LAPORAN PRAKTIKUM
LAPORAN PRAKTIKUM
METODE MULTIVARIAT TERAPAN
METODE MULTIVARIAT TERAPAN
MODUL II
MODUL II
ANALISIS MANOVA FAKTOR-FAKTOR YANG
ANALISIS MANOVA FAKTOR-FAKTOR YANG
MEMPENGARUHI IPM DI PULAU JAWA TAHUN 2007
MEMPENGARUHI IPM DI PULAU JAWA TAHUN 2007
Oleh :
Oleh :
Achmad
Achmad Subekti
Subekti Triaji
Triaji
1313030015
1313030015
Nursetyo
Nursetyo Purwantoro
Purwantoro
1314030043
1314030043
Asisten Dosen :
Asisten Dosen :
Cicilia Ajeng Pratiwi
Cicilia Ajeng Pratiwi
Program Studi Diploma III
Program Studi Diploma III
Jurusan Statistika
Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
Institut Teknologi Sepuluh Nopember
Surabaya
Surabaya
2016
2016
ABSTRAK
ABSTRAK
Perkembangan kualitas pembangunan manusia dapat diketahui Perkembangan kualitas pembangunan manusia dapat diketahui melalui Indeks Pembangunan Manusia (IPM). Faktor-faktor yang melalui Indeks Pembangunan Manusia (IPM). Faktor-faktor yang mempengaruhi IPM antara lain adalah persentase penduduk tinggal di mempengaruhi IPM antara lain adalah persentase penduduk tinggal di daerah perkotaan, rata-rata pendapatan perkapita dan persentase daerah perkotaan, rata-rata pendapatan perkapita dan persentase penduduk miskin. IPM Provinsi
penduduk miskin. IPM Provinsi Jawa Timur Jawa Timur menempati urutan kemenempati urutan ke-19,-19, Jawa Tengah ke-14 dan Jawa Barat ke-15. Penelitian ini melakukan Jawa Tengah ke-14 dan Jawa Barat ke-15. Penelitian ini melakukan pengujian menggunakan MANOVA (
pengujian menggunakan MANOVA ( Multivariat of Multivariat of VarianceVariance) apakah) apakah provinsi
provinsi berpengaruh berpengaruh terhadap terhadap persentase persentase penduduk penduduk yang yang tinggal tinggal didi daerah perkotaan, rata-rata pendapatan perkapita dan persentase daerah perkotaan, rata-rata pendapatan perkapita dan persentase penduduk
penduduk miskin. miskin. Provinsi Provinsi yang yang dianalisis adalah dianalisis adalah Sumatera Sumatera Utara, JawaUtara, Jawa Barat, Jawa Tengah dan Jawa Timur. Masing-masing provinsi diambil Barat, Jawa Tengah dan Jawa Timur. Masing-masing provinsi diambil sampel sebanyak 15 kabupaten/kota. Asumsi yang harus dipenuhi sampel sebanyak 15 kabupaten/kota. Asumsi yang harus dipenuhi adalah berdistribusi multivariat normal, saling independen dan matriks adalah berdistribusi multivariat normal, saling independen dan matriks varians-covarians homogen. Data rata-rata penduduk tinggal di daerah varians-covarians homogen. Data rata-rata penduduk tinggal di daerah perkotaan,
perkotaan, rata-rata rata-rata pendapatan pendapatan perkapita perkapita dan dan persentase persentase pendudukpenduduk miskin telah berdistribusi normal multivariat
miskin telah berdistribusi normal multivariat dan saling berkorelasi dandan saling berkorelasi dan telah homogen. Karena ada asumsi yang tidak terpenuhi maka telah homogen. Karena ada asumsi yang tidak terpenuhi maka diasumsikan terpenuhi semua untuk dilanjutkan pengujian MANOVA. diasumsikan terpenuhi semua untuk dilanjutkan pengujian MANOVA. Hasil MANOVA terdapat minimal ada dua provinsi yang berpengaruh Hasil MANOVA terdapat minimal ada dua provinsi yang berpengaruh terhadap persentase penduduk tinggal di daerah perkotaan, rata-rata terhadap persentase penduduk tinggal di daerah perkotaan, rata-rata pendapatan
pendapatan dan persentase dan persentase penduduk penduduk miskin. Pada miskin. Pada pengujian pengujian berganda,berganda, tiga provinsi yang berbeda tidak memberikan pengaruh yang berbeda tiga provinsi yang berbeda tidak memberikan pengaruh yang berbeda terhadap persentasi penduduk yang tinggal di perkotaan namun terhadap persentasi penduduk yang tinggal di perkotaan namun memberikan pengaruh terhadap persentase penduduk miskin
memberikan pengaruh terhadap persentase penduduk miskin Kata Kunci
Kata Kunci :: Barlett Barlett Sphericity, Sphericity, Box’s Box’s M, M, MANOVA,MANOVA, MultivariatMultivariat Normal
DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
ABSTRAK ... ii
DAFTAR ISI... iii
DAFTAR TABEL ... v DAFTAR GAMBAR ... vi BAB I PENDAHULUAN 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 2 1.3 Tujuan ... 2 1.4 Manfaat ... 2
BAB II TINJAUAN PUSTAKA 2.1 Statistika Deskriptif ... 3
2.2 Distribusi Normal Multivariat ... 3
2.3 Uji Barlet Sphericityt ... 4
2.4 Uji Homogenitas ... 5
2.5 MANOVA ( Multivariate Analysis of Variance) ... 5
2.6 Penduduk Miskin ... 7
