KELAS D

LAPORAN PRAKTIKUM
STATISTIKA MULTIVARIAT TERAPAN
Modul 3 : MANOVA

Nomor Tanggal Tanda Tangan

Nama Praktikan Praktikan
Mahasiswa Kumpul

Nila Apriani 17611106 17/04/2020

Tanggal Tanda tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Alfazrin Banapon
Emma Aulia Dewi

Muhammad Muhajir, S.Si., M.Sc.

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA
YOGYAKARTA
2020

i
Daftar Isi

Daftar Isi.............................................................................................................. ii
Daftar Gambar .................................................................................................... iii
1 Pendahuluan .................................................................................................... 1
1.1 Statistika Deskriptif ............................................................................... 1
1.2 Data Outlier ........................................... Error! Bookmark not defined.
1.3 Data Missing .......................................... Error! Bookmark not defined.
2 Deskripsi Kerja ............................................................................................... 3
2.1 Studi Kasus ............................................................................................ 3
2.2 Langkah Kerja ....................................................................................... 3
2.2.1 Menghapus Data Missing dan Data Outlier ..................................... 3
2.2.2 Tanpa Menghapus Data Missing dan Data Outlier ................. Error!
Bookmark not defined.
3 Pembahasan .................................................................................................... 5
4 Penutup ......................................................................................................... 14
4.1 Kesimpulan.......................................................................................... 14
5 Daftar Pustaka ............................................................................................... 15

ii
Daftar Gambar

Gambar 2.1. Sintaks Input Data. ......................................................................... 3

Gambar 2.2. Sintaks Menanpilkan Deskriptif Data. .............................................. 3
Gambar 2.3. Sintaks Menghapus Data Missing..................................................... 3
Gambar 2.4. Mendeteksi Data Outlier. ............................................................... 3
Gambar 2.5. Menghapus Data Outlier. ............................................................... 4
Gambar 2.6. Uji Henzen Zikler. .......................... Error! Bookmark not defined.
Gambar 2.7. Uji Henzen Zikler. .......................... Error! Bookmark not defined.
Gambar 2.8. Uji Mardia. .................................... Error! Bookmark not defined.
Gambar 2.9. Uji Mardia. .................................... Error! Bookmark not defined.
Gambar 2.10. Uji Royston................................... Error! Bookmark not defined.
Gambar 2.11. Uji Royston................................... Error! Bookmark not defined.
Gambar 2.12. Input Data2................................... Error! Bookmark not defined.
Gambar 2.13. Sintaks Menanpilkan Deskriptif Data. ........ Error! Bookmark not
defined.
Gambar 2.14. Mendeteksi Data Outlier............... Error! Bookmark not defined.
Gambar 2.15. Uji Henze-Zikler . ......................... Error! Bookmark not defined.
Gambar 2.16. Uji Mardia. .................................. Error! Bookmark not defined.
Gambar 2.17. Uji Royston................................... Error! Bookmark not defined.
Gambar 3.1. Output Data. .................................................................................... 5
Gambar 3.2. Output Deskriptif Data. .................................................................... 5
Gambar 3.3. Output Pengecekan Data Missing. .. Error! Bookmark not defined.
Gambar 3.4. Output Menghapus Data Missing. ... Error! Bookmark not defined.
Gambar 3.5. Output Pengecekan Data Outlier. ... Error! Bookmark not defined.
Gambar 3.6. Output Pengecekan Data Outlier. ... Error! Bookmark not defined.
Gambar 3.7. Output Uji Normalitas Henze Zirkler. ............................................. 6
Gambar 3.8. Output Uji Normalitas Multivariat Henze Zirkler. ........................... 7
Gambar 3.9. Output Uji Normalitas Henze Zirkler. ........... Error! Bookmark not
defined.
Gambar 3.10. Output Uji Normalitas Multivariat Henze Zirkler. ................ Error!
Bookmark not defined.
Gambar 3.11. Output Uji Normalitas Mardia. ..... Error! Bookmark not defined.
Gambar 3.12. Output Uji Normalitas Multivariat Mardia. Error! Bookmark not
defined.
Gambar 3.13. Output Uji Normalitas Mardia. ..... Error! Bookmark not defined.
Gambar 3.14. Output Uji Normalitas Multivariat Mardia. Error! Bookmark not
defined.
Gambar 3.15. Output Uji Normalitas Royston. .... Error! Bookmark not defined.
Gambar 3.16. Output Uji Normalitas Multivariat Royston. Error! Bookmark not
defined.
Gambar 3.17. Output Uji Normalitas Royston. .... Error! Bookmark not defined.

