ANALISIS MULTIVARIAT VARIANS (MANOVA) DAN ANALISIS VARIANS ANALISIS MULTIVARIAT VARIANS (MANOVA) DAN ANALISIS VARIANS
(ANOVA) (ANOVA)
Analisis multivariat varians (MANOVA) merupakan perluasan dari analisis varians
Analisis multivariat varians (MANOVA) merupakan perluasan dari analisis varians
(ANOVA) yang dimana berkaitan dengan lebih dari satu variabel dependen. Ini adalah teknik
(ANOVA) yang dimana berkaitan dengan lebih dari satu variabel dependen. Ini adalah teknik
untuk mengukur perbedaan antara dua atau lebih variabel dependen metrik berdasarkan satu
untuk mengukur perbedaan antara dua atau lebih variabel dependen metrik berdasarkan satu
kategoris (nonmetric) variabel yang bertindak sebagai variabel independen. Seperti ANOVA,
kategoris (nonmetric) variabel yang bertindak sebagai variabel independen. Seperti ANOVA,
MANOVA berkaitan dengan perbedaan antara kelompok. ANOVA disebut prosedur univariat
MANOVA berkaitan dengan perbedaan antara kelompok. ANOVA disebut prosedur univariat
karena kita menggunakannya untuk menilai perbedaan kelompok pada variabel dependen satu
karena kita menggunakannya untuk menilai perbedaan kelompok pada variabel dependen satu
metrik. MANOVA disebut prosedur multivariat karena kita menggunakannya untuk menilai
metrik. MANOVA disebut prosedur multivariat karena kita menggunakannya untuk menilai
perbedaan kelompok di beberapa variabel dependen metrik secara bersamaan. Pada MANOVA,
perbedaan kelompok di beberapa variabel dependen metrik secara bersamaan. Pada MANOVA,
perlakuan masing-masing kelompok yang diamati pada dua atau lebih variabel dependen.
perlakuan masing-masing kelompok yang diamati pada dua atau lebih variabel dependen.
Konsep analisis multivariat varians diperkenalkan lebih dari 70 tahun yang lalu oleh Wilks.
Konsep analisis multivariat varians diperkenalkan lebih dari 70 tahun yang lalu oleh Wilks.
Namun, itu tidak sampai pengembangan statistik uji yang sesuai dengan distribusi yang diajukan.
Namun, itu tidak sampai pengembangan statistik uji yang sesuai dengan distribusi yang diajukan.
ANOVA dan MANOVA sangat berguna bila digunakan dalam hubungannya dengan desain
ANOVA dan MANOVA sangat berguna bila digunakan dalam hubungannya dengan desain
eksperimental, yaitu, penelitian desain di mana peneliti secara langsung mengontrol atau
eksperimental, yaitu, penelitian desain di mana peneliti secara langsung mengontrol atau
memanipulasi satu atau lebih variabel independen untuk menentukan efek pada variabel
memanipulasi satu atau lebih variabel independen untuk menentukan efek pada variabel
dependen. ANOVA dan MANOVA menyediakan alat yang diperlukan untuk menilai efek yang
dependen. ANOVA dan MANOVA menyediakan alat yang diperlukan untuk menilai efek yang
diamati (misalnya, apakah perbedaan yang diamati adalah karena efek perlakuannya atau
diamati (misalnya, apakah perbedaan yang diamati adalah karena efek perlakuannya atau
variabilitas random sampling). Namun, MANOVA juga memiliki peran dalam desain
variabilitas random sampling). Namun, MANOVA juga memiliki peran dalam desain
noneksperimental (misalnya, survey penelitian) di mana kelompok-kelompok kepentingan
noneksperimental (misalnya, survey penelitian) di mana kelompok-kelompok kepentingan
(misalnya, jenis kelamin, pembeli / nonpembeli) didefinisikan dan kemudian perbedaan pada
(misalnya, jenis kelamin, pembeli / nonpembeli) didefinisikan dan kemudian perbedaan pada
sejumlah variabel metrik (misalnya, sikap, kepuasan, tingkat pembelian ) yang dinilai untuk
sejumlah variabel metrik (misalnya, sikap, kepuasan, tingkat pembelian ) yang dinilai untuk
signifikansi statistik.
signifikansi statistik.
MANOVA: Memperluas Metode univariat Untuk Menilai Perbedaan
MANOVA: Memperluas Metode univariat Untuk Menilai Perbedaan GrupGrup
Banyak teknik multivariat merupakan perluasan dari teknik univariate, seperti dalam kasus
Banyak teknik multivariat merupakan perluasan dari teknik univariate, seperti dalam kasus
regresi berganda, yang diperpanjang regresi sederhana (dengan hanya satu variabel independen)
regresi berganda, yang diperpanjang regresi sederhana (dengan hanya satu variabel independen)
untuk analisis multivariat di mana dua atau lebih variabel independen dapat digunakan. Situasi
untuk analisis multivariat di mana dua atau lebih variabel independen dapat digunakan. Situasi
yang sama ditemukan dalam menganalisis perbedaan kelompok. Prosedur ini diklasifikasikan
sebagai univariat bukan karena jumlah variabel dependen. Dalam regresi berganda, istilah
sebagai univariat bukan karena jumlah variabel dependen. Dalam regresi berganda, istilah
univariat dan multivariat mengacu pada jumlah variabel independen, tetapi untuk ANOVA dan
univariat dan multivariat mengacu pada jumlah variabel independen, tetapi untuk ANOVA dan
MANOVA, terminologi berlaku untuk penggunaan variabel dependen tunggal atau ganda. Kedua
MANOVA, terminologi berlaku untuk penggunaan variabel dependen tunggal atau ganda. Kedua
teknik ini telah lama dikaitkan dengan analisis desain eksperimental.
teknik ini telah lama dikaitkan dengan analisis desain eksperimental.
Teknik-teknik univariat digunakan untuk menganalisis perbedaan kelompok adalah t-test
Teknik-teknik univariat digunakan untuk menganalisis perbedaan kelompok adalah t-test
(2-group) dan analisis varians (ANOVA) untuk 2 atau lebih kelompok. The
group) dan analisis varians (ANOVA) untuk 2 atau lebih kelompok. The t-test t-test dandan Hotelling Hotelling 's's
T2 digambarkan sebagai kasus khusus bahwa mereka terbatas untuk menilai hanya dua
T2 digambarkan sebagai kasus khusus bahwa mereka terbatas untuk menilai hanya dua
kelompok (kategori) untuk variabel independen, sedangkan ANOVA dan MANOVA juga dapat
kelompok (kategori) untuk variabel independen, sedangkan ANOVA dan MANOVA juga dapat
menangani situasi dua kelompok di mana variabel independen memiliki lebih dari dua
menangani situasi dua kelompok di mana variabel independen memiliki lebih dari dua
kelompok.
kelompok.
t-Test
t-Test
t-Test
t-Test menilai perbedaan signifikansi statistik antara dua sampel independen yaitu variabelmenilai perbedaan signifikansi statistik antara dua sampel independen yaitu variabel
dependen tunggal.
dependen tunggal.
Analisis Desain
Analisis Desain. Perbedaan nilai rata-rata kelompok adalah hasil dari pengamatan (misalnya,. Perbedaan nilai rata-rata kelompok adalah hasil dari pengamatan (misalnya,
responden) ke salah satu dari dua kelompok berdasarkan nilai dari variabel nonmetric yang
responden) ke salah satu dari dua kelompok berdasarkan nilai dari variabel nonmetric yang
dikenal sebagai suatu faktor. Faktor A adalah variabel nonmetric, berkali-kali digunakan dalam
dikenal sebagai suatu faktor. Faktor A adalah variabel nonmetric, berkali-kali digunakan dalam
desain eksperimental di mana itu dimanipulasi dengan kategori atau tingkat yang diusulkan
desain eksperimental di mana itu dimanipulasi dengan kategori atau tingkat yang diusulkan
untuk mencerminkan perbedaan dalam variabel dependen. Faktor A juga bisa saja menjadi
untuk mencerminkan perbedaan dalam variabel dependen. Faktor A juga bisa saja menjadi
variabel nonmetric, seperti jenis kelamin.
variabel nonmetric, seperti jenis kelamin.
Menghitung Statistik t
Menghitung Statistik t. Ukuran yang digunakan adalah statistik t, didefinisikan dalam hal ini. Ukuran yang digunakan adalah statistik t, didefinisikan dalam hal ini
sebagai rasio perbedaan antara sampel yang berarti kesalahan standar mereka. Kesalahan standar
sebagai rasio perbedaan antara sampel yang berarti kesalahan standar mereka. Kesalahan standar
estimasi perbedaan antara sarana diharapkan karena kesalahan sampling. Jika perbedaan yang
estimasi perbedaan antara sarana diharapkan karena kesalahan sampling. Jika perbedaan yang
sebenarnya antara sarana kelompok cukup besar dari standar kesalahan, maka kita dapat
sebenarnya antara sarana kelompok cukup besar dari standar kesalahan, maka kita dapat
menyimpulkan bahwa perbedaan ini secara statistik adalah signifikan.
menyimpulkan bahwa perbedaan ini secara statistik adalah signifikan.