BAB III METODOLOGI PENELITIAN 3.1 Sumber Data... 8
3.2 Variabel Penelitian ... 8
3.3 Langkah Analisis ... 8
3.4 Diagram Alir ... 9
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Karakteristik Data Faktor-Faktor Yang Mempengaruhi IPM di Pulau Jawa Tahun 2007 ... 10
4.2 Pengujian Asumsi MANOVA Faktor-Faktor Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007 ... 11
4.2.1 Uji Barlett Sphecirity Persentase Penduduk Tinggal di Daerah Perkotaan dan Persentase Penduduk Miskin ... 11 4.2.2 Uji Box’s M Matriks Varians Kovarians Provinsi
Jawa Barat, Jawa Tengah, dan Jawa Timur ... 12 4.2.3 Pengujian Distribusi Normal Multivariat Faktor-Faktor
Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007 ... 13 4.3 Pengujian MANOVA Faktor-Faktor Yang Mempengaruhi
IPM di Pulau Jawa Tahun 2007 ... 14 4.4 Pengujian Perbandingan Berganda Faktor-Faktor
Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007 ... 14 BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan ... 16 5.2 Saran ... 16 DAFTAR PUSTAKA
DAFTAR TABEL
Tabel 2.1 MANOVA ... 6
Tabel 2.2 Wilks Lambda ... 6
Tabel 3.1 Variabel Respon dan Prediktor ... 8
Tabel 4.1 Uji Barlett Spgecirity... 12
Tabel 4.2 Uji Box’s M ... 12
Tabel 4.3 Uji Distribusi Normal Multivariate ... 13
Tabel 4.4 Hasil Perbedaan Perlakuan Uji MANOVA ... 14
DAFTAR GAMBAR
Gambar 3.1Diagram Alir ... 9 Gambar 4.1 Persentase Penduduk Tinggal Di Daerah Perkotaan ... 10 Gambar 4.2 Persentase Penduduk Miskin ... 11
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pembangunan manusia adalah suatu kegiatan manusia guna memperoleh pendapatan untuk mencapai hidup yang layak, peningkatan derajat kesehatan agar membangun manusia yang sehat dan berumur panjang dan meningkatkan pendidikan. Perkembangan kualitas pembangunan manusia dapat diketahui melalui
Indeks Pembangunan Manusia (IPM). IPM dapat digunakan untuk mengukur kinerja pembangunan manusia, namun hanya dapat memperlihatkan perbandingan antar daerah. Perlu dilihat faktor-faktor yang mempengaruhi IPM tersebut. Antara lain adalah persentase penduduk tinggal di daerah perkotaan, rata-rata pendapatan perkapita dan persentase penduduk miskin (Wrihatnolo & Riant Nugroho
Dwidjowijoto, 2007).
Indikator-indikator yang mempengaruhi IPM dapat diamati menggunakan analisis multivariat yang merupakan salah satu teknik statistik yang digunakan secara luas dalam ilmu pengetahuan terapan. Analisis ini mempelajari bentuk hubungan antar variabel prediktor dengan variabel responnya yang lebih dari satu dan ada korelasi antar variabel respon yang dinyatakan dalam bentuk model linier multivariat. Sebelum melakukan uji MANOVA digunakan uji Barlett Sphericity untuk mengetahui kebebasan antar variabel serta uji homogenitas untuk memenuhi syarat varians kovarians homogen. Ada pula asumsi yang harus dipenuhi sebelum menggunakan uji MANOVA adalah asumsi distribusi normal. Memeriksa asumsi distribusi normal dapat menggunakan distribusi normal multivariat. Setelah mengetahui hasilnya barulah dilanjutkan ke uji MANOVA.
Penelitian ini menggunakan uji MANOVA ( Multivariat of Variance) guna mengetahui apakah provinsi berpengaruh terhadap persentase penduduk yang tinggal di daerah perkotaan dan persentase penduduk miskin. Setelah itu dilanjutkan ke pengujian berganda untuk mengetahui pada variabel prediktor manakah yang berpengaruh dengan variabel respon. Provinsi yang dianalisis adalah Jawa Barat,
1.2 Rumusan Masalah
Adapun permasalahan yang muncul dalam penelitian kali ini adalah sebagai berikut.
1. Bagaimana karakteristik faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur ?
2. Bagaimana pengujian asumsi MANOVA pada data faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur ?
3. Bagaimana pengujian MANOVA pada data faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur ?
4. Bagaimana pengujian perbandingan berganda LSD pada data faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur ? 1.3 Tujuan
Tujuan yang ingin dicapai dalam penelitian kali ini adalah sebagai berikut. 1. Mendeskripsikan karakteristik faktor-faktor yang mempengaruhi IPM di
Jawa Barat, Jawa Tengah, dan Jawa Timur.
2. Menguji asumsi MANOVA pada data faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur.
3. Menguji MANOVA pada data faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur.
4. Menguji perbandingan berganda LSD pada data faktor-faktor yang mempengaruhi IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur.
