1.

Pengertian Anova
Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis of
variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan bagian
dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta).Analisis Varians (ANAVA)
adalah teknik analisis statistik yang dikembangkan dan diperkenalkan pertama kali oleh
Sir R. A Fisher (Kennedy & Bush, 1985). ANAVA dapat juga dipahami sebagai
perluasan dari uji-t sehingga penggunaannya tidak terbatas pada pengujian perbedaan dua
buah rata-rata populasi, namun dapat juga untuk menguji perbedaan tiga buah rata-rata
populasi atau lebih sekaligus.
Jika kita menguji hipotesis nol bahwa rata-rata dua buah kelompok tidak berbeda,
teknik ANAVA dan uji-t (uji dua pihak) akan menghasilkan kesimpulan yang sama;
keduanya akan menolak atau menerima hipotesis nol. Dalam hal ini, statistik F pada
derajat kebebasan 1 dan n-k akan sama dengan kuadrat dari statistik t.
ANAVA digunakan untuk menguji perbedaan antara sejumlah rata-rata populasi
dengan cara membandingkan variansinya. Pembilang pada rumus variansi tidak lain
adalah jumlah kuadrat skor simpangan dari rata-ratanya, yang secara sederhana dapat
ditulis sebagai ∑(𝑋𝑖 − 𝜇)2 . Istilah jumlah kuadrat skor simpangan sering disebut
jumlah kuadrat (sum of squares). Jika jumlah kuadrat tersebut dibagi dengan n atau n-
1 maka akan diperoleh rata-rata kuadrat yang tidak lain dari variansi suatu distribusi.
Rumus untuk menentukan varians sampel yaitu,

2
∑𝑛𝑖=1(𝑌1 − 𝑌̅)2
𝑆 =
𝑛−1

Seandainya kita mempunyai suatu populasi yang memiliki variansi 𝜎 2 dan rata-
rata 𝜇. Dari populasi tersebut misalkan diambil tiga buah sampel secara independent,
masing-masing dengan n1, n2, dan n3. Dari setiap sampel tersebut dapat ditentukan
rata-rata dan variansinya, sehingga akan diperoleh tiga buah rata-rata dan variansi
sampel yang masing-masing merupakan statistik (penaksir) yang tidak bias bagi
parameternya. Dikatakan demikian karena, dalam jumlah sampel yang tak hingga,
 rata-rata dari rata-rata sampel akan sama dengan rata-rata populasi (𝜇) dan rata-rata
dari variansi sampel juga akan sama dengan variansi populasi (𝜎 2 ).

Ada dua hal yang perlu diperhatikan, yaitu:

1. Kita memiliki 3 buah variansi sampel (𝑆𝑖2 ) yang masing-masing merupakan penaksir
yang tidak bias bagi variansi populasinya. Jika n1=n2=n3=.....=nk, maka seluruh
variansi sampel tersebut dapat dijumlahkan dan kemudian dibagi dengan banyaknya
sampel (k) sehingga akan diperoleh rata-rata variansi sampel yang dalam jangka
panjang akan sama dengan variansi populasi. Dalam bahasa ANAVA, rata-rata
variansi sampel ini dikenal dengan rata-rata jumlah kuadrat dalam kelompok (RJKD)
atau mean of squares within groups (MSw).
2. Kita memiliki 3 buah rata-rata sampel yang dapat digunakan untuk menentukan rata-
rata dari rata-rata sampel. Simpangan baku distribusi rata-rata sampel (𝑆𝑋̅ ) atau galat
baku rata-rata adalah simpangan baku distribusi skor dibagi dengan akar pangkat dua
dari besarnya sampel.
𝑆𝑌
𝑆𝑌̅ =
√𝑛
Sejalan dengan itu, variansi distribusi rata-rata sampel 𝑆𝑌̅ 2 dapat ditulis sebagai
berikut.

