ANOVA)”
Kelas A11B
Tugas Kelompok
Mata Kuliah : BIOSTATISTIKA
Dosen pengajar
Ika Setya Purwanti, SKM., M.Epid
Di susun Oleh:
KELOMPOK 6
1
2
diamati. Analisis varian saat ini banyak digunakan dalam penelitian survey
dan penelitian eksperimen.
ANOVA bisa dikatakan sebagai salah satu teknik penelitian statistic
yang sering digunakan oleh banyak peneliti karena memiliki dua
karakteristik seperti (Bandur, 283:2013):
ANOVA akan membantu kita untuk menganalisis data dari hasil
desain penelitian eksperimental.
ANOVA akan membantu kita untuk melihat hubungan sebab akibat.
Hal inilah yang membedakan t-test dengan ANOVA dengan
correlation dan multi-regretion. Dalam kedua tes statistic yang
disebutkan terakhir, kita bisa menguku hubungan sebab akibat pada
variable independen dan dependen.
Anova dapat digolongkan kedalam beberapa kriteria, yaitu :
1 Klasifikasi satu arah (One Way ANOVA)
Anova klasifikasi satu arah merupakan ANOVA yang didasarkan
pada pengamatan satu kriteriaatau satu faktor yang menimbulkan
variasi.
2 Klasifikasi dua arah (Two Way ANOVA)
ANOVA klasifikasi dua arah merupakan ANOVA yang didasarkan
pada pengamatan dua kritenia atau dua faktor yang menimbulkan
variasi.
1 Klik Analyze > General Liniear Model > Univariate, sehingga muncul
jendela sbb:
3 Klik Plots, maka akan muncul jendela sbb; kemudian masukkan Semester ke
kotak Horizintal Axis dan Background ke kotak Separate Lines.
7
4 Klik Add, maka akan muncul jendela sbb; lalu klik Continue.
5 Klik Post Hoc, maka akan muncul jendela sbb; kemudian masukkan semester
ke kotak Post Hoc Test for -> centang Tukey -> Klik Continue.
8
variable independen. Sedangkan pada kasus lebih dari satu variable independen
maka keduanya berbeda.
Langkah-Langkah Multivariat untuk Menaksir Perbedaan Kelompok
Aspek yang unik dari MANOVA adalah variat optimal menggabungkan
beberapa pengukuran dependen menjadi nilai tunggal yang dapat
memaksimalkan perbedaan antar kelompok. Untuk menganalisis data pada
beberapa kelompok dan variable, digunakan metode univariat. Mungkin
peneliti akan tergoda untuk melakukan uji t secara terpisah untuk membedakan
anatar setiap pasang kelompok (misalnya, kelompok 1 dibanding kelompok 2,
kelompok 1 dibanding kelompok 3, dan kelompok 2 dibandingkan kelompok
3). Tetapi uji t multiple mengembangkan kesalahan pengukuran keseluruhan.
ANOVA dan MANOVA menghindari tipe ini karena menimbulkan
perbandingan perlakuan beberapa kelompok dengan menentukan dalam uji
tunggal apakah seluruh kelompok menunjukkan arti bahwa sampel diambil dari
populasi umum yang sama. Artinya, kedua teknik yang digunakan untuk
menentukan kemungkinan perbedaan di beberapa kelompok semata-mata
karena sampling error.
Hotteling’s T2 menganggap bahwa peneliti tertarik pada daya tarik serta
niat pembelian yang dihasilkan oleh dua pesan iklan. Seandainya menggunakan
analisis univariat, peneliti akan melakukan uji t secara terpisah antara daya
tarik pembelian karena iklan dengan niat pembelian karena iklan. Dua langkah
yang saling berkaitan yaitu: apa yang sebenarnya diinginkan dalam uji
perbedaan antara iklan dari dua variable kolektif. Di sinilah Hotelling’s T2
khususnya dari MANOVA dan sebuah pengembangan langung dari univariat
dapat digunakan.
Hotelling’s T2 melengkapi uji statistic bentuk variat dari variable
dependen yang menghasilkan perbedaan group terbesar. Hal ini juga
menunjukkan masalah peningkatan tipe eror I yang timbul ketika membuat
serangkaian uji t dari rata-rata kelompok di setiap ukuran dependen. Ia
mengontrol peningkatan dari tipe eror I dengan meningkatkan uji secara
keseluruhan dari perbedaan kelompok di semua variable dependen pada tingkat
12
Uji Statistik. Dalam kasus dua kelompok, prosedur ANOVA pada dasarnya
digunakan untuk mengidentifikasi apakah ada perbedaan. Dengan tiga kelompok
atau lebih (baik dengan mempunyai variable dependen tunggal dengan tiga tingkat
atau dengan menggunakan dua variable dependen atau lebih), analisis perbedaan
kelompok menjadi lebih berhubungan dengan jelas terhadap analisis diskriminan.
