BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Analisis multivariat merupakan salah satu teknik statistik yang
digunakan untuk memahami struktur data dalam dimensi tinggi. Variabel-
variabel itu saling terkait satu sama lain. Disinilah letak perbedaan antara
multivariabel dan multivariat. Multivariat pasti melibatkan multivariabel
tetapi tidak sebaliknya. Multivariabel yang saling berkorelasilah yang
dikatakan multivariat.
Analisis multivariat merupakan analisis lanjutan dari analisis univariat
maupun bivariat. Secara ilmiah, untuk menjelaskan fenomena sosial perlu
dilakukan percobaan dengan pengumpulan dan analisis data. Analisis data
yang dikumpulkan dari pengamatan atau percobaan akan menghasilkan
modifikasi penjelasan dari penomena tersebut. Selama dalam masa percobaan
tersebut, sering kali akan terjadi penambahan dan pengurangan variabel.
Dengan demikian, maka akan timbulah masalah yang semakin kompleks
sehingga dibutuhkan lebih banyak variabel yang berbeda. Karena dalam data
akan terdapat pengaruh beberapa variabel terhadap variabel lainnya dalam
waktu yang bersamaan.
Untuk itu penyusun membuat makalah dengan judul “Uji Multivariat
dan Metodologinya” sehingga diharapkan mahasiswa yang lain mengetahui
apa itu uji-uji yang terdapat di dalam uji multivariat.

B. Rumusan Masalah
Dari masalah yang telah dipaparkan di atas, ditemukan berbagai
rumusan masalah di antaranya:
1. Apa yang dimaksud dengan uji anava
2. Apa yang dimaksud dengan uji Anakova
3. Bagaimana Uji Beda Rataan Univariat dengan Uji Multivariat?

1
C. Tujuan Penlisan Makalah
Dari rumusan masalah yang telah dituliskan di tas, maka tujuan
penulisan dari makalah ini adalah:
1. Bagi Mahasiswa
a. Mengetahui apa itu uji Anava.
b. Mengetahui apa itu uji Anakova.
c. Mengetahui Uji Beda Rataan Univariat dengan Uji Beda Rataan
Multivariat.
2. Bagi Dosen
Agar dosen mengetahui seberapa besar kemampuan mahasiswanya
di dalam mempelajari materi yang masih awam bagi mereka, sehingga
untuk pembelajaran selanjutnya bisa lebih baik lagi dan mahasiswa
menjadi paham mengenai metodologi dalam penelitian.

2
 BAB II
PEMBAHASAN

A. Pengertian Analisis Multivariat

Menurut KBBI offline, multi berarrti banyak atau lebih dari satu.
Sedangkan variat menurut Hidayat (2016) yaitu suatu kombinasi linear dari
variabel-variabel yang memiliki bobot empiris yang telah ditentukan. Variat
dalam kata lain berarti suatu kombinasi dari variabel-variabel yang saling
terikat. Dari kedua pengertian di atas dapat dikatakan bahwa analisis
multivariat merupakan suatu analisis dengan menggunakan banyak variabel
yang mana variabel-variabel tersebut saling terikat. Wibowo (2010:47)
mengatakan bahwa jika pada analisis variansi univariat, banyaknya variabel
terikatnya hanya sebuah, maka pada analisis variansi multivariat banyaknya
variabel terikat lebih dari sebuah.
B. Uji Anava
Analisis Variansi (Anava) merupakan sebuah alat uji statistik yang
digunakan untuk menguji hipotesis komparatif k-sampel bila datanya berada
pada skala interval atau rasio. Pengujian menggunakan anava ini tergolong
dalam ujian perbandingan (komparatif) yang bertujuan untuk
membandingkan (membedakan) apakah rata-rata tiga kelompok atau lebih
yang diuji berbeda secara signifikan atau tidak. Jadi analisis Variansi (anava)
adalah prosedur pengujian kesamaan beberapa rata-rata populasi.
Contohnya Seorang peneliti pendidikan untuk program studi matematika
ingin meneliti efektivitas dari 3 metode pembelajaran jika ditinjau dari
prestasi belajar siswa. Ia telah memilih 3 metode pembelajaran, yaitu Metode
Teacher Oriented, Active Learning dan Contextual Learning.
Ketiga metode tersebut diterapkan untuk 3 sampel, artinya sample
pertama diterapkan Metode Pembelajaran Teacher Oriented, sample kedua
diterapkan Metode Pembelajaran Active Learning, dan pada sample ketiga
diterapkan Metode Pembelajaran Contextual Learning. Ketiga sample

