MAKALAH BIOSTATISTIK

“ANALISIS MULTIVARIAT”

OLEH
KELAS B11-A
KELOMPOK 5

1. NI MADE SRI DAMAYANTI 183222936

2. NI MADE WIDIADNYANI 183222937
3. NI MADE YUNI ANTARI 183222938
4. NI PUTU AYU SWASTININGSIH 183222939
5. NI PUTU EKA PRADNYA KARTINI 183222940
6. NI PUTU ITA MARTARIANI 183222941
7. NI PUTU NICK TRI DANYATI 183222942
8. NI PUTU RISKI DAMAYANTI 183222943

PROGRAM STUDI S1 ILMU KEPERAWATAN

STIKES WIRA MEDIKA PPNI BALI
2019
 KATA PENGANTAR

Om Swastyastu
Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa karena telah memberikan rahmat
dan karunia-Nya kepada kami sehingga kami mampu menyelesaikan makalah ini tepat pada
waktunya. Adapun makalah ini merupakan salah satu tugas Biostatistik.
Dalam menyelesaikan penulisan makalah ini, kami mendapat banyak bantuan dari
berbagai pihak dan sumber. Karena itu kami sangat menghargai bantuan dari semua pihak yang
telah memberi kami bantuan dukungan juga semangat, buku-buku dan beberapa sumber
lainnya sehingga tugas ini bisa terwujud. Oleh karena itu, melalui media ini kami sampaikan
ucapan terima kasih kepada semua pihak yang telah membantu pembuatan makalah ini.
Kami menyadari bahwa makalah ini masih banyak kekurangannya dan jauh dari
kesempurnaan karena keterbatasan kemampuan dan ilmu pengetahuan yang kami miliki. Maka
itu kami dari pihak penyusun sangat mengharapkan saran dan kritik yang dapat memotivasi
saya agar dapat lebih baik lagi dimasa yang akan datang.

Om Santih, Santih, Santih Om

Denpasar, 22 Februari 2019

Penulis

i
 DAFTAR ISI

KATA PENGANTAR…………………………………………………….. i
DAFTAR ISI…………………………………………………..………….. ii
BAB I PENDAHULUAN
1.1 Latar Belakang ………………………………………………….….. 1
1.2 Rumusan Masalah……………………………………………………. 2
1.3 Tujuan ……………………………………………………………….. 2
1.4 Manfaat ……………………………………………………………….. 2
BAB II PEMBAHASAN
2.1 Analisis Multivariat…………………………………………………. 3
2.2 One Way Anova………………………………………………………. 4
2.3 Multivariat Anova…………………………………………………….. 11
BAB III PENUTUP
3.1 Simpulan……………………………………………………………….. 16
3.2 Saran…………………………………………………………………… 16
DAFTAR PUSTAKA

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika merupakan salah satu disiplin ilmu yang penerapannya hampir di semua aspek
kehidupan. Hal ini menunjukkan bahwa peranan statistika sangat diperlukan dalam kehidupan
sehari-hari. Begitu pula dalam penelitian ilmiah, statistika merupakan alat yang berguna bagi
perencanaan dan evaluasi hasil penelitian, sehingga dapat dilakukan perbaikan dan penyempurnaan
terhadap hasil penemuan (Gunardi, 1999). Sebagai salah satu disiplin ilmu, statistika berperan untuk
mengumpulkan, menyajikan dan menganalisis data. Apabila terbatas pada tiga peran tersebut maka
dinamakan statistika deskriptif. Salah satu analisis pada statistika adalah analisis regresi.
Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata). apabila kita mengambil
langkah pengujian perbedaan rata-rata tersebut satu persatu (dengan t test) akan memakan waktu,
tenaga yang banyak. di samping itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah
ditemikan cara analisis yang mengandung kesalahan lebih kecil da dapat menghemat waktu serta
tenaga yaitu dengan ANOVA (Analisys of variances).
Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol
bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan
varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide
semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t
untuk dua rerata (mean)
Salah satu cabang ilmu statistika adalah Analisis Statistik Multivariat. Ada beberapa metode
analisis data statistik yang dapat dipelajari dalam cabang ilmu tersebut, salah satu metode yang
cukup banyak diterapkan dalam berbagai bidang adalah MANOVA atau Multivariate Analysis of
Variance. MANOVA atau Multivariate Analysis of Variance merupakan pengembangan dari
ANOVA, yaitu sebagai metode statistik untuk menganalisis hubungan antara beberapa variabel
bebas dan beberapa variabel terikat. Karakteristik pada MANOVA yaitu variabel bebas bisa lebih
dari satu atau satu, namun variabel terikat harus lebih dari satu. Pada Analisis Variansi Multivariat
(MANOVA) analisis yang dilakukan harus memenuhi asumsi sebagai berikut: asumsi data
berdistribusi normal multivariate, homogenitas matrik varians kovarians, serta adanya korelasi antar
variabel yang digunakan.