1.4 Manfaat
Penelitian ini diharapkan dapat digunakan sebagai batu loncatan untuk menanggulangi permasalahan yang terdapat pada IPM di Jawa Barat, Jawa Tengah, dan Jawa Timur. Setelah ditanggulangi maka masyarakat di daerah tersebut akan lebih sejahtera karena permasalahan-permasalahan yang bersifat berkala dapat diantisipasi dengan baik akibat data penelitian ini.
1.5 Batasan Masalah
Batasan masalah pada penelitian kali ini adalah diambilnya variabel Y hanya diambil 2 dari 3 variabel Y yang ada. Pembatasan variabel ini bertujuan untuk mempermudah penelitian dengan hasil penelitian yang lebih akurat.
BAB II
TINJAUAN PUSTAKA
2.1 Statistika Deskriptif
Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna tanpa menarik inferensia atau kesimpulan. Pada analisis statistika deskriptif terdapat beberapa perhitungan, yaitu mean (rata-rata), median (nilai tengah), varians, nilai minimum, dan maksimum. Mean adalah jumlah keseluruhan pada data yang diperoleh kemudian dibagi dengan banyaknya data. Median adalah sekelompok data yang telah diurutkan terlebih dahulu dari data yang terkecil hingga yang terbesar kemudian dicari nilai tengahnya. Pengamatan yang tepat ditengah-tengah bila banyaknya pengamatan itu ganjil, atau rata -rata kedua pengamatan yang ditengah bila banyaknya pengamatan itu genap. Varians digunakan untuk menentukan seberapa besar keragaman dari suatu data .Nilai maksimum adalah nilai yang memiliki tingkatan paling tinggi atau paling besar dari nilai lainnya sedangkan nilai minimum adalah nilai yang memiliki tingkatan paling kecil atau paling rendah dari nilai lainnya. Diagram batang juga merupakan salah satu dari
statistika deskriptif. Diagram batang merupakan diagram yang menunjukkan jumlah frekuensi tiap variabel. Tujuan menggunakan diagram batang adalah untuk
mempermudah menjelaskan data yang telah diperoleh (Walpole, 1995). 2.2 Distribusi Normal Multivariat
Asumsi yang harus dipenuhi adalah data harus berdistribusi normal multivariat. Variabel acak X dikatakan berdistribusi normal dengan rata-rata = µ, dan varians = ,dengan fungsi kepadatan probabilitas dari X tertentu sebagai
berikut.
xe
X
f
2 1 2 1 , -∞ < X <∞ (2.1) Grafik dari y = f(x) merupakan kurva atau garis lengkung, yang lazim dikatakan berbentuk lonceng (irisan bentuk lonceng). Pada data multivariat terli bat lebih dari satu variabel. Sekelompok variabel dikatakan berdistribusi Normalmultivariat dengan vektor rata-rata dan matriks varians-kovarians Σ jika fungsi distribusi bersama dari p variabel ditentukan dengan rumus sebagai berikut.
X X p p p e X X X f 1 ' 2 1 2 / 2 / 2 1 2 1 ,..., , (2.2)Jika X1, X2, …, X p berdistribusi normal multivariat maka
X X ' 1
berdistribusi 2 p
. Berdasarkan sifat ini maka pemeriksaan distribusi normal
multivariat dapat dilakukan dengan cara membuat q-q plot dari nilai:
X X
S X X
i n d i i i , 1,2,..., 1 ' 2 (2.3)Langkah-langkah pengujian hipotesis distibusi normal multivariat sebagai berikut.
Hipotesis :
H0 : Data mengikuti distribusi normal multivariat
H1 : Data tidak mengikuti distribusi normal multivariat
Statistik uji :
;0,5 1 ' 2 p i i i X X S X X c d (2.4)Tolak H0 jika nilai
1
;0,5' 2 p i i i X X S X X c d lebih dari 50%.
Artinya, lebih dari 50% jarak mahalanobis berada di dalam kontur normal multivariat (Morisson, 2005).
2.3 Uji
Barlett Sphericity
Variabel i, 2,..., pdikatakan bersifat saling bebas (independent) jika matriks korelasi antar variabel membentuk matriks identitas. Pengujian kebebasan antar variabel ini dapar dilakukan uji Bartlett sphericity berikut :
Hipotesis : H0 : R = I H1 : R I Statiistik uji : R p n hitung ln 6 5 2 1 2
(2.5)Terima hipotesis H0 yang berarti antar variabel bersifat saling bebas jika nilai 2 ) 1 ( 2 1 2 p p hitung
. Jika hipotesis ini yang diterima maka penggunanan metode
multivariate tidak layak terutama metode analisis komponen utama dan analisis faktor (Morisson, 2005).
