TUGAS
MULTIVARIATE ANALYSIS OF VARIANCE
(MANOVA)
Dosen Pengampu:
Dr. Nurhanurawati, M.Pd.
Oleh
KELOMPOK 4
Dodi Efriyadi (2023021014)
Faila Sova (2023021013)
Siti Lestari (2023021015)
Analia (2023021019)
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2020
0
KATA PENGANTAR
Puji syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan
limpahan hidayah-Nya sehingga makalah ini bisa selesai. Shalawat serta salam
semoga selalu tercurahkan kepada baginda Rasulullah SAW. Penyusunan makalah
ini bertujuan untuk menyelesaikan tugas makalah statistik penelitian pendidikan
dengan pokok bahasan multivariant yaitu Multivariate analysis of variance
(MANOVA). Semoga apa yang saya sampaikan melalui makalah ini dapat
menambah wawasan baik itu untuk pribadi sebagai penulis maupun pembaca pada
umumnya.
Kelompok 4
1
DAFTAR ISI
Halaman
COVER
KATA PENGANTAR .................................................................................... 1
DAFTAR ISI .................................................................................................. 2
DAFTAR TABEL .......................................................................................... 3
2
DAFTAR TABEL
Halaman
1. Tabel Manova .................................................................................... 13
2. Tabel Bartlett ..................................................................................... 14
3. Hasil Output SPSS Multivariate Tes (Sel Sama) ............................... 26
4. Hasil Output SPSS Tests of Between-Subjects Effects (Sel Sama) .. 27
5. Mencari jumlah dan rata-rata ............................................................ 30
6. Mencari Jumlah Kuadrat ................................................................... 31
7. Mencari Hasil Kali Setiap Variabel .................................................. 32
8. Hasil Output SPSS Multivariate Tes (Sel Tidak Sama) ................... 43
9. Hasil Output SPSS Tests of Between-Subjects Effects
(Sel Tidak Sama) ................................................................................ 44
3
BAB I
PENDAHULUAN
saling terkait satu sama lain. Disinilah letak perbedaan antara multivariabel
4
Analysis of Variance (MANOVA) untuk mengetahui apakah terjadi
1.2.2. Apa saja jenis statistika yang terdapat pada analisis multivariant?
Metode yang digunakan adalah kajian pustaka dari berbagai sumber relevan
makalah ini.
5
BAB II
PEMBAHASAN
menggunakan dua atau lebih variable bebas. Menurut Dillon dan Goldstein
6
Analisis Multivariat atau Metode Multivariat berhubungan dengan metode
lebih dari dua variabel pada setiap objek atau orang. Pengertian Analisis
Multivariat adalah analisis multi variabel dalam satu atau lebih hubungan.
http://prasko17.blogspot.com/2012/11/pengertian-analisis-multivariat.html
suatu analisis yang melibatkan variabel dalam jumlah lebih dari 2 variabel.
lainnya, Analisis Multivariat yang kita bahas ini juga tidak lepas dari jenis
data atau skala data. Skala data yang digunakan ada dua macam, yaitu data
metrik dan data non metrik. Data metrik adalah data yang bersifat numerik
dalamnya, misal nilai ujian, tingkat IQ, berat badan, dll. Data metrik
disebut juga dengan data numerik atau data kuantitatif. Dalam hal ini data
metrik ada 2 macam, yaitu data interval dan data rasio. Sedangkan data
non metrik adalah data non numerik atau disebut juga data kualitatif atau
7
data kategorik. Ada dua macam jenis data non metrik ini, yaitu data
korelasi kanonikal.
