Kismiantini, Ph.D.

Universitas Negeri Yogyakarta

8. BAB 8. Kontras Helmert

Pada bab ini dipelajari perbandingan terencana menggunakan kontras Helmert. Hays (1981)
menunjukkan bahwa ANOVA univariat memiliki uji lebih kuasa (powerful) jika perbandingan itu
terencana. Hal ini berlaku juga pada MANOVA.

Grup

Kontrol T1 T2
𝜇1 𝜇2 𝜇3

1) Apakah grup kontrol berbeda dari rata-rata grup-grup perlakuan pada sekumpulan variabel?
𝛍 +𝛍
𝛙1 = 𝛍1 − 2 2 3
2) Apakah kedua perlakuan berbeda secara efektif pada sekumpulan variabel?
𝛙2 = 𝛍2 − 𝛍3

Kontras Helmert Multivariat

Misal Grup 1: kontrol, Grup 2: perlakuan 1, Grup 3: perlakuan 2.

𝛍 +𝛍
1) 𝛙1 = 𝛍1 − 2 2 3 (Apakah grup kontrol berbeda dari rata-rata grup-grup perlakuan pada
sekumpulan variabel)
2) 𝛙2 = 𝛍2 − 𝛍3 (Apakah kedua perlakuan berbeda secara efektif pada sekumpulan variabel)

Grup 1 Grup 2 Grup 3

Y1 Y2 Y1 Y2 Y1 Y2

5 6 2 2 4 3

6 7 3 3 6 7

6 7 4 4 3 3

4 5 3 2 5 5

5 4 2 1 5 5

Rata-rata 5.2 5.8 2.8 2.4 4.6 4.6

1
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Hipotesis:
𝐻0 : 𝚿 = 𝟎
𝐻1 : 𝚿 ≠ 𝟎
Atau
𝛍 +𝛍 𝛍 +𝛍
1) 𝐻0 : 𝛍1 − 2 3 = 𝟎 vs 𝐻1 : 𝛍1 − 2 3 ≠ 𝟎
2 2
2) 𝐻0 : 𝛍2 − 𝛍3 = 𝟎 vs 𝐻1 : 𝛍2 − 𝛍3 ≠ 𝟎

−1
𝑐2
Statistik uji: 𝑇 2 = (∑𝑘𝑖=1 𝑛𝑖 ) ̂ ditransformasi menjadi 𝐹 = (𝑁−𝑘−𝑝+1) 𝑇 2
̂ ′ 𝐒𝐩−1 𝚿
𝚿
𝑖 (𝑁−𝑘)𝑝
Kriteria penolakan: Tolak H0 jika F > 𝐹𝛼 (𝑝, 𝑁 − 𝑘 − 𝑝 + 1)

dengan 𝐒𝑝 adalah matriks kovarians gabungan, 𝚿 ̂ = 𝑐1 𝐱̅1 + 𝑐2 𝐱̅2 + ⋯ + 𝑐𝑘 𝐱̅𝑘 ; 𝐱̅1 , … , 𝐱̅𝑘 adalah
vektor rata-rata sampel; 𝑁= banyaknya pengamatan, 𝑘 = banyaknya grup, 𝑝= banyaknya variabel
dependen.

Grup
Kontras
1 2 3

Grup 1 vs lainnya 1 -1/2 -1/2

Grup 2 vs grup 3 0 1 -1

Bagi Y1
μ̂ + μ̂3 2.8 + 4.6
̂ 1 = μ̂1 − 2
ψ = 5.2 − = 1.5
2 2
̂ 2 = μ̂2 − μ̂3 = 2.8 − 4.6 = −1.8
ψ
Bagi Y2
μ̂ + μ̂3 2.4 + 4.6
̂ 1 = μ̂1 − 2
ψ = 5.8 − = 2.3
2 2
̂ 2 = μ̂2 − μ̂3 = 2.4 − 4.6 = −2.2
ψ

