ANALISIS VARIAN

MINGGU 4

Dosen :
Dr. Ni Nyoman Yuliarmi, SE, MP
TWO WAY CLASSIFICATION
(KLASIFIKASI DUA ARAH)

 Dalam analisis ini digunakan 2 macam

kriteria. Dilihat dari pengaruh baris dan
pengaruh kolom.
 Misalnya saja ingin mengetahui variasi
produktivitas yang dihasilkan oleh
karyawan pabrik kue. Variasi dari
jumlah kue yang dihasilkan pada
periode satu bulan ditentukan oleh
pengalaman kerja dan tingkat umur.
Lanjutan…
Jadi dalam pengamatan ini yang akan diteliti
adalah :
a. Apakah ada pengaruh dalam rata-rata
produktivitas yang dihasilkan karyawan atas
dasar pengalaman kerja.
b. Apakah ada pengaruh dalam rata-rata
produktivitas yang dihasilkan karyawan
berdasarkan atas tingkat umur.
 Untuk itu dapat digunakan Tabel Two Way

Classification
Tabel Two Way Classification
Tabel 1
 Kolom Total Mean
 1 2 3 …... J …... C
1 X11 X12 X13 …... X …... X1c T1.
1j
B X1.
A 2 X21 X22 X23 …... X2j …... X2c T2.
R X2.
I . . . . . . . X3c T3.
S X3.

I Xi1 Xi2 Xi3 …... Xij …... Xic Ti.

Xi.

. - - - - - - - - -

r Xr1 Xr2 Xr3 …... Xrj …... Xrc Tr.

Xr.
.
Total T.1 T.2 T.3 …... T.J …... T.C T..

…... …...
Mean X.1 X.2 X.3 X.J X.C X
Lanjutan…
Keterangan:
X11 = pengamatan pada baris 1 dan kolom 1
X21 = pengamatan pada baris 2 dan kolom 1
dan seterusnya
T.1 = total seluruh pengamatan pada kolom 1
T1. = total seluruh pengamatan pada baris 1,
dan seterusnya
NB : C = kolom
r = baris
Lanjutan…
 Dalam analisis varian dua arah satu sel,
jumlah kuadrat yang dihitung, selain
yang digunakan dalam perhitungan
analisis varian satu arah, juga dihitung
jumlah kuadrat baris (SSR). Sehingga
komponen jumlah kuadratnya menjadi:

SST = SSC + SSR + SSE

Lanjutan…
 Rumus:
r c 2
(T.. )
SST   X ij 
2

i 1 j 1 r.c
r

T
2
i.
(T.. ) 2
SSR  i 1

c r.c
Lanjutan…
 Rumus:

T
2
.j
j 1 (T.. ) 2
SSC  
r r.c

SSE = SST –SSR – SSC

 Lanjutan…
Tabel 2. Tabel Anova Klasifikasi Dua Arah
(Two Way Classification)

Variasi SS Df MSS Fc
Baris SSR (r-1) SSR S2 1 MSSR
S1 2 = = MSSR Fc1 = =
SSC (c-1) r–1 S3 2 MSSE
Kolom
SSC
S2 2 = = MSSC S2 2 MSSC
SSE (r-1)(c-1) c–1 Fc2 = =
Error
SSE S3 2 MSSE
S2 3 = = MSSE
(r-1) (c-1)
Lanjutan..
 Fc1 digunakan untuk menguji effek baris
(variasi yang terjadi pada barisnya),
dengan derajat kebebasan (r-1), (r-1)
(c-1)
 Sedangkan Fc2 digunakan untuk
menguji effek kolom dengan derajat
kebebasan (c-1), (r-1)(c-1).
Lanjutan….
Contoh :
Untuk mengetahui apakah ada berbedaan
tingkat produktivitas pekerja bagian
produksi perusahaan kue, yang
dipengaruhi oleh pengalaman kerja dan
tingkat umur. Produktivitas kerja
dihitung dalam periode satu bulan,
ditunjukkan seperti pada Tabel 3.
Lanjutan…
 Tabel 3