Menafsirkan Statistik t
Menafsirkan Statistik t. Berapa besar nilai t harus menjadi pertimbangan perbedaan signifikan. Berapa besar nilai t harus menjadi pertimbangan perbedaan signifikan
secara statistik (misalnya, perbedaan itu bukan karena variabilitas sampling, namun merupakan
secara statistik (misalnya, perbedaan itu bukan karena variabilitas sampling, namun merupakan
perbedaan yang benar)? Penentuan ini dilakukan dengan membandingkan statistik t dengan nilai
kritis dari statistik t (t
kritis dari statistik t (tcritcrit). Kami menentukan perbedaan nilai kritis (t). Kami menentukan perbedaan nilai kritis (tcritcrit) untuk statistik t dan uji) untuk statistik t dan uji
signifikansi statistik yang diamati dengan prosedur berikut:
signifikansi statistik yang diamati dengan prosedur berikut:
1.
1. Menghitung statistik t sebagai rasio perbedaan antara sarana standar sampel kesalahanMenghitung statistik t sebagai rasio perbedaan antara sarana standar sampel kesalahan
mereka.
mereka.
2.
2. Menentukan tingkat kesalahan tipe I (dilambangkan sebagai alpha, atau tingkatMenentukan tingkat kesalahan tipe I (dilambangkan sebagai alpha, atau tingkat
signifikansi), yang menunjukkan tingkat probabilitas.
signifikansi), yang menunjukkan tingkat probabilitas.
3.
3. Menentukan nilai kritis (tMenentukan nilai kritis (tcritcrit) dengan mengacu pada distribusi t dengan N1+N2-2 derajat) dengan mengacu pada distribusi t dengan N1+N2-2 derajat
kebebasan dan tingkat tertentu, di mana N1 dan N2 adalah ukuran sampel. Meskipun
kebebasan dan tingkat tertentu, di mana N1 dan N2 adalah ukuran sampel. Meskipun
peneliti dapat menggunakan tabel statistik untuk menemukan nilai yang tepat, nilai-nilai
peneliti dapat menggunakan tabel statistik untuk menemukan nilai yang tepat, nilai-nilai
khas beberapa digunakan ketika ukuran sampel total setidaknya lebih besar dari 50.
khas beberapa digunakan ketika ukuran sampel total setidaknya lebih besar dari 50.
4.
4. Jika nilai absolut dari statistik t dihitung melebihi tJika nilai absolut dari statistik t dihitung melebihi tcritcrit, peneliti dapat menyimpulkan, peneliti dapat menyimpulkan
bahwa kedua kelompok melakukan perbedaan dimana berarti ukuran kelompok
bahwa kedua kelompok melakukan perbedaan dimana berarti ukuran kelompok
tergantung dengan kesalahan Tipe I probabilitas alpha. Peneliti kemudian dapat
tergantung dengan kesalahan Tipe I probabilitas alpha. Peneliti kemudian dapat
memeriksa penelitian yang sebenarnya dengan nilai rata-rata yang sebenarnya untuk
memeriksa penelitian yang sebenarnya dengan nilai rata-rata yang sebenarnya untuk
menentukan kelompok mana yang lebih tinggi.
menentukan kelompok mana yang lebih tinggi.
The t-test secara luas digunakan karena bekerja dengan ukuran kelompok kecil dan cukup
The t-test secara luas digunakan karena bekerja dengan ukuran kelompok kecil dan cukup
mudah untuk menerapkan dan menafsirkannya. Terdapat pula beberapa keterbatasan: (1) hanya
mudah untuk menerapkan dan menafsirkannya. Terdapat pula beberapa keterbatasan: (1) hanya
menampung dua kelompok, dan (2) hanya dapat menilai satu variabel independen pada suatu
menampung dua kelompok, dan (2) hanya dapat menilai satu variabel independen pada suatu
waktu. Untuk menghapus salah satu atau kedua pembatasan, peneliti dapat memanfaatkan
waktu. Untuk menghapus salah satu atau kedua pembatasan, peneliti dapat memanfaatkan
analisis varians, yang dapat menguji variabel independen dengan lebih dari dua kelompok serta
analisis varians, yang dapat menguji variabel independen dengan lebih dari dua kelompok serta
secara bersamaan menilai dua atau lebih variabel independen.
secara bersamaan menilai dua atau lebih variabel independen.
Analisis Desain
Analisis Desain. ANOVA memberikan fleksibilitas yang lebih jauh dalam pengujian untuk . ANOVA memberikan fleksibilitas yang lebih jauh dalam pengujian untuk
perbedaan kelompok daripada yang ditemukan dalam uji t-. Meskipun t-test dapat dilakukan
perbedaan kelompok daripada yang ditemukan dalam uji t-. Meskipun t-test dapat dilakukan
dengan ANOVA, peneliti juga memiliki kemampuan untuk menguji perbedaan antara lebih dari
dengan ANOVA, peneliti juga memiliki kemampuan untuk menguji perbedaan antara lebih dari
dua kelompok serta uji lebih dari satu variabel independen. Faktor yang tidak terbatas hanya dua
dua kelompok serta uji lebih dari satu variabel independen. Faktor yang tidak terbatas hanya dua
tingkat, tetapi dapat memiliki berbagai tingkatan (kelompok) seperti yang diinginkan. Selain itu,
tingkat, tetapi dapat memiliki berbagai tingkatan (kelompok) seperti yang diinginkan. Selain itu,
kemampuan untuk menganalisa lebih dari satu variabel independen memungkinkan peneliti lebih
kemampuan untuk menganalisa lebih dari satu variabel independen memungkinkan peneliti lebih
analitis hanya pada satu variabel independen.
Pengujian Statistik
Pengujian Statistik. Sebagai analisis varians nama menyiratkan, dua perkiraan independen dari. Sebagai analisis varians nama menyiratkan, dua perkiraan independen dari
varians untuk variabel dependen yang dibandingkan. Yang pertama mencerminkan variabilitas
varians untuk variabel dependen yang dibandingkan. Yang pertama mencerminkan variabilitas
responden umum dalam kelompok (MS
responden umum dalam kelompok (MSWW) dan yang kedua merupakan perbedaan antara) dan yang kedua merupakan perbedaan antara
kelompok disebabkan oleh efek pengobatan (MS
kelompok disebabkan oleh efek pengobatan (MSBB):): 1.
1. Dalam kelompok varians (MSDalam kelompok varians (MSWW: mean square dalam kelompok): Ini perkiraan variabilitas: mean square dalam kelompok): Ini perkiraan variabilitas responden rata-rata pada variabel dependen dalam kelompok perlakuan didasarkan pada
responden rata-rata pada variabel dependen dalam kelompok perlakuan didasarkan pada
penyimpangan dari nilai individu dari cara masing-masing kelompok. MS
penyimpangan dari nilai individu dari cara masing-masing kelompok. MSWW sebandingsebanding
dengan standar kesalahan antara dua cara yang dihitung dalam uji t karena merupakan
dengan standar kesalahan antara dua cara yang dihitung dalam uji t karena merupakan
variabilitas dalam kelompok. MS
variabilitas dalam kelompok. MSWWkadang-kadang disebut sebagai kesalahan varians.kadang-kadang disebut sebagai kesalahan varians. 2.
2. Antara perkiraan kelompok varians (MSAntara perkiraan kelompok varians (MSBB: mean square antara kelompok-kelompok):: mean square antara kelompok-kelompok): Perkiraan kedua varians adalah variabilitas dari kelompok perlakuan yang berarti terdapat
Perkiraan kedua varians adalah variabilitas dari kelompok perlakuan yang berarti terdapat
pada variabel dependen. Hal ini didasarkan pada penyimpangan kelompok dimana dari
pada variabel dependen. Hal ini didasarkan pada penyimpangan kelompok dimana dari
semua nilai mean secara kesuluruhan. Di bawah hipotesis nol tidak ada efek perlakuan,
semua nilai mean secara kesuluruhan. Di bawah hipotesis nol tidak ada efek perlakuan,
perkiraan ini varians, seperti MS
perkiraan ini varians, seperti MSWW mencerminkan efek perlakuan, yaitu, perbedaanmencerminkan efek perlakuan, yaitu, perbedaan
perlakuan yang berarti meningkatkan nilai diharapkan dari MS
perlakuan yang berarti meningkatkan nilai diharapkan dari MSBB..
Menghitung Statistik F
Menghitung Statistik F. Rasio MS. Rasio MSBBuntuk MSuntuk MSWW adalah ukuran dari berapa banyak varians yangadalah ukuran dari berapa banyak varians yang
disebabkan oleh perlakuan yang berbeda dibandingkan dengan varians yang diharapkan dari
disebabkan oleh perlakuan yang berbeda dibandingkan dengan varians yang diharapkan dari
random sampling. Rasio MS
random sampling. Rasio MSBB ke MSke MSWWmirip dalam konsep dengan nilai t, tetapi dalam kasus inimirip dalam konsep dengan nilai t, tetapi dalam kasus ini
memberikan kita suatu nilai statistik F.
memberikan kita suatu nilai statistik F.
Karena perbedaan antara kelompok yang mengembangkan MS
Karena perbedaan antara kelompok yang mengembangkan MSBB, nilai besar memimpin, nilai besar memimpin
statistik F untuk penolakan hipotesis nol tidak ada perbedaan berarti pada seluruh kelompok. Jika
statistik F untuk penolakan hipotesis nol tidak ada perbedaan berarti pada seluruh kelompok. Jika
analisis memiliki beberapa perlakuan yang berbeda (variabel independen), maka perkiraan MS
analisis memiliki beberapa perlakuan yang berbeda (variabel independen), maka perkiraan MS BB
dihitung untuk setiap perlakuan dan statistik F dihitung juga untuk setiap perlakuan. Pendekatan
dihitung untuk setiap perlakuan dan statistik F dihitung juga untuk setiap perlakuan. Pendekatan
ini memungkinkan untuk penilaian yang terpisah dari masing-masing perlakuan.
ini memungkinkan untuk penilaian yang terpisah dari masing-masing perlakuan.