Kontras Helmert multivariat: grup 1 versus grup lainnya

Hipotesis:
𝛍 +𝛍
𝐻0 : 𝛍1 − 2 2 3 = 𝟎
𝛍2 +𝛍3
𝐻1 : 𝛍1 − 2
≠𝟎
Taraf signifikansi: 𝛼 = 0.05
−1
(𝑁−𝑘−𝑝+1) 2 𝑐2
Statistik uji: 𝐹 = (𝑁−𝑘)𝑝
𝑇 dengan 𝑇 2 = (∑𝑘𝑖=1 𝑛𝑖 ) ̂ ′ 𝐒𝒑−1 𝚿
𝚿 ̂
𝑖
Kriteria keputusan: 𝑝 = 2, 𝑘 = 3, 𝑁 = 15, 𝑑𝑓1 = 𝑝 = 2, 𝑑𝑓2 = 𝑁 − 𝑘 − 𝑝 + 1 = 15 − 3 − 1 + 1 = 11
𝐹0.05(2,11) = 3.982
𝐻0 ditolak jika 𝐹 > 3.982.
> qf(p=0.95,df1=2,df2=11)
[1] 3.982298

2
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Hitungan
−1
𝑐2
𝑇 2 = (∑𝑘𝑖=1 𝑛𝑖 ) ̂ ′ 𝐒𝒑−1 𝚿
𝚿 ̂
𝑖
12 (−1/2)2 (−1/2)2
−1
5.2 (2.8 + 4.6)/2 ′ 4.631 −2.755 5.2 (2.8 + 4.6)/2
=( + + ) [( ) − ( )] [ ] [( ) − ( )]
5 5 5 5.8 (2.4 + 4.6)/2 −2.755 2.156 5.8 (2.4 + 4.6)/2
1.5 −1 1.5 ′ 4.631 −2.755 1.5
=(5) [
] [ ] [ ] = 9.389222
2.3 −2.755 2.156 2.3
2
𝑇 9.389222 9.389222
Hotellings: 𝑁−𝑘 = 15−3 = 12 = 0.7824351.
(𝑁−𝑘−𝑝+1) 2 15−3−2+1 11
𝐹= 𝑇 = (9.389222) = 24 (9.389222) = 4.303393
(𝑁−𝑘)𝑝 (15−3)2

> p_value <- pf(q=4.303393, df1=2, df2=11,lower.tail=FALSE)

> p_value
[1] 0.04163174

Kesimpulan
Oleh karena F=4.303 > 3.982 (atau p-value = 0.042 < 0.05) maka 𝐻0 ditolak sehingga pada taraf
(𝛍2 +𝛍𝟑 )
signifikansi 0.05 dapat disimpulkan bahwa kontras multivariat 𝛙1 = 𝛍1 − adalah signifikan.
2
Grup kontrol berbeda secara signifikan dari rata-rata dua grup perlakuan terhadap sekumpulan
dari dua variabel.

Berikut adalah fungsi Hot.hel() untuk menghitung nilai 𝑇 2 , Hotellings, statistik F dan p-value untuk
kontras multivariat.

Hot.hel <- function(constanta,psi,Sp,N,k,p) {

T2 <- constanta%*%t(psi)%*%solve(Sp)%*%psi
Hotellings <- T2/(N-k)
F <- ((N-k-p+1)/((N-k)*p))*T2
df1 <- p
df2 <- N-k-p+1
p.value <- 1 - pf(F,df1,df2)
data.frame(T2=as.numeric(T2),Hotellings = as.numeric(Hotellings),
Fstat=as.numeric(F),df1=df1,df2=df2,p.value=as.numeric(p.value),
row.names="")
}

Membaca data ke program R.

> dat <- read.csv(file="C:/data/helmert1.csv")
> dat$Grup <- factor(dat$Grup) # make as a factor
> str(dat)
'data.frame': 15 obs. of 3 variables:
$ Y1 : int 5 6 6 4 5 2 3 4 3 2 ...
$ Y2 : int 6 7 7 5 4 2 3 4 2 1 ...
$ Grup: Factor w/ 3 levels "1","2","3": 1 1 1 1 1 2 2 2 2 2 ...