2 𝑆2
𝑆𝑌̅ =
𝑛
Dengan demikian, 𝑆 2 sebagai penaksir yang tidak bias bagi variansi populasi akan
ekuivalen dengan variansi distribusi rata-rata dikalikan dengan besarnya sampel (n) yang
secara aljabar dapat ditulis sebagai berikut.
𝑛𝑆𝑌̅ 2 = 𝑆 2
Dalam konteks ANAVA, 𝑛𝑆𝑌̅ 2 dikenal dengan sebutan rata-rata jumlah kuadrat
antar kelompok (RJKA) atau mean of squares between groups (MSB).
Jika seluruh sampel diambil secara acak dari populasi yang sama, maka
MSB=MSW atau RJKA = RJKD,
Sehingga,
𝜎2
F=MSB/ MSW = 𝜎2 = 1
 ANAVA digunakan untuk menguji hipotesis nol tentang perbedaan dua buah rata-
rata atau lebih. Secara formal, hipotesis tersebut dapat ditulis sebagai berikut.
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = ⋯ . = 𝜇𝑘
𝐻1 : 𝑃𝑎𝑙𝑖𝑛𝑔 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑙𝑎ℎ 𝑠𝑎𝑡𝑢 𝑡𝑎𝑛𝑑𝑎 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 (=)𝑡𝑖𝑑𝑎𝑘 𝑏𝑒𝑟𝑙𝑎𝑘𝑢
Hipotesis nol di atas mengatakan bahwa rata-rata populasi pertama sama dengan
rata-rata populasi ke dua dan seterusnya yang berarti bahwa seluruh sampel diambil dari
populasi yang sama. Jika demikian maka, rata-ratanya akan mirip satu sama lain. Dalam
menguji hipotesis nol tersebut, ANAVA meakukan perbandingan antara variansi antar
kelompok (MSB) dengan variansi dalam kelompok (MSW). Jika ternyata kedua variansi
itu sama (F=1) maka berarti seluruh sampel yang dianalisis berasal dari populasi yang
sama, dan kita tidak memiliki dasar untuk menolak hipotesis nol. Namun, jika ada salah
satu nilai rata-rata yang jauh berbeda dengan nilai rata-rata lainnya maka berarti sampel
tersebut berasal dari populasi yang berbeda.
Seluruh subjek yang berada dalam satu kelompok memiliki karakteristik yang
sama pada peubah bebas yang tengah dikaji. Dalam bahasa eksperimen, mereka
seluruhnya menerima perlakuan yang sama, sehingga keragaman mereka pada peubah
terikat dipandanga sebagai keragaman galat dan tidak berkaitan dengan perbedaan jenis
perlakuan atau peubah bebas.
Perbedaan rata-rata antar kelompok terdiri atas dua unsur yaitu keragaman galat dan
keragaman yang berkaitan perbedaan pada peubah bebas. Oleh karena keragaman di
dalam kelompok (MSW) merupakan penaksir yang tidak bias atas variansi populasi dan
keragaman antara kelompok (MSB) terdiri atas MSW dan keragaman yang berkaitan
dengan perlakuan, maka hubungan antara keduanya dapat dituliskan sebagai berikut:
𝑀𝑆𝑊 = 𝜎 2
𝑀𝑆𝐵 = 𝜎 2 + 𝑑𝑎𝑚𝑝𝑎𝑘 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛
Dengan demikian, F dapat juga dituliskan:
𝐹 = 𝑀𝑆𝐵 /𝑀𝑆𝑊
𝐹 = (𝜎 2 + 𝑑𝑎𝑚𝑝𝑎𝑘 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛)/𝜎 2
Jika dampak perlakuan sama dengan nol, maka
𝜎2
𝐹= =1
𝜎2
 Persoalan kita sekarang adalah bagaimana membedakan pengaruh yang sistematik
dari pengaruh yang tidak sistematik (acak). ANAVA dan statistika inferensial pada
umumnya mendekati persoalan ini dengan menggunakan teori peluang. Statistika
inferensial bertugas untuk menjawab suatu pertanyaan yang dapat dirumuskan sebagai
berikut: :” jika hipotesis nol ternyata benar berapakah peluang memperoleh harga statistik
tertentu?” Misalkan dalam ANAVA, kita memperoleh F=3,96. Pertanyaan yang harus
dijawab adalah “berapa besar peluang memperoleh F=3,96 jika ternyata hipotesis nol itu
benar?” Paket analisis statistik pada komputer umumnya memberikan jawaban terhadap
pertanyaan tersebut secara langsung dalam bentuk p= 0,25, 0,01, 0,001 dan sebagainya.
namun jika dilakukan secara manual maka harga Fhitung harus dibandingkan dengan nilai
kritis yang sudah disediakan dalam bentuk Ftabel pada derajat kebebasan dan tingkat
keyakinan. Nilai p yang lebih kecil dari nilai yang ditentukan menunjukkan penolakkan
terhadap H0. Kesimpulan yang sama diperoleh jika ternyata Fhitung > Ftabel. Menolak
hipotesis nol berarti menyimpulkan bahwa perbedaan antara MSB dengan MSW berkaitan
dengan pengaruh yang sistematik dari faktor atau peubah bebas yang diteliti. (Furqon.
2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung).

1.1. Anova Satu Arah

Dinamakan analisis varians satu arah, karena analisisnya menggunakan varians

dan data hasil pengamatan merupakan pengaruh satu faktor.Dari tiap populasi secara
independen kita ambil sebuah sampel acak, berukuran n1 dari populasi kesatu, n2 dari
populasi kedua dan seterusnya berukuran nk dari populasi ke k. Data sampel akan
dinyatakan dengan Yij yang berarti data ke-j dalam sampel yang diambil dari populasi ke-
i. ( Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).

ANAVA satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas.
Secara rinci, ANAVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri
berikut:1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang
 dipilih dan ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut tidak
acak karena peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori lain di
luar yang diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya terdiri atas
dua ketgori (pria-wanita), atau peneliti hendak membandingkan keberhasilan antara
Metode A, B, dan C dalam meningkatkan semangat belajar tanpa bermaksud
menggeneralisasikan ke metode lain di luar ketiga metode tersebut.

1. Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat kualitatif
atau kuantitatif.
2. Setiap subjek merupakan anggota dari hanya satu kelompok pada peubah bebas, dan
dipilih secara acak dari populasi tertentu. (Furqon. 2009. Statistika Terapan untuk
Penelitian. Cetakan ketujuh. ALFABETA: Bandung)

Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari dua rata-
rata. Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari
signifikansi hasil penelitian. Jika terbukti berbeda berarti kedua sampel tersebut dapat
digeneralisasikan (data sampel dianggap dapat mewakili populasi). Anova satu jalur
dapat melihat perbandingan lebih dari dua kelompok data. (Riduwan.2008.Dasar-dasar
Statistika.Bandung:Alfabeta)

Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 ) .Uji-t atau
uji-z hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu
jalur lebih dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara
mahasiswa tugas belajar (𝑋1), izin belajar (𝑋2) dan umum (𝑋3).

Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian
itu asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata (KR).