Menafsirkan Statistik F
Menafsirkan Statistik F. Untuk menentukan apakah statistik F cukup besar untuk mendukung. Untuk menentukan apakah statistik F cukup besar untuk mendukung
penolakan hipotesis nol (berarti bahwa perbedaan yang hadir antara kelompok), mengikuti proses
penolakan hipotesis nol (berarti bahwa perbedaan yang hadir antara kelompok), mengikuti proses
yang sama dengan uji t:
yang sama dengan uji t: 1.
1. Tentukan nilai kritis untuk statistik F (FTentukan nilai kritis untuk statistik F (Fcritcrit) dengan mengacu pada distribusi F dengan (k-) dengan mengacu pada distribusi F dengan (k-1) dan
kelompok). Seperti dengan uji t, seorang peneliti dapat menggunakan nilai F tertentu
kelompok). Seperti dengan uji t, seorang peneliti dapat menggunakan nilai F tertentu
sebagai pedoman umum ketika ukuran sampel yang relatif besar.
sebagai pedoman umum ketika ukuran sampel yang relatif besar. 2.
2. Hitung statistik f atau menemukan nilai F yang dihitung oleh program komputer.Hitung statistik f atau menemukan nilai F yang dihitung oleh program komputer. 3.
3. Jika nilai statistik F dihitung melebihi FJika nilai statistik F dihitung melebihi Fcritcritdisimpulkan bahwa sarana di semua kelompok disimpulkan bahwa sarana di semua kelompok tidak semua sama. Sekali lagi, program komputer memberikan nilai F dan tingkat
tidak semua sama. Sekali lagi, program komputer memberikan nilai F dan tingkat
signifikansi yang terkait, sehingga peneliti langsung dapat menilai apakah memenuhi
signifikansi yang terkait, sehingga peneliti langsung dapat menilai apakah memenuhi
tingkat yang dapat diterima.
tingkat yang dapat diterima.
Pemeriksaan kelompok berarti memungkinkan peneliti untuk menilai relatif masing-masing
Pemeriksaan kelompok berarti memungkinkan peneliti untuk menilai relatif masing-masing
kelompok pada ukuran. Meskipun uji statistik F menilai hipotesis nol adalah sarana yang sama,
kelompok pada ukuran. Meskipun uji statistik F menilai hipotesis nol adalah sarana yang sama,
itu tidak menjawab pertanyaan yang berarti berbeda. Misalnya, dalam situasi tiga kelompok,
itu tidak menjawab pertanyaan yang berarti berbeda. Misalnya, dalam situasi tiga kelompok,
ketiga kelompok dapat berbeda secara signifikan, atau dua mungkin sama tetapi berbeda dari
ketiga kelompok dapat berbeda secara signifikan, atau dua mungkin sama tetapi berbeda dari
ketiganya. Untuk menilai perbedaan ini, peneliti dapat menggunakan baik perbandingan
ketiganya. Untuk menilai perbedaan ini, peneliti dapat menggunakan baik perbandingan
direncanakan atau posting tes hoc. Kami memeriksa setiap metode tersebut pada bagian
direncanakan atau posting tes hoc. Kami memeriksa setiap metode tersebut pada bagian
selanjutnya.
selanjutnya.
Prosedur Multivariate Untuk Menilai Perbedaan Grup Prosedur Multivariate Untuk Menilai Perbedaan Grup
Sebagai prosedur inferensi statistik, baik teknik univariat (t test dan ANOVA) dan ekstensi
Sebagai prosedur inferensi statistik, baik teknik univariat (t test dan ANOVA) dan ekstensi
multivariat mereka (Hotelling T2 ini dan MANOVA) digunakan untuk menilai signifikansi
multivariat mereka (Hotelling T2 ini dan MANOVA) digunakan untuk menilai signifikansi
statistik perbedaan antara kelompok. Dalam uji t dan ANOVA, hipotesis nol diuji adalah
statistik perbedaan antara kelompok. Dalam uji t dan ANOVA, hipotesis nol diuji adalah
kesetaraan sarana tunggal variabel dependen seluruh kelompok. Dalam teknik multivariat,
kesetaraan sarana tunggal variabel dependen seluruh kelompok. Dalam teknik multivariat,
hipotesis nol diuji adalah persamaan vektor sarana pada beberapa variabel dependen seluruh
hipotesis nol diuji adalah persamaan vektor sarana pada beberapa variabel dependen seluruh
kelompok.
kelompok.
Perbedaan Antara MANOVA dan Analisis Diskriminan
Perbedaan Antara MANOVA dan Analisis Diskriminan. Kami mencatat sebelumnya bahwa. Kami mencatat sebelumnya bahwa
dalam pengujian statistik, MANOVA menggunakan fungsi diskriminan, yang merupakan variate
dalam pengujian statistik, MANOVA menggunakan fungsi diskriminan, yang merupakan variate
variabel dependen yang memaksimalkan perbedaan antara kelompok. Pertanyaan yang mungkin
variabel dependen yang memaksimalkan perbedaan antara kelompok. Pertanyaan yang mungkin
timbul: Apa perbedaan antara MANOVA dan analisis diskriminan? Variabel dependen dalam
timbul: Apa perbedaan antara MANOVA dan analisis diskriminan? Variabel dependen dalam
MANOVA (satu set variabel metrik) adalah variabel independen dalam analisis diskriminan, dan
MANOVA (satu set variabel metrik) adalah variabel independen dalam analisis diskriminan, dan
variabel dependen tunggal nonmetric analisis diskriminan menjadi variabel independen di
variabel dependen tunggal nonmetric analisis diskriminan menjadi variabel independen di
MANOVA. Selain itu, keduanya menggunakan metode yang sama dalam membentuk dan
MANOVA. Selain itu, keduanya menggunakan metode yang sama dalam membentuk dan
menilai signifikansi variat statistik antara kelompok.
Perbedaannya, bagaimanapun, berpusat sekitar objectivitas dari analisis dan peran variabel
Perbedaannya, bagaimanapun, berpusat sekitar objectivitas dari analisis dan peran variabel
nonmetric:
nonmetric:
1.
1. Analisis diskriminan mempekerjakan variabel nonmetric tunggal sebagai variabelAnalisis diskriminan mempekerjakan variabel nonmetric tunggal sebagai variabel
dependen. Kategori variabel dependen diasumsikan seperti yang diberikan, dan variabel
dependen. Kategori variabel dependen diasumsikan seperti yang diberikan, dan variabel
independen yang digunakan untuk membentuk variates yang maksimal berbeda antara
independen yang digunakan untuk membentuk variates yang maksimal berbeda antara
kelompok yang dibentuk oleh kategori variabel dependen.
kelompok yang dibentuk oleh kategori variabel dependen.
2.
2. MANOVA menggunakan variabel metrik sebagai variabel dependen dan tujuannyaMANOVA menggunakan variabel metrik sebagai variabel dependen dan tujuannya
menemukan kelompok responden yang menunjukkan perbedaan pada variabel dependen.
menemukan kelompok responden yang menunjukkan perbedaan pada variabel dependen.
Kelompok-kelompok responden tidak diklasifikasi, melainkan, peneliti menggunakan
Kelompok-kelompok responden tidak diklasifikasi, melainkan, peneliti menggunakan
satu atau lebih variabel independen (variabel nonmetric) untuk membentuk kelompok.
satu atau lebih variabel independen (variabel nonmetric) untuk membentuk kelompok.
MANOVA, bahkan ketika membentuk kelompok-kelompok ini, masih mempertahankan
MANOVA, bahkan ketika membentuk kelompok-kelompok ini, masih mempertahankan
kemampuan untuk menilai dampak dari masing-masing variabel nonmetric secara
kemampuan untuk menilai dampak dari masing-masing variabel nonmetric secara
terpisah
terpisah
Perbedaan Dari Analisis Diskriminan Perbedaan Dari Analisis Diskriminan
Meskipun MANOVA mengkonstruksi variate dan menganalisis perbedaan dalam cara yang
Meskipun MANOVA mengkonstruksi variate dan menganalisis perbedaan dalam cara yang
mirip dengan analisis diskriminan, kedua teknik sangat berbeda dalam bagaimana kelompok
mirip dengan analisis diskriminan, kedua teknik sangat berbeda dalam bagaimana kelompok
dibentuk dan dianalisis. Mari kita gunakan contoh ini untuk menggambarkan
dibentuk dan dianalisis. Mari kita gunakan contoh ini untuk menggambarkan
perbedaan-perbedaan ini:
perbedaan ini:
1.
1. Dengan analisis diskriminan, kita hanya bisa menguji perbedaan antara empat kelompok,Dengan analisis diskriminan, kita hanya bisa menguji perbedaan antara empat kelompok,
tanpa membedakan karakteristik suatu kelompok (jenis produk atau status pelanggan).
tanpa membedakan karakteristik suatu kelompok (jenis produk atau status pelanggan).
Peneliti akan dapat menentukan apakah variate signifikan hanya berbeda di seluruh
Peneliti akan dapat menentukan apakah variate signifikan hanya berbeda di seluruh
kelompok, tapi tidak bisa menilai mana karakteristik kelompok yang berhubungan
kelompok, tapi tidak bisa menilai mana karakteristik kelompok yang berhubungan
dengan perbedaan-perbedaan.
dengan perbedaan-perbedaan.