8
interdependensi berguna dalam memberikan makna terhadap
Teknik yang terakhir ini, yaitu Teknik Model Struktural adalah sebuah
laten. Variabel laten dalam hal ini adalah variabel yang sebenarnya
Agar anda lebih pahami lagi secara detail, silahkan pelajari beberapa
9
2.2. MANOVA (Multivariate analysis of variance)
antara kelompok untuk dua atau lebih variable tergantung. Teknik ini
dua yang berskala interval atau rasio. Menurut Diana Puspitasari, Sigit
tak bebas yang bersifat metrik (interval atau rasio), sedangkan pada
MANOVA dapat melibatkan dua atau lebih variabel tak bebas yang
10
dua atau lebih variabel tak bebas secara simultan (simultaneously)
sampel yang lebih besar dari pada univariat ANOVA, di mana dalam
11
2.2.3. Rumus MANOVA
̅ ( ̅ ̅) ( ̅ ̅)
Keterangan :
= observasi
̅ ̅ = residu
berikut:
perlakuan).
Mirip dengan anova jumlah kuadrat pada manova dapat ditulis sebagai
berikut :
( ) ∑ ∑( ̅ ̅ )( ̅ ̅)
( ) ∑ ( )
12
Jumlah kuadrat galat.
( ) ∑ ∑( ̅ ̅ )( ̅ ̅ )
( ) ∑∑ ∑ ( )
Tabel 1
Tabel Manova
Perlakuan ∑ (̅ ̅ )( ̅ ̅)
Treatmen
∑ ∑( ̅)( ̅) ∑
Residu (error)
Total (rata-rata
∑ ∑( ̅)( ̅) ∑
terkoreksi)
| ( )|
| ( ) ( )|
Dimana JK(G) dan JK(P) sudah didefinisikan pada persamaan (1) dan (2).
Setelah diperoleh nilai jumlah kuadrat galat dan jumlah kuadrat perlakuan,
13
perhitungan tersebut kemudian disubtitusikan kedalam rumus uji yang
Menurut Diana Puspitasari, Sigit Nugroho, dan Baki Swita (2017: 7-8)
Tabel 2
Tabel Bartlett
Banyak
Banyak
Variabel Sampling Distribusi Harga
Perlakuan
Pengamatan
∑ ( )∑
( )( )
∑ √ ( ) (∑ )
( )( )
√
∑ ∑
( )( )
∑ √ (∑ )
( )( )
√
Untuk p dan t selain empat
[( ) ] ( )
kategori diatas
terdiri atas 30 siswa. Diambil 2 kelas secara acak, pada kedua kelas
14
Eksperimen I dan Model Eksperimen II, terhadap kemampuan koneksi
normalitas)
15
Penyelesaian
(tidak ada perbedaan model eksperimen I dan model Ekperimen II terhadap kemampuan koneksi matematis
(setidaknya ada perbedaan model eksperimen I dan model Ekperimen II terhadap kemampuan koneksi
b. Uji Statistik
P1 P2 P1 P2 P1 P2
No
. .
1 5 7 5 7 25 49 4 81 35 18
2 8 14 8 14 64 196 49 16 112 28
3 12 16 12 16 144 256 9 121 192 33
4 7 9 7 9 49 81 49 144 63 84
5 8 10 8 10 64 100 81 1 80 9
6 10 13 10 13 100 169 1 9 130 3
7 5 6 5 6 25 36 9 144 30 36
8 10 13 10 13 100 169 100 36 130 60
9 5 7 5 7 25 49 16 4 35 8
10 9 13 9 13 81 169 9 25 117 15
16
11 4 5 4 5 16 25 25 144 20 60
12 10 13 10 13 100 169 64 100 130 80
13 6 7 6 7 36 49 100 16 42 40
14 11 14 11 14 121 196 16 100 154 40