iii
Gambar 3.18. Output Uji Normalitas Multivariat Royston. Error! Bookmark not
defined.
Gambar 3.19. Output Uji Normalitas Henze Zirkler. ......... Error! Bookmark not
defined.
Gambar 3.20. Output Uji Normalitas Henze Zirkler. ......... Error! Bookmark not
defined.
Gambar 3.21. Output Uji Normalitas Mardia. ..... Error! Bookmark not defined.
Gambar 3.22. Output Uji Normalitas Mardia. ..... Error! Bookmark not defined.
Gambar 3.23. Output Uji Normalitas Royston. .... Error! Bookmark not defined.
Gambar 3.24. Output Uji Normalitas Royston. .... Error! Bookmark not defined.

iv
1 Pendahuluan

1.1 Statistika Deskriptif

Statistika dapat didefinisikan sebagai ilmu yang dipergunakan untuk
menyimpulkan kondisi populasi berdasarkan kondisi sampel, untuk melakukan hal
ini biasanya dilakukan tahapan yang disebut pengujian hipotesis, hasil dari
pengujian hipotesis ini dapat dikatakan valid jika beberapa syarat terpenuhi, syarat-
syarat itu diantaranya, kenormalan, kehomogenan varians dan kelinearan (Muhajir,
2018).

1.2 MANOVA (Multivariate Analysis of Variance)

Pada dasarnya analisis variansi peubah ganda (multivariate analysis of
variance atau manova) merupakan pengembangan lebih lanjut dari analisis variansi
satu peubah (anova). Berikut ini beberapa perbedaan dari kedua analisis tersebut:

Analisis Variansi Satu Peubah (Anova) Analisis Variansi Peubah

Ganda (Manova)
Hanya mengkaji pengaruh berbagai percobaan yang Mengkaji pengaruh dari
dilakukan terhadap respon tunggal (satu buah peubah berbagai perlakuan yang
respon). dicobakan terhadap respons
ganda (lebih dari satu peubah
respon).
Ketergantungan di antara peubah respon tidak menjadi Mempertinbangkan adanya
perhatian utama karena pada dasarnya dianggap bahwa ketergan-tungan antar peubah-
peubah-peubah respons itu saling bebas satu sama lain , peubah respons, sehingga baik
sehingga pengkajian struktur kevariansian hanya dugunakan untuk pengkajian
dilakukan terhadap setiap peubah respons secara pengaruh dari berbagai
terpisah. perlakuan terhadap lebih dari
satu respons.

Jika kita ingin mengkaji pengaruh dari t buah perlakuan terhadap p buah
respon secara serempak, di mana p > 1, maka penelitian itu dapat dianalisis

1
dengan analisis variansi peubah ganda satu arah. Model umum dari analisis
variansi peubah ganda satu arah adalah

Yijk = µik +τik+εijk

di mana: i =1, 2, … , t, j=1, 2, … , ni, k= 1, 2, … , p.

Yijk = nilai pengamatan dari respon ke-k dan ulangan ke-j yang
memperoleh perlakuan ke-i.
µik = nilai rataan umum dari respon ke-k.
τik = pengaruh dari perlakuan ke-i terhadap respon ke-k.
εijk = pengaruh galat yang timbul pada respon ke-k dari ulangan ke-j dan
perlakuan ke-i.

Asumsi yang dibutuhkan dalam analisis variansi peubah ganda satu arah
adalah nilai-nilai galat bersifat bebas dan menyebar normal ganda dengan
vektor nilai rata-rata 0 dan matriks kovariansi Σ (εijk ~ Np (0,Σ))(Muhajir,
2018).

2
2 Deskripsi Kerja

2.1 Studi Kasus

1. Dengan menggunakan data iris, lakukan pengujian manova antara sepal
length dan sepal width. Serta petal length dan petal width. Tetapi lakukan
pengujian asumsi terlebih dahulu.

2.2 Langkah Kerja

2.2.1 Menghapus Data Missing dan Data Outlier

1. Langkah pertama, setelah berhasil masuk pada layar R. Input sintaks untuk
menampilkan data.

Gambar 2.1. Sintaks Input Data.

2. Setelah memasukkan data ke dalam R, praktikan melakukan deskriptif data
denga perintah summary untuk mendeteksi data missing.

Gambar 2.2. Sintaks Menanpilkan Deskriptif Data.

3. Kemudian melakukan uji normalitas dengan menggunakan package MVN.

Gambar 2.3. Melakukan Uji Normalitas.

4. Selanjutnya, melakukan uji homogenitas pada setiap variabel menggunakan
fungsi Bartlett.test.

Gambar 2.4. Melakukan Uji Homogenitas

3
5. Dan yang terakhir malakukan uni manova antara variabel sepal length dan
sepal width dan variabel petal length petal petal width.

