ANALISIS MULTIVARIAT

“2 PARAMETER RATA-RATA MANOVA”

Dosen Pembimbing : Noor Ell Goldameir, M.Si

MAKALAH

DISUSUN OLEH
Damianus Nainggolan : 1703113966
Siti Nuraini : 1703110090
Fenita Wulandari S : 1703121904
Delfi Elpira : 1703111275
Nurul Nisahana : 1703111359

PROGRAM STUDI S1 STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS RIAU
PEKANBARU
2019
 KATA PENGANTAR

Puji syukur Alhamdulillah kami ucapkan ke hadirat Tuhan Yang Maha Esa, karena
telah melimpahkan rahmat-Nya berupa kesempatan dan pengetahuan sehingga makalah ini
bisa selesai pada waktunya.

Terima kasih juga kami ucapkan kepada teman-teman yang telah berkontribusi dengan
memberikan ide-idenya sehingga makalah ini bisa disusun dengan baik dan rapi.

Kami berharap semoga makalah ini bisa menambah pengetahuan para pembaca.
Namun terlepas dari itu, kami memahami bahwa makalah ini masih jauh dari kata sempurna,
sehingga kami sangat mengharapkan kritik serta saran yang bersifat membangun demi
terciptanya makalah selanjutnya yang lebih baik lagi.

Pekanbaru, 16 september 2019

Penulis

i
 DAFTAR ISI

KATA PENGANTAR .............................................................................................................. i

DAFTAR ISI............................................................................................................................ ii

BAB 1 ...................................................................................................................................... 1
PENDAHULUAN ................................................................................................................... 1
A.Latar Belakang ..................................................................................................................... 1
B. Rumusan Masalah ................................................................................................................ 1
C. Tujuan Penulisan .................................................................................................................. 1

BAB II...................................................................................................................................... 3
PEMBAHASAN ...................................................................................................................... 3
1. Apa Arti Manova ?............................................................................................................... 3
2. Tahapan MANOVA ............................................................................................................. 4

BAB III .................................................................................................................................. 12

PENUTUP ............................................................................................................................. 12
1. Kesimpulan ........................................................................................................................ 12

DAFTAR PUSTAKA ............................................................................................................ 12

LAMPIRAN (CONTOH KASUS)

ii
 BAB 1
PENDAHULUAN

A. Latar Belakang

MANOVA merupakan solusi teknik analisis data kuantitatif bagi peneliti di dunia
pendidikan yang ingin mengamati hasil belajar peserta didik dalam rangka
menerapkan prinsip kebulatan dalam Kurikulum 2013 (prinsip evaluasi hasil
belajar meliputi aspek kognitif, afektif, dan psikomotor). MANOVA mampu
mengungkapkan perbedaan yang tidak ditampilkan ANOVA secara terpisah,
sehingga dapat meningkatkan kesempatan untuk menemukan perubahan sebagai
akibat dari perlakuan yang berbeda dan interaksinya. Dengan demikian, temuan
hasil penelitian akan semakin kaya dan sangat berguna bagi perkembangan ilmu
pengetahuan. Terdapat dua model analisis variansi yaitu model overparameterized
dan model rerata sel. Model rerata sel memberikan pendekatan sederhana dan tidak
ambigu, yang dapat digunakan pada data seimbang atau data tidak seimbang.
Model ini menggunakan kontras untuk menyatakan efek utama dan interaksi. Uji
persyaratan MANOVA meliputi uji normalitas multivariat dengan uji Mardia dan
uji homogenitas matriks kovariansi dengan uji Box’s M. Terdapat beberapa statistik
uji MANOVA yaitu Wilks’ Lambda, Pillai, Lawley-Hotelling, dan Roy’s Largest Root.
Ketika hipotesis nol MANOVA ditolak, maka dilanjutkan ANOVA pada setiap
variabel terikat. Apabila hipotesis nol ANOVA ditolak dan variabel bebas memiliki
lebih dari dua nilai, maka dilakukan uji post hoc dengan metode Scheffe’. Prosedur
ini menjaga taraf kesalahan α. Uji komparasi rerata antar sel tidak dapat dilakukan
secara langsung menggunakan General Linear Model (GLM) pada SPSS. Prosedur
yang dapat dilakukan adalah memanipulasi data dengan merubah kondisi
eksperimentasi menjadi nilai-nilai yang dianggap satu variabel bebas, sehingga
dapat dianalisis dengan One-Way ANOVA atau GLM. Kesulitan analisis multivariat
pada perhitungannya yang terlalu rumit, sudah terpecahkan dengan adanya
software statistik yang semakin canggih.

