MANOVA

oleh Supriyanto
 Pengertian Manova

Manova 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.
 Pengertian Manova

Manova adalah uji statistik yang

digunakan untuk mengukur pengaruh
variabel independen yang berskala
kategorik terhadap beberapa variabel
dependen sekaligus yang berskala data
kuantitatif.
 Pengertian Manova

uji manova digunakan untuk mengukur

pengaruh variabel independen terhadap
beberapa variabel dependen secara
simultan atau sekaligus.
 Pengertian Manova

Uji ini mirip sekali dengan uji Hotelling’s

2
T . Letak perbedaannya adalah jika uji
hotelling’s T digunakan apabila hanya
2

terdapat 1 variabel independen dengan

2 kategori saja. Sedangkan manova
dapat digunakan pada lebih dari 1
variabel independen dan/atau kategori
dua atau lebih.
 Pengertian Manova

Jadi apabila dibuat kesimpulan:

MANOVA adalah bentuk multivariat dari ANOVA
sedangkan Hotelling's T2 adalah bentuk multivariat
dari independen t test. Berikut Gambarannya:
 Pengertian Manova

Anova Manova

Pengaruh perlakuan terhadap Pengaruh Perlakuan terhadap

respon tunggal multi respons ganda

Peubah-peubah respons dianggap Mempertimbangkan adanya

saling bebas satu sama ketergantungan antar peubah-
peubah respons
 Pengertian Manova

Manova 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.
 Pengertian Manova

Keunggulan dari Manova 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.
 Pengertian Manova

Dalam penggunaannya, manova

membutuhkan asumsi, yaitu ukuran sampel
yang lebih besar daripada 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.
 Prosedur dalam Manova

Tahap 1 : Menentukan objek dari MANOVA

Tahap 2 : Membuat design penelitian dari MANOVA
Tahap 3 : Asumsi dari multiple MANOVA
Tahap 4 : Memperkirakan Model MANOVA dan
Menilai Keseluruhan Fit
Tahap 5 : Menginterpretasi dari MANOVA variat
Tahap 6 : Memvalidasi dari hasil tersebut
 Prosedur dalam Manova

Tahap 1 bertujuan untuk menganalisis hubungan

ketergantungan yang direpresentasikan sebagai
perbedaan dalam satu set ukuran. Hal ini tergantung
pada serangkaian kelompok yang dibentuk oleh satu
atau lebih kategoris dari langkah-langkah
independen. Untuk memberikan wawasan ke dalam
sifat dan kekuatan prediksi dari langkah-langkah
independen serta keterkaitan dan perbedaan dalam
beberapa tindakan tergantung.
 Prosedur dalam Manova

Tahap 2 untuk sample size requirements dapat dilihat

secara keseluruhan atau kelompok. Dalam factorial
designs menggunakan dua atau lebih treatments.
Pada selecting treatments yang digunakan
berdasarkan tipe dan nomor (interaction effects).
 Prosedur dalam Manova

Tahap 3 merupakan mengobservasi variabel

independen. Kemudian dilihat apakah adanya
kesamaan dalam varian (covariance matrices for all
groups). Distribusinya tergolong normal atau tidak.
adanya linearitas dan multicollinearity selama dalam
variabel dependen dan adanya sensitivity outliers.
 Prosedur dalam Manova

Tahap 4 memiliki tujuan untuk menyeleksi beberapa

kriteria untuk significance tets dan assessing
statistical power.
 Prosedur dalam Manova

Tahap 5 menafsirkan efek kovariat, jika digunakan.

Menilai mana variabel dependen ditunjukkan adanya
perbedaan antar kelompok setiap perlakuan.
Identifikasi apakah kelompok berbeda pada variabel
dependen tunggal atau seluruh variat tergantung.
Pada tahap terakhir ini menjelaskan tentang replikasi,
menggunakan kovariat apa dan penilaian penyebab.
 Asumsi dalam Manova

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 predictor
4. Variabel dependen maupun independen dapat
dikorelasikan satu sama lain
 Batasan dalam Manova

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)
 Batasan dalam Manova

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)
 One-Way MANOVA
Pembandingan Vektor Nilai Tengah g Populasi

Model linier:
Xlj =  + l + elj
Di mana: j = 1, 2, ..., nl dan l = 1, 2, ..., g
elj adalah peubah acak Np(0, ), vektor
parameter  adalah nilai tengah umum, dan
vektor pengaruh l mencerminkan pengaruh
perlakuan ke-l.