Umur Pengalaman
(tahun) 1-3 tahun 4-7 tahun >7 tahun
15-25 6,4 7,2 7,4

26-36 5,5 5,7 4,7

37-47 5,9 6,6 5,8
>47 5,8 5,7 5,3
Lanjutan..
 Dari data di atas selanjutnya dapat
dianalisis akan adanya pengaruh yang
datang dari adanya perbedaan
pengalaman (pengaruh kolom) dan juga
perbedaan umur / pengaruh baris).
 Dalam tabel selanjutnya dapat dilihat
cara Two Way Classification ini.
 Jawaban
 Tabel 4 Produktivitas (unit/karyawan), (ratusan unit)

Umur Pengalaman
(tahun) 1-3 tahun 4-7 tahun >7 tahun
15-25 6,4 7,2 7,4
26-36 5,5 5,7 4,7
37-47 5,9 6,6 5,8
>47 5,8 5,7 5,3
23,6 25,2 23,2
Lanjutan….
Contoh :
21,0 = Total baris 1 yaitu 6,4 + 7,2 + 7,4 dan
seterusnya
16,8 = Total baris 4 yaitu 5,8 + 5,7 + 5,3
23,6 = Total kolom pada umur 1-3 tahun
23,2 = Total kolom pada umur > 47 tahun
72,0 = Grand total (T..), jumlah dari
23,6+25,2+23,2
Lanjutan….
 Perhitungan:

r c 2
(T.. )
SST    X ij 
2

i 1 j 1 r.c
Lanjutan..
SST = (6,4)2 + (5,5)2 + (5,9)2 + (5,8)2 +
(7,2)2 + …. + (5,7)2
+ (7,4)2 + …… + (5,3)2 – (72)2
4.3

SST = 438,62 – 432 = 6,62

SSR = Effek Baris (yang disebabkan
perbedaan umur)
Lanjutan…..
 Perhitungan:
r

 Ti.
2

(T.. ) 2
SSR  i 1

c r.c
= (21,0)2 + (15,9)2 + (18,3)2 + (16,8)2 - (72)2
= 4,98
3 4.3
Lanjutan…
SSC = Effek kolom yang disebabkan
tingkat pengalaman
c

T
2
.j 2
j 1 (T.. )
SSC  
r r.c
Lanjutan…
SSR = (23,6)2 + (25,2)2 + (23,2)2 - (72)2
4 4.3
= 0,56

SSE = SST – SSR – SSC

= 6,62 – 4,98 – 0,56 = 1,08
Hasil perhitungan diatas dapat dibuat dalam
tabel anova sebagai berikut :
 Tabel Anova (Tabel 5)

Variasi SS Df MSS fc
Effek SSR
SSR (r-1) =1,66 (MSSR) 1,66
Baris (4,98) (4-1) r–1 Fc1 = = 9,2
SSC 0,18
Effek SSC (c-1) = 0,28 (MSSC) 0,28
Kolom (0,56) (3-1) c–1 Fc2 = = 1,55
SSE 0,18
SSE (r-1)(c-1) = 0,18 (MSSE)
Error (1,08) (4-1)(3-1) (r-1) (c-1)
Lanjutan..
NB : Effek Baris karena pengaruh umur
Effek Kolom karena pengaruh
pengalaman

F tabel : untuk Effek baris :

A.F df (r-1), (r-1) (c-1), Bila  = 5%
F 0,05 df (4-1), (4-1) (3-1)
F 0,05 df (3,6) = 4,76  F tabel1 = 4,76
Lanjutan…
B. F tabel : untuk Effek Kolom
F df (c-1), (r-1) (c-1)
F 0,05 (3-1), (4-1) (3-1)
F 0,05 df (2,6) = 5,14 
F tabel2 = 5,14
Lanjutan…
Jadi secara ringkas pengujian Anova ini dapat ditulis :
Step I.
(1) Effek baris/ Effek umur:
Ho : 1 = 2 = 3 = 4 = 0
(Effek umur = 0) (Tidak ada pengaruh umur
terhadap hasil produksi)
H1 = Paling sedikit salah satu dari i  0 (ada
pengaruh umur terhadap hasil produksi)
Lanjutan…
(2) Effek Kolom/Effek pengalaman
Ho :  1 =  2 =  3 = 0
(Efek pengalaman = 0 ) ( tidak ada pengaruh
pengalaman kerja terhadap hasil produksi )
berarti hasil produksi untuk ketiga kelompok
pengalaman tersebut sama saja).
H1 : paling sedikit salah satu dari  i  0 ( ada
pengaruh pengalaman terhadap hasil produksi
Lanjutan…
Step II.
Ft1 = 4,76
Ft2 = 5,14
Fc1 = 9,2
Fc2 = 1,55
Ho ditolak bila Fc > Ft
Ho diterima bila Fc ≤ Ft
Lanjutan..
Step III Perhitungan :
SST = 6,62 Fr = 9,2
SSR = 4,98 Fc = 1,55
SSC = 0,56 Ft1 = 4,76
SSE = 1,08 Ft2 = 5,14
Lanjutan….
Step IV. Kesimpulan
Fr > Ft1 hal ini berarti Ho ditolak, dan
sesuai dengan hipotesa no.1
sebelumnya, maka dengan ditolaknya
Ho menunjukkan bahwa 1  2  3 
4 dan berarti pula bahwa umur
karyawan yang berbeda ternyata
membawa effek terhadap hasil
produksi
Lanjutan…
 Fc < Ft2 berarti Ho diterima, dan sesuai
dengan hipotesis no.2 di atas
sebelumnya, maka dengan diterima Ho
ini menunjukkan bahwa 1 = 2 = 3 =
0 dan berarti pula bahwa tidak ada
perbedaan yang cukup berarti terhadap
hasil produksi dari ketiga kelompok
pengalaman karyawan
 ANALISIS VARIAN DUA ARAH
DENGAN OBSERVASI SEL MAJEMUK