3
tersebut telah diyakinkan bahwa kemampuan awal yang dimiliki oleh masing-
masing sample adalah relatif sama. Peneliti tersebut bertujuan untuk menguji
ada atau tidaknya perbedaan efek/pengaruh beberapa perlakuan pada ketiga
sample ditinjau dari prestasi belajar siswa. Untuk melihatnya, peneliti tersebut
menggunakan rata-rata nilai dari masing-masing sample. Setelah beberapa
waktu eksperimen, peneliti tersebut melakukan pengujian sebagai tolak ukur
untuk mengetahui prestasi belajar siswa. Dari contoh diatas dapat dilihat
bahwa terdapat tiga sample yang diambil dari populasi, satu variable bebas,
yaitu model pembelajaran, dan satu variable terikat, yaitu prestasi belajar
siswa. Variabel bebas ini dibagi menjadi 3 bagian yaitu model pembelajaran
Teacher Oriented, Active Learning dan Contextual Learning.
Budiyono (2003: 105) menuliskan sebelum dilakukannya analisis
variansi, terlebih dahulu digunakan uji prasyarat analisis variansi, yaitu uji
homogenitas variansi populasi dan uji normalitas populasi.
a. Uji homogenitas
Uji homogenitas dilakukan dengan menggunakan uji Bartlett dengan
rumus statistik uji:
2,303
𝑋2 = (f log MSerror - ∑ 𝑓I log s12)
𝑐

dengan:
𝑋 2 = 𝑋 2 (k-1)
k = banyak sampel pada populasi
f = derajat kebebasan untuk MSerror = N – k
N = Banyaknya seluruh amatan
∑ 𝑆𝑆𝑖
MSerror =
𝑓

fi = ni – 1
ni = banyaknya amatan pada sampel ke-i
i = 1, 2, 3, …, k
1 1 1
c = 1 + 3(k−1) (∑ - 𝑓)
𝑓𝑗

4
b. Uji normalitas
Uji normalitas dilakukan dengan menggunakan metode Liliefors
dengan rumus statistik uji:
𝐿 = 𝑀𝑎𝑥 │𝐹(𝑍𝑖 ) − 𝑆(𝑍𝑖 )
Dengan:
𝐹(𝑍𝑖 ) = 𝑃(𝑍 ≤ 𝑍𝑖 )
𝑍~𝑁(0,1)

𝑍𝑖 = skor terstandar untuk Xi

S =deviasi standar
S(𝑍𝑖 ) = proporsi banyaknya 𝑍 ≤ 𝑍𝑖 , terhadap banyaknya 𝑍𝑖
c. Setiap sampel diambil secara random dari populasinya
Dalam statistika, untuk hal pengambilan sampel harus dilakukan
secara random (acak) dari populasinya. Hal ini dimaksudkan agar
diperoleh sample yang dapat mewakili populasinya (representative)
d. Masing-masing populasi saling independen dan masing-masing data
amatan saling independen di dalam kelompoknya
Dipenuhinya persyaratan ini dimaksudkan agar perlakuan yang
diberikan kepada masing-masing sample independen antara satu dengan
yang lainnya. Dengan kata lain antara sample satu dengan sample yang
lain berdiri sendiri dan tidak ada keterkaitan/hubungan.
Misalkan dilakukan eksperimen tindakan kelas yang ditinjau dari
prestasi belajar siswa. Saat dilakukan pengujian, peneliti harus menjamin
bahwa antara sample yang satu dengan yang lainnya independen/tidak ada
hubungan/tidak ada kerjasama sehingga data yang diperoleh merupakan
data yang valid, artinya alat tes yang sudah diberikan kepada salah satu
sample diusahakan jangan sampai diberikan kepada sample yang lain.
Untuk masing-masing populasi harus saling independen dan masing-
masing data amatan harus saling independen di dalam kelompoknya,
dalam arti bahwa kesalahan yang terjadi pada suatu data amatan harus
independen dengan kesalahan yang terjadi pada data amatan yang lain.

