MANOVA
MANOVA
NOVEMBER 2019
ANALISIS PENGARUH STRUKTURAL MODAL TERHADAP
KINERJA KEUANGAN MENGGUNAKAN ONE-WAY
MANOVA
A. TINJAUAN PUSTAKA
A.1. MANOVA
B. Hasil
Hipotesis :
H0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑙 = ⋯ = 𝜏g = 0, dengan 𝜏𝑙 = dan 𝑙 =
1,2, … ,g.
Kriteria Penolakan :
Output :
Interpetasi :
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi yang diuji pada prosedur Pillai’s Trace menunjukkan nilai
di bawah 0,05 (H0 ditolak). Hal ini berarti bahwa variabel struktur
modal menyatakan perbedaan pada berbagai Return on Assets (ROA),
Return on Equity(ROE) dan Loan to Debt Ratio (LDR).
Hipotesis :
H0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑙 = ⋯ = 𝜏g = 0, dengan 𝜏𝑙 = dan 𝑙 =
1,2, … ,g.
Kriteria Penolakan :
Output :
Interpetasi :
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi yang diuji pada prosedur Wilk’s Lambda menunjukkan
nilai di bawah 0,05 (H0 ditolak). Hal ini berarti bahwa variabel
struktur modal menyatakan perbedaan pada berbagai Return on Assets
(ROA), Return on Equity(ROE) dan Loan to Debt Ratio (LDR).
Hipotesis :
H0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑙 = ⋯ = 𝜏g = 0, dengan 𝜏𝑙 = dan 𝑙 =
1,2, … ,g.
Kriteria Penolakan :
Interpetasi :
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi yang diuji pada prosedur Hotelling’s Trace
menunjukkan nilai di bawah 0,05 (H0 ditolak). Hal ini berarti
bahwa variabel struktur modal menyatakan perbedaan pada
berbagai Return on Assets (ROA), Return on Equity(ROE) dan
Loan to Debt Ratio (LDR).
Hipotesis :
H0 : 𝜏1 = 𝜏2 = ⋯ = 𝜏𝑙 = ⋯ = 𝜏g = 0, dengan 𝜏𝑙 = dan 𝑙 =
1,2, … ,g.
Kriteria Penolakan :
Output :
Interpetasi :
Berdasarkan output software R di atas dapat dilihat bahwa nilai
signifikansi yang diuji pada prosedur Roy’s Largest Root
menunjukkan nilai di bawah 0,05 (H0 ditolak). Hal ini berarti bahwa
variabel struktur modal menyatakan perbedaan pada berbagai Return
on Assets (ROA), Return on Equity(ROE) dan Loan to Debt Ratio
(LDR).
C. Kesimpulan
A. Data
B. Syntax
>library(ICSNP)
>library(openxlsx)
>data=read.xlsx("E:/A Pnc/A PRAKTIKUM/SEMESTER 5/ANALISIS
MULTIVARIAT/DataFix.xlsx")
>Y11<-matrix(c(0.66,3.59,2.56,1.62,-
0.81,2.41,3.45,2.74,2.54,1.57,1.96,1.16,5.15,3.4),7,2)
>Y12<-matrix(c(13.14,30.44,14.9,15.79,-
3.38,17.67,25.1,57.98,19.69,14.37,15.37,12.79,38.66,16.82),7,2)
>Y13<matrix(c(27.42,68.61,97.11,92.97,87.37,80.56,80.1,52.39,73.61,84.94,
88.46,89.5,79.85,93.21),7,2)
>P <- 3
>P
>Nj <- c(7, 7, 7)
>Nj
>IV=factor(rep(1:P, Nj))
>dfMan1 <- data.frame(Y =rbind(Y11, Y12, Y13))
>manRes1 <- manova(cbind(Y.1, Y.2) ~ IV, data=dfMan1)
>manRes1
>summary(manRes1, test="Wilks")
>summary(manRes1, test="Roy")
>summary(manRes1, test="Pillai")
>summary(manRes1, test="Hotelling-Lawley")