PEMBAHASAN MASALAH
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 )
= (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
𝑋̅1 𝜇01
𝑋̅𝜇0 = […𝑋̅2 ] − [𝜇02 ]
…
𝑋̅ 𝑝 𝜇0𝑝
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 6,5 dan rerata geometrinya adalah 7. Lima orang
diambil sebagai sampel dan nilai-nilai mereka sebagai berikut:
No Subjek Nilai Aljabar Nilai Geometri
1` 7 8
2 5 6
3 5 8
4 7 7
5 6 8
Jika variansi dan kovariansi populasi tidak diketahui, dengan mengambil tingkat
signifikansi 5%, bagaimana kesimpulan penelitian tersebut?
Jawab:
𝜇1 6,5
a. 𝐻0 : [𝜇 ] = [ ]
2 7
𝜇1 6,5
𝐻1 : [𝜇 ] ≠ [ ]
2 7
dengan 𝜇1 merupakan rerata aljabar dan 𝜇1 merupakan rerata geometri
b. α = 0,05
c. Statistik uji yang digunakan:
(𝑛−𝑝)
F = (𝑛−1)𝑝 𝑇 2 ~ 𝐹(𝑝, 𝑛 − 𝑝)
d. Komputasi:
Aljabar (𝑋1 ) Geometri 𝑋1 2 𝑋2 2 𝑋1 𝑋2
(𝑋2 )
7 8 49 64 56
5 6 25 36 30
5 7 25 49 35
7 7 49 49 49
6 7 36 49 42
Σ = 30 Σ= 35 Σ = 184 Σ = 247 Σ = 212
𝑋̅= 6 𝑋̅= 7
(𝛴𝑋1 )2
𝑆𝑆1= Σ𝑋1 2- 𝑛
302
= 184 - 5
900
= 184 - 5
= 184 - 180
=4
(𝛴𝑋2 )2
𝑆𝑆2 = Σ𝑋2 2- 𝑛
352
= 247 - 5
1225
= 247 - 5
= 247 – 245
=2
(𝛴𝑋1 )(𝛴𝑋2 )
𝑆𝑆12= Σ𝑋1 𝑋2 - 𝑛
(30)(35)
= 212 – 5
1050
= 212 - 5
= 212 – 210
=2
𝑆𝑆1 𝑆𝑆12 4 2
SSCP = [ ]=[ ]
𝑆𝑆21 𝑆𝑆2 2 2
𝑆𝑆𝐶𝑃 1 4 2 1 0,5
S= =4[ ]=[ ]
𝑛−1 2 2 0,5 0,5
1 0,5 −0,5
𝑆 −1 = (1)(0,5)−(0,5)(0,5) [ ]
−0,5 1
1 0,5 −0,5
= 0,25 [ ]
−0,5 1
2 −2
=[ ]
−2 4
6 6,5 −0,5
𝑋̅ − 𝜇0 = [ ] − [ ]= [ ]
7 7 0
𝑇 2 = 𝑛(𝑋̅ − 𝜇0 )′(𝑠)−1 (𝑋̅ − 𝜇0 )
2 −2 −0,5
= 5 [−0,5 0] [ ][ ]
−2 4 0
−0,5
= 5 [−1 1] [ ]
0
= (5)(0,5)
= 2,5
(𝑛−𝑝)
𝐹𝑜𝑏𝑠 = (𝑛−1)𝑝 𝑇 2
(5−2)
= (5−1)2 (2,5)
= 0,9375
e. DK = {F|F > 𝐹0,05:2,3}
= {F|F > 9,55 }
𝐹𝑜𝑏𝑠 bukan elemen DK
f. Keputusan Uji: 𝐻0 diterima
g. Kesimpulan: Benar bahwa pada ujian tersebut rerata aljabarnya sebesar 6,5 dan
rerata geometrinya sebesar 7.
(𝑋̅1 − 𝑋̅2 )
𝑡=
1 1
𝑠𝑝 √𝑛 + 𝑛
1 2
2
(𝑋̅1 − 𝑋̅2 )2
𝑡 =
1 1
𝑠𝑝2 √𝑛 + 𝑛
1 2
(𝑋̅1 − 𝑋̅2 )2
= 𝑛 +𝑛
𝑆𝑃2 ( 1𝑛 𝑛 2 )
1 2
𝑛1 𝑛2 (𝑋̅1 − 𝑋̅2 )2
= .