Gambar 2.5. Melakukan Uji Manova.

4
3 Pembahasan
Pada bab ini praktikan akan menjelaskan lebih detil terkait langkah kerja yang
telah dipaparkan sebelumnya.
Pada langkah pertama yaitu membaca data kesehatan dan output data yang
ditampilkan dalam R adalah sebagi berikut:

Gambar 3.1. Output Data.

Gambar 3.2. Output Deskriptif Data.

Dapat dilihat pada gambar di atas, deksrit data dengan menggunakan perintah
summary diamana terdapat empat variabel yaitu variabel sepal length, sepal width,
petal length dan petal width.
• Untuk variabel sepal length, dapat dilihat memiliki nilai minimum 4.3,
kemudian nilai maksimumnya sebesar 79. Mean atau nilai rata-rata
sebesar 5.843, nilai tengah atau median sebesar 5.8. Kemudian untuk
kuartil pertama (1𝑠𝑡 𝑄𝑢) pada data sebesar 5.1, sedangkan untuk kuartil
ketiga (3𝑟𝑑 𝑄𝑢) sebesar 6.4.
• Untuk variabel sepal width, dapat dilihat memiliki nilai minimum 2,
kemudian nilai maksimumnya sebesar 4.4. Mean atau nilai rata-rata
sebesar 3.057, nilai tengah atau median sebesar 3. Kemudian untuk

5
 kuartil pertama (1𝑠𝑡 𝑄𝑢) pada data sebesar 2.8, sedangkan untuk kuartil
ketiga (3𝑟𝑑 𝑄𝑢) sebesar 3.3.
• Untuk variabel petal length, dapat dilihat memiliki nilai minimum 1,
kemudian nilai maksimumnya sebesar 6.9. Mean atau nilai rata-rata
sebesar 3.758, nilai tengah atau median sebesar 4.350. Kemudian untuk
kuartil pertama (1𝑠𝑡 𝑄𝑢) pada data sebesar 1.6, sedangkan untuk kuartil
ketiga (3𝑟𝑑 𝑄𝑢) sebesar 5.1.
• Untuk variabel petal width, dapat dilihat memiliki nilai minimum 0.1,
kemudian nilai maksimumnya sebesar 2.5. Mean atau nilai rata-rata
sebesar 1.199, nilai tengah atau median sebesar 1.3. Kemudian untuk
kuartil pertama (1𝑠𝑡 𝑄𝑢) pada data sebesar 0.3, sedangkan untuk kuartil
ketiga (3𝑟𝑑 𝑄𝑢) sebesar 1.8.
1.1 Uji Normalitas dan Normalitas Multivariat
➢ Uji Normalitas Shapiro-Wilk
1) Hipotesis
H0: Residual menyebar normal
H1: Residual tidak menyebar normal
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.3. Output Uji Normalitas.

5) Keputusan
Variabel p-value Tanda α keputusan

Sepal Length 0.0102 < 0.05 Tolak H0

6
 Sepal Width 0.1012 > 0.05 Gagal Tolak
H0

Petal Length 0.001 < 0.05 Tolak H0

Petal Width 0.001 < 0.05 Tolak H0

6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
untuk variabel sepal length, petal length dan petal width tolak H0 yang
artinya memiliki residual tidak menyebar normal. Untuk variabel sepal
width gagal tolaj H0 yang artinya memiliki residual normal
➢ Uji Normalitas Multivariat E-statistic
1) Hipotesis
H0: Residual menyebar normal
H1: Residual tidak menyebar normal
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.4. Output Uji Normalitas Multivariat E-statistic.

5) Keputusan
Tolak H0, karena p-value = 0 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya residual tidak menyebar normal.
1.2 Uji Homogenitas
1.2.1 Variabel Sepal Length

7
 1) Hipotesis
H0: Ada kesamaan matriks varians kovarians perlakuan antar grup
pada variabel respon Sepal Length.
H1: Ada perbedaan matriks varians kovarians perlakuan antar grup
pada variabel respon Sepal Length
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.5. Output Uji Homogenitas.

5) Keputusan
Tolak H0, karena p-value = 0.0003345 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Ada perbedaan matriks varians kovarians
perlakuan antar grup pada variabel respon Sepal Length.
1.2.2 Variabel Sepal Width
1) Hipotesis
H0: Ada kesamaan matriks varians kovarians perlakuan antar grup
pada variabel respon Sepal Width.
H1: Ada perbedaan matriks varians kovarians perlakuan antar grup
pada variabel respon Sepal Width
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

8
 Gambar 3.6. Output Uji Homogenitas.
5) Keputusan
Tolak H0, karena p-value = 0.3515 > α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
gagal tolak H0 yang artinya Ada kesamaan matriks varians kovarians
perlakuan antar grup pada variabel respon Sepal Width.
1.2.3 Variabel Petal Length
1) Hipotesis
H0: Ada kesamaan matriks varians kovarians perlakuan antar grup
pada variabel respon Petal Length.
H1: Ada perbedaan matriks varians kovarians perlakuan antar grup
pada variabel respon Petal Length
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.7. Output Uji Homogenitas.

