Analisis Keragaman Multivariabel

Apa Analisis Keragaman Multiavariabel ( Multivariate Analysis of Varience

Manova)?

Analogi dengan pengujian rata-rata untuk satu variabel ( satu variabel dependen
yang metrik) dari beberapa populasi (yang dikenal dengan analysis of variance,
ANOVA), maka pengujian rata-rata dalam multivariabel (dengan lebih dari satu
variabel dependen yang metrik ) juga digunakan sebagai alat analisisuntuk mengetahui
pengaruh suatu perlakuan (variabel dependen) terhdapa nilai observasi dari lebih dari
satu variabel dependen. MANOVA diperlukan karena pada suatu penelitian sering
dipergunakan beberapa variabel dependen sekaligus.

Misal untuk mengetahui efektifitas pemberian pupuk terhadap tanaman padi

dapat dilihat dari bobot gabah per petak, tinggi tanaman, umur berbunga, dan umur
panen. Dalam hal ini ada 4 variabel dependen yang berkolersi karena varibel dependen
tersebut diukur dari tanaman padi yang sama, dan hendak analisis efek dari pemberian
pupuk terhadap ke empat variabel dependen tersebut sekaligus.

Contoh lain dalam suatu risetpemasaran mengenai suatu produk, maka yang
ingin dikaji adalah apakah wilayah geografis (yang merupakan suatu variabel
independen) mempunyai efek terhadap prefensi selera konsumen, niat membeli, dan
sikap terhdap produk ( yang ketiga variabel ini merupakan variabel dependen.

Apa Tujuan Analisis Keragaman Multivariabel?

Dengan demikian tujian ANOVA adalah, terutama untuk melakukan pengujian

rata-rata beberapa populasi untuk keseluruhan karakteristik/variabel dependen (yang
bisa saling berkolerasi) yang merupkan akibat dari suatu variabel independen. Pengujian
secara keseluruhan untuk satu set variabel dependen perlu dilakukan, karena
dibandingkan dengan melakukan pengujian secara individu (dengan ANOVA), secara
berkali-kali , pengujian secara keseluruhan sekaligus akan menurunkan resiko
memperoleh kesalahan Tipe 1 (Type 1 Error atau α Error).

Perbedaan uji-t; Hotelling’s T 2; ANOVA dan Manova

Didalam menguji beda rata-rata nilai variabel dependen dalam populasi antara
beberapa kelompok (kelompok merupakan variabel independen). Terdapat empat
kemungkinan keadaan dan statistikuji yang cocok. Empat contoh kasus di bawah ini
menmperjelas apa yang dimaksudkan.

1. Kasus 1:

1
 Ingin menguji beda rata-rata pendapatan (variabel dependen, numerik interval)
menurut wilayah ( variabel independen dengan dua kategori perkotaan dan
pedesaan).
Maka hipotesis nol, Hо adalah:
Hо: rata-rata prndapatan perkotaan = rata-rata pendapatan pedesaan uji yang
digunakan adalah uji-t ( student’st test).

2. Kasus 2;
Ingin menguji beda rata-rata pendapatan (variabel dependen, numerik interval)
menurut wilayah (variabel independen dengan tiga kategori: pantai; dataran rendah,
pengunungan).
Maka hipotesis nol, Hо adalah:
Hо adalah: rata-rata pendapatan pantai= rata-rata pendapatan dataran rendah= rata-
rata pendapatan pengunungan).
Uji yang digunakanadalah ANOVA (Analysis Of Variance)
Dalam contoh dia atas, ada satu variabel dependen dan tiga kategori variabel
independen. Sebenarnya kasus 1 bisa juga dilkukan dengan ANOVA, dengan kata
lain uji-t merupakan kasus khusus dari ANOVA dengan 2 kategori variabel
independen.

3. Kasus 3;
Ingin menguji beda rata-rata pendapatan (variabel dependen, numerik interval) dan
beda rata-rata pengeluaran (variabel dependen, numerik interval) menurut wilayah (
variabel dependen dengan dua kategori perkotaan dan pedesaan)
Maka hipotesis nol, Hо adalah;
Hо adalah: rata-rata pendapatan perkotaan= rata-rata pendapatan perkotaan dan
rata-rata pengeluaran perkotaan= rata-rata pengeluaraan pedesaan.
Maka uji yang cocok untuk digunakan adalah uji Hotelling’s T 2. Kategori variabel
independen adalah dua kategori, sedangkan banyak variabel dependen adalah dua
atau lebih, dalam contoh ini ada dua kategori variabel independen ( perkotaan dan
pedesaan) dan dua variabel (pendapatan dan pengeluaran).
Bahkan bila lebih dari dua variabel dependen, tetapi tetap hanya dua kategori
variabel independen, uji Hotelling’s T 2 masih tetap digunakan. Misal ingin
menguji beda rata-rata pendapatan (variabel dependen, numerik interval) beda rata-
rata pengeluaran (variabel dependen, numerik interval) dan beda rata-rata tabungan
(variabel dependen, numerik interval) menurut wilayah (variabel independen
dengan dua kategori perkotaan dan pedesaan).
Maka hipotesis nol, Hо adalah;
Hо; rata-rata pendapatan perkotaan = rata-rata pendapatan perkotaan dan rata-rata
pengeluaran perkotaan= rata-rata pengeluaran pedesaan danrata-rata tabungan
perkotaan = rata-rata tabungan pedesaan
Uji yang digunakan juga adalah uji Hotelling’s T 2.