𝑛1 + 𝑛2 𝑆𝑃2
𝑛1 𝑛2
= (𝑋̅ − 𝑋̅2 )( 𝑆𝑃2 )−1 (𝑋̅1 − 𝑋̅2 )
𝑛1 + 𝑛2 1
Formula untuk rumus 𝑡 2 tersebut mengilhami formula untuk statistik uji pada uji t
multivariat.
Misalnya terdapat p variabel terikat X1, X2, ..., Xp pada kelompok I dan kelompok II,
yang tata letaknya adalah sebagai berikut:
𝜇11 𝜇12
H0 =[𝜇…
21 ][𝜇22 ]
…
𝜇𝑝1 𝜇𝑝2
Statistik uji yang digunakan untuk menyelesaikan persoalan pada uji t multivariat
adalah:
𝑛1 +𝑛2 −𝑝−1
F= 𝑇2
(𝑛1 +𝑛2 −2)𝑝
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
3 6 4 7
2 3 5 6
3 4 3 5
5 6
3 5
Jawab:
Perhatikanlah bahwa hipotesis nol yang diuji pada persoalan ini adalah sebagai berikut:
𝜇11 𝜇12
a. H0 : (𝜇 ) = (𝜇 )
21 22
𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐴 𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐵
H0 : (𝜇 ) = (𝜇 )
𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐴 𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐵
Metode A
(∑ 𝑋1 )2 256
SS1 = ∑ 𝑋12 - = 56 - = 4,8
𝑛1 5
(∑ 𝑋2 )2 576
SS2 = ∑ 𝑋22 - = 122 - = 6,8
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (16)(24)
SS12 = ∑ 𝑋1 𝑋2 - = 81 – = 4,2
𝑛1 5
4,8 4,2
W1 = [ ]
4,2 6,8
Metode B
(∑ 𝑋1 )2 144
SS1 = ∑ 𝑋12 - = 50 - =2
𝑛1 3
(∑ 𝑋2 )2 324
SS2 = ∑ 𝑋22 - = 110 - =2
𝑛1 3
(∑ 𝑋1 )(∑ 𝑋2 ) (12)(18)
SS12 = ∑ 𝑋1 𝑋2 - = 73 – =1
𝑛1 3
2 1
W2 = [ ]
1 2
Dari W1 dan W2 diperoleh:
𝑛 𝑛 − 𝑝−1 5+3−2−1
Fobs = (𝑛 1+2𝑛 T2 = (5+3−2)2 (28,7115) = 11,963125
1 2 − 2)𝑝
Kelomp
ok Kelompok ke -1 Kelompok ke-2 Kelompok ke-3
Var X1 X2 … XP X1 X2 … XP … X1 X2 … XP
X11 X12 X1p X12 X22 X2p Xk1 Xk2 Xkp
Data 1 1 1 1 1 1 1 1 1
X11 X12 X1p X12 X22 X2p Xk1 Xk2 Xkp
2 2 2 2 2 2 2 2 2
X11 X12 X1p X12 X22 X2p Xk1 Xk2 Xkp
3 3 3 3 3 3 3 3 3
… … … … … … … … …
X11 X12 X1p X12 X22 X2p Xk1 Xk2 Xkp
n1 n1 n1 n2 n2 n2 nk nk nk
Banyak n1 n2
Rerata ̅11 X
X ̅21 ̅p1
X ̅
X12 X ̅22 ̅p2
X ̅1k X
X ̅2k ̅pk
X
Hipotesis nol yang diuji pada analisis variansi multivariate satu jalur ini adalah:
𝜇11 𝜇12 𝜇1𝑘
H0 =[𝜇…21 ][𝜇22 ]=…= 𝜇2𝑘
… …
𝜇𝑝1 𝜇𝑝2 [𝜇𝑝2 ]
Didefinisikan besaran A, yang disebut lamda Wilks. Sebagai berikut:
|𝑊|
A = |𝑇|
Dengan W = jumlah dari seluruh SSCP
= W1 + W2 +… + WK
T = SSCP untuk seluruh data
Berbeda dengan Uji statistik pada anava univariat satu jalur (yaitu uji F dengan
1
𝑀𝑆𝐵 𝑆𝑆
𝑘−1 𝐵
formula F = 1 ), pada anava multivariat saru jalur terdapat banyak uji. Uji
𝑀𝑆𝑊 𝑆𝑆
∑ 𝑁𝐽−𝐾 𝑊
statistik pada anava multivariat satu jalur antara lain Uji Khi-Kuadrat Barlett dan Uji Rao
(Stevens, 1996:196) dan Uji Wilks (Johnson & Wichern, 2002:300).