 Seperti telah dijelaskan sebelumnya bahwa analisis

varian dua arah dengan satu sel mengasumsikan
bahwa tidak terdapat interaksi antara klasifikasi
kolom dan baris.
 Dengan observasi lebih dari satu sel dapat diketahui
adanya efek interaksi. Misalnya, suatu merk mesin
tertentu menunjukkan rata-rata produksi yang lebih
besar dibandingkan dengan merk mesin lainnya
apabila dikerjakan oleh kelompok pekerja yang
mempunyai pengalaman yang relatif sama.
Lanjutan..
 Tetapi, mempunyai rata-rata yang lebih
kecil apabila dibandingkan dengan pada
kelompok pekerja dengan pengalaman
kerja yang lebih lama, meskipun
dengan jenis mesin yang sama. Dengan
demikian ini berarti bahwa antara merk
mesin dan pengalaman kerja ada
interaksinya.
Lanjutan…
Beberapa notasi yang digunakan dalam analisis
ini adalah :
Xijk = observasi ke-k dalam sel ke-ij, dimana
k = 1 ……..n
Tij = jumlah dari observasi dalam sel ke-ij
Ti = jumlah dari observasi dalam baris ke-i
Tj = jumlah dari observasi dalam kolom ke-j
Lanjutan…
 Perhitungan varian dan jumlah kuadrat
dari analisis varian dengan interaksi ini
merupakan pengembangan dari rumus-
rumus yang telah dibicarakan
sebelumnya, hanya saja ditambah
dengan varian dan jumlah kuadrat dari
efek interaksi. Perhitungannya adalah
sebagai berikut :
Lanjutan..
(T.. ) 2
1.Faktor Koreksi (FK) =
N
k

 .j
T 2

2.Jumlah Kuadrat Kolom (JKK) = j 1

rn
 FK
r

T 2
i.

3.Jumlah Kuadrat Baris (JKB) = i 1

kn
 FK
Lanjutan..
4. Jumlah Kuadrat Interaksi (JKI) =
r k k r
 T T T
j 1 j 1
r
ij
j 1
j
r
i
2

  i 1
 FK
n rn kn
5. Jumlah Kuadrat Total (JKT) =
r k n

 X
i 1 j 1 i 1
2
ij  FK
Lanjutan…
6.Jumlah Kuadrat Galat (JKG) =
JKT – JKK – JKB – JKI

Secara sistematis, jumlah kuadrat

tersebut beserta derajat bebasnya
disajikan dalam bentuk Tabel ANOVA.
Lanjutan…
Tabel 6. Tabel Anova Klasifikasi Dua Arah Sel
Majemuk
Sumber Jumlah Derajat Varian Rata-rata Ratio F
Variasi Kuadrat Bebas