Rumusnya :
𝐽𝐾
𝐾𝑅 = 𝑑𝑏

Dimana: 𝐽𝐾 = jumlah kuadrat (some of square)

𝑑𝑏 = derajat bebas (degree of freedom)
 Menghitung nilai Anova atau F ( 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ) dengan rumus :
𝑉 𝐾𝑅 𝐽𝐾 : 𝑑𝑏 𝑣𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑉𝐴 = 𝐾𝑅𝐴 = 𝐽𝐾𝐴 : 𝑑𝑏𝐴 = 𝑣𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
𝐷 𝐷 𝐷 𝐷

Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat

dirumuskan :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − untuk 𝑑𝑏𝐴 = 𝐴 − 1
𝑛𝐴𝑖 𝑁

(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ untuk 𝑑𝑏𝐷 = 𝑁 − 𝐴
𝑛𝐴𝑖

Dimana
(∑𝑋𝜏 )2
= sebagai faktor koreksi
𝑁

N = Jumlah keseluruhan sampel (jumlah kasus dalam penelitian).

A = Jumlah keseluruhan group sampel.

2. Langkah-langkah Anova Satu Arah

2.1. Prosedur Uji Anova Satu Arah
1) Sebelum anova dihitung, asumsikan bahwa data dipilih secara
random,berdistribusi normal, dan variannya homogen.
2) Buatlah hipotesis (𝐻𝑎 dan 𝐻0 ) dalam bentuk kalimat.
3) Buatlah hipotesis (𝐻𝑎 dan 𝐻0 )dalam bentuk statistik.
4) Buatlah daftar statistik induk.
5) Hitunglah jumlah kuadrat antar group (𝐽𝐾𝐴 ) dengan rumus :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2 (∑𝑋𝐴1 )2 (∑𝑋𝐴2 )2 (∑𝑋𝐴3 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − =( + + )−
𝑛𝐴𝑖 𝑁 𝑛𝐴1 𝑛𝐴2 𝑛𝐴3 𝑁
6) Hitunglah derajat bebas antar group dengan rumus : 𝑑𝑏𝐴 = 𝐴 − 1
𝐽𝐾
7) Hitunglah kudrat rerata antar group (𝐾𝑅𝐴 ) dengan rumus : 𝐾𝑅𝐴 = 𝑑𝑏𝐴
𝐴
8) Hitunglah jumlah kuadrat dalam antar group (𝐽𝐾𝐷 ) dengan rumus :
(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ 𝑛𝐴𝑖
 (∑𝑋𝐴1 )2 (∑𝑋𝐴2 )2 (∑𝑋𝐴3 )2
= ∑𝑋 2𝐴1 += ∑𝑋 2𝐴2 += ∑𝑋 2𝐴3 − ( + + )
𝑛𝐴1 𝑛𝐴2 𝑛𝐴3

9) Hitunglah derajat bebas dalam group dengan rumus : 𝑑𝑏𝐷 = 𝑁 − 𝐴

𝐽𝐾
10) Hitunglah kuadrat rerata dalam antar group (𝐾𝑅𝐷 ) dengan rumus : 𝐾𝑅𝐷 = 𝑑𝑏𝐷
𝐷

𝐾𝑅
11) Carilah 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus : 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑅𝐴
𝐷

12) Tentukan taraf signifikansinya, misalnya α = 0,05 atau α = 0,01

13) Cari 𝐹𝑡𝑎𝑏𝑒𝑙 dengan rumus : 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(1−𝛼)(𝑑𝑏𝐴,𝑑𝑏𝐷)
14) Buat Tabel Ringkasan Anova

TABEL RINGKASSAN ANOVA SATU ARAH

Sumber Jumlah Kuadrat Derajat Kuadrat 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 Taraf

Varian (SV) (JK) bebas Rerata Signifikan

(db)
(KR) (𝜌)

Antar group (∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2 𝐴−1 𝐽𝐾𝐴 𝐾𝑅𝐴 𝛼

∑ −
𝑛𝐴𝑖 𝑁
𝑑𝑏𝐴 𝐾𝑅𝐷
(A)

Dalam group (∑𝑋𝐴𝑖 )2 𝑁−𝐴 𝐽𝐾𝐷 - -

(∑𝑋𝜏 )2 − ∑ 𝑛𝐴𝑖
𝑑𝑏𝐷
(D)

Total (∑𝑋𝜏 )2 𝑁−1 - - -

(∑𝑋𝜏 )2 −
𝑁

15) Tentukan kriteria pengujian : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≥𝐹𝑡𝑎𝑏𝑒𝑙 , maka tolak 𝐻0 berarti signifan

dan konsultasikan antara 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝐹𝑡𝑎𝑏𝑒𝑙 kemudian bandingkan