B. Rumusan Masalah
1. Apa arti Manova ?
2. Apa saja tahap – tahap Uji Manova ?
3. Contoh kasus MANOVA

C. Tujuan Penulisan
Tujuan penulisan makalah ini adalah sebagai berikut :
1. memenuhi tugas mata kuliah Analisis Multivariat

1
2. mengetahui apa itu Uji Manova
3. mengetahui bagaimana tahap – tahap Uji Manova
4. mengetahui contoh contoh masalah Uji Manova

2
 BAB II
PEMBAHASAN

1. Apa Arti Manova ?

Manova adalah uji statistik yang digunakan untuk mengukur

pengaruh variabel independen yang berskala kategorik terhadap beberapa variabel
dependen sekaligus yang berskala data kuantitatif. Analisis ini dsiebut juga dengan istilah
multivariat anova.

Multivariat anova merupakan singkatan dari multivariate analysis of variance, artinya

merupakan bentuk multivariate dari analysis of variance (ANOVA).
Bentuk multivariate maksudnya adalah terdapat lebih dari satu variabel terikat. Sehingga
uji manova digunakan untuk mengukur pengaruh variabel independen terhadap beberapa
variabel dependen secara simultan atau sekaligus.

Uji ini mirip sekali dengan uji Hotelling’s T2. Letak perbedaannya adalah jika uji
hotelling’s T2 digunakan apabila hanya terdapat 1 variabel independen dengan 2 kategori
saja. Sedangkan multivariat anova dapat digunakan pada lebih dari 1 variabel independen
dan/atau kategori dua atau lebih.

Jadi apabila dibuat kesimpulan:

Uji ini adalah bentuk multivariat dari ANOVA, sedangkan Hotelling’s T2 adalah
bentuk multivariat dari independen t test. Berikut Gambarannya:

Uji Multivariat Anova

Multivariat anova dapat dikatakan kebalikan dari analisis diskriminan, karena pada
analisis diskriminan variabel dependen yang berskala kategorik dan variabel independen
yang berskala kuantitatif. Kedua uji ini mempunyai kesamaan dalam cara menentukan
nilai variate dan menguji signifikansi statistic antar kelompok.

3
 Keunggulannya adalah mampu digunakan untuk menganalisis pengaruh setiap
variabel independen yang berskala kategorik terhadap masing-masing variabel dependen
secara terpisah, di mana variabel dependen berskala kuantitatif. Dalam penggunaannya,
membutuhkan asumsi, yaitu ukuran sampel yang lebih besar dari pada univariat ANOVA,
di mana dalam manova ada batasan khusus dalam setiap sel (kelompok), minimal
sebanyak 20 observasi. Dan jumlah sampel di setiap sel harus lebih besar dari jumlah
variabel dependen.