Lintas Kolom JKK k-1 JKK

S c2  S c2
k 1 FA  2
Lintas Baris JKB r-1 S r2 
JKB Se
r 1
Interaksi JKI (r-1)(k-1) S12 
JKI S r2
FB 
(r  1)( k  1) S e2
Galat JKG rk(n-1)
S12
S e2 
JKG FC  2
rk (n  1) Se
Total JKT N-1
Lanjutan…
Formulasi hipotesis untuk analisis varian dua
arah untuk observasi dengan sell majemuk
adalah :
HoA : 1 = 2 = 3 = …. k =  rata-rata nilai
klasifikasi kolom adalah sama.
HoB : 1 = 2 = 3 = …. r =  rata-rata nilai
klasifikasi baris adalah sama.
HoC : I11 = I12 = I13 = …. kr = 0 interaksi dari
kombinasi kolom dan baris adalah nol.
Lanjutan…
Dengan alternatif :
HaA : paling sedikit satu kelompok (kolom)
mempunyai rata-rata yang berbeda
nyata.
HaB : paling sedikit satu kategori baris
mempunyai rata-rata yang berbeda
nyata.
HoC : paling sedikit satu kombinasi kolom dan
baris mempunyai interaksi tidak sama
dengan nol.
Lanjutan…
Contoh :
Dalam rangka riset pemasaran terhadap
produk baru PT. Lexia melaksanakan tiga
metode promosi yang berbeda. Data yang
ditampilkan berikut ini menunjukkan gross
sales income (dengan code) yang diperoleh
dengan tiga metode promosi pada 4 wilayah
pemasaran yang berbeda dan pada 3 lokasi
tujuan pemasaran di masing-masing wilayah
yang diambil secara random, seperti yang
disajikan pada Tabel 7, sebagai berikut :
 Lanjutan…
Tabel 7 Gross Sales income menurut metode promosi
dan wilayah pemasaran
Metode Promosi
1 2 3
A 9 10 12
8 12 12
10 11 12
B 12 11 14
Wilayah 12 12 12
Pemasaran 13 13 15
C 12 11 14
12 12 12
13 13 13
D 10 10 14
11 13 13
12 12 14
Lanjutan…
 Terapkanlah uji analisis varian dua arah
dengan taraf nyata 5% untuk melihat
apakah terdapat perbedaan yang nyata
antara program promosi, antar wilayah
dan apakah ada efek interaksinya.
Jawaban:
1) Formulasi hipotesis :
HoA : Rata-rata Gross sale ketiga program promosi adalah
sama.
HaA : Paling sedikit satu program promosi menghasilkan rata-
rata gross sales yang berbeda.
HoB : Rata-rata Gross sale keempat wilayah pemasaran adalah
sama.
HaB : Paling sedikit satu wilayah pemasaran menghasilkan rata-
rata gross sales yang berbeda.
HoC : Interaksi diantara 12 kombinasi metode promosi dan
wilayah pemasaran adalah nol.
HaC : Interaksi diantara 12 kombinasi metode promosi dan
wilayah pemasaran tidak sama dengan nol.
Lanjutan..
2)Taraf nyata yang digunakan adalah 5%
Derajat bebas A = (3-1); 4(3)(3-1) =
2;24, maka FA tabel adalah = 3,34
Derajat bebas B = (4-1); 4(3)(3-1) =
3;24, maka FB tabel adalah = 3,01
Derajat bebas C = (4-1)(3-1); 4(3)(3-1)
= 6;24, maka FB tabel adalah = 2,51
Lanjutan..
3) Kriteria pengambilan keputusan :
HoA diterima bila F < 3,34
HoA ditolak bila F > 3,34
HoB diterima bila F < 3,01
HoB ditolak bila F > 3,01
HoC diterima bila F < 2,51
HoC ditolak bila F > 2,51
Lanjutan…
4) Perhitungan :
Tabel 8. Perhitungan jumlah kuadrat
gross sales menurut metode promosi
wilayah pemasaran.
Lanjutan
Tabel 8 Metode Promosi
Wilayah 1 2 3
X1 X12 X2 X2 2 X3 X32
9 81 10 100 12 144
8 64 12 144 12 144
A 10 100 11 121 12 144
T11=27 X211 = 245 T21=33 X221 = 365 T31=36 X231 = 432 T1 = 96
12 144 11 121 14 196
B 12 144 12 144 12 144
13 169 13 169 15 225
T12=37 X 12 = 457
2 T22=36 X 22 = 434
2 T32=41 X 32 = 565 T2 = 114
2