Menentukan matriks kovariansi gabungan

> # pooled covariances matrix
> library(Morpho)

3
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

> Sp <- covW(dat[,1:2], groups= dat[,3])

> Sp
Y1 Y2
Y1 0.90 1.150000
Y2 1.15 1.933333
attr(,"means")
Y1 Y2
1 5.2 5.8
2 2.8 2.4
3 4.6 4.6

Melakukan subset data berdasarkan grup

> # subset data per group
> grup1 <- subset(dat, Grup == "1", select = c("Y1","Y2"))
> grup2 <- subset(dat, Grup == "2", select = c("Y1","Y2"))
> grup3 <- subset(dat, Grup == "3", select = c("Y1","Y2"))

Menghitung rata-rata vektor untuk setiap grup

> # means vector for each group
> xbar1 <- colMeans(grup1)
> xbar2 <- colMeans(grup2)
> xbar3 <- colMeans(grup3)
> xbar <- cbind(xbar1,xbar2,xbar3)

Cara penggunaan fungsi Hot.hel() pada kasus ini.

> # grup 1 vs grup lain
> ni <- c(5,5,5)
> contrast <- c(1,-0.5,-0.5)
> constanta <- solve(sum(contrast^2/ni))
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> p <- 2
> Hot.hel(constanta,psi,Sp,N,k,p)
T2 Hotellings Fstat df1 df2 p.value
9.389222 0.7824351 4.303393 2 11 0.04163173

Atau untuk hipotesis 𝐻0 : 2𝛍1 − (𝛍2 + 𝛍3 ) = 𝟎 vs 𝐻1 : 2𝛍1 − (𝛍2 + 𝛍3 ) ≠ 𝟎

> # grup 1 vs grup lain

> ni <- c(5,5,5)
> contrast <- c(2,-1,-1)
> constanta <- solve(sum(contrast^2/ni))
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> p <- 2
> Hot.hel(constanta,psi,Sp,N,k,p)
T2 Hotellings Fstat df1 df2 p.value
9.389222 0.7824351 4.303393 2 11 0.04163173

4
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Kontras Helmert multivariat: grup 2 versus grup 3

Hipotesis:
𝐻0 : 𝛍2 − 𝛍3 = 𝟎
𝐻1 : 𝛍2 − 𝛍3 ≠ 𝟎
Taraf signifikansi: 𝛼 = 0.05
−1
(𝑁−𝑘−𝑝+1) 2 𝑐2
Statistik uji: 𝐹 = (𝑁−𝑘)𝑝
𝑇 dengan 𝑇 2 = (∑𝑘𝑖=1 𝑛𝑖 ) ̂ ′ 𝐒𝒑−1 𝚿
𝚿 ̂
𝑖
Kriteria keputusan: 𝑝 = 2, 𝑘 = 3, 𝑁 = 15, 𝑑𝑓1 = 𝑝 = 2, 𝑑𝑓2 = 𝑁 − 𝑘 − 𝑝 + 1 = 15 − 3 − 1 + 1 = 11
𝐹0.05(2,11) = 3.982
𝐻0 ditolak jika 𝐹 > 3.982.
> qf(p=0.95,df1=2,df2=11)
[1] 3.982298
Hitungan
−1
𝑐2
𝑇 2 = (∑𝑘𝑖=1 𝑛𝑖 ) ̂ ′ 𝐒𝒑−1 𝚿
𝚿 ̂
𝑖
−1
02 (1)2 (−1)2 2.8 4.6 ′ 4.631 −2.755 2.8 4.6
=( + + ) [( ) − ( )] [ ] [( ) − ( )]
5 5 5 2.4 4.6 −2.755 2.156 2.4 4.6
2 −1−1.8 ′ 4.631 −2.755 −1.8
= (5) [
] [ ][ ] = 9.053892
−2.2 −2.755 2.156 −2.2
𝑇 2 9.0535 9.0535
Hotellings: 𝑁−𝑘 = 15−3 = 12 = 0.75446.
(𝑁−𝑘−𝑝+1) 2 15−3−2+1
𝐹= 𝑇 = (15−3)2
(9.0535) = 4.1495
(𝑁−𝑘)𝑝

> p_value <- pf(q=4.1495, df1=2, df2=11, lower.tail = FALSE)

> p_value
[1] 0.04541699
Kesimpulan
Oleh karena F=4.150 > 3.982 (atau p-value = 0.045 < 0.05) maka 𝐻0 ditolak sehingga pada taraf
signifikansi 0.05 dapat disimpulkan bahwa kontras multivariat 𝛙2 = 𝛍2 − 𝛍3 adalah signifikan.
Grup-grup perlakuan (grup 2 dan grup 3) berbeda pada sekumpulan dari dua variabel dependen.