1
1.2 Rumusan Masalah
1. Apakah yang dimaksud dengan Analisis Multivariat ?
2. Apakah yang dimaksud dengan One Way Anova?
3. Apakah yang dimaksud dengan Multivariat Anova ?
1.3 Tujuan Masalah
1. Untuk mengetahui apakah yang dimaksud dengan Analisis Multivariat.
2. Untuk mengetahui apakah yang dimaksud dengan One Way Anova.
3. Untuk mengetahui apakah yang dimaksud dengan Multivariat Anova.
1.4 Manfaat
1. Manfaat teoritis dari penyusunan makalah ini agar mahasiswa memperoleh pengetahuan
tambahan dan dapat mengembangkan wawasan mengenai analisis multivariate yaitu one
way anova dan multivariate anova.
2. Manfaat praktis dari penyusunan makalah ini agar para pembaca mengetahui bagaimana cara
untuk menyusun sebuah makalah mengenai analisis multivariat dan dapat menerapkannya
dalam melakukan tindakan keperawatan.

2
 BAB II
PEMBAHASAN

2.1 Analisis Multivariat

A. Pengertian Analisis Multivariat
Analisis Multivariat adalah metode pengolahan variabel dalam jumlah yang banyak,
dimana tujuannya adalah untuk mencari pengaruh variabel-variabel tersebut terhadap suatu
obyek secara simultan atau serentak. Metode analisis multivariat adalah suatu metode statistika
yang tujuan digunakannya adalah untuk menganalisis data yang terdiri dari banyak variabel serta
diduga antar variabel tersebut saling berhubungan satu sama lain. Analisis multivariat adalah
salah satu dari teknik statistik yang diterapkan untuk memahami struktur data dalam dimensi
tinggi. Dimana variabel-variabel yang dimaksud tersebut saling terkait satu sama lain.
Berdasarkan beberapa definisi Analisis Multivariat di atas, maka statistikian menyimpulkan
bahwa yang dimaksud dengan Analisis Multivariat adalah suatu analisis yang melibatkan
variabel dalam jumlah lebih dari atau sama dengan 3 variabel.
Dimana minimal ada satu variabel terikat dan lebih dari satu variabel bebas serta terdapat
korelasi atau keterikatan antara satu variabel dengan variabel lainnya. Maka dapat diartikan
bahwa Analisis Multivariat juga merupakan analisis yang melibatkan cara perhitungan yang
kompleks. tujuannya adalah agar dapat memahami struktur data berdimensi tinggi dan saling
terkait satu sama lain.

