(ONE WAY-MANOVA)
• MANOVA adalah perluasan multivariate dari
analisis ANOVA.
• MANOVA merupakan metode statistik untuk
mengeksplorasi hubungan diantara beberapa
variable independen yang berjenis kategorikal
(bisa data nominal atau ordinal) dengan
beberapa variable dependen yang berjenis
metric (bisa data interval atau rasio)
TUJUAN
untuk mengetahui apakah ada perbedaan yang
nyata pada variable-variabel dependen antar-
anggota sebuah grup (variable independen).
Model dalam Anova
1 dependent > 1 dependent
1 independent One-way anova One way Manova
Contoh: Uji perbandingan Contoh: Uji perbandingan hasil
antara Hasil belajar kognitif belajar kognitif, afektif, dan
berdasarkan beberapa model psikomotor berdasarkan
pembelajaran beberapa model pembelajaran
> 1 Independent Two way Anova Two Way Manova
Contoh: Uji perbandingan Contoh: Uji perbandingan hasil
antara Hasil belajar kognitif belajar kognitif, afektif, dan
berdasarkan beberapa model psikomotor berdasarkan
pembelajaran dan Gaya Belajar beberapa model pembelajaran
dan Gaya Belajar
Asumsi tentang Struktur Data untuk
One-way MANOVA
1. X11, X12,…,X1n adalah sampel acak dengan
ukuran n1 dari sebuah populasi dengan mean
µi untuk i=1,2,3,....,n Sampel acak dari
populasi yang berbeda adalah independen
2. Semua populasi memiliki matriks covarian
bersama ∑.
3. Tiap populasi adalah menyebar normal
multivariat.
MODEL MANOVA UNTUK PERBANDINGAN
VEKTOR MEAN g > 2 POPULASI
Model matematikanya
X j ej
j 1,2,..., n , 1,2, ..., g
dimana,
e j = variabel independen N p (0, )
= mean secara keseluruhan
= pengaruh perlakuan ke-
g
dengan n
1
0
Menurut model di atas, setiap komponen observasi vektor X j
memenuhi model univariatX. j
xj x ( x x ) ( xj x )
observasi
( x
1 j 1
j x )( xj x )' n ( x x )( x x )' ( xj x )( xj x )'
1 1 j 1
B+W B W
(treatment (residual (within) sum)
(total (corrected) sum) (between))
(6.36)
dalam jumlah kuadrat dan matriks cross product akan dituliskan seperti
g n
W ( xj x )( xj x )'
1 j 1
~
• Bila Ho benar dan Σn = n besar,
( p g) ( p g ) W
n 1 ln * n 1 ln ...(6.39)
2 2 B W
( p g ) W
p2 ( g 1) ( )
n 1 ln ...(6.40)
2 B W
Contoh :
• Diketahui sampel dengan ukuran n1 = 3, n2 = 2, dan n3 = 3.
9 6 9
2 7
3
0 2
0
4
3 1 2
9 7
8
8 1 2 4
x1 , x2 , x3 dengan x
4 2 8 5
Perlakuan 1 Perlakuan 2
9 6 9 4 4 4 4 4 4 1 2 1 3 2 7 5 5 5 1 1 1 1 2 3
0 2 4 4 3 3 1 1 4 0 5 5 3 3 2 2
3 1 2 4 4 4 2 2 2 1 1 0 8 9 7 5 5 5 3 3 3 0 1 1
B=
W=
B+W=
n g 1 1 * 8 3 1 1 0,0385
Fhitung
8,19
g 1
* 3 1 0,0385
• Kriteria Pengujian
Tolak Ho jika Fhitung > Ftabel
• Kesimpulan
Ada perbedaan antara perlakuan 1 dan perlakuan 2.
Uji Statistika lainnya dalam Manova
s
• Lawley Hotelling U U tr E H i
s 1
i 1
• Pillai’s V i
s
V tr E H H
s 1
i 1 1 i
1
• Roy’s Largest Root
1 1
• Wilks’ Lambda H ni X i X X i X
s k
1
i 1 1 i
i 1
E X ij X i X ij X i
k ni
Misalkan τki adalah komponen ke-i dari τk, karena τk ditaksir oleh ˆk xk x , maka
ˆk xk x
Dimana
bebas.