16) Buat kesimpulan.
HAKIKAT KORELASI MULTIVARIATE
Analisis multivariat merupakan salah satu analisis statistika yang berkaitan dengan
analisis banyak variabel. Dalam analisis statistika, terdapat pengelompokkan terhadap jumlah
variabel yang dianalisis. Melalui pengelompokkan tersebut, terbagi menjadi univariat
(univariate), bivariat (bivariate), dan multivariat (multivariate). Analisis univariat berasal dari
kata uni dan variate, yang artinya analisis satu variabel. Contohnya, pengukuran rata-rata (mean)
sebagai ukuran pusat dari sekelompok data. Analisis bivariat berasal dari kata bi dan variate,
yang artinya analisis statistika yang berkaitan dengan dua variabel. Contohnya, analisis korelasi
(correlation) yang mencari hubungan keeratan antara dua variabel.
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. Contoh kita dapat menganalisis pengaruh
variable kualitas produk, harga dan saluran distribusi terhadap kepuasan pelanggan. Contoh yang
lain, misalnya pengaruh kecepatan layanan, keramahan petugas dan kejelasan memberikan
informasi terhadap kepuasan dan loyalitas pelanggan. Analisis multivariat digunakan karena
pada kenyataannnya masalah yang terjadi tidak dapat diselesaikan dengan hanya menghubung-
hubungkan dua variable atau melihat pengaruh satu variable terhadap variable lainnya.
Analisis multivariat merupakan pengembangan lanjutan dari analisis univariat maupun
bivariat. Analisis multivariat berasal dari kata multi dan variate, yang artinya analisis lebih dari
dua variabel. Dengan demikian, analisis multivariat merujuk kepada teknik statistika tertentu
yang menganalisis banyak variabel secara simultan. Contoh dari analisis multivariat adalah
Structural Equation Model (SEM). SEM merupakan pengembangan lanjut dari analisis regresi.
SEM dikembangkan untuk menjelaskan hubungan yang komplek antar variabel. Sedangkan
regresi bertujuan hanya untuk menjelaskan hubungan tunggal antar variabel.Variabel di dalam
analisis multivariat dapat diklasifikasikan sebagai variabel dependen (dependent variable) dan
variabel independen (independent variable). Variabel dependen adalah variabel yang nilainya
ditentukan oleh variabel lain yaitu variabel independen. Sedangkan variabel independen adalah
variabel yang digunakan untuk mengestimasi atau memprediksi nilai variabel lain yaitu variabel
dependen.
 Analisis variance multivariat (MANOVA) merupakan perpanjangan dari analisis varians
(ANOVA) untuk mengakomodasi lebih dari satu variabel dependen.Ini adalah teknik
ketergantungan yang mengukur perbedaan untuk dua atau lebih variabel dependen metrik
berdasarkan sekumpulan variabel kategoris (nonmetrik) yang bertindak sebagai variabel
independen. ANOVA dan MANOVA dapat dinyatakan dalam general general ms berikut ini:

Seperti ANOVA, MANOVA berkaitan dengan perbedaan antar kelompok (atau

percobaan pengobatan). ANOVA disebut prosedur univariat karena kita menggunakannya untuk
menilai perbedaan kelompok pada variabel dependen tunggal.MANOVA disebut prosedur
amultivariate karena kita menggunakannya untuk menilai perbedaan kelompok di beberapa
variabel dependen metrik secara bersamaan. Di MANOVA, setiap kelompok perlakuan diamati
pada dua atau lebih variabel dependen.
Konsep analisis multivariate varians diperkenalkan lebih dari 70 tahun yang lalu oleh
Wilks 126. Namun tidak sampai perkembangan statistic uji yang sesuai dengandistribusi yang
diajukan dan semakin eluas ketersediaan program computer untuk menghitung statistic ini ,
MANOVA menjadi alat praktis bagi peneliti Baik ANOVA maupun MANOVA sangat berguna
bila digunakan bersamaan dengan desain mental yang berpengalaman, yaitu desain penelitian
dimana peneliti secara langsung mengendalikan atau memanipulasi satu atau lebih variabel
independen untuk menentukan pengaruhnya terhadap ketergantungan variabel (s). ANOVA dan
MANOVA menyediakan alat yang diperlukan untuk menilai efek yang diamati (yaitu, apakah
perbedaan yang diamati disebabkan oleh efek pengobatan atau variabilitas sampling
acak.Namun, MANOVA memiliki peran dalam desain yang tidak biasa (misalnya, penelitian
survei) di mana kelompok yang diminati (misalnya, jenis kelamin, pembeli / bukan pembelian)
didefinisikan dan kemudian perbedaan pada sejumlah variabel metrik misalnya, sikap, kepuasan,
tingkat pembelian) dinilai signifikansi statistiknya.