5
 Klasifikasi analisis variansi (Anova) berdasarkan ekornya:
1. Analisis Variansi satu jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu
variabel terikat dan satu variabel bebas. Analisis ini untuk
membandingkan mana yang lebih baik maka tandanya lebih dari.
Berdasarkan ukuran data amatan, Analisis Variansi Satu Jalan dapat
digolongkan menjadi 2 yaitu
a. Analisis Variansi Univariat Satu Jalan dengan Sel Sama
Uji ini digunakan jika data amatan hasil eksperimen memenuhi
persyaratan sebagai berikut
1) Memenuhi 4 persyaratan Analisis Variansi
2) Mempunyai satu variabel terikat
3) Mempunyai satu variable bebas
4) Ukuran masing-masing sample adalah sama
b. Analisis Variansi Univariat Satu Jalan dengan Sel Berbeda
Uji ini digunakan jika data amatan hasil eksperimen memenuhi
persyaratan sebagai berikut
1) Memenuhi 4 persyaratan Analisis Variansi
2) Mempunyai satu variabel terikat
3) Mempunyai satu variable bebas
4) Ukuran masing-masing sample adalah berbeda
2. Analisis variansi dua jalan
Analisis ini digunakan jika suatu eksperimen mempunyai dua
variabel bebas dan satu variabel terikat. Analisis ini untuk mengetahui
ada perbedaan atau tidak, maka tandanya sama dengan atau tidak sama
dengan.

6
C. Uji Anakova
Menurut Astuti (2009), analisis kovarians (Anakova) merupakan model
linier dengan satu variabel dependen kontinu dan satu atau lebih variabel
independen. Anakova merupakan penggabungan antara anova dan regresi
linier yang lazimnya menggunakan variabel kontinu (kuantitatif). Anakova
dilakukan dengan menambahkan variabel penguat (kovariat) ke dalam model
sehingga memperkuat ketepatan/presisi analisis dan meningkatkan
signifikansi secara statistik. Analisis Kovarian bertujuan untuk mengetahui
perbedaan antara beberapa kelompok dengan dikendalikan oleh satu atau
bebe rapa faktor.
Salah satu atau beberapa faktor pengendali ini disebut dengan kovariabel.
Pada umumnya analisis kovarian dipergunakan kalau Y variabel tak bebas
metrik (interval atau rasio) dan paling sedikit ada 1 variabel bebas yang non-
metrik (nominal atau ordinal) dan 1 variabel bebas metrik (interval atau
rasio). Analisis kovarian hampir sama dengan analisis varian namun
dibedakan dengan adanya kovariabel/variabel iringan. Variabel bebas yang
kategori (non-metrik) disebut faktor sedangkan variabel bebas yang metrik
disebut kovariat/kovariabel.
Asumsi-asumsi yang digunakan dalam mengerjakan Anakova adalah
1. Variabel luar yang dikendalikan harus berskala interval atau rasio
2. Harus ada dugaan yang kuat bahwa ada hubungan antara variabel kendali
dengan variabel terikat
3. Harus ada dugaann bahwa variabel kendali tidak dipengaruhi oleh variabel
bebas atau variabel eksperimental.
Beberapa pengertian variabel yang akan digunakan dalam Anakova
antara lain:
1. Kriterium, adalah variabel terikat (X) yaitu variabel yang dipengaruhi,
dimana data harus berbentuk interval atau rasio.
2. Kovariabel, disebut juga variabel kendali, variabel kontrol, variabel
konkomitan yang diberi lambang X, dan data harus berbentuk interval atau
rasio.