2.
2. Dengan MANOVA, bagaimanapun, peneliti menganalisis perbedaan pada kelompok Dengan MANOVA, bagaimanapun, peneliti menganalisis perbedaan pada kelompok
sementara juga berarti apakah perbedaan adalah karena jenis produk, jenis pelanggan,
sementara juga berarti apakah perbedaan adalah karena jenis produk, jenis pelanggan,
atau keduanya. Dengan demikian, MANOVA memfokuskan analisis terhadap komposisi
atau keduanya. Dengan demikian, MANOVA memfokuskan analisis terhadap komposisi
kelompok berdasarkan karakteristik mereka (variabel independen).
kelompok berdasarkan karakteristik mereka (variabel independen).
MANOVA memungkinkan peneliti untuk mengajukan rancangan penelitian yang lebih
MANOVA memungkinkan peneliti untuk mengajukan rancangan penelitian yang lebih
kompleks dengan menggunakan sejumlah variabel nonmetric independen (dalam batas) untuk
membentuk kelompok dan kemudian mencari perbedaan yang signifikan dalam variate variabel
membentuk kelompok dan kemudian mencari perbedaan yang signifikan dalam variate variabel
dependen yang terkait dengan variabel nonmetric tertentu.
dependen yang terkait dengan variabel nonmetric tertentu.
Tahap 1: Tujuan MANOVA Tahap 1: Tujuan MANOVA
Pemilihan MANOVA didasarkan pada keinginan untuk menganalisis hubungan
Pemilihan MANOVA didasarkan pada keinginan untuk menganalisis hubungan
ketergantungan yang direpresentasikan sebagai perbedaan dalam satu pasang tindakan yang
ketergantungan yang direpresentasikan sebagai perbedaan dalam satu pasang tindakan yang
tergantung di serangkaian kelompok yang dibentuk oleh satu atau lebih tindakan kategoris
tergantung di serangkaian kelompok yang dibentuk oleh satu atau lebih tindakan kategoris
independen. Dengan demikian, MANOVA merupakan alat analisis yang cocok untuk beragam
independen. Dengan demikian, MANOVA merupakan alat analisis yang cocok untuk beragam
pertanyaan penelitian. Apakah digunakan dalam situasi aktual atau kuasi-eksperimental (yaitu
pertanyaan penelitian. Apakah digunakan dalam situasi aktual atau kuasi-eksperimental (yaitu
pengaturan lapangan, atau survei penelitian dimana merupakan tindakan kategorikal
pengaturan lapangan, atau survei penelitian dimana merupakan tindakan kategorikal
independen).
independen).
Pengendalian Tingkat Kesalahan Experimentwide Pengendalian Tingkat Kesalahan Experimentwide
Penggunaan ANOVA univariat terpisah atau t-tes dapat membuat masalah ketika mencoba
Penggunaan ANOVA univariat terpisah atau t-tes dapat membuat masalah ketika mencoba
untuk mengontrol tingkat kesalahan experimentwide. Sebagai contoh, asumsikan bahwa kita
untuk mengontrol tingkat kesalahan experimentwide. Sebagai contoh, asumsikan bahwa kita
mengevaluasi serangkaian lima variabel dependen dengan ANOVA terpisah, setiap kali
mengevaluasi serangkaian lima variabel dependen dengan ANOVA terpisah, setiap kali
menggunakan .05 sebagai tingkat signifikansi.
menggunakan .05 sebagai tingkat signifikansi. Mengingat ada perbedaan nyata dalam variabelMengingat ada perbedaan nyata dalam variabel
dependen, kita akan diharapkan untuk mengamati dampak yang signifikan pada setiap 5 persen
dependen, kita akan diharapkan untuk mengamati dampak yang signifikan pada setiap 5 persen
diberikan variabel dependen . Namun, di lima tes terpisah, kemungkinan kesalahan Tipe I
diberikan variabel dependen . Namun, di lima tes terpisah, kemungkinan kesalahan Tipe I
terletak di suatu tempat antara 5 persen, jika semua variabel terikat sempurna berkorelasi, dan 23
terletak di suatu tempat antara 5 persen, jika semua variabel terikat sempurna berkorelasi, dan 23
persen (1-.95), jika semua variabel dependen tidak berkorelasi.
persen (1-.95), jika semua variabel dependen tidak berkorelasi.
Dengan demikian, serangkaian uji statistik yang terpisah menyebabkan tanpa kontrol yang
Dengan demikian, serangkaian uji statistik yang terpisah menyebabkan tanpa kontrol yang
efektif
efektif tipe kami tipe kami secara keseluruhan asecara keseluruhan atau experimentwide tingkat tau experimentwide tingkat kesalahan I. Jika kesalahan I. Jika keinginankeinginan
peneliti untuk mempertahankan kontrol atas tingkat kesalahan experimentwide dan setidaknya
peneliti untuk mempertahankan kontrol atas tingkat kesalahan experimentwide dan setidaknya
beberapa derajat korelasi hadir antara variabel dependen, maka MANOVA adalah tepat.
beberapa derajat korelasi hadir antara variabel dependen, maka MANOVA adalah tepat.
Perbedaan Antara sSebuah Kombinasi Variabel Dependent Perbedaan Antara sSebuah Kombinasi Variabel Dependent
Serangkaian tes univariat ANOVA juga mengabaikan kemungkinan bahwa beberapa
Serangkaian tes univariat ANOVA juga mengabaikan kemungkinan bahwa beberapa
(kombinasi linear) komposit dari variabel dependen dapat memberikan bukti adanya perbedaan
(kombinasi linear) komposit dari variabel dependen dapat memberikan bukti adanya perbedaan
kelompok secara keseluruhan yang mungkin tidak terdeteksi dengan memeriksa setiap variabel
kelompok secara keseluruhan yang mungkin tidak terdeteksi dengan memeriksa setiap variabel
terikat secara terpisah. Tes individu mengabaikan korelasi antara variabel dependen dan dalam
proses multikolinearitas diantara variabel dependen, MANOVA akan lebih kuat daripada tes
proses multikolinearitas diantara variabel dependen, MANOVA akan lebih kuat daripada tes
univariat terpisah dalam beberapa cara:
univariat terpisah dalam beberapa cara:
1.
1. MANOVA dapat mendeteksi perbedaan gabungan yang tidak ditemukan dalam tesMANOVA dapat mendeteksi perbedaan gabungan yang tidak ditemukan dalam tes
univariat.
univariat.
2.
2. Jika beberapa variates terbentuk, maka mereka dapat memberikan dimensi perbedaanJika beberapa variates terbentuk, maka mereka dapat memberikan dimensi perbedaan
yang dapat membedakan antara kelompok-kelompok yang lebih baik dari variabel
yang dapat membedakan antara kelompok-kelompok yang lebih baik dari variabel
tunggal.
tunggal.
3.
3. Jika jumlah variabel dependen disimpan relatif rendah (5 atau lebih sedikit), kekuatanJika jumlah variabel dependen disimpan relatif rendah (5 atau lebih sedikit), kekuatan
statistik dari tes MANOVA sama atau melebihi yang diperoleh dengan ANOVA tunggal
statistik dari tes MANOVA sama atau melebihi yang diperoleh dengan ANOVA tunggal
Beberapa Pertanyaan Univariate Beberapa Pertanyaan Univariate
Seorang peneliti mempelajari pertanyaan univariat beberapa mengidentifikasi sejumlah
Seorang peneliti mempelajari pertanyaan univariat beberapa mengidentifikasi sejumlah
variabel dependen yang terpisah (misalnya, usia, pendapatan, pendidikan konsumen) yang akan
variabel dependen yang terpisah (misalnya, usia, pendapatan, pendidikan konsumen) yang akan
dianalisis secara terpisah tetapi membutuhkan beberapa kontrol atas tingkat kesalahan
dianalisis secara terpisah tetapi membutuhkan beberapa kontrol atas tingkat kesalahan
experimentwide. Dalam hal ini, MANOVA digunakan untuk menilai apakah perbedaan secara
experimentwide. Dalam hal ini, MANOVA digunakan untuk menilai apakah perbedaan secara
keseluruhan ditemukan antara kelompok-kelompok, dan kemudian tes univariat yang terpisah
keseluruhan ditemukan antara kelompok-kelompok, dan kemudian tes univariat yang terpisah
digunakan untuk mengatasi masalah individu untuk setiap variabel dependen.
digunakan untuk mengatasi masalah individu untuk setiap variabel dependen.
Tahap 2: Isu Dalam Desain Penelitian MANOVA Tahap 2: Isu Dalam Desain Penelitian MANOVA
MANOVA mengikuti semua prinsip-prinsip dasar desain ANOVA, namun dalam beberapa
MANOVA mengikuti semua prinsip-prinsip dasar desain ANOVA, namun dalam beberapa
kasus sifat multivariat dari tindakan dependen memerlukan perspektif yang unik. Pada bagian
kasus sifat multivariat dari tindakan dependen memerlukan perspektif yang unik. Pada bagian
berikut kita akan meninjau prinsip-prinsip dasar desain dan menggambarkan isu-isu yang unik
berikut kita akan meninjau prinsip-prinsip dasar desain dan menggambarkan isu-isu yang unik
yang timbul dalam analisis MANOVA.
yang timbul dalam analisis MANOVA.