B. Teori Analisis Multivariat

Teori dari Metode analisis multivariat dalam hal ini sebenarnya telah diketahui sejak lama
sekali, hanya saja karena cara perhitungannya yang rumit maka jarang sekali diterapkan. Tetapi
akhir-akhir ini, bersamaan dengan berkembangnya teknologi. Dimana muncul aplikasi komputer
seperti SPSS untuk menghitung atau menganalisis metode statistik dengan mudah. Maka barulah
Analisis Multivariat ini sering digunakan oleh para peneliti karena kemudahan-kemudahan yang
diberikan oleh aplikasi komputer dan banyaknya informasi yang bisa didapat dari Analisis
Multivariat ini.
Statistikian juga berpendapat bahwa telah sering terjadi kesalahpahaman yang mendasar
dari para mahasiswa atau bahkan para peneliti. Yaitu tentang definisi Analisis Multivariat, yaitu
kerancuan dalam memahami perbedaan antara Analisis Multivariat dan analisis multiple. Perlu
dipahami dan diperhatikan, bahwa pengertian Analisis Multivariat benar-benar berbeda dengan

3
 analisis multiple atau disebut juga analisis multivariabel. Kalau tentang Analisis Multivariat
sudah dibahas di atas, saatnya kita coba kupas tentang analisis multivariabel.

C. Jenis Data Dalam Analisis Multivariat

Seperti halnya analisis statistik lainnya, Analisis Multivariat yang kita bahas ini juga
tidak lepas dari jenis data atau skala data. Skala data yang digunakan ada dua macam, yaitu data
metrik dan data non metrik. Data metrik adalah data yang bersifat numerik atau berisi angka-
angka dan dapat dilakukan perhitungan matematis di dalamnya, misal nilai ujian, tingkat IQ,
berat badan, dll. Data metrik disebut juga dengan data numerik atau data kuantitatif.
Dalam hal ini data metrik ada 2 macam, yaitu data interval dan data rasio. Untuk lebih
jelasnya pelajari artikel kami tentang skala data. Sedangkan data non metrik adalah data non
numerik atau disebut juga data kualitatif atau data kategorik.Ada dua macam jenis data non
metrik ini, yaitu data nominal dan data ordinal. Sekali lagi, agar anda lebih paham lagi maka
untuk lebih jelasnya silahkan pelajari artikel kami tentang skala data. Sepertinya pembukaan atau
pengantar tentang Analisis Multivariat telah kita lalui. Selanjutnya kita bahas lebih dalam lagi
tentang klasifikasi Analisis Multivariat.

D. Klasifikasi Analisis Multivariat

Klasifikasi analisis multivariat ada tiga macam, yaitu yang pertama adalah teknik
dependensi atau istilah english versionnya adalah dependent technique. Yang kedua adalah
teknik interdependensi atau english versionnya adalah interdependent technique. Dan yang
ketiga atau yang terakhir adalah dan model struktural atau english versionnya disebut dengan
istilah structural model.
Para pakar ada yang menyebutkan bahwa Analisis Multivariat hanya dikelompokkan ke
dalam 2 klasifikasi saja. Yaitu analisis dependensi dan analisis interdependensi. Menurut
statistikian, tidak ada masalah tentang perbedaan ini, sebab para pakar yang berpendapat bahwa
ada dua klasifikasi, telah memasukkan Model Struktural atau struktural equation modelling
sebagai bagian dari klasifikasi analisis dependensi.

2.2 One Way Anova

4
A. Pengertian One-Way ANOVA (Analysis of Variance)
Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate yang
berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan
variansinya1[1]. Sedangkan menurut Teguh Wahyono dalam bukunya, One-Way ANOVA
merupakan prosedur yang digunakan untuk menghasilkan analisis variansi satu arah untuk variabel
dependen dengan tipe data kuantitatif dengan sebuah variabel independen sebagai variabel
faktor.2[2]
Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher (Bapak Statistika Modern).
Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun
pendughaan (estimasi khususnya di bidang genetika terapan).3[3] Analisis varian dapat dilakukan
untuk menganalisis data yang berasal dari berbagai macam jenis dan desain penelitian.

B. Kriteria Data One-Way ANOVA

Sebelum menguji dengan ANOVA, data harus berdistribusi normal dan mempunyai varians
yang sama.
Data yang digunakan pada One-way Anova untuk nilai variabel pada faktor harus integer sedangkan
variabel dependen harus berupa data kuantitatif (tingkat pengukuran interval).
Asumsi yang digunakan pada One-way Anova, yaitu setiap kelompok pada sampel acak independen
dari populasi yang normal dan bervarian homogen.
Dari output uji Anova akan diperoleh nilai F hitung. Jika nilai F hitung tidak signifikan, berarti rata-
rata variabel dependen pada tingkat faktor yang ditentukan identik. Jika F hitung signifikan berarti
terdapat perbedaan rata-rata variabel dependen pada tingkat faktor yang telah ditentukan.

