MANOVA

Contoh

CalAudio merupakan perusahaan manufaktur yang membuat MP3 player. Manajer

perusahaan tersebut prihatin pada kesetiaan merk dan mereka khawatir apabila kualitas pemain
manufaktur dapat mempengaruhi keputusan pembelian. Produk dari pesaing tampaknya memiliki
lebih seditkit masalah perbaikan dan peringkat kepuasan yang lebih tinggi. Dua penekanan yang
digunakan untuk menilai spesifikasi produk dan waktu sebelum kegagalan. Pengukuran untuk
spesifikasi product diberikan nilai antara 0-100, sedangkan untuk menilai waktu sebelum kegagalan
itu selama 159 minggu atau 3 tahun.

Manajer meminta teknik industri untuk merancang modifikasi prosedur, itu akan memperbaiki
kualitas dari pengukuran, tetapu tidak merubah produksi secara signifikan. Metode terbaru yang telah
dirancaqng mencakup penanangan komponen yang lebih efisien ketika digunakan di suhu yang tinggi
(tidak akan cepat panas).

Teknisi mengambil 15 mp3 players yang digunakan sebagai sampel untuk diteliti berdasarkan metode
lama dan untuk metode yang baru

akhirnya, untuk mendeteksi di mana perbedaannya terletak kita dapat memeriksa hasil tes F
univariat. karena hanya ada dua metode. tingkat signifikansi untuk tes ini tidak mencerminkan
bahwa beberapa perbandingan sedang dibuat. dan kita harus menggunakannya terutama untuk
tujuan diagnostik. ini mirip dengan masalah yang membutuhkan penggunaan beberapa uji
perbandingan dalam analisis varian awal ini

Perhatikan, bagaimanapun, bahwa ada perbedaan yang signifikan secara statistik dalam ketiga
variabel dependen yang dihasilkan dari metode manufaktur baru. teknik untuk analisis lebih lanjut
dari hasil manova tercantum pada awal bagian ini
Structural Equation Modeling ( SEM)

Penelitian telah mengandalkan pada pemodelan persamaan struktural untuk menguji

hipotesis tentang suatu dimensi, dan hubungan antara variabel laten dan variabel obserserved
(variabel yang teramati). Alat yang biasanya digunakan untuk mengukur SEM adalah
LISREL

Menurut Ghozali (2008) Structural Equation Modelling (SEM) adalah sebuah

evolusi dari model persamaan berganda yang dikembangkan dari prinsip ekonometri dan
digabungkan dengan prinsip pengaturan dari psikologi dan sosiologi, SEM telah muncul
sebagai bagian integral dari penelitian manajerial akademik.

SEM terdiri dari 2 bagian yaitu model variabel laten dan model pengukuran (Ghozali,
2008). Bagian pertama yaitu model variabel laten (latent variable model) mengadaptasi
model persamaan simultan pada ekonometri. Jika pada ekonometri semua variabelnya
merupakan beberapa variabel terukur/teramati (measured/observed variables), maka pada
model ini beberapa variabel merupakan variabel laten (latent variables yang tidak terukur
secara langsung). Contoh variabel laten seperti kepuasan konsumen, motivasi, komitmen
organisasional, dll. Sehingga peneliti harus menggunakan beberapa indikator atau pertanyaan
kuesioner untuk mengujinya.

Sedangkan bagian kedua yang dikenal dengan model pengukuran (measurement

model), menggambarkan beberapa indikator atau beberapa variabel terukur sebagai efek atau
refleksi dari variabel latennya. Contohnya seperti laba bersih, gaji bulanan, berat badan, dll.
Kedua bagian model ini merupakan jawaban terhadap 2 permasalahan dasar pembuatan
kesimpulan ilmiah dalam ilmu sosial dan perilaku. Untuk permasalahan pertama yang
berkaitan dengan masalah pengukuran dapat dijawab dengan model pengukuran, sedangkan
permasalahan kedua yang berkaitan dengan hubungan kausal dapat dijawab menggunakan
model variabel laten.

SEM adalah alternatif yang tepat digunakan untuk analisis multivariat dalam
penelitian sosial selain keuangan atau variabel yang digunakan menggunakan skala
nominal/rasio. Karena dalam beberapa kasus, peneliti harus menggunakan variabel laten
(variabel yang tidak dapat diukur secara langsung).