2.4 Uji Homogenitas
Analisis statistika multivariate MANOVA membutuhkan syarat matriks varians-kovarians yang homogen. Syarat ini dapat dipergunakan statistik uji Box-M. Hipoteris dan statistik uji Box-M adalah (Rencer, 2002):
Hipotesis : H0 : k ... 2 1 H1 : i j untuk i j Statistik uji
k i k ii i pool i i hitung c v v 1 1 1 2 ln 2 1 ln 2 1 ) 1 ( 2 S S (2.6)
k i i k i i i pool v v 1 1 S S ;
) 1 )( 1 ( 6 1 3 2 1 1 2 1 1 1 k p p p v v c k i k i i i ;vi ni 1 (2.7)Terima hipotesis nol yang berarti matriks varians-kovarians bersifat homogen jika
2 1 ( ) 1 ( 2 1 2 p p k hitung
2.5 MANOVA (
Multivari ate Analysis of Variance
)MANOVA ( Multivariate Analysis of Variance) digunakan untuk memeriksa apakah vektor rata-rata dari populasi sama, jika tidak maka dianalisis komponen rata-rata yang tberbeda secara signifikan. Biasanya lebih dari dua populasi dibutuhkan untuk sampel acak dikumpulkan dari g populasi (Johnson &
Wichern, 2007)
Populasi 1 : X11,X12,...,X1n1
Asumsi struktur data untuk MANOVA adalah sebagai berikut.
1. xt1, xt2,..., xtnt adalah sampel acak dengan ukuran ni dari sebuah populasi
dengan mean μt dimana t=1,2,...,g. Sampel acak berasal dari populasi berbeda
yang saling independen.
2. Homogenitas matriks varians covarians ∑.
3. Data berasal dari populasi berdistribusi multivariat normal.
MANOVA menggunakan satu atau lebih variabel independen ketegorik sebagai prediktor dan menggunakan lebih dari satu variabel dependen. Uji MANOVA
menguji perbedaan vaktor mean beberapa variabel dependen.
Persamaan model MANOVA untuk mean vektor g populasi adalah : ) ( ) ( i ij i ij x x x x x x , j = 1,2,...,n dan t = 1,2,...,g (2.9)
Observasi = mean + effect treatmentn + error Hipotesis : H0 : 1 2 ... g
H1 : minimal ada satu pasang i≠ j; i ≠j
Tabel 2.1 MANOVA
Source of Variation (SOV)
Matrix of sum of Squares and cross product (SSP) Degress of freedom (d.f) Perlakuan B= ( )( )' 1 x x x x n t t g t t
g-1 Residual W =
g t t tj n j t tj x x x x t 1 1 )' ( ) ( n g g t t
1 Total B + W =
g t tj n j tj x x x x t 1 1 )' ( ) ( 1 1
g t t nDaerah penolakan : tolak H0 jika
1, ) ( ; | | | | * g n g t u W B W
Distribusi *(Wilks Lambda) dapat didekati dengan distribusi F dengan
memenuhi kriteria berikut :
Tabel 2.2Tabel Wilks Lambda
Jumlah
Variabel Jumlah Grup Distribusi Sampling
p = 1 g ≥ 2
g n g j j F g g n , 1 * * 1 1 p = 2 g ≥ 2 1
1
*
j
F g np ≥ 1 g = 2
1 , * * 1 1 p n p j j F p p n p ≥ 1 g = 3 2 ,2 2 * * 1 2
p n p j j F p p n 2.6 Penduduk MiskinPenduduk miskin dikategorikan sebagai kalangan masyarakat dengan pengeluaran per kapita per bulan di bawah garis kemiskinan. Kemiskinan adalah keadaan dimana terjadi ketidak mampuan untuk memenuhi kebutuhan dasar seperti makanan , pakaian, tempat berlindung, pendidikan dan kesehatan. Kemiskinan dapat disebabkan oleh kelangkaan alat pemenuhan kebutuhan dasar ataupun sulitnya akses terhadap pendidikan dan pekerjaan (Ahmad & Saad, 2006).
BAB III
METODOLOGI PENELITIAN
3.1 Sumber Data
Data yang digunakan pada Penelitian ini adalah data sekunder yang diperoleh dari Tesis Rita Diana mahasiswa Statistika ITS Surabaya NRP 1308201030 dengan judul “Uji Kesamaan Vektor Parameter. Studi kasus : Faktor -Faktor yang Mempengaruhi IPM tahun 2007”. Unit penelitian adalah 15 kabupaten/kota di Provinsi Jawa Barat, Jawa Tengah dan Jawa Timur. Data diambil pada hari Jumat, 11 Maret 2016.
3.2 Variabel Penelitian
Variabel respon dan variabel prediktor yang digunakan dalam praktikum ini adalah sebagai berikut.
Tabel 3.1 Variabel Respon dan Prediktor
Variabel Prediktor X
Provinsi Jawa Tengah Provinsi Jawa Barat Provinsi Jawa Timur
Variabel Respon Y Presentase Penduduk Tinggal di Daerah Perkotaan Presentase Penduduk Miskin
3.3 Langkah Analisis
Langkah analisis yang dilakukan dalam penelitian ini adalah sebagai berikut. 1. Mengumpulkan data Indeks Pembangunan Manusia
