(MANOVA)
MAKALAH
Untuk Memenuhi Tugas Matakuliah
Multivariat
yang dibimbing oleh Ibu Trianingsih Eni Lestari
oleh
Sherly Dwi Kharisma 100312400839
Silvia Indrayani 100312400844
Vivin Octiana 110312406323
1.3 Tujuan
1. Untuk mengetahui bagaimana hasil uji multivariat normal pada data nilai
kognitif dan nilai afektif siswa dengan tingkat kecerdasan IQ siswa.
2. Untuk mengetahui bagaimana hasil uji kesamaan matriks kovarians pada
data nilai kognitif dan nilai afektif siswa dengan tingkat kecerdasan IQ
siswa.
3. Untuk mengetahui bagaimana hasil uji manova pada data nilai kognitif dan
nilai afektif siswa dengan tingkat kecerdasan IQ siswa.
BAB II
KAJIAN PUSTAKA
statistik uji U,
dimana (JKK) = matriks varians kovarians kekeliruan
dan (JKPr) = matriks varians kovarians perlakuan
-1
2. Uji telusur dari lawley Hotelling dengan statistik LH tr (JKK) (JKPr) ,
-1
dimana (JKK) adalah invers dari matriks varians kovarians
kekeliruan, sedang (JKPr) adalah matrik varians kovarians perlakuan
yang bersangkutan.
3. Uji akar maksimum dari Roy, dengan statistik uji R = akar karakteristik
-1
maksimum dari (JKK) (JKPr)
3.
4.
5.
dengan rumus :
dimana
nilai d i2 X X , i 1,..., n .
1
i X )' S (X i
Tahapan dari pembuatan q-q plot ini adalah sebagai berikut (Johnson,
1990):
1. Menentukan nilai vektor rata-rata : X
2. Menentukan nilai matriks varians-kovarians : S
3. Menentukan nilai jarak setiap titik tergeneralisasi pengamatan dengan
vektor rata-ratanya d i2 X i )' S 1 ( X i , i 1,..., n X X
2
4. Mengurutkan nilai d dari kecil ke besar : d2 d 2 ... d 2
d 2
i (1 ) (2) (3) (n)
5. Menentukan nilai p i
i 1 / 2 , i 1,..., n
n
qi
8. Jika scatter-plot ini cenderung membentuk garis lurus dan lebih dari 50 %
nilai d i2 2
p , 0 .50
dimana :
- Xi = objek pengamatan ke i
- n = banyak pengamatan
-1
- S = invers matrik varians kovarians yang berukuran p x p
- p = banyak variabel
Selain dengan memeriksa nilai jarak Mahalanobis setiap pengamatan
dengan vektor rata-ratanya. Menurut Mardia (1974) di dalam Rencher (1995)
pemeriksaan kemultinormalan data dapat juga dikaji melalui nilai
multivariate
n n
1
skewnewss ( b1 , p ) dan kurtosisnya ( b 2 , p ) b1 , p 2 g ij3 dan
n i 1 j 1
n
1
b ( X i X )' S 1 ( X j X ) Jika
2,p
n g ii2 sedangkan g ij
i 1
6 ( n 1)( p 1) 6 p ( p 1 )( p 2 ) / 6
1 1,p
8p(p2)/n
- Ho : 1 2 ... k
- H1 : i j untuk i j
1
k k
1
2 (1 c 1 )
v ln S i ln S pool v
Statistik uji : hitung2 i i
2 i 1 2 ii 1
k
vS
k 2p 3p1
2
i i
1 1
dan S pool k c1 k
vi ni 1 Terima
i 1
v i 1 vi v 6 ( p 1)( k 1)
i
i
i1
i 1
2
hitung 1 ( k 1 ) p ( p 1
2
Uji
Independensi
ANOVA
Pemeriksaan
Asumsi
Tidak Memenuhi
Pemeriksaan Asumsi
Memenuhi Pemeriksaan
Asumsi
Manova
PEMBAHASAN DAN ANALISA
3.1 Pembahasan
Masalah yang akan dibahas yaitu kemampuan siswa dalam menguasai
mata pelajaran matematika dilihat dari nilai kognitif, afektif dan tingkat
kecerdasan IQ. Data terdiri dari dua variabel terikat Y1 (nilai kognitif) dan Y2
(nilai afektif) dan variabel bebas X (tingkat kecerdasan IQ).