2. Tahapan MANOVA

2.1. Uji Normalitas Multivariat

Analisis multivariat normal merupakan suatu analisis yang melibatkan banyak
variabel (lebih dari dua variabel) yang masing-masing memenuhi sifat normalitas.
Tujuan utama dari pengujian normal multivariat adalah ingin mengetahui bahwa data
memenuhi asumsi distribusi normal atau tidak. Normalitas berarti nilai residual (𝜀𝑖𝑗 )
dalam setiap perlakuan (grup) yang terkait dengan nilai pengamatan 𝑌𝑖 harus
berdistribusi normal. Jika nilai residual berdistribusi normal, maka nilai 𝑌𝑖 pun akan
berdistribusi normal.
Menurut Johnson dan Wichern (2007), untuk memeriksa data apakah merupakan
multivariat normal dapat dilihat dari plot antara dj2 dengan chi-square ((j-0,5)/n)
seperti berikut
′
𝑑𝑗2 = (𝑥𝑗 − 𝑥̅ ) 𝑆 −1 (𝑥𝑗 − 𝑥̅ ) (2.1)
Keterangan
j=1,2,3...,n dan n adalah banyak data.
𝑥𝑗 = pengamatan ke-j
𝑆 −1 = invers varian kovarian 𝑆

2
Nilai 𝑑𝑗2 kemudian dibandingkan dengan 𝜒(𝑖,0.5) , j=1,2...,n dan n merupakan
2
banyaknya variabel. Jika proporsi 𝑑𝑗2 < 𝜒(𝑖,0.5) adalah 50% maka data dikatakan
berdistribusi normal multivariat . Dengan cara melihat pola sebaran data pada
Scatterplot antara nilai 𝑑𝑗 Jika titik-titik pada plot mengikuti garis linier maka
disimpulkan bahwa data memenuhi asumsi distribusi normal multivariat.

Selain dengan menggunakan nilai proporsi dan visualisasi dengan plot maka
dapat dianalisis uji korelasi .Uji korelasi digunakan untuk menguji tingkat
1
(𝑗− )
2
signifikansi dimana dengan mengkorelasikan antara nilai 𝑑𝑗 dengan nilai 𝑞𝑐,𝑝 = 𝑛
.Uji ini dilakukan untuk melihat apakah data memenuhi asumsi distribusi normal
multivariat atau tidak.
Hipotesis :

4
 H0 : Data berdistribusi normal multivariat
H1 : Data tidak berdistribusi normal multivariat

Dengan statistik uji

∑𝑛𝑗=1(𝑥(𝑗) − 𝑥̅ )(𝑞(𝑗) − 𝑞̅ )
𝑟𝑞 =
√∑𝑛𝑗=1(𝑥(𝑗) − 𝑥̅ )2 √∑𝑛𝑗=1(𝑞(𝑗) − 𝑞̅ )2
Daerah Kritis:
Tolak H0 jika rq < rα,n) .Jika hasil dari statistik uji memiliki hasil yang kurang
dari tabel normal probabilitas koefisien korelasi ( r(α ,n) ), maka dapat disimpulkan
bahwa data tidak berdistribusi normal, begitu pun sebaliknya.

2.2. Uji Homogenitas Matrix Kovariansi

Field (2009 : 604) menjelaskan asumsi homogenitas matriks kovariansi lebih

mudah diuji daripada normalitas multivariate. Uji homogenitas matriks kovariansi
antara dua populasi atau lebih dilakukan dengan Box’s M test yang dirumuskan
sebagai berikut :

Uji hipotesis :
𝐻0 : ∑1 = ∑2 = ⋯ = ∑𝑘 = ∑ (matriks kovarians bersifat multivariate
homokedastisitas)
𝐻1 : 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑎𝑑𝑎 𝑠𝑎𝑡𝑢 ∑𝑖 ≠ ∑𝑗 (matriks kovarians tidak bersifat
multivariate homokedastisitas)