ˆki ˆki xki xmerupakan
i
perbedaan antara 2 rata-rata sampel yang saling
Perhatikan bahwa ;
1 1
Var (ˆki ˆki ) Var ( X ki X i ) ii
nk nk
ˆ 1 1 wii
Var ( X ki X i )
nk nk n g
wii 1 1
x ki xi t n g
pg ( g 1) n g nk nk
1 matriks
Dimana C adalah 0 0
1 0 kontras 0
0 1 1 0 0 0
C(( p 1 ) xp )
0 0 0 0 1 1
Test for Parallel Profiles for Two Normal
Populations
• Perumusan Hipotesis
H 01 : C1 C 2
H11 : C1 C 2
• Statistik Uji 1
1 1
T x1 x2 ' C ' CS pooledC ' C x1 x2
2
n1 n2
dan
c
2 n1 n2 2 p 1
Fp 1,n1 n2 p ( )
n1 n2 p
• Kriteria Pengujian
Tolak H01 pada taraf signifikansi α jika T2 > c2 .
Test for Coincident Profiles, Given
that Profiles Are Parallel
Perumusan Hipotesis
H 02 : 1' 1 1' 2
H12 : 1' 1 1' 2
Statistik Uji
1
1 1
T 2 1 ' x1 x2 1 S pooled 1 ' 1 ' x1 x2
n1 n2
2
1 ' x1 x2
1 1
1 S pooled 1 '
n1 n2
Kriteria Pengujian
Tolak pada taraf signifikan si jika T 2 t n21 n2 2 F1,n1 n2 2 ( )
2
Test for Level Profiles, Given that
Profiles Are Coincident
Perumusan Hipotesis
H 03 : C1 0
H13 : C1 0
Statistik Uji
S n1 n2 x ' C ' CS pooled C ' C x
1
Kriteria Pengujian
Tolak pada taraf signifikan si a jika S Fp 1,n1 n2 p ( )
Contoh 6.11
Dalam contoh 6.11, diketahui informasi sebagai berikut:
Dan
(30 30 2)( 4 1)
c2 F3,56 (0.05)
30 30 4
3.11(2.8) 8.7
Untuk pengujian yang pertama (keparalel an), dengan = 0.05 , diperoleh T 2 = 1.005 < c 2 = 8.7
sehingga dapat disimpulka n bahwa H 01 diterima, sehingga profil - profil tersebut paralel.
Karena profil - profil tersebut paralel, maka dapat dilanjutka n untuk
pengujian selanjutny a. Besaran besaran yang diperlukan yaitu :
2
0.367
T2 0.501
4.027
1 1
30 30
Dengan tar af signifikan si = 0.05 diperoleh F1,58 (0.05) 4.0 . Karena T 2 = 0.501 < F1,58 (0.05) = 4.0 maka
kita tidak dapat menolak hipotesis bahwa profil - profil tersebut terjadi secara bersamaan (coinciden t).
Artinya respon dari pria dan wanita terhadap keempat pertanyaan tersebut dapat dikatakan sama.
Selanjutny a, pengujian yang ketiga tidak dapat dilakukan, karena pertanyaan 1 dan 2
diukur dengan skala 1 - 8 sementara pertanyaan 3 dan 4 diukur dengan skala 1 - 5
Two-Way Multivariate Analysis of
Variance
g
SSPfac1 bn( xl x )( xl x )'
l 1
( 5 x 2 )( x1 x )( x1 x )'.( x 2 x )( x 2 x )'
1,74 1,5 0 ,854
1,5 1,3 0 ,73
0 ,85 0 ,72 0 ,42
Faktor 2
b
SSPfac2 gn( x k x )( x k x )'
l 1
b
SSPfac2 gn( x k x )( x k x )'
l 1
( 5 x 2 )( x1 x )( x1 x )'.( x 2 x )( x 2 x )'
0 ,7605 0 ,6825 1,9305
0 ,6825 0 ,6125 1,7325
1,9305 1,7325 4 ,9005
Interaksi
g b
SSPint n( xlk xl x k x )( xlk xl x k x )'
l 1 k 1