2. Mendeskripsikan karakteristik data Indeks Pembangunan Manusia
3. Melakukan pengujian asumsi MANOVA pada data Indeks Pembangunan Manusia
4. Melakukan uji MANOVA pada data Indeks Pembangunan Manusia 5. Menarik kesimpulan dan saran.
3.4 Diagram Alir
Berikut ini adalah diagram alir langkah analisis dari praktikum yang dilakukan :
Gambar 3.1Diagram Alir Langkah Analisis
Tidak Data Berdistribusi Normal Mutivariat Kesimpulan Ya Ya Data Uji Baerlett Uji Box’s M MANOVA Ya Transforma Tidak Tidak Tidak Perbandingan Berganda Ya
BAB IV
ANALISIS DAN PEMBAHASAN
4.1 Karakteristik Data Faktor-Faktor Yang Mempengaruhi IPM di Pulau Jawa Tahun 2007
Analisa statistika deskriptif dilakukan untuk mengetahui karakteristik data populasi yang dapat dilihat dari diagram batang dari variabel persentase penduduk tinggal di daerah perkotaan (Y1) dan variabel persentase penduduk miskin (Y2). Berikut
adalah hasil dari analisa statistika deskriptif
Gambar 4.1Persentase Penduduk Tinggal Di Daerah Perkotaan
Berdasarkan gambar 4.1 diketahui bahwa rata-rata persentase penduduk tinggal di daerah perkotaan tertinggi terdapat oleh Provinsi Jawa Timur dengan nilai 35,208 sedangkan nilai rata-rata persentase penduduk tinggal di daerah perkotaan terendah terdapat pada Provinsi Jawa Barat dengan nilai 25,183.
25.183 33.041 35.208 0.000 5.000 10.000 15.000 20.000 25.000 30.000 35.000 40.000
Jawa Barat Jawa Tengah Jawa Timur
Gambar 4.2Persentase Penduduk Miskin
Berdasarkan gambar 4.2 diketahui bahwa rata-rata persentase penduduk miskin tertinggi terdapat oleh Provinsi Jawa Tengah dengan nilai 23,029 sedangkan nilai rata-rata persentase penduduk tinggal di daerah perkotaan terendah terdapat pada Provinsi Jawa Barat dengan nilai 16,766.
4.2 Pengujian Asumsi MANOVA Faktor-Faktor Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007
Pengujian Asumsi MANOVA dilakukan untuk mengetahui apakah data faktor-faktor yang mempengaruhi IPM di Pulau Jawa tahun 2007 telah memenuhi asumsi korelasi, homogen dan berdistribusi normal multivariat. Berikut adalah hasil pengujian asumsi MANOVA
4.2.1 Pengujian
Bartlett Sphecirity
Persentase Penduduk Tinggal di Daerah Perkotaan dan Persentase Penduduk MiskinUji Bartlett bertujuan untuk mengetahui apakah terdapat hubungan antar variabel dalam kasus multivariat. Uji Bartlett memiliki hipotesis sebagai berikut :
H0: R=I (tidak ada korelasi antara Persentase Penduduk Tinggal di Daerah Perkotaan dengan Persentase Penduduk Miskin)
H1: R≠I(ada korelasi antara Persentase Penduduk Tinggal di Daerah Perkotaan dengan Persentase Penduduk Miskin)
Taraf signifikan: 0,05
Daerah kritis : Tolak Ho jika 2 Hitung 21/ 2 ( 1)p p atau P-value<α
16.766 23.029 19.163 0.000 5.000 10.000 15.000 20.000 25.000
Jawa Barat Jawa Tengah Jawa Timur
Tabel 4.1 Uji Bartlett Sphericity
Approx Chi-Square 5,054
Sig. 0,025
df 1
Dari hasil pengujian Bartlett Sphericity maka didapatkan hasil perhitungan P-value sebesar 0,025 dan Approx Chi-Square sebesar 5,054 yang berarti menghasilkan keputusan tolak H0karena P-value (0,025) kurang dari α(0,05) atau Approx Chi-Square
(5,054) lebih dari Chi-Square tabel (3,841), sehingga disimpulkan bahwa persentase penduduk yang tinggal di daerah perkotaan dan persentase penduduk miskin saling berkorelasi.
4.2.2 Pengujian Box’s
M
Matriks Varians Kovarians Provinsi Jawa Barat, JawaTengah, dan Jawa Timur
Beberapa analisis statistika multivariate seperti discriminant analysis dan MANOVA membutuhkan syarat matriks varians-kovarians yang homogen. Untuk menguji syarat ini dapat dipergunakan statistik uji Box’s M . Hipotesis dan statistik uji Box’s M adalah sebagai berikut :
Ho : 1 2 3 (matriks varians kovarians Provinsi Jawa Barat, Jawa Tengah,
dan Jawa Timur homogen)
H1 : i juntuk i j(minimal ada 1 matriks varians kovarians Provinsi Jawa Barat,
Jawa Tengah, dan Jawa Timur yang tidak homogen) Taraf signifikan : 0,05
Daerah kritis : Tolak Ho jika F hitung F tabel atau P-value < α
Berikut adalah hasil output Uji Box’s M dengan menggunakan software
Tabel 4.2 Uji Box’s M Box’s M 7,852 F 1,219 df1 6 df2 43964,308 Sig. 0,293 F Tabel 2,0988
Dari hasil pengujian Box’s M maka didapatkan hasil perhitungan P-value sebesar 0,293 dan nilai Box’s M sebesar 22,922, yang berarti menghasilkan keputusan gagal tolak H0karena P-value (0,293) lebih dari α(0,05) atau Fhitung(1,219) kurang dari Ftabel (2,9088),
sehingga disimpulkan bahwa matriks varians kovarians Provinsi Jawa Barat, Jawa Tengah, dan Jawa Timur telah homogen.