2
 Jadi selama hanya ada dua Kategori variabel independen ( dalam contoh ini
perkotaan dan pedesaan), walaupun terdapat lebih dari variabel dependen maka uji
Hotelling’s T 2dapat digunakan.

4. Kasus 4;
Dalam hal terdapat dua variabel dependen, tetapi lebih dari dua kategori variabel
independen, maka MANOVA (Multivariate Analysis of Varience) yang harus
digunakan.
Demikian pula, walaupun aada dua kategori variabel independen, tetapi lebih dari
dua variabel dependen maka MANOVA yang harus dipergunakan dalam menguji
kesamaan rata-rata.
Misal ingin menguji beda rata-rata pendapatan (variabel dependen, numerik
interval) dan beda rata-rata pengeluaran (variabel dependen, numerik interval) jadi
ada dua variabel dependen menurut wilayah (1 variabel indpenden dengant iga
kategori; pantai (PI); daratan (D); dan pengunungan (PG).
Maka hipotesis nol, Hо adalah;
Hо: rata-rata pendapatan PI= rata-rata pendapatan PG dan rata-rata pengeluaran
PI= rata-rata pengeluaran D= rata-rata pengeluaran PG
Dalam contoh ini ada dua variabel dependen (pendapatan dan pengeluaran), tetapi
ada 3 kategori dari satu variabel independen (pantai,daratan,pengunungan, sehingga
MANOVA yang perlu digunakan.

Secara singkat, maka ke empat pengujian tersebut di atas adalah sebagai berikut:

Jelas bahwa uji-t adalah khusus dari ANOVA bila hanya ada dua kategori
variabel indepeden. Demikian pula, ujiHotelling’s T 2adalah kasus khusus dari
MANOVA jika hanya ada dua kategori variabel independen.

Bagaimana Bentuk Data Yang Bisa Dipunyai?

Data yang dipunyai, pada umumya adalah sebagaimana disajikan dalam bentuk
berikut ini (untuk p variabel).

3
Catatan:Ingat bahwa bila hanya ada 1 variabel dpenden atau varibel respon ( yaitu
p=1), maka data yang dipunyai menjadi data untuk ANOVA, yaitu sebagai berikut:

Apa asumsi yang diperlukan untuk MANOVA?

Terdapat tiga sumsi dasar , yaitu:

4
 1. Data dari perlakuan (kelompok) i mempunyai vektor rata-rata yang sama yaitu
untuk µ1k= 1,2,3,...,p
2. Masing-masing populasi mengikuti distribusi norma mutivariate dan saling
bebas.
3. Subjek disampel secara independen.
4. Seluruh populasi mempunyai matrik raga-peragaman(variance-covariance

matrix) yang sama ∑

.

Apa Hipotesis Yang Akan Di Uji?

Yang akan diuji adalah vektor rata-rata perlakuan kelompok adalah sama besar, yaitu:

Dengan hipotesis alternatif adalah:

Sekurang-kurangnya terdapat1 nilai pasangan rata-rata kelompok untuk

variabel dpenden ke-k yang tidak sama.

Berapa banyak sampel yang perlu diambil atau digunakan?

Untuk menentukan besarnya per kelompok (perlakuan) dalam MANOVA maka

secara mudah dapat digunakan tabel yang telah disiapkan oleh stevans (2009). Sesuai
dengan banyaknya kelompok, ukuran efek yang ingin dideteksi, dan tingkat signifikansi
yang digunakan (5% atau 1%).

Dibawah ini sajikan untuk tingkat signifikansi 5% dan kelompok 3 sampai 6, dan
4 tingkatkan ukuran efek yang hendak dideteksi. Semakin kecil ukran efek yang hendak
diteksi maka semakin besar sampel yang diperlukan, untuk banyaknyakelompok yang
sama

Misal, untuk banyaknya kelompok adalah 3, maka bila efek yang inginditeksi
adalah besar maka ukuran besar sampel per kelompok yang dibutuhkan adalah antara 25
dan 32, dan bila efek yang ingin dideteksi kecil, maka dibutuhkan sampel per kelompok
sebanyak92 sampai dengan 120 (lihat Tabel 10.1).

5
 Demikian pula, untuk ukuran efekyang sama, semakin banyak kelompok, maka
semakin besar sampel yang dibutuhkan. Misal, bila efek ingin dideteksi adalah sedang,
dan banyaknya kelompok adalah 3 maka ukuran sampel yang dibutuhkan per kelompok
adalah antara 42 dan 54, tetapi bila banyaknya kelompok adalah 4, maka ukran sampel
per kelompok adalah antara 48 dan 62 (lihat lampiran10).