1.1.Uji Signifikansi Multivariat

Sebelum memulai bab Multivariat, konsep dan terminologi harus terlebih dulu
dipahami khususnya tentang uji signifikansi. Adapun beberapaistilah-istilah kunci yang
muncul yang berhubungan dengan signifikansi dalam MANOVA, yaitu:
  Alpha (a):Tingkat signifikansi yang terkait dengan pengujian statistik perbedaan antara
dua atau lebih kelompok. Biasanya, nilai kecil, seperti 0,05 atau 0 ditentukan untuk
meminimalkan kemungkinan membuat Tipe Ierror.
 Analisis Varians (ANOVA):Teknik statistik yang digunakan untuk menentukan apakah
sampel dari dua atau lebih kelompok berasal dari populasi dengan mean yang sama
(yaitu, apakah kelompok tersebut bermakna berbeda secara signifikan?). Analisis varians
meneliti satu ukuran dependen, sedangkan analisis varians multivariat membandingkan
perbedaan kelompok pada dua atau lebih variabel dependen.
 Faktor Pemblokiran:Karakteristik responden pada ANOVA atau MANOVA yang
digunakan untuk mengurangi variabilitas dalam kelompok dengan menjadi faktor
tambahan dalam analisis. Paling sering digunakan sebagai variabel kontrol (yaitu,
karakteristik tidak termasuk dalam analisis tapi satu di antaranya perbedaan diharapkan
atau diusulkan) Dengan memasukkan faktor pemblokiran dalam analisis, kelompok
tambahan terbentuk yang homogen dan meningkatkan kesempatan untuk menunjukkan
signifikan perbedaan. Sebagai contoh, anggaplah bahwa pelanggan ditanya tentang niat
membeli mereka untuk produk dan asistensi independen yang digunakan adalah usia.
Pengalaman sebelumnya menunjukkan bahwa variasi substansial dalam membeli produk
untuk produk lain jenis ini juga disebabkan oleh jenis kelamin. Kemudian gender dapat
ditambahkan sebagai faktor r ke arah sehingga setiap kategori umur dipecah menjadi
kelompok pria dan wanita dengan homogenitas dalam kelompok yang lebih besar.
 Ketidaksetaraan Bonfe Roni : Pendekatan untuk menyesuaikan tingkat alfa yang dipilih
untuk mengendalikan tingkat Typ Ierror secara keseluruhan saat melakukan serangkaian
tes terpisah. Prosedur ini melibatkan penghitungan nilai kritis baru dengan membagi
tingkat alfa yang diusulkan dengan jumlah uji statistik yang akan dilakukan. Misalnya,
jika tingkat signifikansi 0,05 diinginkan untuk mendapatkan lima tes terpisah, maka
tingkat 0,01 (05 +5) digunakan pada masing-masing uji terpisah.
 Uji Box M:Uji statistik untuk persamaan matriks varians-kovarians dari variabel
dependen di seluruh kelompok. Hal ini sangat sensitif terhadap adanya variabel
nonnormal. Gunakan tingkat signifikansi konservatif (yaitu, 0,1 atau dibawahnya)
disarankan sebagai penyesuaian untuk sensitivitas pada statistik.
 Kontras : Prosedur untuk menyelidiki perbedaan kelompok tertentu yang menarik
sehubungan dengan ANOVA dan MANOVA (misalnya membandingkan perbedaan rata-
rata kelompok untuk pasangan tertentu kelompok)