Cara penggunaan fungsi Hot.hel() pada kasus ini.

> # grup 2 vs grup 3
> ni <- c(5,5,5)
> contrast <- c(0,1,-1)
> constanta <- solve(sum(contrast^2/ni))
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> p <- 2
> Hot.hel(constanta,psi,Sp,N,k,p)
T2 Hotellings Fstat df1 df2 p.value
9.053892 0.754491 4.149701 2 11 0.0454118

5
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Kontras Helmert Univariat

▪ Hipotesis:
𝐻0 : 𝛹 = 0
𝐻1 : 𝛹 ≠ 0
̂2
𝛹 ̂
𝛹
▪ Statistik uji: 𝐹 = atau 𝑡 =
𝑀𝑆𝑊 ∑𝑘 2
𝑖=1 𝑐𝑖 /𝑛𝑖 √𝑀𝑆𝑊 ∑𝑘 2
𝑖=1 𝑐𝑖 /𝑛𝑖

𝑀𝑆𝑊 : the error term from all the groups

̂ = 𝑐1 𝑥̅1 + 𝑐2 𝑥̅2 + ⋯ + 𝑐𝑘 𝑥̅𝑘
𝛹
▪ Kriteria penolakan
Tolak 𝐻0 jika 𝐹 > 𝐹(1,𝑁−𝑘) (𝛼)

Misal Grup 1: kontrol, Grup 2: perlakuan 1, Grup 3: perlakuan 2.

μ +μ
1) ψ1 = μ1 − 2 2 3 (Apakah grup kontrol berbeda dari rata-rata grup-grup perlakuan
terhadap suatu variabel)
2) ψ2 = μ2 − μ3 (Apakah kedua perlakuan berbeda secara efektif terhadap suatu variabel)

Grup 1 Grup 2 Grup 3

Y1 Y2 Y1 Y2 Y1 Y2

5 6 2 2 4 3

6 7 3 3 6 7

6 7 4 4 3 3

4 5 3 2 5 5

5 4 2 1 5 5

Kontras pada kasus ini adalah

Grup
Kontras
1 2 3
Grup 1 vs lainnya 1 -1/2 -1/2

Grup 2 vs grup 3 0 1 -1

6
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Berikut adalah fungsi Hot.hel.univ() di program R untuk memperoleh statistik t, F, dan p-value.

Hot.hel.univ <- function(constanta,psi,MSw,N,k) {

t <- psi/sqrt(MSw*constanta)
F <- psi^2/(MSw*constanta)
df1 <- 1
df2 <- N-k
p.value <- 1 - pf(F,df1,df2)
data.frame(t=as.numeric(t),Fstat=as.numeric(F),df1=df1,df2=df2,
p.value=as.numeric(p.value), row.names="")
}
Hot.hel.univ(constanta,psi,MSw,N,k)

Pada 𝑌1
Hipotesis:
μ +μ μ +μ
1) 𝐻0 : μ1 − 2 2 3 = 0 vs 𝐻1 : μ1 − 2 2 3 ≠ 0
2) 𝐻0 : μ2 − μ3 = 0 vs 𝐻1 : μ2 − μ3 ≠ 0
Taraf signifikansi: 𝛼 = 0.05
̂2
𝛹
Statistik uji: 𝐹 =
𝑀𝑆𝑊 ∑𝑘 2
𝑖=1 𝑐𝑖 /𝑛𝑖
dengan 𝑀𝑆𝑊 : the error term from all the groups
̂ = 𝑐1 𝑥̅1 + 𝑐2 𝑥̅2 + ⋯ + 𝑐𝑘 𝑥̅𝑘
𝛹
Kriteria keputusan: 𝑁 = 15, 𝑘 = 3, 𝐹0.05(1,12) = 4.747
𝐻0 ditolak jika 𝐹 > 4.747

