ANALISIS
MULTIVARIAT
(Uji beda/Komparatif)
Ir. Suyatno, M.Kes
Ir. Suyatno, M.Kes
Contact: suyatno_undip@yahoo.com Hp.08122815730
Suyatno.blog.undip.ac.id
Pengertian
• Analisis multivariat merupakan salah satu teknik
statistik yang digunakan untuk memahami
struktur data dalam dimensi tinggi, yang
melibatkan lebih dari satu variabel dimana
variabel-variabel itu saling terkait (berkorelasi)
variabel-variabel itu saling terkait (berkorelasi)
satu sama lain.
• Memungkinkan melakukan penelitian terhadap
lebih dari dua variable secara bersamaan.
• Dapat menganalisis pengaruh beberapa variable
terhadap variabel – (variable) lainnya dalam
Mengapa Multivariat?
• Karena tidak semua gejala itu hanya didasarkan
pada hubungan dua variabel saja.
• Contoh:
Berat bayi lahir tidak hanya ditentukan oleh,
Berat bayi lahir tidak hanya ditentukan oleh,
pertambahan berat selama ibu hamil, tetapi juga
oleh kadar Hb ibu, konsumsi harian, berat badan
ibu sebelum hamil, dan kondisi kesehatan ibu
• Sehingga diperlukan multivariat
mengkaitkan banyak variabel yang secara
logis berkait.
Jumlah Variabel
Keterikatan Variabel
Uji Parametrik Uji Non Parametrik
2 Variabel Independen Uji t-test (n kecil) Uji Z (n besar)
Mann-Whitney /Uji Median
Uji Chi-Square
related Paired t-test Sign-test
Jenis Uji beda/Komparatif
related Paired t-test Sign-test
Wilcoxon-test Uji Mc.Nemar > 2 variabel Independen Anova/Uji F
Manova (Multivariat Anova)
Kruskal Wallis
related Repeated Measure Friedman Kendall’s W Cochran’s Q
Uji Beda Parametrik
1. Uji t dua sampel:
– Tujuan untuk menguji apakah rata-rata dua populasi
sama atau berbeda
– Asumsi yang harus dipenuhi:
• Jumlah sampel yang diuji kecil (n<30) kalau besar digunakan • Jumlah sampel yang diuji kecil (n<30) kalau besar digunakan
uji z
• T-hitung bisa ditentukan dengan dua kemungkinan:
– Varians kedua populasi yang diuji sama – Varians kedua populasi yang diuji berbeda
• Sampel berdistribusi normal, jika tidak normal maka perlu dilakukan transformasi terlebih dahulu
2. Anova/Uji F:
– Anova tujuan untuk menguji rata-rata lebih dari dua
populasi apakah sama atau berbeda
– Uji F untuk menguji varians dua populasi sama
ataukah tidak
– Asumsi yang harus dipenuhi:
– Asumsi yang harus dipenuhi:
• Data sampel harus normal atau dianggap normal (khusus jk jumlah n sangat besar mencapai ratusan atau ribuan)
• Populasi memiliki varians yang sama
• Jika varians berbeda, maka variabel dependen perlu dilakukan transformasi terlebih dahulu
3. Manova:
– Manova adalah anova untuk data multivariat
– Asumsi yang digunakan sama dengan anova
Uji beda Non paremetrik
1. Chi –Square
– Merupakan salah satu bentuk uji nonparametrik yang
banyak dipakai pada berbagai penelitian di bidang
gizi dan kesehatan
– Digunakan untuk menguji perbedaan dua kelompok
– Digunakan untuk menguji perbedaan dua kelompok
– Menurut Sidney Siegel (1988) ada beberapa yang
harus diperhatikan dalam menggunakan uji
Chi-Square untuk sel 2x2, antara lain:
• Jika sampel n <=20 digunakan Fisher exact
• Jika sampel n = antara 20-40 pakai X2 jika jumlah nilai harapan kurang dari 5 tidak lebih 20 %, maka dipakai coefisien contingency
2. Kruskal Wallis
– Merupakan salah satu bentuk uji nonparametrik yang
banyak dipakai untuk menguji perbedaan lebih dari