1.2.Variable Kovariat

Kovariat diasumsikan berhubungan secara linier dengan variable

dependen.Setelah menyesuaikan pengaruh kovariat, standar ANOVA / MANOVA yang
dilakukan. Proses penyesuaian ini ( dikenal sebagai ANOVA / MANOVA ) biasanya
memungkinkan tes yang lebih sensitive terhadap efek treatment.
 Nilai Kritis : Nilai statistik uji (uji t, uji F) yang menunjukkan tingkat signifikansi yang
ditentukan. Contoh: 1,96 menunjukkan tingkat kekuatan uji fortifikasi 0,05 dengan
ukuran sampel yang besar.
 Fungsi Diskriminasi : Dimensi perbedaan atau diskriminasi antar kelompok dalam
analisis MANOWA. Fungsi diskriminan adalah variate dari variabel dependen.
 Interaksi Disordinal : Bentuk efek interaksi antar variabel independen yang
membatalkan interpretasi efek utama perawatan Interaksi disordinal ditunjukkan secara
graphi cally dengan merencanakan sarana untuk masing-masing kelompok dan memiliki
garis yang saling bersilangan atau silang. Dalam jenis interaksi ini, perbedaan rata-rata
tidak saja bervariasi, mengingat kombinasi unik dari tingkat variabel independen, namun
urutan relatif kelompok juga berubah.
 Ukuran Efek : Ukuran standar perbedaan kelompok yang digunakan dalam statistik pow
statistik Dihitung sebagai perbedaan dalam mean kelompok dibagi dengan standar deviasi
maka kemudian dihitung dalam penelitian sebagai ukuran umum efek yaitu s dalam mean
kelompok) .
 Desain Eksperimental : Rencana penelitian di mana researche secara langsung
memanipulasi atau mengendalikan satu atau lebih variabel independen (lihat perlakuan
dan faktor) dan menilai pengaruhnya terhadap n ilmu pengetahuan yang sedang populer
dalam popularitas dan variabel sosial. Ilmu umum Misalnya, responden diperlihatkan
iklan terpisah yang bervariasi secara sistematis berdasarkan karakteristik, seperti banding
yang berbeda (emosional versus rasional) atau jenis presentasi (warna versus hitam-putih)
dan kemudian menjadi ked, sikap, evaluasi, atau perasaan mereka terhadap perbedaan.
 Tingkat Kesalahan Iklan yang Berbeda : Combining atau tingkat kesalahan
keseluruhan yang dihasilkan dari perfo rming multiple t test atau tes F yang dilekatkan
(misalnya, tes t di antara serangkaian pasangan variabel komsel atau rangkaian uji t di
antara pasangan kategori dalam variabel multichotomous).
 Faktor Variabel : Bebas nonmetrik, juga disebut sebagai variabel perlakuan atau
eksperimen .
 Rancangan Faktorial : Dengan lebih dari satu faktor (perlakuan). Desain faktorial
menguji efek beberapa faktor secara simultan dengan membentuk kelompok berdasarkan
semua kemungkinan kombinasi tingkat (nilai) dari perlakuan berbagai Variabel .
 Model Linier Umum : (prosedur generalisasi GLM Generalized berdasarkan tiga
komponen: (1) variate yang dibentuk oleh kombinasi linear dari variabel bebas, (2)
distribusi probabilitas yang menunjukkan hubungan antara variate dan probabilitas
distribusi .
 Hotelli : gs Ta Uji untuk menilai signifikansi statistik dari perbedaan pada dua atau lebih
variabel antara dua kelompok Ini adalah kasus khusus MANOVA yang digunakan
dengan dua kelompok atau lev ls dari variabel perlakuan.
 Independen : Asumsi kritis ANOVA atau MANOVA yang mensyaratkan bahwa
tindakan tergantung untuk setiap responden benar-benar tidak sesuai dengan tanggapan
 dari respondennya dalam sampel. Kurangnya independensi sangat mempengaruhi
keabsahan statistik analisis kecuali jika tindakan korektif dilakukan.
 Efek Interaksi : Pada desain faktorial, efek gabungan dari dua variabel perlakuan selain
efek utama individu. Artinya perbedaan antara kelompok pada satu variabel perlakuan
tergantung pada tingkat variabel perlakuan kedua. Misalnya, anggaplah bahwa penyerang
diberi klasifikasi berdasarkan pendapatan (tiga tingkat) dan jenis kelamin (laki-laki versus
perempuan). Interaksi yang signifikan akan ditemukan bila perbedaan antara laki-laki dan
perempuan terhadap variabel independen bervariasi secara substansial di tiga tingkat
pendapatan.
 Fungsi Link : Komponen utama dari model linier umum (GLM) yang menentukan
pembentukan trans antara variate independen variabel dan distribusi probabilitas yang
ditentukan. Dalam MANOVA (dan regresi) hubungan identitas digunakan dengan
distribusi normal, menyesuaikan asumsi statistik normalitas kita.
 Efek Utama : Dalam desain factorial, efek individual masing-masing variable perlakuan
pada variable dependen.
 Distribusi Normal Multivariat : Generalisasi distribusi normal univariat ke kasus
variabel p. Distribusi kelompok sampel multivariat yang normal adalah asumsi dasar
yang diperlukan untuk validitas uji signifikansi di MANOVA.
 Hipotesis Null : Hipotesis dengan sampel yang berasal dari populasi dengan mean yang
sama (yaitu mean kelompok sama) untuk variabel dependen (uji univariat atau
sekumpulan variabel dependen ables (uji multivariat). Hipotesis nol dapat diterima atau
ditolak tergantung pada hasil uji signifikansi statistik
 Interaksi Ordinal : Jenis interaksi efek yang dapat diterima dimana besarnya perbedaan
antar kelompok bervariasi namun posisi relatif kelompok tetap konstan. Grafik
ditunjukkan dengan menggunakan nilai rata-rata dan mengamati garis nonparalel yang
tidak berpotongan
 Ortogonal : Independensi statistik atau tidak adanya asosiasi Orthogonal vrates
menjelaskan varians yang unik, tanpa penjelasan varianal yang ada di antara keduanya.
Ortho on 1 contrast adalah perbandingan yang direncanakan yang secara statistik
independen dan mewakili perbandingan uniq e dari mean kelompok.
 Kriteria Pillai : Uji multivariat Perbedaan yang serupa dengan Wilks 'lambda.
 Rencana Perbandingan : A priori tes yang menguji compari tertentu pada perbedaan
rata-rata kelompok Tes ini dilakukan bersamaan dengan tes untuk efek interaksi utama
dengan menggunakan kontras.
 Post Hoc Test : Uji statistik terhadap perbedaan rata-rata setelah uji statistik untuk efek
uji Posthoc utama telah dilakukan. Paling sering, post hoc te t tidak menggunakan kontras
tunggal, namun menguji perbedaan di antara semua kemungkinan kombinasi kelompok.
Meskipun mereka memberikan informasi diagnostik yang tidak tepat, mereka
meningkatkan tingkat kesalahan Tipe I dengan melakukan beberapa uji statistik dan oleh
karena itu harus menggunakan tingkat kerahasiaan yang ketat
  Daya : Probabilitas untuk mengidentifikasi feksi pengobatan saat benar-benar ada dalam
sampel. Daya didefinisikan sebagai 1-A (lihat beta). Kekuasaan ditentukan sebagai fungsi
dari tingkat signifikansi statistik (a) yang ditetapkan oleh peneliti untuk Tipe Ierror,
ukuran sampel yang digunakan dalam analisis, dan ukuran efek yang sedang diperiksa
 Tindakan Berulang : Penggunaan beberapa atau lebih tanggapan dari satu individu
dalam analisis ANOVA atau MANOVA. Tujuan dari perancangan langkah berulang
adalah untuk mengendalikan perbedaan tingkat individu yang mungkin mempengaruhi
varians dalam kelompok. Tindakan berulang menunjukkan kurangnya independensi
bahwa mus dicatat secara khusus dalam analisis.
 Replikasi : Rep ated administrasi percobaan dengan maksud untuk memvalidasi hasil
sampl lain espondents.
 Karakteristik Roy yang Paling Dominan (ger) : Statistik untuk menguji hipotesis nol
di MANOVA. Ini menguji fungsi diskriminan pertama dari variabel dependen karena
kemampuannya untuk membedakan perbedaan kelompok.
 Tingkat Siku Temu : Lihat alpha.
 Analisis Stepdown : Uji untuk kekuatan diskriminatif tambahan dari variabel dependen
setelah pengaruh variabel dependen lainnya telah diperhitungkan. Serupa dengan analisis
regresi atau diskriminan bertahap, prosedur ini, yang bergantung pada urutan masuk yang
ditentukan, menghalangi ranjau berapa banyak variabel dependen tambahan menambah
penjelasan tentang perbedaan antara kelompok dalam statistik MANOVA
 t Statistik : Uji statistik yang menilai signifikansi statistik antara dua kelompok pada uji
variabel dependen tunggal (t test) .
 t Test : Uji untuk menilai signifikansi statistik dari perbedaan antara dua mean sampel
untuk satu variabel dependen. Yang paling aneh adalah kasus khusus ANOVA untuk dua
kelompok atau tingkat variabel perlakuan.
 Perlakuan : Variabel independen (aktor) yang peneliti memanipulasi untuk melihat
efeknya (jika ada).
Berbagai intensitas banding iklan dapat dimanipulasi untuk melihat efek pada kepercayaan
konsumen.
o Kesalahan Tipe I Kemungkinan menolak hipotesis nol ketika harus diterima, yaitu
menyimpulkan bahwa dua sarana berbeda secara signifikan padahal kenyataannya
sama. Nilai-nilai kecil dari hipotesis alternatif bahwa mean populasi tidak sama.
o Kesalahan Tipe II Probabilitas gagal menolak hipotesis nol ketika harus ditolak,
yaitu menyimpulkan bahwa dua cara tidak berbeda secara signifikan padahal
kenyataannya berbeda. Juga dikenal sebagai beta (B) error.
o U Statistik Lihat Wilks 'lambda.
o Variasi Kombinasi Linear variabel. Dalam MANOVA, variabel dependen s a
dibentuk menjadi variates dalam fungsi diskriminan.
 o Vector Set bilangan real (misalnya, X1 Xin yang dapat ditulis di dalamnya kolom er
atau baris Kolom vektor dianggap konvensional, dan vektor baris merah areconsid
dialihkan.