15 11 14 11 14 121 196 49 100 154 70
16 3 4 3 4 9 16 64 36 12 48
17 3 3 3 3 9 9 16 16 9 16
18 12 16 12 16 144 256 4 1 192 2
19 6 8 6 8 36 64 1 16 48 4
20 3 4 3 4 9 16 9 25 12 15
21 5 7 5 7 25 49 9 169 35 39
22 11 13 11 13 121 169 64 196 143 112
23 12 14 12 14 144 196 100 36 168 60
24 4 6 4 6 16 36 36 64 24 48
25 9 12 9 12 81 144 49 81 108 63
26 9 12 9 12 81 144 64 36 108 48
27 6 8 6 8 36 64 9 169 48 39
28 3 4 3 4 9 16 64 49 12 56
29 1 1 1 1 1 1 25 121 1 55
30 4 5 4 5 16 25 49 25 20 35
Total 212 278 166 223 1808 3114 1144 2081 2364 1224
Rata-Rata 7.07 9.27 5.53 7.43
17
Langkah-langkah Perhitungan
( )
( )
( )
( )
( )
( )
( )( )
( )( )
18
4) Menentukan Jumlah Kuadrat Total Terkoreksi (JKT) dan Jumlah
JKT untuk
∑∑
( )
JKT untuk
∑∑
( )
∑∑
( )
19
5) Menentukan Jumlah Kuadrat Perlakuan Terkoreksi (JKP) dan
JKP untuk
( )
( )
JKP untuk
( )
( )
( )( ) ( )( )
* +
( )
20
6) Menentukan Jumlah Kuadrat Galat (JKG) dan Jumlah Hasil Kali
Galat (JHKG)
JKG untuk
JKG untuk
MANOVA berikut:
Sumber Derajat
JK dan JHK
Keragaman Bebas (db)
Perlakukan (P) 1
( )
Galat (G) 58
( )
Total (T) 59
( )
| ( )|
| ( ) ( )|
21
Mencari nilai determinan JK (G) dan determinan jumlah dari
| ( )| ( )( ) ( )( )
| ( )|
| ( )|
( ) ( ) ( ) ( )
( ) ( ) ( )
| ( ) ( )| ( )( ) ( )( )
| ( ) ( )|
| ( ) ( )|
Dengan demikian
| ( )|
| ( ) ( )|
Berdasarkan
demikian tidak dilakukan uji lanjut yaitu Uji Tukey atau Uji Scheffe.
22
Prosedur dengan SPSS
a. Buka editor IBM SPSS, klik Variable View pada baris kesatu kolom
b. Klik Data View kemudian ketikkan seluruh data pada kolom “Data”,
seperti ini:
Kode 1 untuk
Kelompok “1”
Kode 2 untuk
Kelompok “2”
23
c. Klik Analyze, Sorot General Linear Model dan klik Multiivariate
seperti berikut:
24
e. Pindahkan variabel “Data Kemampuan Koneksi Matematis dan Data
berikut:
Klik Continue dan klik OK, maka akan muncul output sebagai
25
Setelah kedua uji persyaratan hipotesis dipenuhi dilanjutkan dengan uji hipotesis MANOVA. Uji MANOVA digunakan untuk menguji
apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda. Dalam hal ini dibedakan hasil kemampuan
koneksi matematis dan kemampuan komunikasi matematis siswa yang diajar dengan dua model tersebut. Keputusan diambil dengan
analisis Pillae Trace, Wilk Lambda, Hotelling Trace, Roy’s Largest Root. Hasil analisis untuk contoh di atas adalah sebagai berikut.
Tabel 3
Hasil Output SPSS Multivariate Testsa
a
Multivariate Tests
Partial Eta
Effect Value F Hypothesis df Error df Sig.