> qf(p=0.95,df1=1,df2=12)
[1] 4.747225
Hitungan:
1) 𝐹 = 8.333, p-value = 0.0137
2) 𝐹 = 9, p-value = 0.011
Kesimpulan
1) Oleh karena F(1,12) = 8.3333 dan p-value = 0.0137. Kontras univariat
mengindikasikan bahwa grup kontrol berbeda secara signifikan dari rata-rata dua
grup perlakuan terhadap variabel Y1.
2) Oleh karena F(1,12) = 9 dan p-value = 0.0111. Kontras univariat mengindikasikan
bahwa grup 2 berbeda secara signifikan dari grup 3 terhadap variabel Y1.

Memanggil data ke program R

> dat <- read.csv(file="C:/data/helmert1.csv")
> dat$Grup <- factor(dat$Grup) # make as a factor

7
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Melakukan pengepasan model ANOVA bagi variabel dependen Y1

> # For Y1
> mod.fit <- aov(Y1~Grup,data=dat)
> summary(mod.fit)
Df Sum Sq Mean Sq F value Pr(>F)
Grup 2 15.6 7.8 8.667 0.00469 **
Residuals 12 10.8 0.9
---
Signif. codes:
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> sum_mod.fit <- unlist(summary(mod.fit))
> MSw <- sum_mod.fit["Mean Sq2"]

Melakukan subset data berdasarkan grup

> # subset data per group
> grup1 <- subset(dat, Grup == "1", select = c("Y1","Y2"))
> grup2 <- subset(dat, Grup == "2", select = c("Y1","Y2"))
> grup3 <- subset(dat, Grup == "3", select = c("Y1","Y2"))

Menghitung rata-rata untuk setiap grup

> # means for each group
> xbar1 <- colMeans(grup1)[1]
> xbar2 <- colMeans(grup2)[1]
> xbar3 <- colMeans(grup3)[1]
> xbar <- cbind(xbar1,xbar2,xbar3)

Berikut adalah kode R untuk melakukan kontras Helmert univariat bagi Y1.
> # grup 1 vs grup lain
> ni <- c(5,5,5)
> contrast <- c(1,-0.5,-0.5)
> constanta <- sum(contrast^2/ni)
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> Hot.hel.univ(constanta,psi,MSw,N,k)
t Fstat df1 df2 p.value
2.886751 8.333333 1 12 0.01365828

> # grup 2 vs grup 3

> ni <- c(5,5,5)
> contrast <- c(0,1,-1)
> constanta <- sum(contrast^2/ni)
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> Hot.hel.univ(constanta,psi,MSw,N,k)
t Fstat df1 df2 p.value
-3 9 1 12 0.0110667

8
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Pada 𝑌2
Hipotesis:
μ +μ μ +μ
1) 𝐻0 : μ1 − 2 3 = 0 vs 𝐻1 : μ1 − 2 3 ≠ 0
2 2
2) 𝐻0 : μ2 − μ3 = 0 vs 𝐻1 : μ2 − μ3 ≠ 0
Taraf signifikansi: 𝛼 = 0.05
̂2
𝛹
Statistik uji: 𝐹 =
𝑀𝑆𝑊 ∑𝑘 2
𝑖=1 𝑐𝑖 /𝑛𝑖
dengan 𝑀𝑆𝑊 : the error term from all the groups
̂ = 𝑐1 𝑥̅1 + 𝑐2 𝑥̅2 + ⋯ + 𝑐𝑘 𝑥̅𝑘
𝛹
Kriteria keputusan: 𝑁 = 15, 𝑘 = 3, 𝐹0.05(1,12) = 4.747
𝐻0 ditolak jika 𝐹 > 4.747

> qf(p=0.95,df1=1,df2=12)
[1] 4.747225
Hitungan:
1) 𝐹 = 9.121, p-value = 0.0107
2) 𝐹 = 6.259, p-value = 0.028
Kesimpulan
1) Oleh karena F(1,12) = 9.1207 dan p-value = 0.0107. Kontras univariat
mengindikasikan bahwa grup kontrol berbeda secara signifikan dari rata-rata dua
grup perlakuan terhadap variabel Y2.
2) Oleh karena F(1,12) = 6.259 dan p-value = 0.0278. Kontras univariat
mengindikasikan bahwa grup 2 berbeda secara signifikan dari grup 3 terhadap
variabel Y2.