5
C. Kegunaan One-Way ANOVA
Analisis varian banyak dipergunakan pada penelitian-penelitian yang banyak melibatkan
pengujian komparatif yaitu menguji variabel terikat dengan cara membandingkannya pada
kelompok-kelompok sampel independen yang diamati. Analisis varian saat ini banyak digunakan
dalam penelitian survey dan penelitian eksperimen.

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk
percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis
regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen
laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.

D. Prosedur menghitung One-Way Anova menggunakan Teknik Manual

Contoh soal:
Dari suatu pengamatan didapat data sebagai berikut:
Prosedur yang dicobakan
A B C
2 8 3
Data yang 0 4 8
dihasilkan 4 5 1
7 9 4
Pertanyaannya: Apakah ketiga prosedur kerja mereka berbeda?
Jawab:
1) Uji atau asumsikan bahwa data masing-masing dipilih secara acak.
2) Uji atau asumsikan bahwa data masing-masing berdistribusi normal.
3) Uji atau asumsikan bahwa data masing-masing homogen.
4) Tulis Ha dan H0 dalam bentuk kalimat.
Ha : Terdapat perbedaan yang signifikan antara A, B, dan C.
H0 :Tidak terdapat hubungan yang signifikan antara A, B, dan C.
5) Hipotesis statistiknya.
Ha : salah satu tanda ada yang ≠
6
 H0 : µA = µB = µC

6) Buat tabel penolong Anova sebagai berikut:

Prosedur yang dicobakan
A B C
2 8 3
Data yang 0 4 8
dihasilkan 4 5 1
7 9 4
n1 = 4 n2 = 4 n3 = 4 N = 12
∑χ1 = 13 ∑χ2 = 26 ∑χ3 = 16 ∑χn = 55
1 = 2,35 2 = 6,5 3 =4
S2 = 8,92 S2 = 5,67 S2 = 8,67
7) Hitung jumlah kuadrat rata-rata dengan rumus:

JKR = = = 252,08

8) Hitung jumlah kuadrat antarkelompok dengan rumus:

JKA = + + + + - JKR

= + + - 252,08 = 23,17

9) Hitung jumlah kuadrat dalam kelompok dengan rumus:

JKD = ∑χ2 – JKR - JKA = 345 – 252,08 – 23,17 = 69,75
10) Hitung derajat kebebasan rata-rata dengan rumus:
dkrata-rata = 1
11) Hitung kebebasan antarkelompok dengan rumus:
dkA = k – 1 = 3 – 1 = 2
di mana k = banyak kelompok.
12) Hitung derajat kebebasan dalam kelompok dengan rumus:
dkD = N- k = 12 – 3 = 9
di mana N = jumlah seluruh anggota sampel.
7
13) Hitung rata-rata jumlah kuadrat dengan rumus:

RKrata-rata = = = 252,08

14) Hitung rata-rata jumlah kuadrat antar kelompok dengan rumus:

RKA = = = 11,58

15) Hitung rata-rata jumlah kuadrat dalam kelompok dengan rumus:

RKD = = = 7,75

16) Cari Fhitung dengan rumus:

Fhitung = = = 1,49

17) Taraf signifikansi (α) = 0,05

18) Ftabel dengan rumus:
Ftabel = F(1-α)(dkA, dkD)
= F(1-0,05)(2, 9)
Dengan menggunakan tabel F didapat Ftabel = 4,26
19) Masukkan semua nilai yang telah didapat ke dalam tabel anova berikut:
Rata-rata
Jumlah
Jumlah Variasi dk Kuadrat F
Kuadrat (JK)
(RK)

Rata-rata 252,08 1 252,08

Antar
23,17 2 11,58
Kelompok 1,49

Dalam
69,75 9 7,75
Kelompok
Jumlah 345 12 - -

20) Kriteria pengujiannya yaitu:

H0 = signifikan
Ha = tidak signifikan
Jika Fhitung < Ftabel, maka H0 diterima.