dua kelompok
– Tidak memenuhi persyaratan untuk dilakukan uji
•
Digunakan untuk menguji hipetesis rata-rata k
sampel
sampel
•
Data berbentuk interval/ratio
•
Pengujian dengan t tes selalu berkaitan dengan
kesalahan galat tipe I sebesar alpha
– Teknik analisis data Anova yang dapat :
• Memberikan jawaban atas ada tidaknya perbedaan skor
pada masing-masing kelompok (untuk kelompok yang
banyak)
• Memberikan informasi tentang variabel bebas ada
• Memberikan informasi tentang variabel bebas ada
tidaknya interaksi antar variabel bebas sehubungan
dengan pengukuran terhadap variabel terikat
• Kemampuan membedakan antar banyak kelompok
dengan risiko kesalahan yang kecil
-
Hipotesis Statistik
H
o: μ
1= μ
2= … μ
k•
Merupakan pembagian satu variabel bebas
•
Digunakan untuk membandingkan rerata (mean)
lebih dari dua kelompok
lebih dari dua kelompok
Model Oneway Anova :
Contoh
Variabel = Jenis Intervensi kelompok = A, B, C, D Jenis Intervensi A SAMPEL B SAMPEL C SAMPEL D SAMPEL 12
Sumber
Varians
JK
dk
RJK
Fhit
Ft
Antar
JKA
a-1
RJKA
=
JKA
RJK A
Table F
Antar
JKA
a-1
Table F
Dalam
JKG
N-a
Total
JKT
N-1
1
JKA
RJKA
a
=
−
JKG
RJKG
N a
=
−
RJK A
RJK G
Efektivitas Jenis Intervensi Suplementasi M1 (Intervensi 1), M2 (Intervensi 2) dan M3 (Intervensi 3) terlihat dari nilai tes hasil belajar pada ke-tiga kelompok sampel yang diujii dengan metode tersebut,
Jenis Suplementasi M1 M2 M3 6 6 7
CONTOH KASUS
5 6 8 6 7 8 6 8 9 5 6 7 5 6 6 5 5 5 6 6 6 4 5 7 4 6 7Apakah ketiga Jenis intervensi tersebut menghasilkan Nilai Tes hasil belajar yang
• Dalam pengujian Hipotesis, kriteria untuk menolak atau tidak menolak Ho berdasarkan P-Value adalah sebagai berikut :
Jika P-Value < α, maka Ho ditolak
Jika P-Value ≥ α, maka Ho ditolak
• Dalam program SPSS digunakan istilah Significance (Sig.) untuk P-Value, dengan kata lain P-Value = Sig.
1. Buka Data Editor SPSS → Variabel View → Data View →
Masukan data →
2. Analyze → Compare Means → One-Way Anova →
3. Jika Perlu, Lakukan Analisis Tambahan : (Post Hoc dan Options) 4. Interpretasi Hasil
Variabel Jenis Intervensi kita definisikan dengan Name “Jenis Intervensi” diberi Label “Intervensi” serta Value Label “1=Suplemen M1”,
16
serta Value Label “1=Suplemen M1”,
”2=Suplemen M2”, ”3=Suplemen M3”.
Untuk Variabel Nilai Tes hasil belajar kita
definisikan dengan Name “nilaites” diberi Label “Nilai Tes ”
Selesai mengisi Variabel View kemudian Klik
Data View lalu Masukkan data metode dan
nilaites. nilaites.
Anova
Kemudian Klik Analyze → Compare Means → One-Way Anova
18
Pindahkan Variabel Nilai Tes (nilaites) ke dalam Box Dependent List , dan Intervensi ke dalam Box
Factor
Untuk menghitung Post Hoc Multiple Comparison dengan asumsi ketiga Jenis intervensi memiliki ragam (Variance) yang sama, Klik Tombol Post
omogeneti
Klik Benferronidan Scheffe lalu kllik Continue
Klik Homogenity of Klik Homogenity of
Variance test, yaitu untuk
mengujinsampel apakah ketiga sampel metode berasal dari populasi yang mempunyai variance
sama, lalu kllik Continue
Interpretasi Hasil
Dari tabel Test of Homogeneity of Variance, memberikan nilai P-Value = 0.694 yang lebih besar dari α = 0.05 sehingga Ho tidak dapat ditolak, Kesimpulan : Ketiga Sampel Intervensi berasal dari populasi yang
memiliki ragam sama.
