Anda di halaman 1dari 20

ANALISIS RAGAM

PEUBAH GANDA
(MANOVA)

ANOVA VS MANOVA

Analisis Ragam Satu Analisis Ragam Peubah
Peubah (Anova) Ganda (Manova)

Pengaruh perlakuan terhadap Pengaruh Perlakuan terhadap
respon tunggal multi respons ganda

Peubah-peubah respons dianggap Mempertimbangkan adanya
saling bebas satu sama ketergantungan antar peubah-
peubah respons

.. vektor parameter  adalah nilai tengah umum.. ). 2. = g = 0 . g elj adalah peubah acak Np(0.. dan vektor pengaruh l mencerminkan pengaruh perlakuan ke-l.. 2..... Hipotesis: H0: 1 = 2 = . . nl dan l = 1. One-Way MANOVA Pembandingan Vektor Nilai Tengah g Populasi Model linier: Xlj =  + l + elj Di mana: j = 1.

One-Way MANOVA .

One-Way MANOVA Statistik Uji g nl W   (x l 1 j 1 lj  x l )( x lj  x l )' *   BW g nl   (x l 1 j 1 lj  x)( x lj  x)' .

One-Way MANOVA .

P3 = diinfeksi (ditularkan) kuman tbc selama aktifitas metabolik tinggi. tetapi terlebih dahulu diirradiasi dengan 400 rontgens.Ilustrasi: Seorang peneliti bidang kedokteran melakukan percobaan untuk meneliti hubungan di antara aktifitas metabolik di antara kelinci-kelinci percobaan dan daya tahan terhadap kuman tuberculosis (tbc). Y2 = banyaknya basil yang hidup per tubercle size (mm). perlakuan P3 diulang 5 kali (n3 = 5). Perlakuan P1 dan P2 diulang sebanyak 7 kali (n1 = n2 = 7). dan P4 diulang sebanyak 2 kali (n4 = 2). P4 = diinfeksi (ditularkan) kuman tbc selama aktifitas metabolik normal. Peneliti menetapkan 4 perlakuan sebagai berikut: P1 = kontrol (tidak divaksinasi) P2 = diinfeksi (ditularkan) kuman tbc selama aktifitas metabolik rendah. Peubah respon yang diamati ada 2 yaitu: Y1 = banyaknya basil yang hidup per tubercle formed (mm). .

6428 33.9 11.3600 15.7 28.5 16.1 4.0 32.0143 8.3 1.0 8.8 31.5 7 27.2 3.5286 4.5 13.5 2.3 18.0 5.3 2.0 2.0 42.0 53.3 8.5 total 129.1 61.4 3.5 5.0 3.6 9.0 10.3 3 12.1 2.2 25.4 3.8 2.5000 2.0 6 16.7571 2.2 4.0 4.2 4.2 3.0 1.5 3.3 3.1 3.7 2 13.5 7.Data hasil pengamatan seperti pada tabel di bawah ini.9 2.0 rata2 18.5000 .7800 2.6 5 22.5 4 14.9 5.5 168.0 24. Banyaknya Basil yang Hidup per Tubercle Formed (Y1) dan Tubercle Size (Y2) dalam mm Ulangan P1 P2 P3 P4 Y1 Y2 Y1 Y2 Y1 Y2 Y1 Y2 1 24.7 2.

3243 n 21 FK untuk respon Y2 Y2 2 63.4 FK12    1180 .4 2 FK 22    191 .Langkah-langkah teknis perhitungan: Perhitungan Faktor Koreksi (FK) untuk untuk respon Y 1 dan Y2 FK untuk respon Y1 Y1 2 390.963.1457 n 21 .4076 n 21 FK untuk respon Y1 dan Y2 Y1 Y2  390.9 2 FK11    7276 .

Perhitungan Jumlah Kuadrat Total Terkoreksi (JKT) dan Jumlah Hasil Kali Total Terkoreksi (JHKT) untuk respon Y1 dan Y2 JKT untuk respon Y1 4 ni JKT11    Y12ij  FK11  3152 .2657 i 1 j 1 JKT untuk respon Y2 4 ni JKT22    Y22ij  FK 22  17.4124 i 1 j 1 JHKT untuk respon Y1 dan Y2 4 ni JHKT12    Y1ij  Y2ij  FK12  39.0257 i 1 j 1 .

5862 i 1 ni JKP untuk respon Y2 4 Y22i JKP22   FK 22  10.3810 i 1 ni .Perhitungan Jumlah Kuadrat Perlakuan Terkoreksi (JKP) dan Jumlah Hasil Kali Perlakuan Terkoreksi (JHKP) untuk respon Y1 dan Y2 JKP untuk respon Y1 4 Y12i JKP11    FK11  1849 .6346 i 1 ni JHKP untuk respon Y1 dan Y2 4Y1i  Y2i JHKP12    FK12  21.

7778 JHKG untuk respon Y1 dan Y2 JHKG12  JHKT12  JHKP12  17.6447 .6795 JKG untuk respon Y2 JKG 22  JKT 22  JKP22  6.Perhitungan Jumlah Kuadrat Galat (JKG) dan Jumlah Hasil Kali Galat (JHKG) untuk respon Y1 dan Y2 JKG untuk respon Y1 JKG11  JKT11  JKP11  1302 .