4.2.3 Pengujian Asumsi
Multivariate
Normal Faktor-Faktor Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007Berikut merupakan hasil pengujian distribusi normal pada data faktor-faktor yang mempengaruhi IPM di Pulau Jawa Tahun 2007 secara multivariate
Hipotesis
H0 : Data faktor-faktor yang mempengaruhi IPM di Pulau Jawa tahun 2007
memenuhi distribusi normal multivariate
H1 : Data faktor-faktor yang mempengaruhi IPM di Pulau Jawa tahun 2007
tidak memenuhi distribusi normal multivariate Taraf Signifikan : 5%
Daerah Penolakan : Tolak H0 jika r < r (n,)
Berikut adalah hasil output Uji Distribusi Normal Multivariate dengan menggunakan software
Tabel 4.3 Uji Distribusi Normal Multivariate
r n P-value
0,984 45 0,000
Hasil perhitungan dapat diketahui bahwa nilai korelasi dari dj2 dengan nilai 2
dengan derajat bebas 1-((n-j+0.5)/n) adalah 0,984. Dari perhitungan tersebut diputuskan gagal tolak H0. Hal ini dikarenakan nilai r hitung (0,984) > r tabel (0,9749). Dapat disimpulkan
bahwa data faktor-faktor yang mempengaruhi IPM di Pulau Jawa tahun 2010 memenuhi distribusi normal multivariate.
4.3 Pengujian MANOVA Faktor-Faktor Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007
MANOVA digunakan untuk menguji kesamaan vektor rata-rata dari beberapa kelompok. Dalam kasus kali ini akan diuji kesamaan rata-rata persentase penduduk yang tinggal di daerah perkotaan dan persentase penduduk miskin dari 3
provinsi yang berbeda di Pulau Jawa. Hipotesis yang digunakan dalam MANOVA adalah sebagai berikut
H0 : 1 2 3 0
H1 : minimal ada i 0dimana i = 1,2,3
Taraf signifikan : 0,05
Daerah kritis : Tolak Ho jika
1, ) ( ; * g n g t u w B w atau P-value<α
Berikut adalah hasil output Uji MANOVA dengan menggunakan software
Tabel 4.4Perbedaan Perlakuan Uji MANOVA
Wilk’s Lambda Fhitung P -value
0,528 7,704 0,000
Berdasarkan Tabel 4.4 nilai Wilk’s Lambda didapatkan nilai 0,528 dan P-value sebesar 0,000, nilai ini berarti kurang dari nilai α (0,05) yang berarti menghasilkan keputusan tolak H0dan disimpulkan bahwa tiga provinsi yang berbeda
di Pulau Jawa memberikan pengaruh yang berbeda pada persentase penduduk yang tinggal di daerah perkotaan dan persentase penduduk miskin.
4.4 Pengujian Perbandingan Berganda Faktor-Faktor Yang Mempengaruhi IPM Di Pulau Jawa Tahun 2007
Pengujian perbandingan berganda dilakukan untuk mengetahui perlakuan dari provinsi manakah yang memberi perlakuan yang berbeda pada persentase penduduk
yang tinggal di daerah perkotaan dan persentase penduduk miskin. Berikut adalah pengujian perbandingan berganda,
H0 : i j, i = 1,2,3; j = 1,2,3 H1 : i j, i ≠ j
Dimana i,j dengan 1 = Provinsi Jawa Barat, 2 = Provinsi Jawa Tengah, 3 = Provinsi Jawa Timur
Taraf signifikan : 0,05
Daerah kritis : Tolak Ho jika P-value<α (0,05)
Berikut adalah hasil output Uji Perbandingan Berganda dengan menggunakan software
Provinsi (J)
Persentase Penduduk Yang Tinggal Di Daerah Perkotaan
Jabar Jateng 0,201
Jateng Jatim 0,722
Jatim Jabar 0,105
Persentase Penduduk Miskin Jabar Jateng 0,000
Jateng Jatim 0,013
Jatim Jabar 0,114
Berdasarkan tabel 4.5 dapat diketahui bahwa pada tiga provinsi yang berbeda tidak memberikan pengaruh yang berbeda terhadap variabel persentase penduduk yang tinggal di daerah perkotaan hal ini dapat dilihat dari P-value perbandingan 3 provinsi yang lebih dari α (0,05). Pada variabel persentase penduduk miskin, perbandingan antara variabel Jawa Barat dengan Jawa Tengah dan Jawa Tengah dengan Jawa Timur memberikan perlakuan yang berbeda terhadap persentase penduduk miskin, hal ini dapat dilihat dari P-value yang kurang dari α (0,05).
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil analisis, maka kesimpulan yang dapat diambil dari penelitian ini adalah sebagai berikut :
1. Rata-rata persentase penduduk tinggal di daerah perkotaan tertinggi terdapat oleh Provinsi Jawa Timur dengan nilai 35,208 sedangkan nilai rata-rata persentase
Barat dengan nilai 25,183 dan rata-rata persentase penduduk miskin tertinggi terdapat oleh Provinsi Jawa Tengah dengan nilai 23,029 sedangkan nilai rata-rata persentase penduduk tinggal di daerah perkotaan terendah terdapat pada Provinsi
Jawa Barat dengan nilai 16,766.