Squared
b
Intercept Pillai's Trace .851 162.559 2.000 57.000 .000 .851
b
Wilks' Lambda .149 162.559 2.000 57.000 .000 .851
b
Hotelling's Trace 5.704 162.559 2.000 57.000 .000 .851
b
Roy's Largest Root 5.704 162.559 2.000 57.000 .000 .851
b
Model Pembelajaran Pillai's Trace .072 2.202 2.000 57.000 .120 .072
b
Wilks' Lambda .928 2.202 2.000 57.000 .120 .072
b
Hotelling's Trace .077 2.202 2.000 57.000 .120 .072
b
Roy's Largest Root .077 2.202 2.000 57.000 .120 .072
26
Hasil analisis menunjukkan bahwa harga F pada kolom effect pada model pembelajaran untuk Pillae Trace, Wilk Lambda, Hotelling Trace,
Roy’s Largest Root.x memiliki nilai signifikansi yaitu 0,120 dimana nilai signifikan yang lebih besar dari 0,05. Artinya, harga F pada effect
wilk’s Lambda yaitu 0,928 untuk Pillae Trace, Wilk Lambda, Hotelling Trace, Roy’s Largest Root semuanya tidak signifikan. Jadi, tidak
terdapat perbedaan kemampuan koneksi matematis maupun kemampuan komunikasi matematis siswa yang diajar dengan model
eksperimen. Selanjutnya, tests of between-subjects effects, diperoleh hasil sebagai berikut:
Tabel 4
Hasil Output SPSS Tests of Between-Subjects Effects
Tests of Between-Subjects Effects
Type III Sum of Partial Eta
Source Dependent Variable Squares df Mean Square F Sig. Squared
a
Corrected Model KemampuanKomunikasiMatematis 50.417 1 50.417 3.042 .086 .050
b
KemampuanKoneksiMatematis 35.267 1 35.267 3.821 .055 .062
Intercept KemampuanKomunikasiMatematis 4183.350 1 4183.350 252.420 .000 .813
KemampuanKoneksiMatematis 2381.400 1 2381.400 258.010 .000 .816
ModelPembelajaran KemampuanKomunikasiMatematis 50.417 1 50.417 3.042 .086 .050
KemampuanKoneksiMatematis 35.267 1 35.267 3.821 .055 .062
Error KemampuanKomunikasiMatematis 961.233 58 16.573
KemampuanKoneksiMatematis 535.333 58 9.230
Total KemampuanKomunikasiMatematis 5195.000 60
KemampuanKoneksiMatematis 2952.000 60
Corrected Total KemampuanKomunikasiMatematis 1011.650 59
KemampuanKoneksiMatematis 570.600 59
a. R Squared = .050 (Adjusted R Squared = .033)
b. R Squared = .062 (Adjusted R Squared = .046)
27
Tabel di atas pada kolom corrected Model menunjukkan bahwa hubungan antara model pembelajaran (X) dengan perbedaan kemampuan
koneksi matematis (Y1) memberikan harga F sebesar 3,821 dengan signifikansi 0,055 dengan nilai signifikan lebih dari 0,05 hal ini
menunjukkan bahwa tidak terdapat perbedaan kemampuan koneksi matematis yang diakibatkan oleh perbedaan model pembelajaran. Di
lain pihak, hubungan antara model pembelajaran (X) dengan kemampuan komunikasi matematis (Y2) meberikan harga F sebesar 3,042
dengan signifikansi 0,086 dengan nilai signifikan lebih dari 0,05 hal ini menunjukkan bahwa tidak terdapat perbedaan kemampuan
28
2.2.5. Contoh Kasus uji MANOVA (Sel Tidak Sama)