Untuk tiga kelompok atau lebih, ketika dalam analisis diskriminan, multiple variat
dari ukuran dependen terbentuk. Variat yang pertama, disebut fungsi diskriminan,
menetapkan sederetan bobot yang memaksimalkan perbedaan antar kelompok,
dengan demikian memaksimalkan nilai F. Memaksimalkan nilai F itu sendiri
memungkinkan kita untuk menghitung secara langsung apa yang disebut Roy’s
greatest characteristic root (gcr) statistic, yang memungkinkan untuk uji statistic
dari fungsi diskriminan yang pertama. Karakteristik terbesar perhitungan statistic
root adalah :
Roy’s grc = (k - 1) Fmax / (N – k)
Untuk mendapatkan tes tunggal dari hipotesis ketika tidak ada perbedaan group di
nilai rata-rata vector, kita dapat mengacu pada table distribusi Roy’s grc. Sama
halnya dengan statistic F diketahui hipotesis nol pada rata-rata kelompok setara
pada variable dependen, statistic grc diketahui hipotesis nol pada rata-rata
kelompok setara pada vector (yaitu, kelompok yang setara pada serangkaian
ukuran dependen). Perbandingan penelitian grc ke Roy’s grccrit¬ memberi kita
dasar untuk menolak hipotesis nol dari kelompok rata-rata vector yang setara.
Setap fungsi diskriminan adalah orthogonal, memaksimalkan perbedaan antar
kelompok berdasarkan sisa varian yang tidak dijelaskan oleh fungsi sebelumnya.
Dengan demikian, dalam banyak kasus, uji untuk membedakan antara kelompok
tidak hanya memerlukan nilai variat yang pertama tetapi juga serangkaian nilai
variat yang ditaksir secara bersamaan. Dalam kasus ini, serangkaian uji
multivariate tersedia (seperti Wilks’ Lambda, Pillai’s criterion), masing-masing
cocok untuk keadaan khusus untuk menguji multiple variat.
Perbedaan antara MANOVA dan Analisis Diskriminan. Seperti yang sudah
dipaparkan sebelumnya bahwa dalam pengujian statistic MANOVA
menggunakan fungsi diskriminan. Variabel dependen dalam MANOVA adalah
variable independen dalam Analisis Diskriminan, dan variable dependen
14
Hasil analisis dua kelompok perusahaan sehat dan tidak sehat tersebut dengan
menggunakan program SPSS dapat dilihat dalam tampilan sebagai berikut:
Between-Subjects Factors
N
FIRM 1.00 25
2.00 15
Descriptive Statistics
16
Sig.
Tests the null hypothesis that the observed covariance matrices of the dependent
variables are equal across groups.
a. Design: Intercept + FIRM
Df 2
Sig. .000
Test the null hypothesis that the residual covariance matrix is propotional to an
identity matrix
a. Design: Intercept + FIRM
Tampilan Box’s Test merupakan uji normalitas multivariate dengan uji Box’s M.
Uji tersebut menunjukkan signifikan sehingga mengindikasikan bahwa matriks
kovarian variable dependen adalah tidak sama pada perusahaan yang sehat
17
maupun yang tidak sehat. Hal ini berarti bahwa asumsi normalitas multivariate
tidak terpenuhi. Namun perlu dicatat bahwa Uji Box’s M sangat sensitive dalam
pelanggaran uji normalitas. Uji korelasi antara variable dependen ditunjukkan
pada Bartlett’s test of sphericity. Uji Bartlett ini signifikan sehingga menunjukkan
adanya korelasi yang cukup antara variable independen yang ada.
Ada empat uji statistic untuk mengetahui perbedaan centroid dua kelompok yaitu
Pillai’s Trade, Wilks’ Lambda, Hotelling’s Trace, dan Roy Largest Root (kolom
2). Nilai masing-masing uji tersebut kemudian ditransformasi ke dalam uji
statistic F (kolom 3). Ada dua tampilan yaitu intercept dan FIRM. Uji intercept
digunakan untuk mengevaluasi apakah rata-rata kinerja keuangan tidak sama
dengan nol. Berdasarkan uji F ini signifikan pada α = 5% ( kolom sig) sehingga
kita bisa menyimpulkan bahwa kinerja keuangan tidak sama dengan nol dan
berbeda dengan persamaan.
Uji signifikansi multivariate yang penting dalam ANOVA adalah pada
variable independen FIRM yang diklasifikasikan sehat dan tidak sehat.
Berdasarkan uji F signifikan pada α 5% (lihat kolom sig) dengan menggunakan
keempat uji yang ada. Berarti kita bisa menyimpulkan bahwa kesehatan
perusahaan mempengaruhi kinerja keuangan perusahaan. Uji Partial Eta Squared
(PES) sebesar 0,790. Kesehatan perusahaan menjelaskan 79% varian total.
Kekuatan uji multivariate ini cukup besar sehingga kita bisa menolak hipotesis nol
sehingga berarti kesehatan perusahaan mempengaruhi kinerja keuangan
perusahaan.
Setelah kita ketehaui bahwa uji multivariate signifikan maka selanjutnya
adalah uji univariat F. Namun sebelumnya kita lihat dulu uji varian untuk error
tidak sama antara perusahaan yang sehat maupun yang tidak sehat. Uji ini selain
dengan uji Box’s M sebelumnya dimana kovarian variable tidak sama .
Uji signifikansi univariate dengan Uji statistika F yang ditampilkan pada test of
between subject effects. Pada kolom source ada beberapa informasi untuk uji
variate ini. Analisis MANOVA terletak pada apakah variable independen
mempengaruhi variable dependen. Informasi ini terdapat pada corrected model
dan FIRM. Keduanya menghasilkan informasi uji F yang sama karena keduanya
merupakan uji apakah variable independen mempengaruhi variable dependen. Uji
18