o
o Wilks’ Lambda Salah satu dari empat prinsip statistic untuk menguji hipotesis nol
di MANOVA. Juga disebut sebagai criteria hood maksimal atau statistic U.

1.3.Teknik Mutivariat

Banyak teknik multivariat adalah perpanjangan teknik univariat, seperti pada

regresi berganda, yang memperpanjang regresi sederhana (hanya dengan satu variabel
independen) ke analisis multivariat dimana dua atau lebih variabel independen dapat
digunakan.Situasi serupa ditemukan pada kelompok yang berbeda.Prosedur ini
diklasifikasikan sebagai univariat bukan karena jumlah variabel independen (dikenal
sebagai perawatan atau faktor, namun karena jumlah variabel dependen Dalam regresi
berganda, istilah univariat dan multivariat mengacu pada jumlah v independen Beberapa
teknik ini telah lama dikaitkan dengan analisis desain eksperimental.
Teknik univariat untuk menganalisis perbedaan kelompok adalah uji t (dua
kelompok).dan analisis varians (ANOVA) untuk dua atau lebih kelompok. Prosedur
ekivalen multivariat adalah analisis varian Hotteling dan mulivariat, hubungan antara
univariat dan mulivariat. Proedurnya adalah sebagai berikut :

Uji t dan T film 2 dipotret sebagai kasus khusus karena keterbatasan hanya untuk menilai
dua kelompok (kategori) untuk variabel yang tidak tergantung. baik anova maupun
manova juga bisa menangani dua situasi grup serta analisis alamat dimana variabel
 bebasnya memiliki lebih dari dua grup. review dari kedua tes t dan anova tersedia dalam
lampiran statistik dasar di situs web.

1.4.Prosedur Multivariate

Sebagai prosedur inferensi statistik, kedua teknik univariat (uji t dan anova) dan
ekstensi multivariat mereka (T-2 dan manova hotelling) digunakan untuk menilai
signifikansi statistik perbedaan antara grup. Dalam uji t dan anova, uji hipotesis nol
adalah persamaan dari satu variabel dependen yang berarti di seluruh grup. Dalam teknik
multivariat, hipotesis nol yang diuji adalah persamaan vektor mean pada beberapa
variabel dependen antar grup. perbedaan antara hipotesis yang diuji dalam anova dan
manova digambarkan pada gambar 1. dalam kasus univariat, satu ukuran dependen diuji
untuk persamaan di seluruh grup. Dalam kasus multivariat, variate diuji untuk persamaan.
konsep variate sangat berperan dalam diskusi banyak teknik multivariat.

Dalam manova, peneliti sebenarnya memiliki dua variabel, satu untuk variabel
dependen dan variabel independen lainnya. variate variabel dependen lebih diminati
karena metric-dependent measures dapat digabungkan dalam kombinasi linier seperti
yang telah kita lihat pada regresi berganda dan analisis dikriminan. Aspek manova yang
unik adalah variate secara optimal menggabungkan beberapa ukuran dependen menjadi
satu nilai yang memaksimalkan perbedaan di seluruh grup.
Dua Kelompok Kasus:

Hotelling's T ^ 2 berasumsi bahwa penelitian tertarik pada daya tarik dan niat
pembelian yang dihasilkan oleh dua pesan iklan. Jika hanya analisis univariat yang
digunakan, penelitian akan melakukan uji t terpisah pada penilaian daya tarik pesan dan
maksud pembelian yang dihasilkan oleh pesan. Namun, kedua ukuran saling terkait, jadi
yang benar-benar diinginkan adalah ujian perbedaan antara pesan pada kedua variabel
secara kolektif. Di sini adalah tempat Hotelling's T ^ 2, bentuk khusus manova dan
perpanjangan langsung dari uji t univariat, dapat digunakan.

Mengendalikan Tingkat Kesalahan Tipe I :

Hotelling's T ^ 2 memberikan uji statistik variate yang terbentuk dari variabel

dependen, yang menghasilkan perbedaan grup terbesar. Ini membahas masalah
peningkatan tingkat kesalahan tipe I yang muncul saat membuat rangkaian jika uji t grup
berarti pada beberapa ukuran dependen. Ini mengendalikan inflasi tingkat kesalahan tipe I
dengan memberikan satu uji keseluruhan perbedaan grup di semua variabel dependen
pada tingkat yang ditentukan.