12 144 11 121 14 196

C 12 144 12 144 12 144
13 169 13 169 13 169
T13=37 X 13 = 457
2 T23=36 X 23 = 434
2 T33=39 X 33 = 509 T3 = 112
2

10 100 10 100 14 196

D 11 121 13 169 13 169
12 144 12 144 14 225
T14=33 X214 = 365 T24=35 X224 = 413 T34=41 X234 = 561 T4 = 109
T1=134 X2 = T2=140 X2 = T3=157 X2 = T = 431
1524 1646 2067
Lanjutan..
(431)2
FK = = 5.160,028
(4)(3)(3)
Jumlah Kuadrat Kolom (JKK) =
k

 .j
T 2

j 1
 FK
rn
Lanjutan…
(134)2 + (140)2 + (157)2
JKK = – 5.160,028
(4) (3)

JKK = 5.183,75 – 5.160,028 = 23,722

 Lanjutan..
 Jumlah Kuadrat Baris (JKB) =
r

 i.
T 2

i 1
 FK
kn
(96)2 + (114)2 + (112)2 + (109)2
JKB = - 5.160,028
(3) (3)
Lanjutan..
JKB = 5.181,889 – 5.160,028 = 21,861
Jumlah Kuadrat Interaksi (JKI) =
r k k r

j 1 j 1
Tr
ij T
j 1
j
r
i
T 2

  i 1
 FK
n rn kn
Lanjutan…
Jumlah Kuadrat Interaksi (JKI) =
r k k r

j 1 j 1
Tr
ij T
j 1
j
r
i
T 2

  i 1
 FK
n rn kn
 Lanjutan
 JKI = 5.213,667 – 5.183,75 – 5.181,889 +
5.160,028 = 8,056
r k n
Jumlah Kuadrat Total (JKT) =  ij  FK
2
X
i 1 j 1 i 1

JKT = 5.237 – 5.160,028 = 76,972

Lanjutan…
 Jumlah Kuadrat Galat (JKG) = JKT –
JKK – JKB – JKI
 JKG = 76,972 – 23,722 – 21,861 –
8,056 = 23,333
 Lanjutan….
Tabel 8. Tabel Anova Klasifikasi Dua Arah dengan sel majemuk
untuk data gross sale income menurut metode promosi dan
wilayah pemasaran

Sumber Variasi Jumlah Derajat Varian Rata- Ratio F

Kuadrat Bebas rata
Lintas Kolom 23,722 2 11,861
FA = 12,202
Lintas Baris 21,861 3 7,287
Interaksi 8,056 6 1,343 FB = 7,496

Galat 23,333 24 0,972 FC = 1,381

Total 76.97 35
Lanjutan…
 5) Kesimpulan
 Hasil perhitungan menunjukkan bahwa F hitung
lintas kolom dan lintas baris lebih besar dari F tabel,
sehingga Ho ditolak. Ini berarti terdapat perbedaan
gross sales income yang diperoleh oleh PT. Lexia,
baik menurut metode promosi maupun menurut
wilayah pemasarannya. Sedangkan F hitung interaksi
lebih kecil dari F tabel, sehingga Ho diterima. Ini
berarti tidak terdapat interaksi antara metode
pemasaran yang diterapkan dengan wilayah
pemasaran.
 Hasil Analisis SPSS
Tests of Between-Subjects Effects