Eksperimen II, Model Eksperimen III dan Model Eksperimen IV, terhadap
sebagai berikut:
29
Apakah ada perbedaan hasil kemampuan koneksi matematis dan
normalitas)
Penyelesaian
b. Uji Statistik
30
13 5 7 6 7 10 10 9 10
14 11 13 11 14 4 3 4 5
15 12 14 11 14 7 8 10 10
16 4 6 3 4 8 6 8 6
17 3 3 3 3 4 4 4 4
18 12 16 12 16 2 1 2 1
19 6 8 6 8 1 1 1 4
20 3 4 3 4 3 5 3 5
21 5 3 5 7 3 1 3 2
22 11 13 11 13 8 6 8 8
23 12 14 12 14 10 6 10 10
24 4 6 4 6 6 8 6 8
25 9 12 9 8 7 9 7 8
26 4 6 8 6 8 6
27 3 3 3 2
28 12 16 8 7
29 4 6
30 3 3
Jumlah 186 204 189 232 163 169 142 145
Rata-rata 6.20 6.80 7.56 9.28 6.27 6.50 5.07 5.18
31
23 144 196 144 196 100 36 9 9
24 16 36 16 36 36 64 9 16
25 81 144 81 64 49 81 16 16
26 16 36 64 36 36 4
27 9 9 9 4
28 144 256 64 49
29 16 36
30 9 9
Jumlah 1542 2116 1665 2536 1203 1389 922 985
32
c. Uji Statistika
( )
( )
( )
( )
( )
( )
( )( )
( )( )
33
4) Menentukan Jumlah Kuadrat Total Terkoreksi (JKT) dan Jumlah
JKT untuk
∑∑
( )
JKT untuk
∑∑
( )
∑∑
( )
34
5) Menentukan Jumlah Kuadrat Perlakuan Terkoreksi (JKP) dan
JKP untuk
( )
( )
JKP untuk
( )
( )
( )( ) ( )( ) ( )( ) ( )( )
* +
( )
35
6) Menentukan Jumlah Kuadrat Galat (JKG) dan Jumlah Hasil Kali
Galat (JHKG)
JKG untuk
JKG untuk
MANOVA berikut:
Sumber Derajat
JK dan JHK
Keragaman Bebas (db)
Perlakukan (P) 3
( )
Galat (G) 105
( )
Total (T) 108
( )
| ( )|
| ( ) ( )|
36
Mencari nilai determinan JK (G) dan determinan jumlah dari
| ( )| ( )( ) ( )( )
| ( )|
| ( )|
( ) ( ) ( ) ( )
( ) ( ) ( )
| ( ) ( )| ( )( ) ( )( )
| ( ) ( )|
| ( ) ( )|
Dengan demikian
| ( )|
| ( ) ( )|
Berdasarkan
37
Prosedur dengan SPSS
a. Buka editor IBM SPSS, klik Variable View pada baris kesatu kolom
b. Klik Data View kemudian ketikkan seluruh data pada kolom “Data”,
Kode 1 untuk
Kelompok “1”
Kode 2 untuk
Kelompok “2”
38
c. Klik Analyze, Sorot General Linear Model dan klik Multiivariate
seperti berikut:
39
e. Pindahkan variabel “Data Kemampuan Koneksi Matematis dan Data
berikut:
Klik Continue dan klik OK, maka akan muncul output sebagai
40
diajar dengan emapat model tersebut. Keputusan diambil dengan
Tabel 8
Hasil Output SPSS Multivariate Testsa
a
Multivariate Tests
Hypot Partial
Effect Value F hesis Error df Sig. Eta
df Squared
b
Intercept Pillai's Trace .810 221.455 2.000
104.000 .000 .810
Wilks' b
.190 221.455 2.000 104.000 .000 .810
Lambda
Hotelling's b
4.259 221.455 2.000 104.000 .000 .810
Trace
Roy's Largest b
4.259 221.455 2.000 104.000 .000 .810
Root
Model Pillai's Trace .148 2.804 6.000 210.000 .012 .074
Pembelajaran Wilks' b
.853 2.861 6.000 208.000 .011 .076
Lambda
Hotelling's
.170 2.918 6.000 206.000 .009 .078
Trace
Roy's Largest c
.158 5.522 3.000 105.000 .001 .136
Root
a. Design: Intercept + ModelPembelajaran
b. Exact statistic
c. The statistic is an upper bound on F that yields a lower bound on the significance level.