Dari Tabel Anova, didapat nilai statistik F = 8.927, dengan derajat
Dari Tabel Anova, didapat nilai statistik F = 8.927, dengan derajat
kebebasan k – 1 = 3-1 = 2 dan n – k = 30-3 = 27. Oleh karena P-Value =
0.001 lebih kecil dari α = 0.05 maka Ho: µ1= µ2= µ3= ditolak
Kesimpulan : ketiga jenis intervensi menghasilkan rerata yang berbeda, atau ketiga jenis intervensi menghasilkan nilai tes belajar yang berbeda
• Merupakan pembagian dua variabel bebas
• Tujuan: menguji perbedaan rata-rata dari dua variabel bebas dan masing-masing variabel bebas dibagi menjadi beberapa dan masing-masing variabel bebas dibagi menjadi beberapa kelompok
Contoh
Variabel bebas : Jenis Intervensi (A) dan jenis kelamin (B) Jenis Intervensi dikelompok menjadi 3 yaitu : Suplemen A1 A2 dan A3
Jenis Kelamin (B) dibagi 2 : laki-laki (L) dan perempuan (P)
Model TwoWay Anova :
VARIABEL A
A1 A2 A3
A1 A2 A3
VARIABEL B
B1
SAMPEL SAMPEL SAMPELSumber
Varians
JK
dk
RJK
Fhit
Ft
KeputusanAntar A
JKA a-1 Table F Fhit > FtabelHo ditolak1 JKA RJKA a = − R J K A R J K D
Antar B
JKB b-1Interaksi
JKAB (a-1)(b-1)Dalam
JKD N - abTotal
JKT N - 1 1 JKB RJKB b = − R J K B R J K D ( 1)( 1) JKAB RJKAB a b = − − RJKAB RJKD JKD RJKD N ab = − 24Seorang peneliti melakukan penelitian tesis dengan judul “Pengaruh Intervensi Fe dan test kognitif terhadap Hasil Belajar
IPA”, dengan nilai hasil belajar sebagai berikut.
CONTOH KASUS
Tipe Kognitif (B)
Jenis Intervensi(A)
Tidak diberi(A1) Diberi(A2)
8 9 7 7 5 4 Intelegensi Tinggi (B1) 8 9 7 7 5 4 8 8 8 7 5 6 8 9 8 6 5 6 9 9 7 6 5 7 9 9 6 6 5 7 Intelegensi Rendah (B2) 4 6 6 7 8 8 3 6 7 8 8 8 4 6 7 8 9 7 4 7 5 7 9 6 5 7 5 7 9 6
1. Buka Data Editor SPSS → Variabel View → Data View →
Masukan data →
2. Analyze → General Linear Model → Univariate
2. Analyze → General Linear Model → Univariate
3. Jika Perlu, Lakukan Analisis Tambahan : (Model, Plots, Post Hoc dan Options)
4. Interpretasi Hasil
Variabel Jenis Intervensi kita definisikan dengan Name “Intervensi” diberi Label “Intervensi ” serta Value Label “1=tidak “Intervensi ” serta Value Label “1=tidak
diberi/A1”, ”2=diberi/A2”,.
Untuk Variabel Tipe Kognitif kita
definisikan dengan Name “Intelegensi” diberi Label “Tipe Kognitif” serta Value Label “1=Intelegensi Tinggi/B1”,
Selesai mengisi Variabel View kemudian Klik
28
Selesai mengisi Variabel View kemudian Klik
Data View lalu Masukkan data metode,
intelegensi dan hasil belajar.
Kemudian Klik Analyze → General Linear Model → Univariate
Pindahkan Variabel Nilai
test ke dalam Box
Dependent Variable.
Pindahkan juga variabel
Pindahkan juga variabel
Intervensi dan Tipe
Intelegensi ke dalam Box
Fixsed Factor (S)
30
• Pindahkan Variabel metode dan intelegensi ke Post Hoc tests for
• Klil Homogeneity Tests di Univariate Options
• Klik Custom, lalu pindahkan variabel metode dan intelegensi, kemudian buat interaction antar keduanya di Univariate Model
Interpretasi Hasil
Dari tabel Levene’s Test of Equality of Error Variance didapat hasil P-Value = 0.207 yang lebih besar dari α = 0.05, sehingga Variance diasumsikan sama,
Kesimpulan : Variance sama
Dari Tabel Anova, didapat nilai statistik sebagai berikut
Faktor metode : nilai uji F = 0.061 dan P-Value = 0.806, karena P-Value lebih besar dari α = 0.05 maka Ho diterima,
Kesimpulannya : tidak terdapat perbedaan antara hasil belajar IPA antara siswa yang beri intervensi dan tidak diberi intervensi
Faktor intelegensi : nilai uji F = 2.196 dan P-Value = 0.144, karena P-Value lebih besar dari α = 0.05 maka Ho diterima,
Kesimpulannya : tidak terdapat perbedaan antara hasil belajar IPA antara siswa yang intelegensinya tinggi dengan siswa yang intelegensinya rendah
Faktor interaksi : nilai uji F =70.519 dan P-Value = 0.000, karena P-Value lebih kecil dari α = 0.05 maka Ho ditolak,
Kesimpulannya : terdapat efek interaksi yang signifikan antara Intervensi dan tipe kognitif
ANALISIS VARIAN MULTIVARIAT (MANOVA)
• Analisis varian multivariat merupakan
terjemahan dari multivariate analisis of variance
• (MANOVA). Sama halnya dengan ANAVA,
MANOVA merupakan uji beda varian.
MANOVA merupakan uji beda varian.