Persyaratan Ukuran Sampel Secara Keseluruhan Persyaratan Ukuran Sampel Secara Keseluruhan
MANOVA, seperti semua teknik multivariat lainnya, dapat sangat dipengaruhi oleh ukuran
MANOVA, seperti semua teknik multivariat lainnya, dapat sangat dipengaruhi oleh ukuran
sampel yang digunakan. Apa yang paling berbeda untuk MANOVA (dan teknik lainnya menilai
sampel yang digunakan. Apa yang paling berbeda untuk MANOVA (dan teknik lainnya menilai
perbedaan kelompok seperti uji t dan ANOVA) adalah bahwa persyaratan ukuran sampel yang
perbedaan kelompok seperti uji t dan ANOVA) adalah bahwa persyaratan ukuran sampel yang
berhubungan dengan ukuran kelompok individu dan bukan total sampel. Sejumlah masalah dasar
berhubungan dengan ukuran kelompok individu dan bukan total sampel. Sejumlah masalah dasar
timbul mengenai ukuran sampel yang dibutuhkan dalam MANOVA:
timbul mengenai ukuran sampel yang dibutuhkan dalam MANOVA:
Sebagai minimal, sampel dalam setiap sel (kelompok) harus lebih besar dari jumlahSebagai minimal, sampel dalam setiap sel (kelompok) harus lebih besar dari jumlah variabel dependen. Meskipun kekhawatiran ini mungkin tampak kecil, masuknya hanya
sejumlah kecil variabel dependen dalam analisis menempatkan kendala terkadang
sejumlah kecil variabel dependen dalam analisis menempatkan kendala terkadang
mengganggu pada pengumpulan data. Masalah ini sangat lazim dalam eksperimen
mengganggu pada pengumpulan data. Masalah ini sangat lazim dalam eksperimen
lapangan atau survei penelitian, dimana peneliti kurang memiliki kendali atas sampel
lapangan atau survei penelitian, dimana peneliti kurang memiliki kendali atas sampel
yang dicapai.
yang dicapai.
Sebagai panduan praktis, ukuran minimum yang disarankan adalah 20 sel pengamatan.Sebagai panduan praktis, ukuran minimum yang disarankan adalah 20 sel pengamatan. Sekali lagi, ingatlah jumlah ini per kelompok, yang memerlukan sampel secara
Sekali lagi, ingatlah jumlah ini per kelompok, yang memerlukan sampel secara
keseluruhan cukup besar bahkan untuk analisis yang cukup sederhana. Dalam contoh
keseluruhan cukup besar bahkan untuk analisis yang cukup sederhana. Dalam contoh
sebelumnya kami pesan iklan, kami hanya memiliki dua faktor, masing-masing dengan
sebelumnya kami pesan iklan, kami hanya memiliki dua faktor, masing-masing dengan
dua tingkat, tetapi analisis ini akan membutuhkan 80 pengamatan untuk analisis yang
dua tingkat, tetapi analisis ini akan membutuhkan 80 pengamatan untuk analisis yang
memadai.
memadai.
Karena adanya jumlah yang meningkat pada variabel dependen, maka ukuran sampel
Karena adanya jumlah yang meningkat pada variabel dependen, maka ukuran sampel
diperlukan untuk mempertahankan peningkatan nilai statistiknya juga. Peneliti harus berusaha
diperlukan untuk mempertahankan peningkatan nilai statistiknya juga. Peneliti harus berusaha
untuk mempertahankan ukuran sampel sama atau kira-kira sama per kelompok. Meskipun
untuk mempertahankan ukuran sampel sama atau kira-kira sama per kelompok. Meskipun
program komputer dengan mudah dapat mengakomodasi ukuran kelompok yang tidak sama,
program komputer dengan mudah dapat mengakomodasi ukuran kelompok yang tidak sama,
tujuan, efektivitas analisis ditentukan oleh ukuran kelompok terkecil, sehingga selalu membuat
tujuan, efektivitas analisis ditentukan oleh ukuran kelompok terkecil, sehingga selalu membuat
ukuran sampel menjadi perhatian utama.
ukuran sampel menjadi perhatian utama.
Faktorial Desain Dua atau Lebih Faktorial Desain Dua atau Lebih
Banyak kali peneliti ingin meneliti efek dari beberapa variabel independen atau perlakuan
Banyak kali peneliti ingin meneliti efek dari beberapa variabel independen atau perlakuan
ketimbang hanya menggunakan perlakuan tunggal baik dalam ANOVA atau tes MANOVA.
ketimbang hanya menggunakan perlakuan tunggal baik dalam ANOVA atau tes MANOVA.
Kemampuan ini adalah perbedaan utama antara MANOVA dan analisis diskriminan untuk dapat
Kemampuan ini adalah perbedaan utama antara MANOVA dan analisis diskriminan untuk dapat
menentukan dampak dari beberapa variabel independen dalam membentuk kelompok dengan
menentukan dampak dari beberapa variabel independen dalam membentuk kelompok dengan
perbedaan kelompok yang signifikan. Analisis dengan dua atau lebih perlakuan disebut desain
perbedaan kelompok yang signifikan. Analisis dengan dua atau lebih perlakuan disebut desain
cara faktorial.
cara faktorial.
Memilih Perlakuan Memilih Perlakuan
Penggunaan yang paling umum dari desain faktorial melibatkan pertanyaan penelitian yang
Penggunaan yang paling umum dari desain faktorial melibatkan pertanyaan penelitian yang
berhubungan dua atau lebih variabel independen nonmetric untuk satu pasang variabel dependen.
berhubungan dua atau lebih variabel independen nonmetric untuk satu pasang variabel dependen.
Dalam hal ini, variabel independen yang ditentukan dalam desain percobaan atau termasuk
Dalam hal ini, variabel independen yang ditentukan dalam desain percobaan atau termasuk
dalam desain
dalam desain eksperimen lapangan eksperimen lapangan atau atau survey kuesioner.survey kuesioner.
Jenis Perlakuan
Jenis Perlakuan. Perlakuan atau faktorial adalah variabel independen nonmetric dengan nomor. Perlakuan atau faktorial adalah variabel independen nonmetric dengan nomor
yang ditetapkan sebagai tingkat (kategori). Setiap tingkat mewakili kondisi yang berbeda atau
yang ditetapkan sebagai tingkat (kategori). Setiap tingkat mewakili kondisi yang berbeda atau
karakteristik yang mempengaruhi variabel dependen. Dalam sebuah percobaan perlakuan ini dan
tingkatnya dirancang oleh peneliti dan diberikan dalam rangka percobaan. Dalam penelitian
tingkatnya dirancang oleh peneliti dan diberikan dalam rangka percobaan. Dalam penelitian
lapangan atau survei, mereka adalah karakteristik responden dikumpulkan oleh peneliti dan
lapangan atau survei, mereka adalah karakteristik responden dikumpulkan oleh peneliti dan
kemudian dimasukkan dalam analisis.
kemudian dimasukkan dalam analisis.
Penggunaan yang paling umum dari perlakuan tambahan adalah untuk mengendalikan
Penggunaan yang paling umum dari perlakuan tambahan adalah untuk mengendalikan
karakteristik yang mempengaruhi variabel dependen, tetapi bukan merupakan bagian dari desain
karakteristik yang mempengaruhi variabel dependen, tetapi bukan merupakan bagian dari desain
studi. Dalam hal ini peneliti menyadari kondisi (misalnya, metode pengumpulan data) atau
studi. Dalam hal ini peneliti menyadari kondisi (misalnya, metode pengumpulan data) atau
karakteristik responden (misalnya, lokasi geografis, jenis kelamin, dll) yang berpotensi
karakteristik responden (misalnya, lokasi geografis, jenis kelamin, dll) yang berpotensi
menciptakan perbedaan.
menciptakan perbedaan.
Cara yang paling langsung untuk menjelaskan efek seperti itu adalah melalui memblokir
Cara yang paling langsung untuk menjelaskan efek seperti itu adalah melalui memblokir
faktor, yang merupakan karakteristik nonmetric digunakan post hoc untuk segmen para
faktor, yang merupakan karakteristik nonmetric digunakan post hoc untuk segmen para
responden. Tujuannya adalah untuk mengelompokkan responden untuk mendapatkan yang lebih
responden. Tujuannya adalah untuk mengelompokkan responden untuk mendapatkan yang lebih
besar dalam kelompok homogenitas dan mengurangi sumber MS
besar dalam kelompok homogenitas dan mengurangi sumber MSWW varian. Dengan demikian,varian. Dengan demikian,
kemampuan uji statistik untuk mengidentifikasi perbedaan ditingkatkan.
kemampuan uji statistik untuk mengidentifikasi perbedaan ditingkatkan.
Dengan demikian, setiap karakteristik nonmetric dapat dimasukkan langsung ke dalam
Dengan demikian, setiap karakteristik nonmetric dapat dimasukkan langsung ke dalam
analisis untuk menjelaskan dampaknya. Namun, jika Anda ingin variabel untuk mengendalikan
analisis untuk menjelaskan dampaknya. Namun, jika Anda ingin variabel untuk mengendalikan
adalah metrik, mereka dapat dimasukkan sebagai kovariat.
adalah metrik, mereka dapat dimasukkan sebagai kovariat.