Type III Sum of

Source Dependent Variable Squares df Mean Square F Sig.
Corrected Model Grossale 53.639a 11 4.876 5.016 .000
Metwil 3.553E-15b 11 3.230E-16 .000 1.000
Intercept Grossale 5160.028 1 5160.028 5307.457 .000
Metwil 144.000 1 144.000 144.000 .000
Metpro Grossale 23.722 2 11.861 12.200 .000
Metwil .000 2 .000 .000 1.000
Wilpem Grossale 21.861 3 7.287 7.495 .001
Metwil .000 3 .000 .000 1.000
Metpro * Wilpem Grossale 8.056 6 1.343 1.381 .262
Metwil .000 6 .000 .000 1.000
Error Grossale 23.333 24 .972
Metwil 24.000 24 1.000
Total Grossale 5237.000 36
Metwil 168.000 36
Corrected Total Grossale 76.972 35
Metwil 24.000 35
a. R Squared = .697 (Adjusted R Squared = .558)
b. R Squared = .000 (Adjusted R Squared = -.458)
Soal Latihan
 Soal 1
 Suatu penelitian dilakukan untuk mengetahui
produktivitas kerja karyawan (unit/minggu).
Dengan mengambil sejumlah sample pada
masing-masing metode kerja yang digunakan
serta pengalaman kerja dari karyawan
tersebut maka produktivitasnya seperti
tampak pada table berikut ini.
Lanjutan
 Produktivitas kerja karyawan (unit/minggu) berdasarkan atas
metode kerja dan pengalaman.
Pengalaman Metode kerja
A B C
< 3 tahun 9 14 10
8 15 12
10 15 14
9 16 15
3 – 5 tahun 8 17 16
10 15 14
9 16 15
8 14 14
6 – 8 tahun 10 16 12
9 14 15
8 15 16
10 14 14
> 8 tahun 9 12 11
8 14 12
10 15 14
9 16 15
Lanjutan..
 Gunakan analisis varian dua arah
dengan taraf nyata α = 5% untuk
mengetahui apakah ada perbedaan
yang nyata antara metode kerja dan
pengalaman kerja terhadap
produktivitas kerja karyawan dan
apakah ada efek interaksinya.
Latihan Soal
 Soal 2
 Suatu penelitian dilakukan untuk mengetahui daya
tahan kendaraan roda dua terhadap penggunaan
BBM. Daya tahan tersebut diperkirakan ditentukan
oleh jenis kendaraan maupun umur kendaraan.
Sampel diambil untuk 3 jenis kendaraan dan 4
kelompok umur kendaraan. Data tentang daya tahan
kendaraan terhadap penggunaan BBM (liter/km),
masing-masing jenis kendaraan dan kelompok umur
kendaraan seperti tampak pada table berikut ini.
Lanjutan…
 Tabel
Umur kendaraan Jenis kendaraan
Honda Yamaha Suzuki
< 3 tahun 22 23 20
25 24 21
24 25 20
23 22 22
25 21 20
3 – 4 tahun 25 24 21
24 23 23
22 25 25
23 22 24
24 21 21
5 – 6 tahun 22 22 22
25 25 25
23 24 24
24 21 23
25 20 21
> 6 tahun 20 23 22
21 22 25
23 24 24
25 21 26
24 20 25
Lanjutan….
 Gunakan analisis varian dua arah
dengan taraf nyata α = 5 % untuk
melihat apakah terdapat perbedaan
yang nyata antara jenis kendaraan dan
umur kendaraan terhadap daya tahan
dan apakah ada efek interaksinya.
MANOVA
 Analisis varian multivariat merupakan terjemahan
dari multivariate analisis of variance (MANOVA).
Manova merupakan multivariate perluasan dari
konsep dan teknik univariate.
 ANOVA digunakan untuk menganalisis perbedaan
antara rata-rata (mean) kelompok.
 Sama halnya dengan ANOVA, MANOVA merupakan
uji beda varian.
 Bedanya, dalam ANOVA varian yang dibandingkan
berasal dari satu variabel terikat, sedangka pada
MANOVA, varian yang dibandingkan berasal lebih dari
satu variabel terikat.
Lanjutan…
 Pada MANOVA, peneliti sebenarnya
mempunyai dua variate, yaitu: satu
untuk variabel dependen dan yang lain
variabel independen.
 Variabel dependen lebih menarik karena
ukuran dependen metrik dapat
dikombinasikan pada satu kombinasi
linier, seperti pada multiple regresi dan
analisis discriminan.
Lanjutan..
 Aspek unik dari MANOVA adalah variate
secara optimal mengkombinasikan ukuran
multiple dependen ke dalam nilai tunggal
yang memaksimalkan perbedaan antar
kelompok.
Lanjutan..
 MANOVA, varian yang dibandingkan
berasal dari lebih dari satu variabel
terikat.
 Model MANOVA untuk membandingkan
vektor mean sebanyak g adalah sebagai
berikut:
 Xij = μ + ti + eij, j = 1, 2, 3,…,n, dan i
= 1, 2, 3, …,g.
Lanjutan…
 Vektor observasi dapat dikomposisi
ulang sesuai model, seperti berikut.
xij = x + xi – x +xij - xi
Xij = observasi)
X = rata-rata sampel keseluruhan μ
Xi – X = estimasi efek perlakuan t
xij –xi = residu eij
Lanjutan…
 Pada MANOVA pengujian hipotesis nol adalah
kesamaan mean dari vector multiple variable
dependen antar kelompok
 Analog dengan ANOVA, hipotesis nol yang diuji dapat
dirumuskan sebagai berikut.
 H0: t1 = t2 = t3 = … = tg = 0
 Penerimaan atau penolakan Ho digunakan uji Wilk’s
Lambda.
 Apabila Ho ditolak berarti nilai Wilk’s Lamda terlalu
kecil
Lanjutan…
 Empat pengukuran yang banyak digunakan untuk
menguji signifikansi secara statistik antar kelompok
terhadap variable independent adalah:
 Roy’s Greatest Characteristic Root
 Wilk’s Lambda
 Pillai’s Criterion
 Hotelling’s Trace