Statistik Uji : 𝐶 = (1 − 𝑢)𝑀, dimana

1 1 2𝑝2 − 2𝑝 − 1
𝑢 = ⌊∑𝑙 − ⌋[ ]
(𝑛𝑙 − 1) ∑𝑙 (𝑛𝑙 − 1) 6(𝑝 + 1)(𝑞 − 1)
𝑀 = ⌊∑𝑙 (𝑛𝑙 − 1)⌋𝑙𝑛|𝑆𝑝 | − ∑𝑙 [(𝑛𝑙 − 1)𝑙𝑛|𝑆𝑝 |]
1
𝑆𝑝 = {(𝑛1 − 1)𝑆1 + ⋯ + (𝑛𝑦 − 1)𝑆𝑦 }
∑𝑙 (𝑛𝑙 − 1)

2 1
Daerah kritis tolak 𝐻0 jika 𝐶 > 𝑋𝜗(𝑢) dengan 𝛾 = 2 𝑝(𝑝 + 1)(𝑞 − 1)

2.3. Model MANOVA

Multivariate Analysis of Variance (MANOVA) adalah perluasan dari Analysis

Of Variace (ANOVA) untuk mengakomodasi lebih dari satu variabel terikat.

ANOVA
Y1 = x1 + x2 + x3 + … +xn

5
 (metric) (nonmetric)

MANOVA
Y1 + y2 + y3 + … + yn = x1 + x2 + x3 + … +xn
(metric) (nonmetric)
Model dari MANOVA dua arah adalah sebagai berikut.
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 + 𝜀𝑖𝑗
dimana 𝑖 = 1, 2, … , 𝑡, 𝑗 = 1, 2, … , 𝑟
𝑌𝑖𝑗 : nilai pengamatan (respon) dari perlakuan ke-i dan ulangan ke-j
𝜇 : nilai rataan umum
𝜏𝑖 : pengaruh dari faktor 1 pada level ke-i terhadap respon
𝛽𝑗 : pengaruh dari faktor 2 pada level ke-j terhadap respon
(𝜏𝛽)𝑖𝑗 : pengaruh faktor interaksi antara faktor 1 pada level ke-i dan faktor 2
pada level ke-j terhadap respon
𝜀𝑖𝑗 : pengaruh error yang berdistribusi Np(0, ∑) untuk data multivariat.

Hipotesis yang digunakan untuk pengujian pengaruh faktor 1 adalah sebagai

berikut.
H0 : τ1 = τ2 = ... = τt = 0
H1 : minimal terdapat satu τi ≠ 0 , i = 1,2,...,t
Hipotesis yang digunakan untuk pengujian pengaruh faktor 2 terhadap respon
adalah sebagai berikut.
H0 : β1 = β2 = ... = βt = 0
H1 : minimal terdapat satu βj ≠ 0 , j = 1,2,...,r
Hipotesis yang digunakan untuk pengujian pengaruh faktor interaksi 1 dan 2
terhadap respon adalah sebagai berikut.
H0 : (τβ)11 = (τβ)12 = ... = (τβ)ij = 0
H1 : minimal terdapat satu (τβ)ij ≠ 0 , i = 1,2,...,t dan j = 1, 2, ..., r

ANOVA dan MANOVA digunakan dalam desain eksperimental yaitu penelitian

untuk mengetahui apakah ada perbedaan yang nyata pada variabel-variabel dependen
antar-anggota sebuah grup. Teknik univariat untuk menganalisa perbedaan kelompok
adalah t-test (dua kelompok) dan ANOVA (dua atau lebih kelompok).

6
 Jumlah kelompok Jumlah Variabel Terikat
dalam variabel bebas
Satu (Univariat) Dua atau lebih
(Multivariat)

Dua kelompok Uji t Hotteling’s

Dua atau lebih ANOVA MANOVA

kelompok

Langkah langkah pengujian manova dapat kita lihat sebagai berikut :

Mulai

Perumusan Masalah

Pengumpulan Data

Input Data

Uji Normalitas
dan Homogenitas

Uji MANOVA

Interpretasi dan Kesimpulan

Selesai

7
2.4. UJI MANOVA

Dalam analisis multivariat, MANOVA dapat digunakan pada percobaan

beberapa variabel independen yang nilainya akan diubah. MANOVA memiliki
beberapa kelebihan dibandingkan dengan ANOVA. Salah satunya adalah
mengurangi kemungkinan terjadinya galat Tipe I yang mungkin terjadi saat
dilakukan perhitungan beberapa ANOVA secara independen. Pada kasus univariat,
ukuran tergantung tunggal diuji untuk kesetaraan di kelompok.