Menggunakan Kovariat-ANCOVA dan MANCOVA Menggunakan Kovariat-ANCOVA dan MANCOVA
Penggunaan faktor blocking untuk mengontrol pengaruh pada variabel dependen yang
Penggunaan faktor blocking untuk mengontrol pengaruh pada variabel dependen yang
bukan merupakan bagian dari desain penelitian dan belum perlu diperhitungkan dalam analisis.
bukan merupakan bagian dari desain penelitian dan belum perlu diperhitungkan dalam analisis.
Hal ini memungkinkan peneliti untuk mengendalikan variabel nonmetric, tapi bagaimana
Hal ini memungkinkan peneliti untuk mengendalikan variabel nonmetric, tapi bagaimana
variabel metrik? Salah satu pendekatan yang akan mengkonversi variabel metrik menjadi
variabel metrik? Salah satu pendekatan yang akan mengkonversi variabel metrik menjadi
variabel nonmetric (misalnya, median split, dll), tetapi proses ini umumnya dianggap tidak
variabel nonmetric (misalnya, median split, dll), tetapi proses ini umumnya dianggap tidak
memuaskan karena banyak informasi yang terkandung dalam variabel metrik hilang dalam
memuaskan karena banyak informasi yang terkandung dalam variabel metrik hilang dalam
konversi. Pendekatan kedua adalah untuk memasukkan variabel metrik sebagai kovariat.
konversi. Pendekatan kedua adalah untuk memasukkan variabel metrik sebagai kovariat.
Variabel ini dapat mengekstrak pengaruh asing dari variabel dependen, sehingga meningkatkan
Variabel ini dapat mengekstrak pengaruh asing dari variabel dependen, sehingga meningkatkan
varians dalam kelompok (MSW). Proses dua langkah berikut:
varians dalam kelompok (MSW). Proses dua langkah berikut:
1.
1. Prosedur serupa dengan regresi linier yang digunakan untuk menghilangkan variasiProsedur serupa dengan regresi linier yang digunakan untuk menghilangkan variasi
dalam variabel dependen yang terkait dengan satu atau lebih kovariat.
dalam variabel dependen yang terkait dengan satu atau lebih kovariat.
2.
2. Sebuah analisis konvensional dilakukan pada variabel dependen disesuaikan. DalamSebuah analisis konvensional dilakukan pada variabel dependen disesuaikan. Dalam
pengertian sederhana, itu menjadi analisis residual regresi setelah efek dari kovariat
pengertian sederhana, itu menjadi analisis residual regresi setelah efek dari kovariat
dihapus
Ketika digunakan dengan ANOVA, analisis ini disebut analisis kovarians (ANCOVA) dan
Ketika digunakan dengan ANOVA, analisis ini disebut analisis kovarians (ANCOVA) dan
perpanjangan sederhana dari prinsip-prinsip ANCOVA untuk multivariat (variabel dependen
perpanjangan sederhana dari prinsip-prinsip ANCOVA untuk multivariat (variabel dependen
multiple) analisis disebut MANCOVA
multiple) analisis disebut MANCOVA..
Tujuan Analisis Kovarian Tujuan Analisis Kovarian
Tujuan dari kovariat adalah untuk menghilangkan efek yang (1) hanya mempengaruhi
Tujuan dari kovariat adalah untuk menghilangkan efek yang (1) hanya mempengaruhi
sebagian dari responden, atau (2) bervariasi antara responden. Serupa dengan penggunaan faktor
sebagian dari responden, atau (2) bervariasi antara responden. Serupa dengan penggunaan faktor
blok, kovariat dapat mencapai dua tujuan spesifik:
blok, kovariat dapat mencapai dua tujuan spesifik:
1.
1. Untuk menghilangkan beberapa kesalahan sistematik di luar kendali peneliti yang dapatUntuk menghilangkan beberapa kesalahan sistematik di luar kendali peneliti yang dapat
bias hasilnya.
bias hasilnya.
2.
2. Untuk menjelaskan perbedaan dalam respon karena karakteristik unik dari responden.Untuk menjelaskan perbedaan dalam respon karena karakteristik unik dari responden.
Dalam pengaturan eksperimental, bias yang paling sistematis dapat dihilangkan dengan
Dalam pengaturan eksperimental, bias yang paling sistematis dapat dihilangkan dengan
penugasan acak responden untuk berbagai perlakuan. Namun, dalam penelitian nonexperimental,
penugasan acak responden untuk berbagai perlakuan. Namun, dalam penelitian nonexperimental,
kontrol tersebut tidak mungkin. Sebagai contoh, dalam pengujian iklan, efek mungkin berbeda,
kontrol tersebut tidak mungkin. Sebagai contoh, dalam pengujian iklan, efek mungkin berbeda,
tergantung pada waktu hari atau komposisi penonton dan reaksi mereka. Selain itu, perbedaan
tergantung pada waktu hari atau komposisi penonton dan reaksi mereka. Selain itu, perbedaan
pribadi, seperti sikap atau pendapat, dapat mempengaruhi tanggapan, tetapi analisis tidak
pribadi, seperti sikap atau pendapat, dapat mempengaruhi tanggapan, tetapi analisis tidak
memasukkan mereka sebagai faktor perlakuan. Peneliti menggunakan kovariat untuk mengambil
memasukkan mereka sebagai faktor perlakuan. Peneliti menggunakan kovariat untuk mengambil
setiap perbedaan karena faktor-faktor ini sebelum efek dari percobaan dihitung.
setiap perbedaan karena faktor-faktor ini sebelum efek dari percobaan dihitung.
Asumsi Untuk Analisis Kovarian
Asumsi Untuk Analisis Kovarian. Dua persyaratan untuk penggunaan analisis kovarians adalah. Dua persyaratan untuk penggunaan analisis kovarians adalah
sebagai berikut:
sebagai berikut:
1.
1. Kovariat harus memiliki beberapa hubungan (korelasi) dengan tindakan dependen.Kovariat harus memiliki beberapa hubungan (korelasi) dengan tindakan dependen.
2.
2. Kovariat harus memiliki homogenitas efek regresi, yang berarti bahwa kovariat memilikiKovariat harus memiliki homogenitas efek regresi, yang berarti bahwa kovariat memiliki
efek yang sama pada variabel dependen seluruh kelompok. Dalam hal regresi, itu berarti
efek yang sama pada variabel dependen seluruh kelompok. Dalam hal regresi, itu berarti
koefisien yang sama bagi semua kelompok.
koefisien yang sama bagi semua kelompok.
Uji statistik yang tersedia untuk menilai apakah asumsi ini digunakan. Jika salah satu dari
Uji statistik yang tersedia untuk menilai apakah asumsi ini digunakan. Jika salah satu dari
persyaratan tersebut tidak terpenuhi, maka penggunaan kovariat yang tidak pantas.
persyaratan tersebut tidak terpenuhi, maka penggunaan kovariat yang tidak pantas.
Tahap 3: Asumsi ANOVA Dan MANOVA Tahap 3: Asumsi ANOVA Dan MANOVA
Prosedur pengujian univariate ANOVA dijelaskan dalam bab ini berlaku (dalam arti
Prosedur pengujian univariate ANOVA dijelaskan dalam bab ini berlaku (dalam arti
statistik) jika diasumsikan bahwa variabel dependen terdistribusi normal, kelompok independen
statistik) jika diasumsikan bahwa variabel dependen terdistribusi normal, kelompok independen
dalam respon mereka terhadap variabel dependen, dan varians adalah sama untuk semua
dalam respon mereka terhadap variabel dependen, dan varians adalah sama untuk semua
kelompok perlakuan . Beberapa bukti, bagaimanapun, menunjukkan bahwa F tes di ANOVA
yang kuat berkaitan dengan asumsi-asumsi kecuali dalam kasus-kasus ekstrim. Untuk prosedur
yang kuat berkaitan dengan asumsi-asumsi kecuali dalam kasus-kasus ekstrim. Untuk prosedur
pengujian multivariat MANOVA, terdapat tiga asumsi yang harus dipenuhi:
pengujian multivariat MANOVA, terdapat tiga asumsi yang harus dipenuhi:
Pengamatan harus independen.Pengamatan harus independen.
Varians-kovarians matriks harus sama untuk semua kelompok perlakuan.Varians-kovarians matriks harus sama untuk semua kelompok perlakuan.
Himpunan variabel dependen harus mengikuti distribusi normal multivariat (yaitu,Himpunan variabel dependen harus mengikuti distribusi normal multivariat (yaitu, kombinasi linear dari variabel dependen harus mengikuti distribusi normal).
kombinasi linear dari variabel dependen harus mengikuti distribusi normal).
Selain asumsi statistik yang ketat, peneliti juga harus mempertimbangkan beberapa isu yang
Selain asumsi statistik yang ketat, peneliti juga harus mempertimbangkan beberapa isu yang
mempengaruhi kemungkinan efek yaitu, linearitas dan multikolinearitas dari variate variabel
mempengaruhi kemungkinan efek yaitu, linearitas dan multikolinearitas dari variate variabel
dependen.
dependen.
