal
4. Tdak ada outlier
(, )= (, ) =(, ) ..(maksudnya matriks
covarian dari ditolak =diterima=cdangan dimana covarian antar tpa dan ipk .. maaf mager buat
matriksnya
Pilih analyze Classify Discriminant

Klik define range dan lakukan langkah diatas

Boxs M utk uji asumsi ke 2, bagian statistic klik

Analisis diskriminan bisa dilakukan kalau mean kategorinya beda

Ok

Output

Tests of Equality of Group Means

Wilks' Lambda F df1 df2 Sig.

IPK ,075 36,824 2 6 ,000

TPA ,192 12,600 2 6 ,007

Jika sig < maka mean ipk antar kategori berbeda sehingga bisa dilakukan analisis diskriminan

Pooled Within-Groups Matrices

IPK TPA

IPK 1,000 ,654

Correlation
TPA ,654 1,000

Corelasinya harus kecil tapi biasanya di asumsikan kecil utk memakai analisis diskriminan

Box's Test of Equality of Covariance Matrices

Test Results

Box's M 35,132
Approx. 2,997

df1 6
F
df2 897,231
Sig. ,007
Tests null hypothesis of equal
population covariance matrices.

Jika < maka matriks kovarian tidak sama

Canonical Discriminant Function

Coefficients

Function

1 2

IPK 6,247 -4,468

TPA -,003 ,035
(Constant) -17,323 -4,789

Unstandardized coefficients

Fungsinya
=-17,3+6,247IPK-0,003TPA
=-4,789-4,4687IPK+0,035TPA

Eigenvalues

Function Eigenvalue % of Variance Cumulative % Canonical

Correlation

1 12,380a 99,9 99,9 ,962

2 ,015a ,1 100,0 ,121

a. First 2 canonical discriminant functions were used in the analysis.

Wilks' Lambda

Test of Function(s) Wilks' Lambda Chi-square df Sig.

1 through 2 ,074 14,348 4 ,006
2 ,985 ,082 1 ,775

Pilih eigen value yang paling besar , bagian wilks lambda bisa lihat uji fungsinya jika < maka
fungsi diskriminan mampu memisahkan kategorinya

Tapi fungsi yang dipilih hanya bisa 1 jadi yang dipilih Fungsinya
=-17,3+6,247IPK-0,003TPA
Tambahkan data baru yg tdak ada status

Pilih analyze Classify Discriminant

Klik bagian save lalu pilih bagian predicted group membership

Maka akan muncul data baru dan hasil prediksi di sebelahnya