• Bedanya,dalam ANAVA varian yang
dibandingkan berasal dari satu variabel terikat,
sedangkan pada MANOVA, varian yang
dibandingkan berasal dari lebih dari satu
variabel terikat.
Contoh,
• Akan dianalisis data untuk menguji hipotesis:
• Terdapat perbedaan hasil belajar teori (y1) dan
praktik pemrograman (y2) antara siswa yang
diajar dengan strategi pembelajaran heuristik
diajar dengan strategi pembelajaran heuristik
(A1), siswa yang diajar dengan strategi
pembelajaran algoritmik (A2), dan siswa yang
diajar dengan strategi pembelajaran
Menu MANOVA pada SPSS adalah sebagai berikut. - Analyze
- General Linear Model - Multivariate
Apabila menu tersebut sudah dipilih, maka akan tampak
kotak dialog.
Pindahkan y1 dan y2 ke dependent variabel dan x ke fixed
faktor(s), seperti bagan berikut:
Selanjutnya dipilih kotak option dan dipilih Test of Homogenity,
Interpretasi Hasil Analisis
a. Uji Homogenitas Varian (hasil uji Levene)
Menunjukkan untuk Y1 harga F=1,250 dengan signifikansi 0,363
dan untuk Y2 harga F=3,125 dengan signifikansi 0,132. Bila ditetapkan taraf signifikansi 0,05, maka baik untuk Y1 maupun Y2 harga F tidak signifikan karena signifikansi keduanya lebih besar dari 0,05. Artinya, baik Y1 ma upun Y2 memiliki varian yang homogen, sehingga MANOVA bisa dilanjutkan.
b. Uji Homogenitas Matriks Varian/Covarian
MANOVA mempersyaratkan bahwa matriks varian/covarian dari variabel dependen sama.
Uji homogenitas matriks varian/covarian dilihat dari hasil uji Box.
Apabila harga Box’s M signifikan maka hipotesis nol yang menyatakan bahwa matriks varian/covarian dari variabel dependen sama ditolak. Dalam kondisi ini analisis MANOVA tidak dapat dilanjutkan.
Ternyata harga Box’s M=3,054 dengan signifikansi 0,706. Apabila ditetapkan taraf
signifikansi penelitian 0,05, maka harga Box’s M yang diperoleh tidak signifikan karena signifikansi yang diperoleh 0,706 lebih besar dari 0,05. Dengan demikian hipotesis nol diterima. Berarti matriks varian/covarian dari variabel dependen sama, sehingga analisis MANOVA dapat dilanjutkan.
c. Uji MANOVA
Uji MANOVA digunakan untuk menguji apakah terdapat perbedaan beberapa variabel terikat antara bebrapa kelompok yang berbeda
Interpretasi:
• Hasil analisis menunjukkan bahwa harga F untuk Pillae
Trace, Wilk Lambda, HotellingTrace, Roy’s Largest
Root.x memiliki signifikansi yang lebih kecil dari 0,05.
• Artinya, harga F untuk Pillae Trace, Wilk Lambda,
Hotelling Trace, Roy’s Largest Root semuanya
Hotelling Trace, Roy’s Largest Root semuanya
signifikan.
• Jadi, terdapat perbedaan hasil belajar teori (y1) dan
praktik pemrograman (y2) antara siswa yang diajar
dengan strategi pembelajaran heuristik (A1), siswa yang
diajar dengan strategi pembelajaran algoritmik (A2), dan
siswa yang diajar dengan strategi pembelajaran algo
-heuristik (A3).
Artinya:
Hubungan antara strategi pembelajaran (x) dengan hasil belajar teori (y1) memberikan harga F sebesar 19,500 dengan signifikansi 0,004.
Hal ini menunjukkan bahwa terdapat perbedaan hasil belajar teori yang diak ibatkan oleh perbedaan strategi pembelajaran.
Hubungan antara strategi pembelajaran (x) dengan hasil belajar praktik pemrograman (y2) meberikan harga F sebesar 5,00 dengan signifikansi 0,064, yang tidak signifikan pada taraf signifikansi 0,05. Artinya, tidak terdapat perbedaan hasil balajar praktik
Referensi:
• Everitt, B.S., 1996, Making Sense of Statistics in Psychology: A
Second-• Level Course, Oxford University Press, Oxford.
• Kachigan, S.K., 2002, Statistical Analysis: An Interdisciplinary Introduction
• to Univariate & Multivariate Methods, Radius Press, New York. • to Univariate & Multivariate Methods, Radius Press, New York. • Kline P., 1994, An Easy Guide to Factor Analysis, Routledge,
London.
• Napa J.A., 1995, Metode Statistik dan Ekonometri, Liberty, Yogyakarta.
• Supranto J., 2004, Analisis Multivariat: Arti & Interpretasi, Rineka Cipta,