kurang dari 0,05. Artinya, harga F pada effect wilk’s Lambda yaitu
siswa yang diajar dengan model eksperimen I (X1), siswa yang diajar
ekperimen III (X3) dan siswa yang diajar dengan model ekperimen IV
sebagai berikut:
41
Tabel 9
Hasil Output SPSS Tests of Between-Subjects Effects
Tests of Between-Subjects Effects
Type III Sum of Partial Eta
Source Dependent Variable Squares df Mean Square F Sig. Squared
a
Corrected Model KemampuanKoneksiMatematis 81.866 3 27.289 2.843 .041 .075
b
KemampuanKomunikasiMatematis 229.002 3 76.334 4.898 .003 .123
Intercept KemampuanKoneksiMatematis 4271.213 1 4271.213 444.948 .000 .809
KemampuanKomunikasiMatematis 5223.664 1 5223.664 335.168 .000 .761
ModelPembelajaran KemampuanKoneksiMatematis 81.866 3 27.289 2.843 .041 .075
KemampuanKomunikasiMatematis 229.002 3 76.334 4.898 .003 .123
Error KemampuanKoneksiMatematis 1007.933 105 9.599
KemampuanKomunikasiMatematis 1636.447 105 15.585
Total KemampuanKoneksiMatematis 5332.000 109
KemampuanKomunikasiMatematis 7026.000 109
Corrected Total KemampuanKoneksiMatematis 1089.798 108
KemampuanKomunikasiMatematis 1865.450 108
a. R Squared = .075 (Adjusted R Squared = .049)
b. R Squared = .123 (Adjusted R Squared = .098)
Tabel di atas pada kolom corrected Model menunjukkan bahwa hubungan antara model pembelajaran (X) dengan perbedaan kemampuan
koneksi matematis (Y1) memberikan harga F sebesar 2,843 dengan signifikansi 0,041 dengan nilai signifikan kurang dari 0,05 hal ini
menunjukkan bahwa terdapat perbedaan kemampuan koneksi matematis yang diakibatkan oleh perbedaan model pembelajaran. Di lain
pihak, hubungan antara model pembelajaran (X) dengan kemampuan komunikasi matematis (Y2) meberikan harga F sebesar 4,898 dengan
signifikansi 0,003 dengan nilai signifikan kurang dari 0,05 hal ini menunjukkan bahwa terdapat perbedaan kemampuan komunikasi
42
matematis yang diakibatkan oleh perbedaan pendekatan pembelajaran. Karena Terdapat perbedaan kemampuan koneksi matematis maupun
kemampuan komunikasi matematis antara siswa yang diajar dengan model pembelajaran yang diterapkan, maka untuk mengetahui
kelompok mana yang mempunyai perbedaan dapat dilihat pada tabel berikut:
Tabel 10
Hasil Output SPSS Multiple Comparisons
Multiple Comparisons
(I) Model (J) Mean Difference 95% Confidence Interval
Dependent Variable Pembelajaran ModelPembelajaran (I-J) Std. Error Sig. Lower Bound Upper Bound
Kemampuan Tukey HSD Model Ekperimen I Model Ekperimen II -1.3600 .83902 .371 -3.5504 .8304
Koneksi Matematis Model Eksperimen III -.0692 .83017 1.000 -2.2365 2.0981
Model Eksperimen IV 1.1286 .81413 .511 -.9968 3.2540
Model Ekperimen II Model Ekperimen I 1.3600 .83902 .371 -.8304 3.5504
Model Eksperimen III 1.2908 .86786 .449 -.9749 3.5565
*
Model Eksperimen IV 2.4886 .85253 .022 .2629 4.7142
Model Eksperimen III Model Ekperimen I .0692 .83017 1.000 -2.0981 2.2365
Model Ekperimen II -1.2908 .86786 .449 -3.5565 .9749
Model Eksperimen IV 1.1978 .84382 .490 -1.0051 3.4007
Model Eksperimen IV Model Ekperimen I -1.1286 .81413 .511 -3.2540 .9968
*
Model Ekperimen II -2.4886 .85253 .022 -4.7142 -.2629
Model Eksperimen III -1.1978 .84382 .490 -3.4007 1.0051
Scheffe Model Ekperimen I Model Ekperimen II -1.3600 .83902 .456 -3.7440 1.0240
Model Eksperimen III -.0692 .83017 1.000 -2.4281 2.2896
Model Eksperimen IV 1.1286 .81413 .591 -1.1847 3.4418
Model Ekperimen II Model Ekperimen I 1.3600 .83902 .456 -1.0240 3.7440