Hasil perhitungan yang diperoleh sebelumnya dapat dirangkum dalam suatu tabel analisis ragam peubah ganda satu arah (One-way Manova) seperti berikut: Tabel Analisis Ragam Peubah Ganda Satu Arah (One-way Manova) Sumber Derajat JK dan JHK Keragaman Bebas (db) Perlakuan (P) 3 1849 .3810 10.6346  Galat (G) 17 1302 .2657  39.0257 17.0257  T      39.4124  .6447  G      17.7778  Total (T) 20  3152 .6447 6.3810  P      21.6795  17.5862  21.

dbP = derajat bebas perlakuan.Statistik uji Lambda-Wilks (-Wilks). .dbP .dbG maka terima H 0 jika Λ      U p . dbG = derajat bebas galat.dbP . sebagai berikut: G G Λ  GP T di mana: G = determinan dari matriks galat (G) T = determinan dari matriks total (T) Selanjutnya besaran  yang dihitung dari rumus di atas dibandingkan dengan tabel distribusi U dengan kaidah keputusan sebagai berikut:     U p .dbG maka tolak H 0 di mana: p = banyaknya peubah respon yang diamati.

17 = 0. .3.Berdasarkan tabel di atas diperoleh: G  8517.01 3..5060 G 8517 .01 karena  = 0.17 = 0.370654 0.1596 T 53365 .370654 maka sesuai dengan kaidah keputusan di atas maka H0 ditolak.9657 Λ   0.5060 Nilai tabel U diperoleh U 02.1596 < U 2 .9657 T  53365.

01.434.01.6.32 = 3. dbP =3.6.01.32 = 3. sehingga transformasi dari  ke F dapat dilakukan sebagai berikut:  1  Λ  dbG  1  F       8. Karena besaran F = 8. hal ini berarti sesuai dengan kriteria transformasi F untuk p =2 dan dbP 1. maka F0. Jika kita menetapkan =0. .2(dbG –1).01.434. maka kita menolak H0 pada taraf =0. p =2.017  Λ  dbP  Selanjutnya besaran F ini dibandingkan dengan nilai dari tabel F dengan derajat bebas 2 dbP. Dalam kasus di atas.017 > F0.

Tl mencerminkan pengaruh perlakuan ke-l.….. t .g dan k=1.. dan β mencerminkan pengaruh kelompok ke-b.2..Σ).2. Hipotesis : H0 : 1   2     t  0 H 1 :  i.2. Di sini vektor parameter μ adalah nilai tengah umum.b Di mana elj adalah peubah acak Np (0. i  1.. i  0. Analisis Ragam Peubah Ganda Dua Arah (Two-way Manova) Model Linier Yij     i   j   ij i=1.

yang dikenakan pada 4 kelompok yaitu K1. K2. P2. dan P5. yang diamati dari 5 perlakuan yaitu P1. P3. seperti di bawah ini: Data untuk Analisis Ragam Peubah Ganda Dua Arah perl kelompok1 Kelompok 2 Kelompok 3 Kelompok 4 total aku y1 y2 Y3 Y1 Y2 Y3 Y1 Y2 Y3 Y1 Y2 Y3 Y1 Y2 y3 an p1 96 10 725 142 16 700 122 13 655 111 13 680 417 52 2760 p2 102 15 695 106 10 710 95 14 705 93 12 680 396 51 2790 p3 109 15 690 113 15 690 101 14 680 100 19 685 423 63 2745 p4 103 17 680 97 16 690 99 13 730 135 12 670 434 58 2770 p5 98 17 680 97 14 695 105 16 680 86 22 710 386 69 2765 tota 508 74 3470 555 71 3485 522 70 3450 525 78 3425 2110 293 13830 l . Y2. dan K4.Contoh: Dari data yang mempunyai 3 peubah respon Y1. K3. dan Y3. P4.

60  14.50 4.00  94.65  1658 .50  1745 .00 267 .00     213 .50     1745 .90  24.00  Kelompok (k) 3  K    14.00  36.10 127 .55  94.50    2258 .75 57.50  125 .25  Galat(g) 12  G    24.00  164 .00  3623 .50 405 .50 156 .75  213 .10 7.75  Perlakuan (p) 4  P    125 .00   .30  62. Tabel Manova: (Tehnik perhitungan mirip seperti Manova satu arah) Tabel Analisis Ragam Peubah Ganda Dua Arah Sumber Derajat bebas JK dan JHK keragaman  234 .25 5532 .50    127 .75  62.65 91.00  Total(t) 19  T    164 .75  36.00    1129 .50 6205 .00     1658 .50   4.

168939. .168939.888319  10 8 Λ   0.05 4.Statistik uji Lambda-Wilks sebagai berikut: G 8. dan menyatakan bahwa berdasarkan data yang ada kita belum dapat menolak hipotesis kesamaan pengaruh perlakuan..12 =0. maka kita menerima H0..12 =0.227617  10 9 Kesimpulan: Nilai Tabel U 30.399006 > U 30.05 4 .399006 GP 2. jadi karena =0.