Berikut data yang akan digunakan dalam analisis MANOVA yang
terdiri dari data nilai kognitif dan nilai afektif siswa dengan tingkat kecerdasan
IQ siswa.
Variabel bebas:X= tingkat kecerdasan IQ siswa
level 1 siswa yang memiliki tingkat kecerdasan IQ, x ≤ 100
level 2 siswa yang memiliki tingkat kecerdasan IQ ,100 < x ≤ 125
level 3 siswa yang memiliki tingkat kecerdasan IQ ,125 < x ≤ 150
level 4 siswa yang memiliki tingkat kecerdasan IQ , x >150
Variabel terikat:
Y1:Nilai Kognitif siswa
Y2: Nilai Afektif siswa
Tabel 1: Data nilai kognitif siswa, nilai afektif siswa, dan tingkat kecerdasan IQ
No. Y1 Y2 X No Y1 Y2 X
1. 78 75 1 31. 75 72 3
2. 81 78 3 32. 87 84 3
3. 79 76 1 33. 78 75 4
4. 84 81 2 34. 84 81 4
5. 80 77 2 35. 87 84 4
6. 78 75 2 36. 87 84 1
7. 77 74 1 37. 77 74 1
8. 77 74 1 38. 83 80 1
9. 80 77 3 39. 83 78 2
10. 80 77 4 40. 84 80 2
11. 80 77 4 41. 78 78 2
12. 76 73 1 42. 80 80 3
13. 87 84 4 43. 80 78 3
14. 83 80 1 44. 80 79 3
15. 84 81 2 45. 75 78 4
16. 81 78 2 46. 83 79 4
17. 80 77 2 47. 81 78 2
18. 78 75 2 48. 84 79 3
19. 86 83 3 49. 77 80 2
20. 79 76 1 50. 82 80 4
21. 85 82 4 51. 79 78 2
22. 78 75 4 52. 8 79 2
23. 62 59 1 53. 78 77 2
24. 77 74 2 54. 83 80 3
25. 76 73 1 55. 75 72 1
26. 76 73 1 56. 82 79 2
27. 83 80 2 57. 85 79 3
28. 74 71 2 58. 78 76 1
29. 75 72 2 59. 68 74 1
30. 83 80 3 60. 80 78 2
Output
Dari table terlihat nilai Box’M=12,186 dengan nilai signifikasi
0,254. Karena nilai signifikan lebih besar dari 0,05, maka H 0 diterima.
Artinya matrik varians-kovarians pada variabel Y ( nilai kognitif dan
nilai afektif) adalah sama untuk X (tingkatan kecerdasan IQ). Dengan
demikian keputusan gagal menolak H 0 dan matrik varians-kovarians
pada data sudah homogen.
d. Tabel Manova
Tabel Multivariate Test dibawah ini menjelaskan pengujian perbandingan
rata-rata komponen kognitif dan komponen afektif secara bersamaan
dengan komponen IQ. Terdapat uji statistic, yaitu Pillai’s Trace, Wilk’s
Lamda, Hotelling Trace, dan Roy’s Largers.
Hipotesis
H0 = variabel X (tingkat kecerdasan IQ) tidak menunjukkan
perbedaan pada kedua variabel Y (nilai kognitif dan nilai afektif).
H 1 : variabel X (tingkat kecerdasan IQ) menunjukkan perbedaan
Hipotesis
Hipotesis untuk variabel Y dan X secara individu
Untuk faktor X dan Y1 (nilai kognitif)
H0 = Rata-rata variabel Y (nilai kognitif) tidak menunjukkan
perbedaan pada variabel X (Komponen IQ).
H 1 = Rata-rata variabel Y (nilai kognitif) menunjukkan
Hasil pembahasan dan analisa yang dilakukan menunjukan bahwa data yang
digunakan dalam pembahasan ini berdistribusi normal multivariate. Pada
pengolahan data dengan menggunakan program paket SPSS didapat kesimpulan
bahwa varian-covarians masing-masing variabel yang digunakan dalam
pembahasan adalah homogen. Pengujian MANOVA dapat dilakukan karena
asumsi-asumsi awal dapat dipenuhi oleh data yang digunakan. Pengujian
MANOVA memberikan kesimpulan bahwa tingkat kecerdasan IQ menunjukkan
perbedaan terhadap nilai kognitif dan afektif siswa.