7
3. Faktor, yaitu sebutan untuk variabel bebas atau variabel eksperimental
yang ingin diketahui pengaruhnya dan data harus berbentuk nominal atau
ordinal.
Model yang digunakan dalam Anakova adalah sebagai berikut:
Yi,j,k,…z = α+ d1 + X + εijk…m
Dimana:
Y = variabel independen i, j, k, …, z
α = konstanta
d1 = faktor atau variabel independen (dapat berupa variabel kontinu
maupun kategorik)
X = faktor penguat (kovariat)
ε = error
Seperti hanya anava, anakova juga diklasifikasikan menjadi dua, yaitu:
a) Anakova Satu Jalur
Pengaruh motivasi belajar (variabel laten & metrik), pendidikan orang
tua (variabel faktor non metrik), terhadap prestasi belajar di sekolah
(variabel terikat matriks).
b) Anakova Dua Jalur
Pengaruh motivasi belajar (variabel laten & metrik), pendidikan orang
tua (variabel faktor non metrik), dan status tinggal anak (variabel faktor
non metriks), terhadap prestasi belajar di sekolah (variabel terikat matriks).
Anakova merupakan teknik statistik yang sering digunakan pada
penelitian eksperimental dan juga observasional. Keunggulan‑keunggulan
Anakova dalam analisis data penelitian antara lain:
1. Dapat meningkatkan presisi rancangan penelitian terutarna apabila peneliti
masih ragu pada pengelompokan‑pengelompokan subyek perlakuan yang
diterapkan dalam penelititan, yaitu apakah sudah benar-benar dapat
mengendalikan pengaruh variabel luar ataukah belum.
2. Dapat digunakan untuk mengendalikan kondisi-kondisi awal dari variabel
terikat.

8
 3. Dapat digunakan untuk mereduksi variabel‑variabel luar yang tidak
diinginkan dalam penelitian

D. Uji Beda Rataan Univariat dan Uji Beda Rataan Multivariat

1. Uji Mengenai Rataan Untuk Satu Kelompok Univariat
Untuk melakukan uji multivariate mengenai rataan pada satu
kelompok, biasanya digunakan statistik uji t, yang rumus statisnya adalah
sebagai berikut:
𝑋− µ0
t= ̴ t (n – 1)
𝑠 √𝑛

Statistik uji tersebut digunakan jika diasumsikan bahwa populasinya

berdistribusi normal dan variansi populasi tidak diketahui.
Contoh:
Untuk melihat apakah rataan nilai mata pelajaran Matematika siswa kelas
tiga SMU “Entah Mana” lebih dari 65, secara random dari populasinya,
diambil 12 siswa. Ternyata nilai-nilai kedua belas siswa tersebut adalah
sebagai berikut.
51 71 76 81 67 98
58 69 87 74 79 81
Jika diambil α =1% dan dengan mengasumsikan bahwa distribusi nilai-
nilai di poopulasi normal, bagaimana kesimpulan penelitian tersebut?
Jawab:
Dicari dulu rataan dan deviasi baku pada sampel.
Dari perhitungan diperoleh: ∑X = 892; ∑𝑋 2 = 68044, sehingga
392 (12)(68044)−(892)2
𝑋
= = 74,333 dan s =√ (12)(11)
= 12.572
12

a. 𝐻𝑜 < 𝜇 ≤ 65 (rataan nilai siswa tidak lebih dari 65)

𝐻1 : 𝜇 > 65 (rataan nilai siswa lebih dari 65)
b. α = 0,001
c. Statistik uji yang digunakan:

9
 − 𝜇0
𝑡=𝑋 − 𝑡(𝑛 − 1)
𝑠⁄√𝑛
d. Komputasi:
74.333−65.000
𝑡= 12.572/√12
9.333
= 12.572⁄3.463
9.333
= 3.629 = 2.572

e. Daerah kritik:
𝑡0,01,11= 2.718;
f. DK = {t|t>2.718}; dan 𝑡𝑎𝑏𝑐 = 2.572€𝐷𝐾
g. Keputusan uji: 𝐻0 diterima.
h. Kesimpulan:
Rataan nilai Matematika kelas tiga SMU “Entah Mana” tidak lebih
daripada 65.
Jika diasumsi variansi populasinya diketahui (atau dapat dicari atau
dapat diasumsikan sama dengan nilai tertentu), maka rumus statistik ujinya
adalah sebagai berikut.
−𝜇0
𝑋
𝑍= ~𝑁(0,1)
𝛼⁄√𝑛