Keuntungan utama dari SEM adalah (1) bahwa hubungan ketergantungan ganda dan
saling terkait dapat estimearted secara simultan dan (2) yang dapat mewakili konsep yang
tidak teramati, atau variabel laten, dalam hubungan ini dan akun untuk teror measuremen
dalam proses estimasi. rincian SEM adalah quaite yang kompleks, jauh di luar cakupan teks
ini, bagian ini memberikan pengenalan konseptual yang luas
Metode

1. Spesifkasi Model merupakan latihan secara formal menyatakan suatu model. Tahap ini
merupaka langkah dimana parameter- parameter ditentukan untuk bersifat tetap (fixed)
atau bebas (free). Parameter- parameter tetap (fixed parameters) tidak diestimasi dari
data dan biasanya tetap pada besaran 0 yang mempunyai arti tidak ada hubungan antar
variabel yang diobservasi. Jalur-jalur parameter- parameter tetap diberi label secara
numerik; terkecuali diberi nilai 0 dengan sendirinya tidak ada jalur yang akan dibuat
dalam diagram SEM. Parameter- parameter bebas (free parameters) diestimasikan dari
data yang diobservasi dan dipercaya oleh peneliti bukan 0. Tanda asteris dalam diagram
SEM menandai jalur-jalur parameter- parameter bebas. Penentuan parameter- parameter
mana merupakan parameter- parameter yang tetap dan yang bebas dalam SEM sangat
penting karena hal itu akan menentukan parameter- parameter mana yang akan
digunakan untuk membandingkan diagram yang dihipotesiskan dengan varian populasi
yang diambil (the sample population variance) serta matriks koovarian dalam pengujian
model pada tahap berikutnya. Pemilihan parameter- parameter mana yang dianggap
bebas dan tetap dalam suatu model sepenuhnya terserah peneliti. Pemilihan ini mewakili
hipotesis a priori peneliti mengenai jalur-jalur mana (pathways) dalam suatu sistem
menjadi penting dalam memunculkan struktur relasional sistem yang diobservasi,
misalnya varian sampel yang diobservasi dan matriks kovarian.

2. Identifikasi Model menyangkut apakah nilai unik untuk masing-masing dan setiap
parameter bebas dapat diperoleh dari data yang diobservasi. Semua itu tergantung pada
pilihan model serta spesifikasi parameter- parameter tetap dan dibatasi serta parameter-
parameter bebas. Suatu parameter dibatasi ketika parameter tersebut dibuat sama dengan
parameter lain. Model - model harus di identifikasi secara menyeluruh (overidentified)
supaya dapat diestimasi serta untuk melakukan pengujian hipotesis menyangkut
hubungan antar variabel. Kondisi yang diwajibkan untuk melakukan overidentification
addalah bahwa poin-poin data (jumlah varian dan kovarian) kurang dari jumlah
variabel yang diobservasi dalam model.

3. Estimasi Dalam tahap ini, nilai parameter-parameter awal yang bebas dipilih untuk
memunculkan matriks kovarian populasi yang diestimasi, (), dari model tersebut.
Nilai awal dapat dipilih oleh peneliti dari informasi sebelumnya dengan menggunakan
program-program komputer yang digunakan untuk membangun model dalam SEM,
atau dari analisis regresi jamak. Tujuan estimasi ialah untuk menghasilkan () yang
berkonvergensi pada matriks kovarian populasi yang diobservasi, S, dengan matriks
residu (perbedaan () dan S) dapat diperkecil. Berbagai metode dapat digunakan untuk
 menghasilkan (). Pilihan metode dituntun dengan karakteristik-karakteristik data
termasuk ukuran sampel dan distribusi.

4. Modifikasi Model . Jika matriks kovarian/varian yang di estimasi oleh model tidak
dapat mereproduksi matriks kovarian/varian sampel secara memadai, maka hipotesis-
hipotesis dapat disesuaikan dan model dapat diuji ulang. Untuk menyesuaikan model,
jalur-jalur baru ditambahkan dan yang lama dihilangkan. Dengan kata lain, parameter-
parameter diubah dari tetap ke bebas atau sebaliknya.

Prosedur-prosedur umum yang digunakan untuk modifikasi model adalah Lagrange

Multiplier Index (LM) dan Wald test. Kedua pengujian ini melaporkan perubahan
dalam nilai X2 manakala jalur-jalur disesuaikan. LM akan mempertanyakan apakah
penambahan parameter-parameter bebas meningkatkan kecocokan model. Pengujian ini
menggunakan logika sama dengan metode forward stepwise dalam regresi. Sedang
pengujian Wald mempertanyakan apakah penghapusan parameter-parameter bebas akan
meningkatkan kecocokan model. Pengujian Wald mengikuti logika backward stepwise
dalam regresi.

5. Presentasi Akhir Model: Pada saat model telah menghasilkan kecocokan yang dapat
diterima, estimasi-estimasi individual bagi parameter-parameter bebas dapat dinilai.
Parameter-parameter bebas dibandingkan dengan nilai nol, dengan menggunakan
statistik distribusi z-. Statistik z diperoleh dengan membagi estimasi parameter dengan
menggunakan standard error estimasi tersebut. Ratio pengujian ini harus diatas +/-1.96
agar hubungan bersifat signifikan. Setelah hubungan-hubungan individual dalam model
dinilai, maka estimasi parameter dibakukan untuk presentasi model akhir. Ketika
estimasi-estimasi parameter dibakukan, maka estimasi tersebut dapat diinterpretasi
sebagai referensi untuk parameter-parameter lainnya dalam model serta kekuatan relatif
jalur dalam model tersebut dapat dibandingkan.