ANALISIS RAGAM PEUBAH GANDA

(MULTIVARIATE ANALYSIS OF
VARIANCE / MANOVA)
Multivariate Analysis of Variance (Manova) adalah analisis
yang mirip dengan analisis varian (Anova), bedanya terletak
pada banyaknya variabel tak bebas Y.

Di dalam Anova hanya ada satu variabel tak bebas Y (Y1),

didalam Manova ada lebih dari satu variabel tak bebas Y,
misalnya ada k (Y1, Y2, … , Yk).

Misalnya dalam Anova ingin melihat/mengetahui pengaruh

pasar terhadap harga barang A (apakah ada perbedaan
rata-rata harga barang A di 5 pasar di DKI), di dalam
Manova yang ingin diketahui rata-rata harga, rata-rata
modal per pedagang barang A, rata-rata hasil penjualan
barang A di 5 padar di DKI (Y1 = harga, Y2 = modal
pedagang, Y3 = hasil penjualan pedagang yang
bersangkutan.
 Dalam Anova :
Ho : 𝜇1 = 𝜇2 = 𝜇3 = … = 𝜇5
H1 : 𝜇𝑖 ≠ 𝜇𝑗 𝑑𝑖𝑚𝑎𝑛𝑎 𝑖 ≠ 𝑗

Dalam Manova :
Ho : μ11 = 𝜇12 = 𝜇13 = 𝜇1𝑗 = … = 𝜇15 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ℎ𝑎𝑟𝑔𝑎
μ21 = 𝜇22 = 𝜇23 = 𝜇2𝑗 = … = 𝜇25 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑚𝑜𝑑𝑎𝑙
μ31 = 𝜇32 = 𝜇33 = 𝜇3𝑗 = … = 𝜇35 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑛𝑗𝑢𝑎𝑙𝑎𝑛
H1 : 𝜇𝑖𝑗 ≠ 𝜇𝑖1 𝑑𝑖𝑚𝑎𝑛𝑎 𝑖 ≠ 1 (𝑖 = 1,2,3 ; 𝑗 = 1,2,3,4,5)
 ANOVA VS MANOVA
Analisis Ragam Satu Analisis Ragam Peubah
Peubah (Anova) Ganda (Manova)

Pengaruh perlakuan terhadap Pengaruh Perlakuan terhadap

respon tunggal multi respons ganda

Peubah-peubah respons dianggap Mempertimbangkan adanya

saling bebas satu sama ketergantungan antarpeubah-
peubah respons
 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
l 1 j 1
lj  x l )(xlj  x l )'
*  
BW g nl

  (x
l 1 j 1
lj  x)(xlj  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 metabolikrendah.
P3 = diinfeksi (ditularkan) kuman tbc selama aktifitas metaboliktinggi.
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

FK 11 
Y1 2 
390.92
 7276.3243
n 21
FK untuk respon Y2

FK 2 2 
Y 2 2 
63.42  191.4076
n 21

FK untuk respon Y1 dan Y2

FK12 
Y1Y2  390.963.4  1180.1457
n 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  FK 11  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  FK 12  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

4 Y1i2
JKP11    FK 11  1849.5862
i 1 ni
JKP untuk respon Y2
4 Y 22i 
JKP 2 2    F K 2 2  10.6346
i 1 ni

JHKP untuk respon Y1 dan Y2

4Y1i  Y 2i
JH K P12    F K 12  21.3810
i 1 ni
Perhitungan Jumlah Kuadrat Galat (JKG) dan Jumlah Hasil
Kali Galat (JHKG) untuk respon Y1 dan Y2

JKG untuk respon Y1

J K G 1 1  J K T 1 1  JKP 11  1 3 0 2 . 6 7 9 5

JKG untuk respon Y2

J K G 2 2  JKT22  JKP22  6.7778

JHKG untuk respon Y1 dan Y2

JHKG 1 2  JHKT 1 2  JHKP 12  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 JK dan JHK
Keragaman Bebas (db)

Perlakuan (P) 3  1849.5862  21.3810 

P    21.3810 
 10.6346 
Galat (G) 17 1302.6795  17.6447 
G   17.6447 
 6.7778 
Total (T) 20  3152.2657  39.0257 
T    39.0257 
 17.4124 
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;db P ;db G maka terima H 0
jika Λ 
  U p;db P ;db G maka tolak H 0
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

0.01
U 2 ; 3 ;1 7 = 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   db  1 
F    G   8.017
 Λ  d bP 

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 dank=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
H 1 :  i,  i  0, i  1 , 2 , . . , t
Tabel Manova: (Teknik perhitungan mirip seperti Manova satu
arah)

Tabel Analisis Ragam Peubah Ganda DuaArah

Sumber Derajat bebas JK dan JHK

keragaman
 234.60  14.10127.00
Kelompok (k) 3 
K    14.10  36.50
7.75 
 127.00 405.00 
  36.50 
 1129.50 125.75  213.75
Perlakuan (p) 4 
P   125.75

57.30  62.00 
  213.75
 62.00 267.50
 
 2258.90  24.65 1658.25
Galat(g) 12 
G    24.65 91.50 4.00

  1658.25 5532.50
 4.00 
 3623.00 164.50 1745.00
Total(t) 19 
T    164.50  94.50
156.55 
  1745.00 6205.00 
  94.50 
Statistik uji Lambda-Wilks sebagai berikut:
G 8. 888319  1 0 8
Λ    0. 399006
G P 2. 227617  1 0 9

Kesimpulan:
Nilai Tabel 3;4;12 =0.168939,
U0.05 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.