8
21) Ternyata 1,49 < 4,26, sehingga H0 diterima.

22) Buatlah kesimpulannya.

H0 yang berbunyi: “Tidak terdapat perbedaan yang signifikan antara A, B, dan C”, diterima.
Sebaliknya, Ha yang berbunyi: “Terdapat perbedaan yang signifikan antara A, B, dan C”,
ditolak.4[6]

E. Prosedur menghitung One-Way Anova menggunakan Teknik SPSS

Contoh soal:
Seorang guru ingin membandingkan hasil belajar antara pembelajaran kooperatif tipe JIGSAW,
STAD, dan TAI. Untuk tujuan tersebut diambil 3 sampel yang saling bebas antara JIGSAW, STAD,
dan TAI dengan asumsi bahwa sampel berasal dari populasi yang berdistribusi normal. Data yang
diperoleh sebagai berikut:
Data JIGSAW STAD TAI
1 22 25 22
2 21 29 25
3 26 28 24
4 23 30 25
5 25 25 23
6 24 27 21
7 26 26 22
8 25 25 21
9 22 27 20
10 21 28 24
Langkah-langkah pengujiannya sebagai berikut:
1) Masukkan data ke SPSS Data Editor dengan mendefinisikan variabelnya terlebih dahulu dengan
memilih layout Variable View.
2) Beri nama JIGSAW, STAD, TAI, Kelas, dan Kelompok pada kotak Name dan beri angka 0 pada
kotak Decimals untuk seluruhnya.
3) Masukkan data untuk variabel JIGSAW, STAD, dan TAI dalam satu kolom pada variabel Kelas.

9
4) Beri angka 1 untuk data JIGSAW, angka 2 untuk data STAD, dan angka 3 untuk data TAI pada
kolom Kelompok. Tampilannya seperti berikut:
5) Klik Analyze  Compare Means  One-Way Anova sehingga muncul kotak dialog One-Way
Anova.

6) Masukkan variabel Pembelajaran pada kotak Dependent List dan variabel Kelompok padakotak
Factor.
7) Klik tombol Options sehingga muncul kotak dialog Options. Pilih Descriptive dan Homogeneity
of variance test pada kotak Statistics. Pilih Exclude cases analysis by analysis pada kotak
Missing value. Klik Continue.
8) Klik OK untuk menampilkan output berikut:

Oneway
[DataSet0]
Descriptives
Pembelajaran
95% Confidence Interval
for Mean
Std. Std. Lower Upper
N Mean Deviation Error Bound Bound Minimum Maximum
JIGSAW 10 23.50 1.958 .619 22.10 24.90 21 26
STAD 10 27.00 1.764 .558 25.74 28.26 25 30
TAI 10 22.70 1.767 .559 21.44 23.96 20 25
Total 30 24.40 2.594 .474 23.43 25.37 20 30
Pada gambar di atas diperoleh rata-rata pembelajaran dengan JIGSAW adalah 23,50 dengan deviasi
standar 1,958. Rata-rata pembelajaran dengan STAD adalah 27,00 dengan deviasi standar 1,764.
Dan rata-rata pembelajaran dengan TAI adalah 22,70 dengan deviasi standar 2,594.