2. Uji Mengenai Rataan Untuk Satu Kelompok Multivariat

Statistik uji mengenai rataan untuk satu kelompok multivariat
dikembangkan dari statistik uji mengenai rataan untuk satu kelompok
univariat.
Perhatikan kembali rumus statistik uji t berikut.
𝑋̅ −𝜇0
𝑡= 𝑆/√𝑛

Rumus tersebut dapat ditulis dalam bentuk lain sebagai berikut:

1
𝑡 = √𝑛 (𝑠 ) (𝑋̅ − 𝜇0 )

Jika kedua ruas dikuadratkan, maka akan diperoleh:

10
 1
𝑡 2 = (𝑛) (𝑠2 ) (𝑋̅ − 𝜇0 )2
1
= (𝑛)(𝑋̅ − 𝜇0 ) (𝑠2 ) (𝑋̅ − 𝜇0 )

= (𝑛)(𝑋̅ − 𝜇0 )(𝑠 2 )−1 (𝑋̅ − 𝜇0 )

Berdasarkan formula terakhir, dikembangkan formula T2 untuk multivariat
sebagai berikut:
𝑇 2 = 𝑛(𝑋̅ − 𝜇0 )′(𝑆)-1(𝑋̅ − 𝜇0 )
dengan:
n= banyaknya data
𝑋̅1 𝜇01
𝑋̅𝜇0 = 𝑋̅…2 − 𝜇…
02

𝑋̅𝑝 𝜇0𝑝
p= banyaknya variabel terikat
S= matriks-kovariansi dari p variabel yang diketahui, pada sampel.
Pada uji mengenai rataan multivariat dengan p variabel terikat ini,
susunan hipotesis nol-nya adalah sebagai berikut:
𝜇1 𝜇01
H0 =[𝜇…2 ][𝜇…
02 ]

𝜇𝑝 𝜇0𝑝
Statistik uji untuk mengetahui hipotesis nol tersebut adalah:
(𝑛−𝑝)
F (𝑛−1)𝑝 T2

dengan derajat kebebasan p dan n – p

Senada dengan statistik uji t, statistik uji Z dapat dikembangkan untuk
statistik uji multivariat sebagai berikut.
𝑋̅ −𝜇0
Z /√ 𝑛

 √𝑛 (1)(𝑋̅ − 𝜇0 )
Jika kedua ruas formula tersebut dikuadratkan, diperoleh:
Z2 = (n) (𝜎12)(𝑋̅ − 𝜇0 )2

= (n) (𝑋̅ − 𝜇0 )(𝜎12)(𝑋̅ − 𝜇0 )

11
 = (n) (𝑋̅ − 𝜇0 )(𝜎)−1 (𝑋̅ − 𝜇0 )
Berdasarkan formula terakhir, dikembangkan formula Z2 untuk multivariat
sebagai berikut:
Z2 = 𝑛(𝑋̅ − 𝜇0 )′()-1(𝑋̅ − 𝜇0 )
Karena 𝑍𝜎2 = 𝑋𝛼2 , maka formula tersebut menjadi:
2

𝑋𝛼2 = 𝑛(𝑋̅ − 𝜇0 )′()-1(𝑋̅ − 𝜇0 )

Dengan derajat kebebasan p, dengan:
n = banyaknya data
p = banyaknya variabel terikat
 = matriks kovariansi dari p variabel terikat yang diketahui pada populasi.
Pada uji mengenai rataan multivariat dengan p variabel terikat ini,
susunan hipotesis nol-nya juga seperti berikut:
𝜇1 𝜇01
H0 =[𝜇…2 ][𝜇…
02 ]

𝜇𝑝 𝜇0𝑝
2 2
H0 ditolak jika 𝑋𝑜𝑏𝑠 = 𝑋𝛼;𝑝
Contoh soal:
Pada ujian matematika, yang terdiri dari dua bagian yaitu aljabar dan
geometri, ingin diuji apakah rerata aljabarnya 6 dan rerata geometrinya
adalah 6,5. Lima orang diambil sebagai sampel dan nilai-nilai mereka
sebagai berikut:

1. Uji Beda Rataan Untuk Dua Kelompok Univariat

Untuk menguji apakah dua populasi independen mempunyai rerata
yang sama, jika variansi populasi tidak diketahui, maka digunakan uji t.
Pada dasarnya ada dua jenis uji t, yaitu: dengan (a) mengasumsikan
variansi populasi sama dan (b) mengasumsikan variansi populasi tidak
sama. Pada kedua kasus, masing-masing populasi harus berdistribusi
normal.