Tahap 4: Estimasi Model MANOVA dan Menilai Fit Secara
Tahap 4: Estimasi Model MANOVA dan Menilai Fit Secara KeseluruhanKeseluruhan
Setelah analisis MANOVA dirumuskan dan diuji untuk memenuhi asumsi, penilaian
Setelah analisis MANOVA dirumuskan dan diuji untuk memenuhi asumsi, penilaian
perbedaan yang signifikan di antara kelompok-kelompok yang dibentuk oleh perlakuan dapat
perbedaan yang signifikan di antara kelompok-kelompok yang dibentuk oleh perlakuan dapat
dilanjutkan. Estimasi prosedur berdasarkan pada model linier umum menjadi lebih umum dan
dilanjutkan. Estimasi prosedur berdasarkan pada model linier umum menjadi lebih umum dan
isu-isu dasar akan dibahas. Dengan model estimasi, peneliti kemudian dapat menilai perbedaan
isu-isu dasar akan dibahas. Dengan model estimasi, peneliti kemudian dapat menilai perbedaan
berarti berdasarkan pada uji statistik yang paling tepat untuk tujuan studi. Selain itu, dalam
berarti berdasarkan pada uji statistik yang paling tepat untuk tujuan studi. Selain itu, dalam
situasi apapun, tetapi terutama karena analisis menjadi lebih kompleks, peneliti harus
situasi apapun, tetapi terutama karena analisis menjadi lebih kompleks, peneliti harus
mengevaluasi kekuatan uji statistik untuk memberikan perspektif yang paling informatif pada
mengevaluasi kekuatan uji statistik untuk memberikan perspektif yang paling informatif pada
hasil yang diperoleh.
hasil yang diperoleh.
Pengukuran yang disukai adalah salah satu yang paling ampuh untuk menjaga/mencegah Pengukuran yang disukai adalah salah satu yang paling ampuh untuk menjaga/mencegah dari pelanggaran dari asumsi-asumsi dalam MANOVA.
dari pelanggaran dari asumsi-asumsi dalam MANOVA.
Masing-masing pengukuran digunakan dalam situasi yang berbeda-beda: Masing-masing pengukuran digunakan dalam situasi yang berbeda-beda:
1.
1. Pillai’s criterion atau Wilks lambda lebih baik digunakan ketika pertimbangan dasar Pillai’s criterion atau Wilks lambda lebih baik digunakan ketika pertimbangan dasar desain telah cocok (contoh: kecukupan sampel, pemenuhan asumsi-asumsi)
desain telah cocok (contoh: kecukupan sampel, pemenuhan asumsi-asumsi) 2.
2. Pillai’s criterion dipertimbangkan dengan lebih lagi dan harus digunakan jika ukuranPillai’s criterion dipertimbangkan dengan lebih lagi dan harus digunakan jika ukuran sampel mengalami penurunan, asumsi homogenitas kovarian tidak terpenuhi
sampel mengalami penurunan, asumsi homogenitas kovarian tidak terpenuhi 3.
3. Roy’s gcr akan lebih baik/kuat digunakan jika peneliti percaya diri dengan semua asumsiRoy’s gcr akan lebih baik/kuat digunakan jika peneliti percaya diri dengan semua asumsi--asumsinya, dan ketika pengukuran dependen bersifat representatif.
asumsinya, dan ketika pengukuran dependen bersifat representatif.
Dalam suatu situasi yang luas dan mayoritas, semua pengukuran statistik memberikan Dalam suatu situasi yang luas dan mayoritas, semua pengukuran statistik memberikan kesimpulan yang hampir sama
kesimpulan yang hampir sama
Estimasi dengan Model Linear Umum Estimasi dengan Model Linear Umum
Cara tradisional menghitung uji statistik untuk ANOVA dan MANOVA didirikan lebih dari
Cara tradisional menghitung uji statistik untuk ANOVA dan MANOVA didirikan lebih dari
70 tahun yang lalu. Dalam beberapa tahun terakhir, bagaimanapun, model linier umum (GLM)
telah menjadi sarana populer memperkirakan ANOVA dan MANOVA model. Prosedur GLM,
telah menjadi sarana populer memperkirakan ANOVA dan MANOVA model. Prosedur GLM,
seperti namanya, adalah model yang masing-masing terdiri dari tiga unsur:
seperti namanya, adalah model yang masing-masing terdiri dari tiga unsur:
Variate. Kombinasi linear dari variabel independen yang ditetapkan oleh peneliti. SetiapVariate. Kombinasi linear dari variabel independen yang ditetapkan oleh peneliti. Setiap variabel independen memiliki berat yang diperkirakan mewakili kontribusi yang variabel
variabel independen memiliki berat yang diperkirakan mewakili kontribusi yang variabel
terhadap nilai prediksi.
terhadap nilai prediksi.
Random komponen. Distribusi probabilitas diasumsikan mendasari variabel dependen.Random komponen. Distribusi probabilitas diasumsikan mendasari variabel dependen. Distribusi probabilitas yang khas adalah normal, Poisson, binomial, dan distribusi
Distribusi probabilitas yang khas adalah normal, Poisson, binomial, dan distribusi
multinomial. Setiap distribusi dikaitkan dengan jenis variabel respon yang terkait dengan
multinomial. Setiap distribusi dikaitkan dengan jenis variabel respon yang terkait dengan
jenis varia
jenis variabel respon (mbel respon (misalnya, variisalnya, variabel kontinyabel kontinyu berhubungu berhubungan dengan distrian dengan distribusi normabusi normal,l,
proporsi yang berhubungan dengan distribusi binomial, dan variabel dikotomis yang
proporsi yang berhubungan dengan distribusi binomial, dan variabel dikotomis yang
terkait dengan distribusi Poisson). Peneliti memilih komponen acak berdasarkan pada
terkait dengan distribusi Poisson). Peneliti memilih komponen acak berdasarkan pada
jenis var
jenis variabel respiabel respon.on.
Tautan fungsi. Menyediakan koneksi teoritis antara variate dan komponen acak untuk Tautan fungsi. Menyediakan koneksi teoritis antara variate dan komponen acak untuk mengakomodasi formulasi model yang berbeda. Fungsi link menentukan jenis
mengakomodasi formulasi model yang berbeda. Fungsi link menentukan jenis
transformasi yang dibutuhkan untuk menentukan model yang diinginkan. Tiga fungsi link
transformasi yang dibutuhkan untuk menentukan model yang diinginkan. Tiga fungsi link
yang paling umum adalah identitas, logit, dan link log.
yang paling umum adalah identitas, logit, dan link log.
Tahap 5: Interpretasi Hasil MANOVA Tahap 5: Interpretasi Hasil MANOVA
Setelah signifikansi statistik dari setiap perlakuan telah dinilai, peneliti ternyata
Setelah signifikansi statistik dari setiap perlakuan telah dinilai, peneliti ternyata
perhatiannya untuk memeriksa hasil dan memahami bagaimana setiap perlakuan mempengaruhi
perhatiannya untuk memeriksa hasil dan memahami bagaimana setiap perlakuan mempengaruhi
tindakan dependen. Dengan demikian, serangkaian tiga langkah yang harus diambil:
tindakan dependen. Dengan demikian, serangkaian tiga langkah yang harus diambil:
1.
1. Menginterpretasikan efek kovariat, jika digunakan.Menginterpretasikan efek kovariat, jika digunakan.
2.
2. Menilai mana variabel dependen yang menunjukkan perbedaan di seluruh perlakuanMenilai mana variabel dependen yang menunjukkan perbedaan di seluruh perlakuan
kelompok masing-masing.
kelompok masing-masing.
3.
3. Mengidentifikasi apakah kelompok berbeda Mengidentifikasi apakah kelompok berbeda pada variabel pada variabel dependen tunggal atau dependen tunggal atau seluruhseluruh
variate dependen.
variate dependen.
Ada empat pengukuran yang paling sering digunakan untuk menilai signifikansi statistik Ada empat pengukuran yang paling sering digunakan untuk menilai signifikansi statistik antara grup-grup dalam variabel independen:
antara grup-grup dalam variabel independen:
1.
1. Roy’s greatest characteristic rootRoy’s greatest characteristic root 2.
2. Wilks’ lambdaWilks’ lambda 3.
3. Pillai’s criterionPillai’s criterion 4.
Dalam situasi yang sering ditemukan, hasil/kesimpulan dapat masuk dalam keempat Dalam situasi yang sering ditemukan, hasil/kesimpulan dapat masuk dalam keempat pengukuran yang sama, tetapi dalam contoh/kasus khusus, kesimpulan dapat berbeda diantara pengukuran yang sama, tetapi dalam contoh/kasus khusus, kesimpulan dapat berbeda diantara pengukuran-pengukurannya.
pengukuran-pengukurannya.
Untuk mandapatkan/menjaga kecukupan statistik yang baik sangat susah, karena: Untuk mandapatkan/menjaga kecukupan statistik yang baik sangat susah, karena:
-- Nilai skala 0.80 dalam nilai alfa yang dipilih dapat diterimaNilai skala 0.80 dalam nilai alfa yang dipilih dapat diterima
-- Ketika pengaruh ukurannya kecil, peneliti harus menggunakan ukuran sampel per grupKetika pengaruh ukurannya kecil, peneliti harus menggunakan ukuran sampel per grup yang lebih besar, untuk menjaga ketepatan/kekuatan statistik.
yang lebih besar, untuk menjaga ketepatan/kekuatan statistik.
-- GLM (general linear model) telah banyak digunakan dalam menguji model ANOVAGLM (general linear model) telah banyak digunakan dalam menguji model ANOVA maupun MANOVA.
maupun MANOVA.