Test of Homogeneity of Variances

Pembelajaran
Levene Statistic df1 df2 Sig.
.321 2 27 .728

10
Pada Test of Homogeneity of Variances diperoleh nilai Sig. 0,728. Nilai ini lebih dari 0,05 sehingga
H0 diterima yang berarti ketiga varians adalah identik. Dengan demikian, uji kesamaan varians untuk
uji Anova sudah terpenuhi.
ANOVA
Pembelajaran
Sum of Squares df Mean Square F Sig.
Between Groups 104.600 2 52.300 15.586 .000
Within Groups 90.600 27 3.356
Total 195.200 29
Pada tabel ANOVA diperoleh nilai Sig. Adalah 0,000 < 0,05 sehingga H0 ditolak yang berarti rata-
rata ketiga metode pembelajaran (JIGSAW, STAD, dan TAI) adalah berbeda (tidak identik)

2.3 Multivariat Anova

A. Pengertian Analisis Multivariat

Analisis statistika multivariate adalah analisis statistika yang dikenakan pada data
yang terdiri dari banyak variabel dan antar variabel yang saling berkorelasi.
Beberapa metode yang termasuk ke dalam golongan analisis ini adalah : Analisis
Faktor, Analisis Cluster, Analisis Diskriminan, Analisis Komponen Utama,
Korespondensi, dan MANOVA.

B. Pengertian MANOVA (Multivariate Analysis of Variance)

MANOVA atau Multivariate Analysis of Variance merupakan pengembangan dari

ANOVA, yaitu sebagai metode statistik suatu teknik statistik yang digunakan untuk
menghitung pengujian signifikansi perbedaan rata-rata secara bersamaan antara
kelompok untuk dua atau lebih variable terikat. Karakteristik pada MANOVA yaitu
variabel bebas bisa lebih dari satu atau satu, namun variabel terikat harus lebih dari
satu. Skala pengukuran variabel bebas berjenis kategorikal artinya data bisa berupa
data nominal atau ordinal, sedangkan pada variabel terikat merupakan variabel
kontinu artinya data bisa berupa interval atau rasio .
Asumsi yang harus di penuhi dalam MANOVA yaitu:
1. Distribusi datanya harus normal multivariat.
2. Matriks varian kovarian antar levelnya harus sama.

11
3. Setiap pengamatan manova diasumsikan bersifat independen.
4. Manova mengasumsikan bahwa variabel bebas adalah kategorik dan variabel
terikat variabel kontinu dan juga bersifat homogenitas.

Pada Analisis Varians Multivariat ada statistik uji yang dapat digunakan yaitu
sebagai berikut:
1. Uji hasil bagi kemungkinan, dengan statistik uji (lambda) dari Wilks atau

statistik uji U,

dimana (JKK) = matriks varians kovarians kekeliruan

dan (JKPr) = matriks varians kovarians perlakuan
2. Uji telusur dari lawley Hotelling dengan statistik LH tr (JKK)-1 (JKPr) ,
dimana (JKK)-1 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
maksimum dari (JKK)-1 (JKPr)

4. Uji pillai dengan statistik uji dimana adalah

akar-akar karakteristik dari (JKK)-1 (JKPr).

Dalam hal ini diberikan statistik yang menggunakan statistik U. Ada

beberapa sifat pada statistik U yang digunakan untuk menganalisis yaitu,
1. Distribusi U dengan derajat kebebasan (p;m;n) sama dengan distribusi U
yang berderajat kebebasan (m;p;n+m-p)
2. Untuk p = 2 nilai Up;m;n dapat ditransformasikan ke nilai F dengan rumus

dimana U2;m;n menyatakan nilai variabel acak

yang berdistristribusi U dengan derajat kebebasan (2;m;n), sedangkan

F2m;2(n-1) menyatakan nilai variabel acak yang berdistribusi F dengan
derajat kebebasan [2m;(2n-2)].

3.

4.

12
 5.

Kegunaan dan Kelebihan MANOVA

MANOVA digunakan untuk mengetahui apakah vektor rata-rata
populasi sama, dan jika tidak sama, komponen rata-rata mana yang berbeda
secara nyata. Karena kemampuannya untuk menganalisis beberapa
pengukuran variabel terikat secara simultan, MANOVA memiliki kelebihan:

• Menyediakan kontrol tingkat kesalahan eksperimen ketika terjadi beberapa

derajat inter-korelasi diantara variabel terikat.
• Menyediakan statistik yang lebih kuat dari ANOVA ketika variabel
terikatnyaberjumlah 5 atau kurang.