2. Data telah memenuhi asumsi korelasi, homogen, dan berdistribusi normal multivariat sehingga dapat dilakukan pengujian MANOVA
3. Pada pengujian MANOVA, terdapat tiga provinsi yang berbeda di Pulau Jawa memberikan pengaruh yang berbeda pada persentase penduduk yang tinggal di daerah perkotaan dan persentase penduduk miskin
4. Pada pengujian berganda tiga provinsi yang berbeda tidak memberikan pengaruh yang berbeda terhadap variabel persentase penduduk yang tinggal
di daerah perkotaan namun pada variabel persentase penduduk miskin, perbandingan antara variabel Jawa Barat dengan Jawa Tengah dan Jawa Tengah
dengan Jawa Timur memberikan perlakuan yang berbeda.
5.2 Saran
Saran dalam penelitian ini ada beberapa kendala yang ditemui antara lain terbatasnya sumber data yang berhubungan dengan uji MANOVA. Oleh karena i tu, jika ingin melakukan penelitian seperti ini lagi disarankan agar lebih terampil, teliti
dan sabar dalam mencari data sekunder, pengamatan, analisis, perhitungan dan pengambilan keputusan
DAFTAR PUSTAKA
Ahmad, I., & Saad, I. (2006). Kajian Implementasi Kebijakan Trilogi Pembangunan di Indonesia. Jakarta: PT Elex Media Komputindo.
Alan. (2006). Ekonomi untuk SMA dan MA kelas X. Bandung: Esis.
Johnson, R. A., & Wichern, D. W. (2007). Applied Multivariat Statistical Analysis. Upper Saddle River: Person Education, inc.
Morisson, D. F. (2005). Multivariat Statistical Methods. Aukland: Mac_Graw Hill.
Rencer, A. C. (2002). Methods of Multivariate Analysis. Canada: John Wiley & Sons, inc. Walpole, E. (1995). Pengantar Metode Statistika. Jakarta: PT Gramedia Pustaka Utama. Wrihatnolo, R. R., & Riant Nugroho Dwidjowijoto. (2007). Manajemen Pemberdayaan.
LAMPIRAN
Lampiran 1. Sumber data
NO X Y1 Y2 NO X Y1 Y2 1 1 46.73 13.1 24 2 27.47 18.06 2 1 17.98 15.98 25 2 67.1 22.27 3 1 12.93 18.49 26 2 72.66 14.02 4 1 58.43 13.14 27 2 17.28 24.44 5 1 22.64 19.31 28 2 46.78 17.39 6 1 9.69 18.15 29 2 14.57 25.14 7 1 13.83 13.94 30 2 31.15 21.24 8 1 19.68 17.58 31 3 12.94 23.31 9 1 51.18 19.07 32 3 25.72 18.23 10 1 23.95 19.77 33 3 24.22 22.79 11 1 18.77 15.63 34 3 43.08 17.83 12 1 20.45 20.96 35 3 25.4 16.47 13 1 13.44 16.84 36 3 39.22 18.98 14 1 26.04 14.7 37 3 40.75 15.66 15 1 22.01 14.83 38 3 21.88 20.09 16 2 28.79 22.59 39 3 38.18 18.57 17 2 46.96 22.46 40 3 36.51 15.33 18 2 25.96 30.24 41 3 23.68 24.23 19 2 19.17 27.18 42 3 38.69 15.6 20 2 26.54 30.25 43 3 29.9 27.43 21 2 27.63 20.49 44 3 40 19.88 22 2 17.05 32.29 45 3 87.95 13.05 23 2 26.5 17.37 Keterangan : Variabel Prediktor (Grup)
1 = Provinsi Jawa Barat 2 = Provinsi Jawa Tengah 3 = Provinsi Jawa Timur Variabel
Respon
y1 = Persentase penduduk tinggal di daerah perkotaan
y3 = Persentase penduduk miskin
Lampiran 2 Output Uji Box’s M, Uji Bartlet, Uji MANOVA dan Uji Perbandingan Berganda
Box's M 7.852
F 1.219
df1 6
df2 43964.308
Sig. .293
Tests the null hypothesis that the observed
covariance matrices of the dependent variables are equal across groups. a. Design: Intercept + X
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Intercept
Pillai's Trace .982 1113.291b 2.000 41.000 .000
Wilks' Lambda .018 1113.291b 2.000 41.000 .000
Hotelling's Trace 54.307 1113.291b 2.000 41.000 .000
Roy's Largest Root 54.307 1113.291b 2.000 41.000 .000
X
Pillai's Trace .485 6.722 4.000 84.000 .000
Wilks' Lambda .528 7.704b 4.000 82.000 .000
Hotelling's Trace .868 8.677 4.000 80.000 .000
Roy's Largest Root .838 17.592c 2.000 42.000 .000
a. Design: Intercept + X b. Exact statistic
c. The statistic is an upper bound on F that yields a lower bound on the significance level. Tests of Between-Subjects Effects
Source Dependent
Variable