Hipotesis: H0: 1 = 2 = ... = g = 0

One-Way MANOVA
 One-Way MANOVA

Statistik Uji
g nl

W
  (x lj − x l )(x lj − x l )'
l =1 j =1
* = =
B+W g nl

  (x
l =1 j =1
lj − x)(x lj − x)'
One-Way MANOVA
Ilustrasi:
Seorang peneliti bidang kedokteran melakukan percobaan untuk meneliti
hubungan di antara aktifitas metabolik di antara kelinci-kelinci percobaan dan daya
tahan terhadap kuman tuberculosis (tbc). Peneliti menetapkan 4 perlakuan sebagai
berikut:

P1 = kontrol (tidak divaksinasi)

P2 = diinfeksi (ditularkan) kuman tbc selama aktifitas metabolik rendah.
P3 = diinfeksi (ditularkan) kuman tbc selama aktifitas metabolik tinggi.
P4 = diinfeksi (ditularkan) kuman tbc selama aktifitas metabolik normal, tetapi
terlebih dahulu diirradiasi dengan 400 rontgens.

Perlakuan P1 dan P2 diulang sebanyak 7 kali (n1 = n2 = 7), perlakuan P3 diulang

5 kali (n3 = 5), dan P4 diulang sebanyak 2 kali (n4 = 2). Peubah respon yang
diamati ada 2 yaitu:
Y1 = banyaknya basil yang hidup per tubercle formed (mm).
Y2 = banyaknya basil yang hidup per tubercle size (mm).
Data hasil pengamatan seperti pada tabel di bawah ini.

Banyaknya Basil yang Hidup per Tubercle Formed (Y1) dan Tubercle Size (Y2) dalam
mm

Ulangan P1 P2 P3 P4
Y1 Y2 Y1 Y2 Y1 Y2 Y1 Y2
1 24.0 3.5 7.4 3.5 16.4 3.2 25.1 2.7

2 13.3 3.5 13.2 3.0 24.0 2.5 5.9 2.3

3 12.2 4.0 8.5 3.0 53.0 1.5

4 14.0 4.0 10.1 3.0 32.7 2.6

5 22.2 3.6 9.3 2.0 42.8 2.0

6 16.1 4.3 8.5 2.5

7 27.9 5.2 4.3 1.5

total 129.7 28.1 61.3 18.5 168.9 11.8 31.0 5.0

rata2 18.5286 4.0143 8.7571 2.6428 33.7800 2.3600 15.5000 2.5000

Langkah-langkah teknis perhitungan:
Perhitungan Faktor Koreksi (FK) untuk untuk respon Y1 dan
Y2

FK untuk respon Y1
(Y1 •• ) = ( + + + ) ( )
2 2
2 129, 7 61,3 168,9 31 390.9
FK11 = = = 7276.3243
n 21 21

FK untuk respon Y2
( 28,1 + 18,5 + 11,8 + 5 ) ( 63, 4 )
2 2
FK 22 = = = 191.4076
21 21

FK untuk respon Y1 dan Y2

FK12 = (
390,9 )( 63, 4 )
= 1180.1457
21
Perhitungan Jumlah Kuadrat Total Terkoreksi (JKT) dan
Jumlah Hasil Kali Total Terkoreksi (JHKT) untuk respon
Y1 dan Y2

JKT untuk respon Y1

4 ni
JKT11 =   Y1ij2 − FK11 = 3152.2657
i=1 j=1

JKT untuk respon Y2

4 ni
JKT22 =   Y2ij2 − FK 22 = 17.4124
i=1 j=1

JHKT untuk respon Y1 dan Y2

4 ni
JHKT12 =   Y1ij  Y2ij − FK12 = −39.0257
i=1 j=1
Perhitungan Jumlah Kuadrat Perlakuan Terkoreksi (JKP)
dan Jumlah Hasil Kali Perlakuan Terkoreksi (JHKP) untuk
respon Y1 dan Y2

JKP untuk respon Y1

4Y1i•2
JKP11 =  − FK11 = 1849.5862
i=1 n i

JKP untuk respon Y2

4 2
Y 2i•
JKP22 =  n − FK 22 = 10.6346
i=1 i

JHKP untuk respon Y1 dan Y2

Y1i•  Y2i•
4
JHKP12 =  n − FK12 = −21.3810
i=1 i
Perhitungan Jumlah Kuadrat Galat (JKG) dan Jumlah Hasil
Kali Galat (JHKG) untuk respon Y1 dan Y2

JKG untuk respon Y1

JKG11 = JKT11 − JKP11 = 1302.6795

JKG untuk respon Y2

JKG 22 = JKT22 − JKP22 = 6.7778

JHKG untuk respon Y1 dan Y2

JHKG12 = JHKT12 − JHKP12 = −17.6447

Hasil perhitungan yang diperoleh sebelumnya dapat
dirangkum dalam suatu tabel analisis ragam peubah ganda
satu arah (One-way Manova) seperti berikut:
Tabel Analisis Ragam Peubah Ganda Satu Arah
(One-way Manova)

Sumber Derajat
Jumlah Kuadrat
Keragaman Bebas (db)