|𝑊|
Ʌ = |𝑇|
𝑃+𝐾
m=N-1- 2 -
N = n1 + n2+…nk dan
√𝑝2(𝑘−1)−4
s=𝑝2+(𝑘−1)−5
statistik R berdistribusi F dengan derajad kebebasan db1 = (k-1)p dan db2 = ms -
(𝑘−1)𝑝
+1
2
Contoh :
Seorang peneliti ingin melihat apakah metode A metode B dan metode C mempunyai efek
yang berbeda pada pemahaman matematika siswa. Yang terbagi menjadi pemahaman konsep
dan ketrampilan komputasi, dalam pelajaran matematika. Datanya adalah sebagai berikut
(∑ 𝑋2 )2 362
SS2 = ∑ 𝑋22 - = 266 - = 266-259,2 = 6,8
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (28)(36)
SS12 = ∑ 𝑋1 𝑋2 - = 207 – = 5,4
𝑛 5
5 5,4
W1 = [ ]
5,4 6,8
(∑ 𝑋2 )2 282
SS2 = ∑ 𝑋22 - = 162 - = 162-156,8 = 5,2
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (30)(28)
SS12 = ∑ 𝑋1 𝑋2 - = 172 – =4
𝑛 5
4 4
W2 = [ ]
4 5.2
(∑ 𝑋2 )2 262
SS2 = ∑ 𝑋22 - = 142 - = 142-135,2 = 6,8
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (36)(26)
SS12 = ∑ 𝑋1 𝑋2 - = 191 – = 3,8
𝑛 5
2,8 3,8
W3= [ ]
3,8 6,8
Diperoleh:
W = W1 + W2 + W3
∑ 𝑋1 = 28 + 30 + 36 = 94
∑ 𝑋2 = 36 + 28 + 26 = 90
N=5+5+5=15
(∑ 𝑋1 )2 942
SS1 = ∑ 𝑋12 - = 608 - =608-589,07 = 18,93
𝑛1 15
(∑ 𝑋2 )2 902
SS2 = ∑ 𝑋22 - = 566 - 15 = 566-540 = 26
𝑛1
(∑ 𝑋1 )(∑ 𝑋2 ) (94)(90)
SS12 = ∑ 𝑋1 𝑋2 - = 565 – =1
𝑛 15
18,93 1,00
T=[ ]
1,00 26.00
11,8 8,2
[ ] 107,4
8,2 14,8
Ʌ= 18,93 1,00 = 492,18 = 0,2174𝑋 2 obs
[ ]
1,00 26.00
2
𝑋𝑜𝑏𝑠 = -{(𝑁 − 1) − 0,5(𝑝 + 𝑘)}lna = -{(15 − 1) − 0,5(2 + 3)}ln0,2174
=-(11,5)(-1,5260163)
5. Daerah kritik
2
𝑋0,05;4 = 9,488, maka DK == {𝑋 2 |𝑋 2 > 9,488}
6. Keputusan uji:
2
karena 𝑋𝑜𝑏𝑠 ϵ DK, maka H0 ditolak
7. Kesimpulan: metode A metode B dan metode C tidak semuanya memberika efek
yang sama terhadap kemampuan matematika siswa
b. Dengan Statistik Uji Rao
𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐴 𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝐵 𝜇𝑘𝑜𝑛𝑠𝑒𝑝 𝑐
1. H0 : (𝜇 ) = (𝜇 )=(𝜇 )
𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐴 𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝐵 𝑘𝑜𝑚𝑝𝑢𝑡𝑎𝑠𝑖 𝑐
4. Komputasi:
𝑝+𝑘 2+3
m = N-1- = 15 - 1- = 11,5
2 2
√𝑝2(𝑘−1)−4 √𝑝2(𝑘−1)−4 12
s=𝑝2+(𝑘−1)−5 = 𝑝2+(𝑘−1)−5 = √ =2
3
1 𝑚𝑠−(𝑘−1)𝑝
1 𝑆 2
Robs = {(Ʌ) − 1} ( (𝑘−1)𝑝
)
1 𝑚𝑠−(𝑘−1)𝑝
1 2
={(0,2174)𝑆 − 1} ( (𝑘−1)𝑝
)
98
=(6899-6) ( 6 )=578
5. Daerah kritik
db1 = (k-1)(p) = (3-1)(2) = 4
(𝑘−1)𝑝 (3−1)(2)
db2 = ms- + 1 = (11,5)(2) - +1 = 23 – 2 -2+1 = 22
2 2
1−√0,2174
2 0,766869136
4. Komputasi : F= √0,2174
= 0,048521661 = 15,804
15−2−2