Type III Sum of Squares df Mean Square F Sig. Corrected Model Y1 834.645a 2 417.322 1.523 .230 Y2 299.545b 2 149.773 9.044 .001 Intercept Y1 43647.693 1 43647.693 159.248 .000 Y2 17380.229 1 17380.229 1049.554 .000 X Y1 834.645 2 417.322 1.523 .230 Y2 299.545 2 149.773 9.044 .001 Error Y1 11511.591 42 274.086 Y2 695.504 42 16.560 Total Y1 55993.929 45 Y2 18375.278 45 Corrected Total Y1 12346.236 44 Y2 995.049 44
a. R Squared = .068 (Adjusted R Squared = .023) b. R Squared = .301 (Adjusted R Squared = .268)
Between-Subjects SSCP Matrix Y1 Y2 Hypothesis Intercept Y1 43647.693 27542.819 Y2 27542.819 17380.229 X Y1 834.645 324.314 Y2 324.314 299.545 Error Y1 11511.591 -1497.936 Y2 -1497.936 695.504
Based on Type III Sum of Squares
Multiple Comparisons LSD Dependent Variable (I) X (J) X Mean Difference (I-J) Std. Error
Sig. 95% Confidence Interval
Lower Bound Upper Bound Y1 Jabar Jateng -7.8573 6.04522 .201 -20.0571 4.3424 Jatim -10.0247 6.04522 .105 -22.2244 2.1751 Jateng Jabar 7.8573 6.04522 .201 -4.3424 20.0571 Jatim -2.1673 6.04522 .722 -14.3671 10.0324 Jatim Jabar 10.0247 6.04522 .105 -2.1751 22.2244 Jateng 2.1673 6.04522 .722 -10.0324 14.3671 Y2 Jabar Jateng -6.2627* 1.48592 .000 -9.2614 -3.2640 Jatim -2.3973 1.48592 .114 -5.3960 .6014 Jateng Jabar 6.2627* 1.48592 .000 3.2640 9.2614 Jatim 3.8653* 1.48592 .013 .8666 6.8640 Jatim Jabar 2.3973 1.48592 .114 -.6014 5.3960 Jateng -3.8653* 1.48592 .013 -6.8640 -.8666
Based on observed means.
The error term is Mean Square(Error) = 16.560. *. The mean difference is significant at the .05 level.
Lampiran 3 Output Uji Distribusi Normal Multivariat Dj2 Dj2 Urut j 1-((n- j+0.5)/93) Chisquare 2.146457 0.056622 1 0.011111111 0.022347 1.825099 0.125575 2 0.033333333 0.067803 1.599434 0.184958 3 0.055555556 0.114317 3.418223 0.200426 4 0.077777778 0.161938 0.323714 0.23289 5 0.1 0.210721 2.265179 0.235913 6 0.122222222 0.260724 3.765057 0.29195 7 0.144444444 0.312008 0.966445 0.315641 8 0.166666667 0.364643 1.517703 0.323714 9 0.188888889 0.4187 0.200426 0.336439 10 0.211111111 0.47426 1.891791 0.386467 11 0.233333333 0.531406 0.411777 0.411777 12 0.255555556 0.590234 2.123551 0.446438 13 0.277777778 0.650845 1.565517 0.476952 14 0.3 0.71335 1.91028 0.53131 15 0.322222222 0.777872 0.386467 0.756966 16 0.344444444 0.844544 1.816958 0.801158 17 0.366666667 0.913517 5.170666 0.809996 18 0.388888889 0.984953 2.543946 0.826538 19 0.411111111 1.059036 5.216135 0.901318 20 0.433333333 1.135968 0.056622 0.943593 21 0.455555556 1.215979 7.064499 0.966445 22 0.477777778 1.299324 0.446438 1.284481 23 0.5 1.386294 0.235913 1.365915 24 0.522222222 1.477219 6.421496 1.517703 25 0.544444444 1.572475 6.284157 1.565517 26 0.566666667 1.672496 1.284481 1.599434 27 0.588888889 1.777784 0.901318 1.741077 28 0.611111111 1.888923 1.741077 1.816958 29 0.633333333 2.006604 0.125575 1.825099 30 0.655555556 2.131645 1.365915 1.891791 31 0.677777778 2.265028 0.29195 1.91028 32 0.7 2.407946 0.476952 2.123551 33 0.722222222 2.561868 0.53131 2.146457 34 0.744444444 2.728631 Correlations: Dj2 Urut, Chisquare
Pearson correlation of Dj2 Urut and Chisquare = 0.984
0.23289 2.543946 36 0.788888889 3.110741 0.801158 2.927018 37 0.811111111 3.333193 0.315641 3.418223 38 0.833333333 3.583519 0.184958 3.765057 39 0.855555556 3.869721 0.826538 5.170666 40 0.877777778 4.203829 0.943593 5.216135 41 0.9 4.60517 0.756966 6.284157 42 0.922222222 5.107799 2.927018 6.421496 43 0.944444444 5.780744 0.336439 7.064499 44 0.966666667 6.802395 11.57227 11.57227 45 0.988888889 8.999619
Correlations: Dj2 Urut, Chisquare
Pearson correlation of Dj2 Urut and Chisquare = 0.984