1849,586 -21,3827 
Perlakuan (P) 3 P= 
 -21,3817 10,63467 

1302, 679 -17,644 

Galat (G) 17 G = 
 -17,644 6,777714 

 3152, 2657 -39,0257 

Total (T) 20 T = 
 -39,0257 17,41238 
Statistik uji Lambda-Wilks (-Wilks), sebagai berikut:
G G
Λ= =
G+P T
di mana:
G = determinan dari matriks galat (G)

T = determinan dari matriks total (T)

Selanjutnya besaran  yang dihitung dari rumus di atas dibandingkan
dengan tabel distribusi U dengan kaidah keputusan sebagai berikut:

 U p:dbP ;dbG maka terima H 0
jika  
 maka tolak H 0
  U p:dbP ;dbG
di mana:
p = banyaknya peubah respon yang diamati.
dbP = derajat bebas perlakuan.
dbG = derajat bebas galat.
Berdasarkan tabel di atas diperoleh:
G = 8517.9657

T = 53365.5060
G 8517.9657
Λ= = = 0.1596
T 53365 .5060

Nilai tabel U diperoleh

U 20.01
;3;17 = 0.370654

0.01
karena  = 0.1596 < U 2;3;17 = 0.370654

maka sesuai dengan kaidah keputusan di atas maka H0 ditolak.

 Dalam kasus di atas, p =2, dbP =3, hal ini berarti sesuai dengan kriteria
transformasi F untuk p =2 dan dbP 1, sehingga transformasi dari  ke F
dapat dilakukan sebagai berikut:

1− Λ  dbG − 1 
F =    = 8.017
Λ  dbP
  

Selanjutnya besaran F ini dibandingkan dengan nilai dari tabel F dengan

derajat bebas 2 dbP;2(dbG –1). Jika kita menetapkan =0.01, maka F0.01;6;32
= 3.434. Karena besaran F = 8.017 > F0.01;6;32 = 3.434, maka kita menolak
H0 pada taraf =0.01.
 Analisis Ragam Peubah Ganda
Dua Arah (Two-way Manova)
Model Linier

Yij =  +  i +  j +  ij
i=1,2,..,g dan k=1,2,…,b
Di mana elj adalah peubah acak Np (0,Σ). Di sini vektor parameter μ adalah nilai
tengah umum, Tl mencerminkan pengaruh perlakuan ke-l, dan β mencerminkan
pengaruh kelompok ke-b.

Hipotesis :
H0 :1 =  2 =  =  t = 0
H1 :  i, i  0, i = 1,2,, t
CDoanrtoi hd: ata yang mempunyai 3 peubah respon Y1, Y2, dan Y3, yang
diamati dari 5 perlakuan yaitu P1, P2, P3, P4, dan P5, yang
dikenakan pada 4 kelompok yaitu K1, K2, K3, dan K4, seperti di
bawah ini:

Data untuk Analisis Ragam Peubah Ganda Dua Arah

perl kelompok1 Kelompok 2 Kelompok 3 Kelompok 4 total

aku
y1 y2 Y3 Y1 Y2 Y3 Y1 Y2 Y3 Y1 Y2 Y3 Y1 Y2 y3
an
96 10 725 142 16 700 122 13 655 111 13 680 417 52 2760
p1

102 15 695 106 10 710 95 14 705 93 12 680 396 51 2790

p2

109 15 690 113 15 690 101 14 680 100 19 685 423 63 2745
p3

103 17 680 97 16 690 99 13 730 135 12 670 434 58 2770

p4

98 17 680 97 14 695 105 16 680 86 22 710 386 69 2765

p5

508 74 3470 555 71 3485 522 70 3450 525 78 3425 2110 293 13830
tota
l
 Tabel Manova: (Tehnik perhitungan mirip seperti
Manova satu arah)

Tabel Analisis Ragam Peubah Ganda Dua Arah

Sumber Derajat bebas JK dan JHK

keragaman
Kelompok (k) 3  234.60

− 14.10 127.00 

K =  − 14.10 7.75 − 36.50 
 127.00 − 36.50 405.00 


Perlakuan (p) 4  1129.50 −125.75 − 213.75 

P =  − 125.75 57.30 − 62.00 
 − 213.75 − 62.00 267.50 


Galat(g) 12  2258.90 − 24.65 − 1658.25

G =  − 24.65 91.50 4.00 
 5532.50 
 − 1658.25 4.00

Total(t) 19  3623.00 −164.50 − 1745.00 

T =  − 164.50 156.55 − 94.50 
 6205.00 
 −1745.00 − 94.50
Statistik uji Lambda-Wilks sebagai berikut:
G 8.888319 10 8
Λ = = = 0.399006
G + P 2.227617  10 9
Kesimpulan:

Nilai Tabel
0.05
U3;4;12 =0.168939, jadi karena =0.399006 > U 0.05
3;4;12

=0.168939, maka kita menerima H0, dan menyatakan bahwa

berdasarkan data yang ada kita belum dapat menolak hipotesis
kesamaan pengaruh perlakuan.
TERIMA KASIH