Dalam beberapa situasi hasil/kesimpulan bisa sama antar

keempat pengukuran, namun dalam situasi yang unik hasil
dapat berbeda diantara keempat pengukuran.
Contoh:
 Suatu penelitian dilakukan untuk mengetahui
sukses tidaknya suatu perusahaan untuk
menguasai pasar dari produk yang dijual.
Produk yang dijual menggunakan dua metode
penjualan yang berbeda, yaitu metode
penjualan dengan Grosir (Y1) dan metode
non grosir (Y2). Penjualan dilakukan dengan
tiga strategi pemasaran.
Lanjutan….
 Adapun tingkat penjualan yang dicapai
per bulan (jutaan Rp) pada wilayah
pemasaran yang dituju ditunjukkan
seperti pada Tabel 1. Gunakan tingkat α
5% apakah tingkat penjualan pada
metode yang diterapkan berbeda pada
strategi pemasaran yang dilakukan
tersebut.
Lanjutan..
 Tabel 1
No Strategi 1 (A1) Strategi 2 (A2) Strategi 3
(A3)
Y1 Y2 Y1 Y2 Y1 Y2
1 11.30 7.60 10.40 7.20 12.00 8.70
2 12.40 5.70 12.00 8.30 12.20 9.70
3 11.90 8.40 11.00 9.40 11.40 8.50
4 10.00 5.80 12.30 9.90 10.00 9.30
5 11.40 6.60 10.70 9.50 12.30 9.30
6 10.90 5.50 9.90 7.20 11.20 11.3
7 12.60 6.50 11.00 9.40 10.60 9.80
8 11.40 6.60 12.90 7.70 11.00 9.40
Jawaban
 Mekanisme yang dilakukan sebagai
berikut:
a. Uji Homogenitas Varian
 Uji homogenitas varian dilihat dari hasil
uji Levene. Apabila uji ini menunjukkan
nilai F yang tidak signifikan, yaitu nilai
sig > α maka varians dari Y yang diuji
adalah homogen.
Uji homogenitas
 Berdasarkan uji yang dilakuakan
nampak sebagai berikut:

Levene's Test of Equality of Error Variancesa

F df1 df2 Sig.

