Oleh :
Jauharin Insiyah
(196090500111008)
S2 STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2019
Penerapan Manova dalam bidang Ekonomi.
Contoh Kasus :
Suatu perusahaan susu hendak menyelidiki apakah ada perbedaan rata-rata biaya
transportasi yang dikeluarkan dalam mengangkut susu dari petani ke perusahaannya
dengan menggunakan truk bensin dan truk diesel jika dilihat dari biaya bahan bakar (X1) ,
biaya perbaikan (X2), dan modal membeli kendaraannya (X3). Data yang berhasil
dikumpulkan dari 20 truk bensin dan 15 truk diesel adalah sebagai berikut.
Tabel Biaya Transportasi Susu
10
5
0
0 2 4 6 8 10
qchisq(ppoints(n), df = p)
Dari grafik QQ Plot di atas dapat dilihat bahwa data menyebar di sekitar garis regresi.
Sehingga dapat dikatakan bahwa data telah memenuhi asumsi Normal Multivariate.
2. Menguji homogenitas dengan Box’s M
𝐻0 : Σ1 = Σ2
𝐻1 : 𝐴da paling sedikit satu diantara sepasang Σ1 yang berbeda.
Uji asumsi dilakukan dengan bantuan software R dengan Syntax sebagai berikut:
data=read.table(file="E:\\manova.txt",header=TRUE)
data
library(biotools)
boxM(data[,-1],data[,1]
Box's M-test for Homogeneity of Covariance Matrices
data: data[, ]
Chi-Sq (approx.) = 13.575, df = 6, p-value = 0.13476
Dari hasil tersebut didapakatkan nilai p-value = 0.13476 , dimana nilai tersebut > nilai
𝛼(0,05) artinya Terima H0 . Sehingga dapat disimpulkan bahwa Kovariansi data tersebut
homogen.
Langkah 3 :
a. Variabel Pertama
Menghitung Jumlah Kuadrat (JK atau SS) rata-rata keseluruhan , pengaruh perlakuan dan sisaan sebagai berikut :
𝐱 𝐢𝐣 = 𝐱̅(rata − rata sampel) + (𝐱̅ 𝒊 − 𝐱̅)(Pengaruh perlakuan) + (𝐱 𝐢𝐣 − 𝐱̅ 𝒊 )(Sisaan)
16,44 9,92 4,24 11,20 13,50 29,11 12,68 9,90 10,25 11,11 12,17 10,18 8,88 8,51 12,95 16,93 14,70 10,32 8,98
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )) =
8,50 7,42 10,28 12,79 6,47 9,15 11,61 9,09 8,29 15,90 11,94 10,87 7,13 11,88
11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )) +
11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254 11,3254
0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948 0,948
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )) +
−1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264 −1,264
4,167 −2,35 −8 −1,074 1,2 1,226 16,836 0,4065 −2,3735 −2,0235 −1,163 −2,093 −3,393 −3,763 0,677 4,657 2,427 −1,953 −3,293
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( ))
−1,561 −2,64 0,2 2,7287 −0,5 −3,591 −0,911 1,548667 −0,97133333 −1,77133 5,839 0,809 −2,931 1,819
8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )) +
8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932 8,932
−0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609 −0,609
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( ))
0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811 0,811
+
4,106 −6,974 −2,544 −3,274 2,656 5,946 6,766 −0,714 −4,694 −3,254 −2,174 5,936 −2,274 −5,624 5,696 −0,084 5,046 2,456 −3,164 −3,834
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( ))
2,516 −4,614 −6,424 −5,574 2,976 −0,854 −6,804 2,006 3,506 −3,524 3,156 −4,054 11,776 3,476 2,436
13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )) +
13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678 13,678
−3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114 −3,114
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( ))
4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152 4,152
+
4,106 −6,974 −2,544 −3,274 2,656 5,946 6,766 −0,714 −4,694 −3,254 −2,174 5,936 −2,274 −5,624 5,696 −0,084 5,046 2,456 −3,164 −3,834
(( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( )( ))
2,516 −4,614 −6,424 −5,574 2,976 −0,854 −6,804 2,006 3,506 −3,524 3,156 −4,054 11,776 3,476 2,436
SK Db Matriks SSCP
Perlakuan 1 41,9458 −26,9252 80952382
( −26,9252 17,2834 88,4457 )
80952382 88,4457 452,6095
Sisaan 33 546,5786 271,9628 2,1535
(271,9628 737,0832 176,9461)
2,1535 176,9461 719,6253
Total (Terkoreksi) 34 588,5245 245,0376 −135,633
( 245,0376 754,3667 265,3919 )
−135,633 265,3919 1172,2348
Langkah 5 : Menghitung statistic uji Wilk’s Lambda dan membandinglan nilai F kritis.