12
 Jika diasumsikan variansi populasi sama, maka rumaus uji statistiknya
adalah sebagai berikut:
( 𝑋1 −𝑋2 )
t= ~𝑡(𝑛1 + 𝑛2 − 2)
𝑠 1 1
𝑝√ +
𝑛1 𝑛2

dengan
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = 𝑛1 +𝑛2 −2

Statistik uji itu berdistribusi t dengan derajat bebas n1 + n2 – 2 dengan

n1 adalah banyaknya anggota sampel pertama dan n2 adalah banyaknya
anggota sampel kedua. 𝑆𝑝2 adalah variansi gabungan (pooled variance).
Jika diasumsikan variansi populasi tidak sama, maka rumus uji
statistikanya adalah sebagai berikut:
(𝑋1 −𝑋2 )
𝑡= ~𝑡(𝑣)
𝑠 2𝑠 2
√ 1+ 2
𝑛1 𝑛2

Statistik uji itu berdistribusi t dengan derajat bebas v, yang v dapat

dicari dari formula berikut:
(𝑆12 /𝑛1 + 𝑠22 /𝑛2
𝑣= 2 2
(𝑆2 2
1 /𝑛1 ) +(𝑆2 /𝑛2 )
𝑛1 −1 𝑛2 −1

Contoh:
Seorang ingin melihat apakah terdapat beda tinggi badan antara anak waita
dan pria umur 9 tahun. Data mengenai tinggi badan tersebut adalah
sebagai berikut.
Wanita : 51 71 76 81 67 98
58 69 87 74 79 81
Pria : 68 72 77 79 68 80 54 63
89 74 66 86 77 73 74 87
Jika diasumsikan bahwa sampel-sampel tadi diambil ddari populasi-
populasi normal yang variansi-variansinya sama tetapi tidak diketahui
dandengan α=5%. Bagaimana kesimpulan penelitian tersebut? (α disebut
tingkat signifikasi)
Jawab:

13
 Setelah dihitung, diperoleh rataan dan deviasi baku sebagai berikut:

Wanita :∑𝑋 = 892;∑𝑋 2 = 68044; 𝑋 = 74.333; ≤ 12.572

Pria : ∑𝑋 = 1187; ∑𝑋 2 = 89339; 𝑋 = 74.188; ≤= 9.232

Misalnya 𝜇1 adalah rataan tinggi anak waita dan 𝜇2 adalah rataan tinggi
anak pria.
a. 𝐻0 : 𝜇1 = 𝜇2 (anak wanita dan pria sama tingginya)
𝐻1 = µ1 ≠ µ2 (anak wanita dan pria tidak sama tingginya)
b. α = 0.05
c. Statistik uji yang digunakan:
( − )
𝑋1 𝑋2
𝑡= 1 1
~𝑡(𝑛1 +𝑛𝑦 − 2)
√𝑛 +𝑛
1 2

d. Komputasi:
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = 𝑛1 +𝑛2 −2

(11)(212.572)2 +(15)(9.232)2
= 12+16−2
3017.054
= = 116.041
26

𝑠𝑝= √116.041 = 10.771

74.333−74.118 0.145
𝑡= 1 1
= 4.113 = 0.035
10.772√ +
12 16

e. Daerah kritik:
𝑡0.025.20 ≠ 2.056:
𝐷𝐾 = {𝑡|𝑡 < −2.056 𝑎𝑡𝑎𝑢 𝑡 > 2.056}; 𝑑𝑎𝑛
𝑡𝑎𝑏𝑐 = 0.035€𝐷𝐾
f. Keputusan uni; 𝐻0 diterima.
g. Kesimpulan: Tinggi badan anak-anak wanita dan pria sama.