Bagaimana Hotelling's T ^ 2 mencapai tujuan ini? pertimbangkan persamaan

berikut untuk variate dari variabel dependen:
 C= W1X1 + W2X2 +....+ WnXn

Dimana :

C = Skor komposit atau variate untuk responden

Wi = Berat untuk variabel dependen i

Xi = Variabel dependen i

Dalam contoh kami, peringkat daya tarik pesan digabungkan dengan niat
pembelian untuk membentuk komposit. Untuk setiap set bobot, kita dapat menghitung
nilai komposit untuk setiap responden dan kemudian menghitung statistik t biasa untuk
perbedaan antara grups pada nilai komposit. Namun, jika kita dapat menemukan satu set
bobot yang memberi nilai maksimum untuk statistik t untuk rangkaian data ini, bobot ini
sama dengan fungsi diskriminan antara kedua grup. statistik t maksimum yang dihasilkan
dari skor komposit yang dihasilkan oleh fungsi diskriminan dapat kuadrat untuk
menghasilkan nilai T-2 hotelling.

Perhitungan 1 formula untuk T2 Hotelling mewakili hasil derivasi matematis yang

digunakan untuk memecahkan statistik t maksimum (dan, secara implisit, kombinasi
linier paling diskriminatif dari variabel dependen). Itu sama dengan mengatakan bahwa
jika kita dapat menemukan fungsi diskriminan untuk dua kelompok yang menghasilkan T
^ 2 yang signifikan, kedua kelompok dianggap berbeda dari rata-rata vektor.

Uji Statistik

Bagaimana Hotelling T ^ 2 memberikan tes hipotesis perbedaan kelompok pada

vektor skor rata-rata? Sama seperti statistik berikut distribusi yang diketahui berdasarkan
hipotesis nol tidak ada efek pengobatan pada variabel dependen tunggal, Hotelling's T ^ 2
mengikuti distribusi yang diketahui berdasarkan hipotesis nol tanpa efek pengobatan pada
satu set tindakan bergantung. distribusi ini ternyata merupakan distribusi F dengan p dan
N1 + N2 - 2 -1 derajat kebebasan setelah penyesuaian (di mana p = jumlah variabel
dependen). Untuk mendapatkan nilai kritis untuk Hotelling's T ^ 2, kami menemukan
nilai yang diajukan untuk F critis pada tingkat tertentu dan menghitung kriteria T ^ 2
sebagai berikut:

Kasus k-grup: manova. Sama seperti anova adalah perpanjangan dari uji t,
manova dapat dianggap sebagai perpanjangan dari prosedur Hotelling's T ^ 2. kami
merancang bobot variabel dependen untuk menghasilkan skor variate untuk setiap
responden yang secara maksimal berbeda di semua grup. Banyak masalah desain analisis
yang sama yang dibahas untuk anova berlaku untuk manova, namun metode pengujian
satistical sangat berbeda dengan anova.

Dalam kasus dua kelompok, begitu variasinya berbentuk, prosedur anova pada
dasarnya digunakan untuk mengidentifikasi apakah ada perbedaan. dengan tiga atau lebih
grup (baik dengan memiliki satu variabel independen dengan tiga tingkat atau dengan
menggunakan dua atau variabel independen), analisis perbedaan kelompok menjadi lebih
dekat terkait dengan analisis diskriminan. untuk tiga kelompok atau lebih, sama seperti
dalam analisis diskriminan, beberapa variasi ukuran tergantung terbentuk.

Variasi pertama, yang disebut fungsi diskriminan, menentukan satu set bobot
yang memaksimalkan perbedaan antara grups, sehingga memaksimalkan nilai f. nilai f
maksimum itu sendiri memungkinkan kita untuk menghitung secara langsung apa yang
disebut statistik akar karakteristik Roy yang paling besar, yang memungkinkan uji
statistik fungsi diskriminan pertama. Karakteristik statistik akar terbesar dapat dihitung
sebagai:

Roy’s gcr = (k-1) Fmax/ (N-k)

Untuk mendapatkan satu tes hipotesis tidak ada perbedaan kelompok pada vektor
nilai mean pertama ini, kita bisa merujuk pada tabel distribusi Roy gcr. sama seperti
statistik f mengikuti distribusi yang diketahui berdasarkan hipotesis nol atau grup yang
setara berarti pada satu variabel dependen, statistik gcr mengikuti distribusi yang
diketahui berdasarkan hipotesis nol dari mean mean mean vektor (yaitu kelompok berarti
setara dengan satu set dependensi ukuran). sebuah perbandingan dari gcr yang diamati
terhadap nilai kritis Roy memberi kita dasar untuk menolak hipotesis nol keseluruhan
dari grup vector.

Fungsi diskriminan selanjutnya adalah ortogonal; mereka memaksimalkan

perbedaan antar grup berdasarkan varians yang tersisa yang tidak dijelaskan oleh fungsi
sebelumnya. Dengan demikian, dalam banyak kasus, tes untuk perbedaan antara grups
melibatkan bukan hanya skor variate pertama tetapi juga serangkaian skor variate yang
dievaluasi secara simultan. Dalam kasus ini, satu set tes multivariat tersedia (misalnya
kriteria lamban pillai lambai), masing-masing paling dihibur dengan situasi spesifik
untuk menguji beberapa variasi ini.