Model Eksperimen III 1.2908 .86786 .532 -1.1751 3.7567
*
Model Eksperimen IV 2.4886 .85253 .041 .0662 4.9109
Model Eksperimen III Model Ekperimen I .0692 .83017 1.000 -2.2896 2.4281
Model Ekperimen II -1.2908 .86786 .532 -3.7567 1.1751
43
Model Eksperimen IV 1.1978 .84382 .571 -1.1998 3.5954
Model Eksperimen IV Model Ekperimen I -1.1286 .81413 .591 -3.4418 1.1847
*
Model Ekperimen II -2.4886 .85253 .041 -4.9109 -.0662
Model Eksperimen III -1.1978 .84382 .571 -3.5954 1.1998
Kemampuan Tukey HSD Model Ekperimen I Model Ekperimen II -2.4800 1.06907 .100 -5.2710 .3110
Komunikasi Model Eksperimen III .3000 1.05780 .992 -2.4615 3.0615
Matematis Model Eksperimen IV 1.6214 1.03736 .404 -1.0868 4.3296
Model Ekperimen II Model Ekperimen I 2.4800 1.06907 .100 -.3110 5.2710
Model Eksperimen III 2.7800 1.10582 .064 -.1069 5.6669
*
Model Eksperimen IV 4.1014 1.08629 .001 1.2655 6.9374
Model Eksperimen III Model Ekperimen I -.3000 1.05780 .992 -3.0615 2.4615
Model Ekperimen II -2.7800 1.10582 .064 -5.6669 .1069
Model Eksperimen IV 1.3214 1.07520 .610 -1.4855 4.1284
Model Eksperimen IV Model Ekperimen I -1.6214 1.03736 .404 -4.3296 1.0868
*
Model Ekperimen II -4.1014 1.08629 .001 -6.9374 -1.2655
Model Eksperimen III -1.3214 1.07520 .610 -4.1284 1.4855
Scheffe Model Ekperimen I Model Ekperimen II -2.4800 1.06907 .153 -5.5176 .5576
Model Eksperimen III .3000 1.05780 .994 -2.7056 3.3056
Model Eksperimen IV 1.6214 1.03736 .489 -1.3261 4.5690
Model Ekperimen II Model Ekperimen I 2.4800 1.06907 .153 -.5576 5.5176
Model Eksperimen III 2.7800 1.10582 .104 -.3620 5.9220
*
Model Eksperimen IV 4.1014 1.08629 .004 1.0149 7.1880
Model Eksperimen III Model Ekperimen I -.3000 1.05780 .994 -3.3056 2.7056
Model Ekperimen II -2.7800 1.10582 .104 -5.9220 .3620
Model Eksperimen IV 1.3214 1.07520 .681 -1.7336 4.3765
Model Eksperimen IV Model Ekperimen I -1.6214 1.03736 .489 -4.5690 1.3261
*
Model Ekperimen II -4.1014 1.08629 .004 -7.1880 -1.0149
Model Eksperimen III -1.3214 1.07520 .681 -4.3765 1.7336
Based on observed means.
The error term is Mean Square(Error) = 15.585.
*. The mean difference is significant at the .05 level.
44
a. Untuk kemampuan koneksi Matematis
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
45
4) Model Eksperimen II dan Eksperimen III diperoleh nilai sig. = 0,449.
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
IV.
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
46
maka . Karena nilai dengan demikian
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
47
dengan rata-rata kemampuan koneksi matematis yang diterapkan
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
IV.
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
48
I dengan rata-rata kemampuan komunikasi matematis yang diterapkan
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
49
5) Model Eksperimen II dan Eksperimen IV diperoleh nilai sig. = 0,001.
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Ekperimen IV.
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
50
maka . Karena nilai dengan demikian
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
51
rata-rata kemampuan komunikasi matematis yang diterapkan Model
Ekperimen IV.
Jika signifikansi > 0.05 maka diterima dan jika signifikasi < 0.05
52
BAB III
PENUTUP
Kesimpulan daari malah ini yaitu
3.2. MANOVA dapat melibatkan dua atau lebih variabel tak bebas yang bersifat
metrik. MANOVA menguji ada tidaknya perbedaan rata-rata dari dua atau
53
DAFTAR PUSTAKA
54