5) Keputusan
Tolak H0, karena p-value = 9.229e-13 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Ada perbedaan matriks varians kovarians
perlakuan antar grup pada variabel respon Petal Length.

9
 1.2.4 Variabel Petal Width
1) Hipotesis
H0: Ada kesamaan matriks varians kovarians perlakuan antar grup
pada variabel respon Petal Width.
H1: Ada perbedaan matriks varians kovarians perlakuan antar grup
pada variabel respon Petal Width
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.8. Output Uji Homogenitas.

5) Keputusan
Tolak H0, karena p-value = 3.055e-09 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Ada perbedaan matriks varians kovarians
perlakuan antar grup pada variabel respon Petal Width.
1.3 Uji Manova
1.3.1 Variabel Sepal Length dan Sepal Width dengan Hotelling-Lawley
1) Hipotesis
H0: Tidak terdapat pengaruh dari semua perlakuan yang diterapkan
terhadap respon yang diamati
H1: Minimal terdapat salah satu perlakuan yang mempengaruhi
respon yang diamati
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis

10
 Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.9. Output Uji Manova.

5) Keputusan
Tolak H0, karena p-value = 2.2e-16 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Minimal terdapat salah satu perlakuan yang
mempengaruhi respon yang diamati.
1.3.2 Variabel Sepal Length dan Sepal Width dengan Pillai
1) Hipotesis
H0: Tidak terdapat pengaruh dari semua perlakuan yang diterapkan
terhadap respon yang diamati
H1: Minimal terdapat salah satu perlakuan yang mempengaruhi
respon yang diamati
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.10. Output Uji Manova.

5) Keputusan
Tolak H0, karena p-value = 2.2e-16 < α = 0.05
6) Kesimpulan

11
 Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Minimal terdapat salah satu perlakuan yang
mempengaruhi respon yang diamati.
1.3.3 Variabel Sepal Length dan Petal Length dengan Hotelling-Lawley
1) Hipotesis
H0: Tidak terdapat pengaruh dari semua perlakuan yang diterapkan
terhadap respon yang diamati
H1: Minimal terdapat salah satu perlakuan yang mempengaruhi
respon yang diamati
2) Tingkat signifikansi
α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.11. Output Uji Manova.

5) Keputusan
Tolak H0, karena p-value = 2.2e-16 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Minimal terdapat salah satu perlakuan yang
mempengaruhi respon yang diamati.
1.3.4 Variabel Sepal Length dan Petal Width dengan Pillai
1) Hipotesis
H0: Tidak terdapat pengaruh dari semua perlakuan yang diterapkan
terhadap respon yang diamati
H1: Minimal terdapat salah satu perlakuan yang mempengaruhi
respon yang diamati
2) Tingkat signifikansi

12
 α = 0.05
3) Daerah kritis
Tolak H0 jika p-value < α
4) Statistik uji

Gambar 3.12. Output Uji Manova.

5) Keputusan
Tolak H0, karena p-value = 2.2e-16 < α = 0.05
6) Kesimpulan
Dengan menggunakan tingkat kepercayaan 95% dari data yang ada
tolak H0 yang artinya Minimal terdapat salah satu perlakuan yang
mempengaruhi respon yang diamati.

13
4 Penutup

4.1 Kesimpulan
Dari berbagai hal yang telah dipaparkan pada laporan ini, praktikan
menyimpulkan beberapa hal sebagai berikut:
1. Berdasarkan uji normalitas multivariat diperoleh bahwa data iris tidak
berdistribusi normal multivariat.
2. Berdasarkan uji homogenitas diperoleh bahwa terdapat gejala
homoskedastisitas pada sepal width berdasarkan species. Namun, terdapat
gejala heteroskedastisitas pada sepal length, petal length dan petal width
berdasarkan species.
3. Berdasarkan uji MANOVA diperoleh bahwa paling sedikit ada satu
perlakuan yang mempengaruhi respon (sepal length dan sepal width) yang
diamati.
4. Berdasarkan uji MANOVA diperoleh bahwa paling sedikit ada satu
perlakuan yang mempengaruhi respon (petal length dan petal width) yang
diamati.

14
5 Daftar Pustaka

Muhajir, M. (2018). Modul Praktikum Statistika Multivariat. Yogyakarta:

Universitas Islam Indonesia.

15