Secara rinci ukuran dapat dirujuk ke tabel yang telah disapkan oleh stevans (2009).
Dengan contoh untuk three-group MANOVA dapat dilihat lampiran 10.

Contoh hasil MANOVA dan Interpretasi

Seorang peneliti melakukan random mengalokasikan 33 individu ke salah satu dari

3 kelompok yang mendapat perlakuan yang berbeda. Kelompok pertama (11 individu)
memperoleh informasi tentang gizi secara interaktif melalui on-line website (perlakuan
1). Kelompok ke dua (11 individu) menerima informasi yang sama dari ahligizi secara
langsung (perlakuan 2), sedangkan kelompok ke tiga juga (11 individu) menerima
informasi dari ahli gizi yang sama melalui rekaman video (perlakuan 3).

Terdapat tiga peringkat yang berbeda terhadap persentasi berdasarkan 3 variabel

dependen yaitu: yaitu kesukaran, manfaat dan kepentingan ( dari semua 33 individu)
untuk menentukan apakah ada perbedaan efek dari 3 jenis cara penyampaian informasi
di atas. Secara khusus, ingin dilihat apakah cara pertama adalah paling baik karena ini
adalah cara yang dianggap paling cost effective dalam menyampaikan infomasi.

Dalam contoh diatas, ada tiga variabel dependen atau variabel respon yaitu (i)
kesukaran, (ii) manfaat,dan (iii) kepentingan. Ada tiga perlakuan yang ini diuji
(berkebetulan dalam contoh ini sama banyaknya dengan variabel dependen) dan ada 33
responden atau unii penelitian. Bisa saja dilakukan ANOVA untuk setiap variabel
respon secara terpisah.dengan kata lain, bisa dilakukan ANOVA dengan menguji beda
rata-rata nilai respon berdasarkan variabel ‘kesukaran’ untuk ketiga kelompok
perlakuan, dan juga secara terpisah ANOVA untuk variabel ‘manfaat’ untuk ketiga
kelompok perlakuan, dan akhirnya ANOVA untuk variabel ‘kepentingan’. Pengujian

6
secara terpisah ini biasanya kurang powerful, karena tidak memperhitungkan inter-
correlation antara variabel dependen/respon yang mungkin ada. Oleh karena itu,
biasanya dilakukan MANOVA untuk perbedaan antara ke tiga kelompok perlakuan
secara sekaligus menggunkan beberapa (dalam hal ini tiga) variabel respon.

Sebagian output dari Statistical Analysis System (SAS) untuk MANOVA adalah sebagai
berikut.

Apa yang dapat dilihat dari hasil diatas?

Uji keseluruhan multivariabel ( salah satu yang umum dipakai Wilks Lamda)
menunjukkan statistik F sebesar sekitar 3,54 dengan nilai–P sebesar 0,0049 yang lebih
kecil dari 1% (tingkat significan 1%), yang berarti hipotesis nol ditolak, yang menberika
indikasi bahwa ada perbedaan secar statistik significan antara tingkat efek dari 3
kelompok perlakuan tersebut.

Dimana letak peredaan diatas terjadi?

Untuk menjawab pertanyaan diatas, maka dapat dilakukan berbagai uji post-hoc,
misal uji multivariate anatara kelompok 1 (dengan perlakuan cara pertama) dengan rata-
rata kelompok 2 dan3 , antara kelompok 2 dengan kelompok 3.

Dibawah ini disajikan hasil statistik uji Wilks Lambda (hasil statistik uji yang lain
disengaja tidak titampilkan disisni) untuk kedua uji diatas.

Antara kelompok 1 dengan rata-rata kelompok 2 dan 3

7
 Berdasarkan satistik uji Wilks Lambda sebesar 0,5290 yang mendekati nisai
statistik uji F sebesar 8,31 dengan nilai-P (p-value) lebih kecil dari 1% (sebagai tingkat
signifikansi), maka hipotesis nol bahawa rata-rata nilai kelompok 1 dengan nilai rata-
rata kelompok 2 dan 3 sama besar ditolak. Dengan kata lain, dapat disimpulkan bahwa
dengan menggunakan semua variabel dependen, maka rata-rata kelompok 1 dengan
nilai rata-rata kelompok 2 dan 3 adalah berbeda signifikan secara statistik.

Bagaimana dengan antara kelompok 2 dan kelompok 3?

Dibawah ini disajikan output SAS untuk perbandingan ini.

Dengan menggunakan ketiga variabel dependen secara bersama, ternyata

perbandingan kelompok 2 dengan kelompok 3 tidaklah significan secara statistik (nilai
Wilks Lambda sebesar 0,993 yang bila dikonversi ke statistik F adalah sebesar 0,006
dengan nilai-P yang jauh lebih besar dibandingkan dengan tingkat signifikansi 5% atau
1%)