Y1 .566 2 21 .576
Y2 1.103 2 21 .350
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept + X
Lanjutan..
 Hasil uji Levene menunjukkan bahwa untuk Y1 harga
F= 0,566 dengan signifikansi 0,576 dan untuk Y2
harga F= 1,103 dengan signifikansi 0,350.
 Bila ditetapkan taraf signifikansi 0,05, maka baik
untuk Y1 maupun Y2 harga F tidak signifikan karena
signifikansi keduanya lebih besar dari 0,05. Artinya,
baik Y1 maupun Y2 memiliki varian yang homogen,
sehingga MANOVA bisa dilanjutkan.
Lanjutan….
b. Uji Homogenitas Matriks
Varian/Covarian
 MANOVA mempersyaratkan bahwa matriks
varian/covarian dari variabel dependen sama.
 Uji homogenitas matriks varian/covarian dilihat dari
hasil uji Box’s M. Apabila harga Box’s M signifikan
maka hipotesis nol yang menyatakan bahwa matriks
varian/covarian dari variabel dependen sama, ditolak.
Dalam kondisi ini analisis MANOVA tidak dapat
dilanjutkan.
Lanjutan..
 Hasil uji Box’s M dengan SPSS tampak
pada bagan berikut ini.
 Box’s Test
Box's Test of Equality of Covariance
Matricesa
Box's M 1.600
F .230
df1 6
df2 10991.077
Sig. .967
Tests the null hypothesis that the observed
covariance matrices of the dependent
variables are equal across groups.
a. Design: Intercept + X
Lanjutan..
 Ternyata harga Box’s M= 1,600 dengan
signifikansi 0,967. Apabila ditetapkan taraf
signifikansi penelitian 0,05, maka harga Box’s
M yang diperoleh tidak signifikan karena
signifikansi yang diperoleh 0,967 lebih besar
dari 0,05.
 Dengan demikian hipotesis nol diterima.
Berarti matriks varian/covarian dari variabel
dependen sama, sehingga analisis MANOVA
dapat dilanjutkan.
c. Uji Manova
 Setelah kedua uji persyaratan hipotesis
dipenuhi dilanjutkan dengan uji
hipotesis MANOVA.
 Uji MANOVA digunakan untuk menguji
apakah terdapat perbedaan beberapa
variabel terikat antara beberapa
kelompok yang berbeda.
Lanjutan..
 Dalam contoh ini dibedakan hasil
penjualan dengan keputusan metode
penjualan yang diambil dengan analisis
Pillae Trace, Wilks’ Lambda, Hotelling
Trace, Roy’s Largest Root. Hasil analisis
untuk contoh di atas, dilihat dari tes
Multivariat sebagai berikut.
Lanjutan….
 Tes Multivariat
Multivariate Testsc
Hypothesis
Effect Value F df Error df Sig.
Intercept Pillai's Trace .996 2350.812a 2.000 20.000 .000
Wilks' Lambda .004 2350.812a 2.000 20.000 .000
Hotelling's Trace 235.081 2350.812a 2.000 20.000 .000
Roy's Largest 235.081 2350.812a 2.000 20.000 .000
Root
X Pillai's Trace .645 5.003 4.000 42.000 .002
Wilks' Lambda .357 6.739a 4.000 40.000 .000
Hotelling's Trace 1.796 8.529 4.000 38.000 .000
Roy's Largest 1.792 18.815b 2.000 21.000 .000
Root
a. Exact statistic
b. The statistic is an upper bound on F that yields a lower bound on the significance level.
c. Design: Intercept + X
Lanjutan…
 Hasil analisis menunjukkan bahwa harga F
untuk Pillae Trace, Wilks‘ Lambda, Hotelling
race, Roy’s Largest Root x memiliki
signifikansi yang lebih kecil dari 0,05. Artinya,
harga F untuk Pillae Trace, Wilks’ Lambda,
Hotelling Trace, Roy’s Largest Root semuanya
signifikan. Jadi, terdapat perbedaan hasil
penjualan dengan metode grosir (y1) dan
non grosir (y2) dengan strategi pemasaran
yang dilakukan.
Lanjutan…
 Selanjutnya dilakukan tests of between-
subjects effects.
 Tests of between-subjects effects,
menunjukkan bahwa hubungan antara
strategi pemasaran (x) dengan hasil
penjualan metode grosir (y1) memberikan
harga F sebesar 0,119 dengan signifikansi
0,888 yang lebih besar dari α = 5%. Artinya
tidak terdapat perbedaan hasil penjualan
yang disebabkan oleh strategi pemasaran
yang dilakukan.
Lanjutan..
 Dilain pihak, hubungan antara strategi
pemasaran (x) dengan hasil penjualan
non grosir (y2) meberikan harga F
sebesar 18,059 dengan signifikansi
0,000, yang signifikan pada taraf
signifikansi α = 5%.
 Artinya, terdapat perbedaan hasil
penjualan yang diakibatkan oleh
perbedaan strategi pemasaran.
Lanjutan…
 Tests of Between-Subjects Effects tes
Tests of Between-Subjects Effects
Type III Sum
Source Dependent Variable of Squares df Mean Square F Sig.
Corrected Model Y1 .191 a 2 .095 .119 .888
Y2 35.436 b 2 17.718 18.059 .000
Intercept Y1 3100.827 1 3100.827 3880.075 .000
Y2 1621.970 1 1621.970 1653.164 .000
X Y1 .191 2 .095 .119 .888
Y2 35.436 2 17.718 18.059 .000
Error Y1 16.783 21 .799
Y2 20.604 21 .981
Total Y1 3117.800 24
Y2 1678.010 24
Corrected Total Y1 16.973 23
Y2 56.040 23
a. R Squared = .011 (Adjusted R Squared = -.083)
b. R Squared = .632 (Adjusted R Squared = .597)