Memanggil data ke program R

> dat <- read.csv(file="C:/data/helmert1.csv")
> dat$Grup <- factor(dat$Grup) # make as a factor

Melakukan pengepasan model ANOVA bagi variabel dependen Y2

> # For Y2
> mod.fit <- aov(Y2~Grup,data=dat)
> summary(mod.fit)
Df Sum Sq Mean Sq F value Pr(>F)
Grup 2 29.73 14.867 7.69 0.00709 **
Residuals 12 23.20 1.933
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> sum_mod.fit <- unlist(summary(mod.fit))
> MSw <- sum_mod.fit["Mean Sq2"]

Melakukan subset data berdasarkan grup

> # subset data per group
> grup1 <- subset(dat, Grup == "1", select = c("Y1","Y2"))
> grup2 <- subset(dat, Grup == "2", select = c("Y1","Y2"))
> grup3 <- subset(dat, Grup == "3", select = c("Y1","Y2"))

9
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Menghitung rata-rata untuk setiap grup

> # means for each group
> xbar1 <- colMeans(grup1)[2]
> xbar2 <- colMeans(grup2)[2]
> xbar3 <- colMeans(grup3)[2]
> xbar <- cbind(xbar1,xbar2,xbar3)

Berikut adalah kode R untuk melakukan kontras Helmert univariat bagi Y2.
> # grup 1 vs grup lain
> ni <- c(5,5,5)
> contrast <- c(1,-0.5,-0.5)
> constanta <- sum(contrast^2/ni)
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> Hot.hel.univ(constanta,psi,MSw,N,k)
t Fstat df1 df2 p.value
3.020048 9.12069 1 12 0.01066197

> # grup 2 vs grup 3

> ni <- c(5,5,5)
> contrast <- c(0,1,-1)
> constanta <- sum(contrast^2/ni)
> psi <- xbar%*%contrast
> N <- 15
> k <- 3
> Hot.hel.univ(constanta,psi,MSw,N,k)
t Fstat df1 df2 p.value
-2.501724 6.258621 1 12 0.02782727

10
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Soal Latihan

Berikut adalah data skor nilai yang diperoleh dari 4 grup dan 2 variabel dependen, dengan grup
1 adalah kontrol dan grup lainnya adalah perlakuan. Gunakan taraf signifikansi 𝛼 = 0.05.

GP1 GP2 GP3 GP4

Y1 Y2 Y1 Y2 Y1 Y2 Y1 Y2
18 5 18 9 17 5 13 3
13 6 20 5 22 7 9 3
20 4 17 10 22 5 9 3
22 8 24 4 13 9 15 5
21 9 19 4 13 5 13 4
19 0 18 4 11 5 12 4
12 6 15 7 12 6 13 5
10 5 16 7 23 3 12 3
15 4 16 5 17 7
15 5 14 3 18 7
14 0 18 2 13 3
12 6 14 4
19 6
23 2

Berikut adalah kontras dari kasus ini.

Grup
Kontras
1 2 3 4

Grup 1 vs lainnya 1 -1/3 -1/3 -1/3

Grup 2 vs grup 3&4 0 1 -1/2 -1/2

Grup 3 vs grup 4 0 0 1 -1

a) Lakukan kontras Helmert multivariat dan berikan kesimpulan.

b) Lakukan kontras Helmert univariat dan berikan kesimpulan.

11
Kismiantini, Ph.D.
Universitas Negeri Yogyakarta

Referensi

Pituch, K.A., & Stevens, J.P. 2016. Applied multivariate statistics for the social sciences
6th edition. New York: Routledge.

12