Mengevaluasi Kovariat Mengevaluasi Kovariat
Kovariat dapat memainkan peran penting dengan memasukkan variabel metrik ke dalam
Kovariat dapat memainkan peran penting dengan memasukkan variabel metrik ke dalam
desain MANOVA atau ANOVA. Namun, karena tindakan kovariat sebagai ukuran kontrol pada
desain MANOVA atau ANOVA. Namun, karena tindakan kovariat sebagai ukuran kontrol pada
variate dependen, mereka harus dinilai sebelum perlakuan diperiksa. Setelah memenuhi asumsi
variate dependen, mereka harus dinilai sebelum perlakuan diperiksa. Setelah memenuhi asumsi
untuk menerapkan kovariat, peneliti dapat menafsirkan efek sebenarnya dari kovariat pada
untuk menerapkan kovariat, peneliti dapat menafsirkan efek sebenarnya dari kovariat pada
variate dependen dan dampaknya terhadap uji statistik yang sebenarnya dari perlakuan.
variate dependen dan dampaknya terhadap uji statistik yang sebenarnya dari perlakuan.
Menilai Efek Pada Variate Dependent Menilai Efek Pada Variate Dependent
Dengan dampaknya, jika ada, dari kovariat diperhitungkan dalam analisis, langkah
Dengan dampaknya, jika ada, dari kovariat diperhitungkan dalam analisis, langkah
berikutnya adalah untuk menguji dampak dari setiap perlakuan (variabel independen) terhadap
berikutnya adalah untuk menguji dampak dari setiap perlakuan (variabel independen) terhadap
variabel dependen. Dengan demikian, pertama-tama kita akan membahas bagaimana menilai
variabel dependen. Dengan demikian, pertama-tama kita akan membahas bagaimana menilai
perbedaan yang timbul pada setiap perlakuan. Dengan efek perlakuannya, kita kemudian akan
perbedaan yang timbul pada setiap perlakuan. Dengan efek perlakuannya, kita kemudian akan
menilai apakah efek-efek yang independen dalam kasus dua atau lebih perlakuan. Akhirnya, kita
menilai apakah efek-efek yang independen dalam kasus dua atau lebih perlakuan. Akhirnya, kita
akan memeriksa apakah efek dari perlakuan memperpanjang ke set dari seluruh tindakan
akan memeriksa apakah efek dari perlakuan memperpanjang ke set dari seluruh tindakan
dependen atau tercermin dalam hanya sebagian dari langkah-langkah.
dependen atau tercermin dalam hanya sebagian dari langkah-langkah.
Tahap 6: Validasi Hasil Tahap 6: Validasi Hasil
Analisis teknik varians (ANOVA dan MANOVA) dikembangkan dalam tradisi eksperimen,
Analisis teknik varians (ANOVA dan MANOVA) dikembangkan dalam tradisi eksperimen,
dengan replikasi sebagai sarana utama dari validasi. Kekhususan peerlakuan eksperimental
dengan replikasi sebagai sarana utama dari validasi. Kekhususan peerlakuan eksperimental
memungkinkan untuk digunakan secara luas dari percobaan yang sama pada populasi ganda
memungkinkan untuk digunakan secara luas dari percobaan yang sama pada populasi ganda
untuk menilai hasil generalisasi. Meskipun merupakan prinsip utama dari metode ilmiah, dalam
untuk menilai hasil generalisasi. Meskipun merupakan prinsip utama dari metode ilmiah, dalam
ilmu sosial dan penelitian bisnis, eksperimen yang benar adalah berkali-kali diganti dengan uji
ilmu sosial dan penelitian bisnis, eksperimen yang benar adalah berkali-kali diganti dengan uji
statistik dalam situasi nonexperimental seperti survey penelitian. Kemampuan untuk
statistik dalam situasi nonexperimental seperti survey penelitian. Kemampuan untuk
memvalidasi hasil dalam situasi ini didasarkan pada peniruan dari perlakuan. Dalam banyak
memvalidasi hasil dalam situasi ini didasarkan pada peniruan dari perlakuan. Dalam banyak
kasus, karakteristik demografi seperti usia, jenis kelamin, pendapatan, dan sejenisnya digunakan
sebagai perlakuan. Perlakuan ini mungkin tampak untuk memenuhi kebutuhan komparatif,
sebagai perlakuan. Perlakuan ini mungkin tampak untuk memenuhi kebutuhan komparatif,
namun peneliti harus memastikan bahwa elemen tambahan tugas acak ke sel juga bertemu,
namun peneliti harus memastikan bahwa elemen tambahan tugas acak ke sel juga bertemu,
namun berkali-kali dalam keacakan penelitian survei belum sepenuhnya tercapai.
namun berkali-kali dalam keacakan penelitian survei belum sepenuhnya tercapai.
Jadi peneliti harus sangat mempertimbangkan penggunaan kovariat untuk mengontrol fitur
Jadi peneliti harus sangat mempertimbangkan penggunaan kovariat untuk mengontrol fitur
lain yang mungkin karakteristik dari kelompok usia atau jenis kelamin yang dapat
lain yang mungkin karakteristik dari kelompok usia atau jenis kelamin yang dapat
mempengaruhi variabel dependen tetapi tidak dimasukkan dalam analisis.
mempengaruhi variabel dependen tetapi tidak dimasukkan dalam analisis.
ANOVA
ANOVA adalah singkatan dari Analysis of Variance. Latar belakang dikembangkan metoda iniadalah singkatan dari Analysis of Variance. Latar belakang dikembangkan metoda ini karena ingin dilakukan testing terhadap rata-rata populasi yg mengalami
karena ingin dilakukan testing terhadap rata-rata populasi yg mengalami “perlakuan” yg“perlakuan” yg berbeda-beda. Pertanyaannya : apakah perbedaan rata-rata antara berbagai grup yg mengalami berbeda-beda. Pertanyaannya : apakah perbedaan rata-rata antara berbagai grup yg mengalami perlakuan berbeda tsb signifikan atau tidak. Analisis of variance atau ANOVA merupakan salah perlakuan berbeda tsb signifikan atau tidak. Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua satu teknik analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk dalam kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori statistik parametric. Sebagai alat statistika parametric, maka untuk dapat menggunakan kategori statistik parametric. Sebagai alat statistika parametric, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random sampling
heterokedastisitas dan random sampling
Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam jenis dan desain penel
jenis dan desain penelitian. Analisis variaitian. Analisis varian banyak dipergn banyak dipergunakan pada penelunakan pada penelitian-penelititian-penelitian yangian yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara banyak melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara membandingkannya pada kelompok-kelompok sampel independen yang diamati. Analisis varian membandingkannya pada kelompok-kelompok sampel independen yang diamati. Analisis varian saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen
saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen
Asumsi untuk ujia ANOVA adalah: Asumsi untuk ujia ANOVA adalah:
1.
1. Populasi semuanya normalPopulasi semuanya normal
2.
2. Standard deviasi populasi samaStandard deviasi populasi sama
3.
CONTOH KASUS SPSS CONTOH KASUS SPSS
Hasil olah spss Hasil olah spss
B
Betwetw ee ee n-Sn-Subjects Facubjects Factorstors
Indirect Indirect through through broker broker 57 57 Direct to Direct to customer customer 4343 0 0 1 1 X5 - Distribution X5 - Distribution System System V V aalluue e LLaabbeell NN Descriptive Statistics Descriptive Statistics 6 6..338822 ..99885555 5577 7 7..662288 11..00771166 4433 6 6..991188 11..11991188 110000 6 6..666600 ..99667777 5577 7 7..449988 ..99552266 4433 7 7..002200 11..00443333 110000 7 7..336611 ..99114455 5577 8 8..117799 ..77448855 4433 7 7..771133 ..99336611 110000 X5 - Distributio
X5 - Distribution Sysn Sys temtem Indirect through broker Indirect through broker Direct to customer Direct to customer Total
Total
Indirect through broker Indirect through broker Direct to customer Direct to customer Total
Total
Indirect through broker Indirect through broker Direct to customer Direct to customer Total
Total X19 - Satisfa
X19 - Satisfa ctioctionn
X20 - Likely to X20 - Likely to Recommend Recommend X21 - Likely to Purchase X21 - Likely to Purchase M Meeaann SSttdd. . DDeevviiaattiioonn NN
Pada tampilan disamping menyajikan Pada tampilan disamping menyajikan kriteria sistem distribusi perusahaan, kriteria sistem distribusi perusahaan,
yang dibagi kedalam dua
yang dibagi kedalam dua
grup/kelompok : yaitu sistem distribusi grup/kelompok : yaitu sistem distribusi tidak langsung (
tidak langsung (indirect indirect ) yang diberi) yang diberi angka 0 dan sistem distribusi langsung angka 0 dan sistem distribusi langsung ((direct direct ) yang diberi angka 1. Sedangkan) yang diberi angka 1. Sedangkan jumlah
jumlah sistem sistem distribusi tidak distribusi tidak langsunglangsung maupun langsung masing-masing maupun langsung masing-masing sebanyak 57 dan 43
sebanyak 57 dan 43
Pada tampilan diatas, menyajikan rata-rata dan standar deviasi untuk setiap variabel Pada tampilan diatas, menyajikan rata-rata dan standar deviasi untuk setiap variabel dependen. Secara sekilas terlihat bahwa rata-rata dan standar deviasi variabel
dependen. Secara sekilas terlihat bahwa rata-rata dan standar deviasi variabel satisfaction,satisfaction, likely to recommend
likely to recommend dandan likely to purchaselikely to purchase untuk sistem distribusi langsung maupun tidak untuk sistem distribusi langsung maupun tidak langsung terlihat berbeda. Sehingga kita bisa menyimpulkan sementara bahwa sistem langsung terlihat berbeda. Sehingga kita bisa menyimpulkan sementara bahwa sistem distribusi mempengaruhi variabel-variabel independen (