Sedangkan kasus multivariat, variat yang diuji untuk kesetaraan. Dalam

MANOVA, peneliti sebenarnya memiliki dua variat, satu untuk variabel dependen
dan satu lagi untuk variabel independen. Variabel terikat adalah variat lebih menarik
karena tindakan metrik tergantung dapat dikombinasikan dalam kombinasi linear,
seperti yang telah ada dalam regresi berganda dan analisis diskriminan. Aspek unik
dari MANOVA adalah bahwa variat secara optimal menggabungkan beberapa
tindakan tergantung menjadi nilai tunggal yang memaksimalkan perbedaan antar
kelompok.

Asumsi yang berlaku dalam MANOVA adalah:

1. Variabel dependen terdistribusi normal
2. Setiap pasang variabel dependen, kovariat, dan semua pasangan variabel
dependen-kovariat adalah linear
3. Variabel dependen memiliki tingkat variansi yang sama sepanjang daerah
variabel prediktor
4. Variabel dependen maupun independen dapat dikorelasikan satu sama lain

Batasan-batasan penggunaan MANOVA antara lain:

1. Outliers-outliers dapat menghasilkan galat tipe I atau tipe II dan tidak ada
tanda yang menandakan galat tipe mana yang terjadi dalam analisis
2. Multikolinearitas dan singularitas (saat terdapat korelasi yang tinggi antara
variabel dependen, salah satu variabel dependen akan menjadi kombinasi
linear dari variabel dependen lainnya)

Selain itu dapat dijelaskan pula mengenai prosedur dalam univariat yaitu
menggunakan t-test untuk menguji perbedaan antara dua kelompok, t-statistik
merupakan rasio dari perbedaan antara mean sample (u1 – u2) terhadap standar
errornya. Standar error merupakan estimasi perbedaan antara mean yang diharapkan
karena kesalahan sample, bukan perbedaan sesungguhnya antara mean. Jika nilai
absolut t lebih besar dari nilai kritis t, maka kita dapat menolak Ho yang mengatakan
tidak ada perbedaan. Hal ini berarti perbedaan aktual secara statistik lebih besar dari
perbedaan yang diharapkan dari kesalahan sampel.

8
 Kemudian dalam prosedur univariat juga menggunakan Analysis of Variance
(ANOVA) untuk menguji perbedaan antara tiga kelompok atau lebih terhadap dua
atau lebih variabel independen menggunakan uji F. ANOVA digunakan untuk
menentukan probabilitas bahwa perbedaan dalam mean antar beberapa kelompok
adalah berdasarkan kesalahan sample. Pengujian ANOVA secara langsung
membandingkan dua estimasi independen dari variance untuk variabel dependen.
Yang pertama mewakili variabilitas umum dari responden dalam kelompok (MSW)
dan yang lainnya mewakili perbedaan antar kelompok yang mempunyai pengaruh
treatment (MSB).

Selanjutnya, untuk prosedur MANOVA sendiri menjelaskan bahwa Jika pada

t-test dan ANOVA, pengujian hipotesis nol adalah kesamaan mean dari variabel
dependen antar kelompok. Pada MANOVA pengujian hipotesis nol adalah kesamaan
mean dari vector multiple variable dependen antar kelompok. The Two-Group
Case: Hotelling's T2 bentuk yang merupakan perluasan khusus dari univariate t-test.
Hotelling’s T2 menyediakan pengujian statistik variabel yang dibentuk dari variabel
dependen yang menghasilkan perbedaan kelompok terbesar. Hotelling’s T2 juga
digunakan untuk masalah “inflating” jenis kesalahan I yang timbul ketika membuat
serangkaian t-test mean kelompok pada beberapa ukuran dependen. Hal ini
mengendalikan inflasi dari jenis kesalahan I dengan menyediakan pengujian
keseluruhan secara tunggal dari perbedaan kelompok diantara semua variabel
dependen pada level a yang ditetapkan.