C. Distribusi Normal Multivariat

Variabel acak X dikatakan berdistribusi normal dengan rerata
2
dan varians , dimana jika fungsi kerapatan probabilitas dari X
tertentu

dengan rumus :

grafik dari merupakan kurva atau garis lengkung, atau biasanya

dikatakan bentuk lonceng (irisan bentuk lonceng).
Pada situasi multivariat, yang terlibat adalah sekelompok variabel
dikatakan berdistribusi normal p-variat dengan vektor rerata

dan matriks varians-kovarians atau matriks dipersi ,

jika fungsi kerapan probabilitas bersama dari p variabel tertentu oleh rumus:

dimana

13
 D. Uji Homogenitas Matrik
Beberapa analisis statistika multivariate seperti discriminant analysis dan
MANOVA membutuhkan syarat matriks varians-kovarians yang homogen. Untuk
menguji syarat ini dapat dipergunakan statistik uji Box-M. Adapun langkah-
langkah uji homogenitas varians-kovarians menggunakan program SPSS 16
adalah sebagai berikut:
1. Buka aplikasi SPSS .
2. Dari worksheet, entry data dilakukan melalui Variable View dan Data
View.
3. Dari menu utama SPSS dipilih menu Analyze, kemudian submenu General
Linear Model dipilih Multivariate.
4. Setelah tampak dilayar tampilan window Multivariat, kemudian
melakukan entry variabel-variabel yang sesuai pada kotak Dependent
Variables dan Fixed Factor(s).
5. Selanjutnya Option dipilih Homogenitas test dan Continue, terakhir OK.

E. Uji Korelasi Antar Variabel

Variabel dikaatakan bersifat saling bebas (independent) jika
matriks korelasi antar variabel membentuk matriks identitas. Korelasi antar variabel
dilakukan dengan menggunakan uji Bartlett Sphercity pada program SPSS. Hipotesis
yang digunakan pada uji tersebut adalah sebagai berikut:

Statistik uji yang digunakan yaitu:

14
Berikut adalah flowchart dari langkah-langkah pengerjaan analisis data :

15
 BAB III
PENUTUP

3.1 Simpulan
Analisis multivariat adalah salah satu dari teknik statistik yang diterapkan untuk memahami

struktur data dalam dimensi tinggi. Dimana variabel-variabel yang dimaksud tersebut saling terkait

satu sama lain. Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate

yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara

membandingkan variansinya. Sebelum menguji dengan ANOVA, data harus berdistribusi normal

dan mempunyai varians yang sama serta diambil dari populasi yang homogen. One-way Anova

digunakan untuk menganalisis varians variabel dependen yang kuantitatif dari satu faktor yang

bervariabel independen. Dalam teknik One-Way ANOVA menggunakan metode pengujian

hubungan antara satu variabel tergantung yang berskala interval atau rasio (parametrik) dengan satu

atau lebih variabel berskala nominal (non-parametrik).

3.2 Saran

Dalam pembuatan makalah ini penulis sadar bahwa makalah ini masih banyak kekurangan
dan masih jauh dari kata kesempurnaan. Oleh karena itu, kritik dan saran dari pembaca sangatlah
kami perlukan agar dalam pembuatan makalah selanjutnya akan lebih baik dari sekarang dan kami
juga berharap pengetahuan tentang Analisis Multivariat dapat terus di kembangkan dan diterapkan
dalam bidang Biostatistik.

16
 DAFTAR PUSTAKA

https://www.statistikian.com/2016/11/analisis-multivariat.html/amp

Usman, Husaini. 2006. Pengantar Statistika. Jakarta: Bumi Aksara.

Wahyono, Teguh. 2009. 25 Metode Anlisis dengan Menggunakan SPSS 17. Jakarta : Gramedia.

http://solusisekripsi.blogspot.com/2012/10/pengertian-oneway-anova-analisis-varian.html

http://teorionline.wordpress.com/2011/02/06/one-way-anova-analysis-of-variance/Hendry/

17
20