4. Uji Beda Rataan Multivariat (Uji T Multivariat)

Perhatikan kembali statistik uji t berikut:

14
 (X1 −X2 )
𝑇2 =
1 1
𝑠𝑝 √ +
𝑛1 𝑛2

Jika kedua ruas dikuadratkan, diperoleh:

(X1 −X2 )2
𝑇2 = 2 1 1
𝑠𝑝 ( + )
𝑛1 𝑛2

(X1 −X2 )2
= 2 𝑛 +𝑛
𝑠𝑝 ( 1 2 )
𝑛1. 𝑛2

𝑛1. 𝑛2 (X1 −X2 )2

= 2
𝑛1 +𝑛2 𝑠 𝑝

𝑛1. 𝑛2 2
= (X1 − X2 )(𝑠𝑝 )−1 (X1 − X2 )
𝑛1 +𝑛2

Formula untuk rumus 𝑡 2 tersebut mengilhami formula untuk statistik

uji pada uji tmultivariat.
Misalnya terdapat p variabel terikat X1, X2, ..., Xp pada kelompok I dan
kelompok II, yang tata letaknya adalah sebagai berikut:
Kelompok Kelompok 1 Kelompok II
Variabel X1 X2 ... Xp X1 X2 ... Xp
Terikat
Data X111 X211 Xp11 X121 X221 Xp21
X112 X212 Xp12 X122 X222 Xp22
X113 X213 Xp13 X123 X223 Xp23

X11𝑛1 X12𝑛1 Xp1𝑛1 X12𝑛2 X22𝑛2 Xp2𝑛2

Banyak 𝑛1 𝑛2
Data
Rerata X11 X21 ... Xp1 X12 X22 ... Xp2

Hipotesis nol yang diuji pada uji t multivariat adalah:

𝜇11 𝜇12
H0 =[𝜇…
21 ][𝜇22 ]
…
𝜇𝑝1 𝜇𝑝2
Statistik uji yang digunakan untuk menyelesaikan persoalan pada uji t
multivariat adalah:

15
 𝑛1 +𝑛2 −𝑝−1
F= 𝑇2
(𝑛1 +𝑛2 −2)𝑝

dengan db1 = p, db2 = N - p - 1,

Pp adalah banyaknya variabel terikat, dan
N = 𝑛1 + 𝑛2 adalah banyaknya seluruh subjek.
Statistik uji ini dikemukakan pertama kali oleh Hotelling.
Nilai 𝑡 2 dicari dari formula :
𝑛1. 𝑛2 2
𝑇2 = (X1 − X2 )(𝑠𝑝 )−1 (X1 − X2 )
𝑛1 +𝑛2

dengan 𝑛1 adalah banyaknya data amatan pada kelompok I

𝑛2 adalah banyaknya data amatan pada kelompok II dan
𝑋̅11 𝑋̅12
̅̅̅̅
𝑋̅1  𝑋̅2 = [𝑋̅…21 ] − [𝑋̅…
22 ]

𝑋̅𝑝1 𝑋̅𝑝2
Matriks S dicari dari formula:
𝑤1 +𝑤2
S=
𝑛1 +𝑛2 −2

dengan 𝑤1 dan 𝑤2 adalah SSCP (sum of square cross product matrix)

kelompok I dan kelompok II. Matriks S ini setara dengan variansi
gabungan 𝑠𝑝2 pada uji t univariat.
Contoh:
Seorang peneliti ingin melihat apakah metode A mempunyai efek yang
berbeda dengan metode B pada kemampuan matematika siswa. Variabel
kemampuan matematika siswa terbagi menjadi dua, yaitu: (a) pemahaman
konsep siswa dan (b) keterampilan komputasi siswa dalam pelajaran
Matematika. Datanya adalah sebagai berikut.
Metode A Metode B
Konsep Komputasi Konsep Komputasi
1 6 4 8
2 3 5 6
3 4 6 7
5 4
2 5

16
Jika diambil 𝛼 = 0.05, bagaimanakah kesimpulan penelitian tersebut?
Jawab:
Perhatikanlah bahwa hipotesis nol yang diuji pada persoalan ini adalah
sebagai berikut:
𝜇11 𝜇12
a. H0 : (𝜇 ) = (𝜇 )
21 22

atau dapat ditulis secara lebih jelas sebagai berikut:

𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐴 𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐵
H0 : (𝜇 ) = (𝜇 )
𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐴 𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐵

b. Komputasinya dikerjakan sebagai berikut:

(∑ 𝑋1 )2 169
SS1 = ∑ 𝑋12 - = 43 - = 9.2
𝑛1 5

(∑ 𝑋2 )2 484
SS2 = ∑ 𝑋22 - = 102 - = 5.2
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (13)(22)
SS12 = ∑ 𝑋1 𝑋2 - = 54 – = -3.2
𝑛1 5

9.2 −3.2
W1 = [ ]
−3.2 5.2
Dengan cara yang sama, SSCP untuk kelompok II adalah:
2.0 −1.0
W2 = [ ]
−1.0 2.0
Dari W1 dan W2 diperoleh:
𝑤 11.2 −4.2
𝑤1 + 𝑤2 1 1.87 −0.70
S=𝑛 =𝑛 =6[
]=[ ] dan
1 + 𝑛2 −2 −4.2 7.2
1 + 𝑛2 −2 −0.70 1.20
1 1.20 0.70 0.684 0.399
S-1 = 1.754 [ ]=[ ]
0.70 1.87 0.399 1.066
2.6 5.0 −2.4
Dengan menggunakan rumus S-1 dan 𝑋1 - 𝑋2 = [ ] – [ ] = [ ]
4.4 7.0 −2.6
diperoleh:
𝑛1 𝑛2
T2 = 𝑛 (𝑋1 - 𝑋2)’S-1(𝑋1 - 𝑋2)
1 + 𝑛2

[−2.4 −2.6] [0.684 0.399] [−2.4] = 30.236

(5)(3)
= 5+3 0.399 1.066 −2.6
𝑛 𝑛 − 𝑝−1 5+3−2−1
Fobs = (𝑛 1+2𝑛 T2 = (5+3−2)2 (30.236) = 12.60
1 2 − 2)𝑝

Dengan membandingkan Fobs dengan F0.05;2.5 = 5.79 maka

disimpulkan bahwa H0 ditolak. Ini berarti kemampuan matematika

17
yang dihasilkan oleh metode A tidak sama dengan kemampuan
matematika yang dihasilkan oleh metode B.

18
 BAB III
PENUTUP

A. Simpulan
Menurut KBBI offline, multi berarrti banyak atau lebih dari satu.
Sedangkan variat menurut Hidayat (2016) yaitu suatu kombinasi linear
dari variabel-variabel yang memiliki bobot empiris yang telah ditentukan.
Wibowo (2010:47) mengatakan bahwa jika pada analisis variansi
univariat, banyaknya variabel terikatnya hanya sebuah, maka pada analisis
variansi multivariat banyaknya variabel terikat lebih dari sebuah.
Analisis Variansi (Anava) merupakan sebuah alat uji statistik yang
digunakan untuk menguji hipotesis komparatif k-sampel bila datanya
berada pada skala interval atau rasio. Anakova merupakan penggabungan
antara anova dan regresi linier yang lazimnya menggunakan variabel
kontinu (kuantitatif).
Analilis uji multivariat merupakan pengembangan dari analisis uji
univariat yang mana untuk setiap formulasi pada komputasinya mengacu
dari formulasi pada analisis univariat.

B. Saran
Analisis multivariat meruapakan suatu analisis dengan berbagai
variabel. Tingkat kesukarannya lebih dari analisis yang lain. Maka dari itu,
pemahaman mengenai analisis multivariat harus lebih ditanamkan agar
mahasiswa lebih mampu dan lebih memahami mengenai analisis
multivariat.

19
 DAFTAR PUSTAKA

Astuti, Puji. (2009). Aplikasi Analisis Kovarian (Anakova) Pada Kasus Pengaruh
Letak Daerah Dan Jumlah Penduduk Miskin Terhadap Distribusi Pendapatan
Di Jawa Tengah.

Budiyono. 2003. Metodologi Penelitian Pendidikan. Surakarta: Sebelas Maret

University Press.

Hidayat, Anwar. 2016. Penjelasan tentang Analisis Multivariat dan Jenisnya.

Diunduh dari statistikian.com pada Jum’at, 26 Oktober 2018 pukul 13.46.

Wibowo, Teguh. 2010. Modul Kuliah Statistik Multivariat. Purworejo: Universitas

Muhammadiyah.

20