546,5786 271,9628 2,1535
(271,9628 737,0832 176,9461)
|𝐖| 2,1535 176,9461 719,6253 219782601,7
Λ ∗= = = = 0,5829
|𝐖 + 𝐁| 588,5245 245,0376 −135,633 377074536,4
( 245,0376 754,3667 265,3919 )
−135,633 265,3919 1172,2348
# Perhitungan nilai Wilks Lambda dengan menggunakan software R
Syntax :
data=read.table(file="E:\\manova.txt",header=TRUE)
data
manRes1<-manova(cbind(data$X1,data$X2,data$X3)~g,data=data)
summary(manRes1,test="Wilks")
Didapatkan hasil sebagai berikut:
(35 − 3 − 1) 1 − √0,5829
Λ=( )( ) = 9,6049
2−1 √0,5829
Karena nilai Λ = 9,6049 > 𝐹(0,01(2;33)) = 5,31202, maka Tolak 𝐻0 pada taraf nyata 𝛼 =
0,01.
Kesimpulannya :
Dengan tingkat kepercayaan 99% dapat disimpulkan bahwa ada perbedaan rata-rata secara
signifikan untuk biaya transportasi yang dikeluarkan dalam mengangkut susu dari petani ke
perusahaan dengan menggunakan truk bensin dan truk diesel jika dilihat dari bahan bakar,
biaya perbaikan dan modal untuk membeli kendaraannya.
SELANG KEPERCAYAAN
1. Variabel 1 (X1) yaitu Biaya bahan bakar, antara Truk bensin dan Truk diesel .
Langkah 1 : hitung 𝜏̂1 𝑑𝑎𝑛 𝜏̂ 2
0,9481
̅̅̅1 − X
𝜏̂1 = (X ̅) = (−0,6086)
−3,1143
−1,2641
̅̅̅ ̅
𝜏̂ 2 = (X2 − X) = ( 0,8114 )
4,1524
Langkah 2: Hitung 𝜏̂11 − 𝜏̂ 21
𝛼 𝑊21 1 1
𝑃(2,2122 − 𝑡32 (𝑝𝑔(𝑔−1)) √𝑛−𝑔 (𝑛1 + 𝑛2) < 𝜏̂11 − 𝜏̂21 < 𝑃(2,2122 +
𝛼 𝑊21 1 1
𝑡32 (𝑝𝑔(𝑔−1)) √𝑛−𝑔 (𝑛1 + 𝑛2) = 95%
𝛼 𝑊22 1 1
𝑃(−1,42 − 𝑡32 (𝑝𝑔(𝑔−1)) √𝑛−𝑔 (𝑛1 + 𝑛2) < 𝜏̂11 − 𝜏̂ 21 < 𝑃(2,2122 +
𝛼 𝑊22 1 1
𝑡32 (𝑝𝑔(𝑔−1)) √𝑛−𝑔 (𝑛1 + 𝑛2) = 95%
𝛼 𝑊23 1 1
𝑃(−7,2667 − 𝑡32 (𝑝𝑔(𝑔−1)) √𝑛−𝑔 (𝑛1 + 𝑛2) < 𝜏̂11 − 𝜏̂ 21 < 𝑃(−7,2667 +
𝛼 𝑊23 1 1
𝑡32 (𝑝𝑔(𝑔−1)) √𝑛−𝑔 (𝑛1 + 𝑛2) = 95%
𝑃(−7,2667 − 2,0369(0,0021)(0,79093) < 𝜏̂11 − 𝜏̂21 < 𝑃(−7,2667 +
2,0369(0,0021)(0,79093) = 95%
𝑃(−0,0035) < 𝜏̂13 − 𝜏̂ 23 < 0,0035 = 95%
Dari selang kepercayaan tersebut dapat disimpulkan bahwa rata-rata Modal pembelian truk
diesel lebih besar 0,0035 daripada Truk bensin.
ANALISIS PROFIL
Dengan menggunakan analisis profil akan dicari apakah terdapat perbedaan pengaruh rata-
rata antara truk mesin dan truk diesel terhadap biaya transportasi yang dikeluarkan dalam
mengangkut susu dari petani ke perusahaan.
Tahap-tahap dalam memformulasikan pengujian kesamaan dalam profil populasi yang
pertama adalah :
1. Apakah profil parallel
Apakah 𝐻01 : 𝐶𝜇1 = 𝐶𝜇2 dapat diterima? )
12,2735
̅1 = ( 8,324 )
Truk Bensin dengan n1=20 : X
10,564
10,0613
̅ 2 = ( 9,744 )
Truk Diesel dengan n2=15 , X
17,8307
24,1619 13,2582 −2,9444
Matriks Kovariansi : 𝐒1 = ( 13,2582 19,4435 2,1795 )
−2,9444 2,1795 13,3848
6,25014 1,43265 4,14985
𝐒2 = (1,43265 26,26125 9,68117)
4,14985 9,68117 33,2367
library(profileR)
MANOVA12=read.table(file="E:\\manova.txt", header=TRUE)
MANOVA12
mod12<-pbg(data=MANOVA12[,1:4],group=MANOVA12[,1],original.names=TRUE,profile.plot=TRUE)
print(mod12)
summary(mod12)
1
2
15
Mean Score
10
5
g X1 X2 X3
Observed Variables