Rumus dari Hotelling’s T2 adalah sebagai berikut:

C = W1Y1 + W2Y2 +...... + WiYi

Keterangan:

C = komposit atau skor variate untuk responden

Wi = bobot untuk variabel dependen i
Yi = variabel dependen i

Untuk bobot tertentu, kita harus menghitung skor komposit untuk setiap
responden dan kemudian menghitung t-statistik biasa untuk perbedaan antar
kelompok atas skor komposit. Kita dapat menemukan serangkaian bobot yang
memberi nilai maksimum untuk t-statistik bagi data ini. Bobot ini dapat sama dengan
fungsi diskriminan antar dua kelompok. Nilai t-statistik maksimum yang dihasilkan
dari skor komposit yang dihasilkan oleh fungsi diskriminan di kuadratkan untuk
menghasilkan nilai Hotelling’s T2. Perhitungan formula Hotelling’s T2 mewakili
hasil derivasi matematika yang di gunakan untuk menyelesaikan t-statistik

9
maksimum (dan secara implisit diskriminasi kombinasi linear terhadap variabel
dependen). Hal ini sama dengan jika kita dapat menemukan fungsi diskriminan untuk
dua kelompok yang menghasilkan T2 yang signifikan, kedua kelompok
dipertimbangkan berbeda diantara mean vektor.

Selanjutnya prosedur univariat yang terakhir adalah menggunakan

MANOVA. The k-Group Case: MANOVA. MANOVA dapat dianggap sebagai
perluasan dari prosedur Hotelling’s T2 dimana kita menemukan bobot variabel
dependen untuk menghasilkan skor variate bagi setiap responden. Dengan
MANOVA kita akan mendapatkan seperangkat bobot yang memaksimumkan nilai F
hitung ANOVA atas skor variat bagi seluruh kelompok. Namun MANOVA juga
dianggap sebagai perluasan dari analisis diskriminan dengan multiple variate ukuran
dependen yang dapat dibentuk jika jumlah kelompok tiga atau lebih. Variate yang
pertama disebut fungsi diskriminan, menspesifikasi seperangkat bobot yang
memaksimalkan perbedaan antar kelompok sehingga akan memaksimumkan nilai F.
Nilai maksimum F sendiri memungkinkan kita untuk menghitung secara langsung
apa yang disebut the greatest characteristic root(gcr) statistic yang memungkinkan
untuk pengujian statistik atas fungsi diskriminan pertama. The greatest
characteristic root(gcr) statistik dapat dihitung sebagai gcr = (k-1)Fmax/(N-K).

Untuk mendapatkan pengujian tunggal terhadap hipotesis dari tidak ada

perbedaan antar kelompok pada vector pertama dari skor mean, kita dapat mengacu
pada tabel distribusi gcr. Sama halnya dengan statistic F mengikuti distribusi yang
diketahui atas hipotesis nol dari kesamaan mean kelompok atas variable dependen
tunggal, gcr statistic mengikuti distribusi yang diketahui atas hipotesis nol dari
kesamaan mean vector kelompok(mean kelompok sama dengan seperangkat ukuran
dependen). Perbandingan gcr yang diobservasi dan gcrcrit memberi kita dasar untuk
menolak seluruh hipotesis nol dari kesamaan mean vector kelompok.
Pada kasus multivariat, misal terdapat sekumpulan sampel acak yang diambil dari
setiap g populasi sebagai berikut:

Populasi 1: 𝑋11 , 𝑋12 , … , 𝑋1𝑛1

Populasi 2: 𝑋21 , 𝑋22 , … , 𝑋2𝑛2
Populasi g:𝑋g1 , 𝑋g2 , … , 𝑋g𝑛g

terdapat tiga asumsi dasar yang diperlukan oleh sekumpulan sampel acak di atas,
yaitu:

1. 𝑋11 , 𝑋12 , … , 𝑋1𝑛𝑙 , (l = 1, 2, … ,g) adalah sampel acak berukuran 𝑛𝑙 dari

suatu populasi dengan rata - rata𝜇𝑙
2. Matriks kovariansi antara g populasi sama

10
 3. Setiap populasi adalah normal multivariate

Sebelum dilakukan analisis variansi multivariat lebih lanjut, terlebih dahulu akan
diuji ketiga asumsi-asumsi dasar tersebut menyatakan bahwa dari sekumpulan data
multivariat 𝑋11 , 𝑋12 , … , 𝑋1𝑛𝑙 , (l = 1, 2, … ,g) merupakan sampel acak berukuran 𝑛1
yang diambil dari suatu populasi dengan vektor rata-rata 𝜇𝑙 dan saling bebas.
Pernyataan ini adalah jelas tanpa perlu diuji karena untuk tujuan uji perbedaan maka
sekumpulan data multivariat dari setiap populasi harus diambil secara acak dan
saling bebas satu sama lain.

11
 BAB III
PENUTUP

1. Kesimpulan

Multivariate analysis of variance atau juga dikenal dengan sebutan MANOVA

Dikembangkan sebagai konstruk teoritis oleh S.S. Wilks pada tahun 1932. MANOVA
merupakan multivariat perluasan dari konsep dan teknik univariat analysis of varians
(ANOVA) yang digunakan untuk menganalisis perbedaan antara rata-rata (mean) kelompok.
Perbedaan antara ANOVA dan MANOVA terletak pada jumlah variabel dependennya.
ANOVA digunakan untuk mengetahui apakah terdapat perbedaan pengaruh perlakuan
terhadap satu variabel dependen, sedangkan MANOVA digunakan untuk mengetahui apakah
terdapat perbedaan pengaruh terhadap lebih dari satu variabel dependen
Analisis MANOVA dua arah merupakan pengembangan dari ANOVA dua arah.
Model dari MANOVA dua arah adalah sebagai berikut.
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 + 𝜀𝑖𝑗 )
dimana 𝑖 = 1, 2, … , 𝑡, 𝑗 = 1, 2, … , 𝑟
𝑌𝑖𝑗 : nilai pengamatan (respon) dari perlakuan ke-i dan ulangan ke-j
𝜇 : nilai rataan umum
𝜏𝑖 : pengaruh dari faktor 1 pada level ke-i terhadap respon
𝛽𝑗 : pengaruh dari faktor 2 pada level ke-j terhadap respon
(𝜏𝛽)𝑖𝑗 : pengaruh faktor interaksi antara faktor 1 pada level ke-i dan faktor 2 pada
level ke-j terhadap respon
𝜀𝑖𝑗 : pengaruh error yang berdistribusi Np(0, ∑) untuk data multivariat.

12
 DAFTAR PUSTAKA

https://www.academia.edu/11363938/statistik_manova?auto=download
https://www.academia.edu/22417553/MULTIVARIATE_ANALYSIS_OF_VARIANCE_
MANOVA_
http://www.bilsonsimamora.com/multivariat/manova/
https://www.researchgate.net/publication/326837868_Multivariate_Analysis_of_Variance_
MANOVA_untuk_Memperkaya_Hasil_Penelitian_Pendidikan
https://www.researchgate.net/publication/329556982_Step_by_Step_MANOVA_Using_R
https://www.statistikian.com/2012/07/multivariate-analysis-of-variance-manova.html
https://www.statisticssolutions.com/directory-of-statistical-analyses-manova-analysis/

13