Professional Documents
Culture Documents
Tugas Statistik Lanjutan Pak Stang
Tugas Statistik Lanjutan Pak Stang
Disusun Oleh :
PRIHAYATI
K013172014
2. Konstrak
Konstrak adalah atribut yang menunjukkan variabel. Konstrak di dalam SEM
terdiri dari dua jenis, yaitu konstrak empirik dan konstrak laten.
a. Konstrak Empirik.
Merupakan konstrak yang terukur (observed). Dinamakan terukur karena kita dapat
mengetahui besarnya konstrak ini secara empirik, misalnya dari item tunggal atau
skor total item-item hasil pengukuran. Konstrak empirik disimbolkan dengan gambar
kotak.
b. Konstrak Laten.
Konstrak laten adalah konstrak yang tidak terukur (unobserved). Dinamakan tidak
terukur karena tidak ada data empirik yang menunjukkan besarnya konstrak ini.
Konstrak laten dapat berupa a) common factor yang menunjukkan domain yang
diukur oleh seperangkat indikator/item dan b) unique factor (eror) yang merupakan
eror pengukuran. Konstrak ini disimbolkan dengan gambar lingkaran dan c) residu
yaitu faktor-faktor lain yang mempengaruhi variabel dependen selain variabel
independen.
3. Jalur
Jalur (path) adalah informasi yang menunjukkan keterkaitan antara satu konstrak dengan
konstrak lainnya. Jalur di dalam SEM terbagi menjadi dua jenis yaitu jalur hubungan
kausal dan non kausal. Jalur kausal digambarkan dengan garis dengan panah salah satu
ujungnya (J) dan jalur hubungan non kausal ditandai dengan gambar garis dengan dua
panah di ujungnya (Q). Namun demikian, meski bentuk garis sama, akan tetapi jika jenis
konstrak yang dihubungkan adalah berbeda makna garis berbentuk sama tersebut dapat
bermakna berbeda. Selengkapnya jenis-jenis jalur dapat dilihat pada Gambar 7.
C. Contoh Analisis
1. Dimulai dari Data Dilanjutkan ke Model
Kata kuncinya adalah DATA dan MODEL. Data berisi informasi mengenai variabel
secara kuantitatif dan model adalah gambar dari model. Gambar ini menunjukkan konsep
yang disusun dalam menghubungkan satu variabel dengan variabel lainnya.
− Data disediakan melalui program Microsoft Excel atau SPSS
− Model disusun pada program AMOS.
Karena AMOS adalah program pelengkap sehingga model yang dikembangkan dalam
Program AMOS tidak dapat dianalsis tanpa data yang diacu.
2. Langkah-langkah
Berikut adalah langkah-langkah yang harus ditempuh
a. Menyiapkan data.
Data yang kita pakai adalah data SPSS
b. Membuka Program AMOS
Buka program AMOS dengan membuka Program AMOS GRAPHICS
d. Mengambar Model
Gambarlah model sesuai dengan konsep yang anda kembangkan. Dalam hal ini kita
sedang melakukan analisis faktor terhadap pada skala Harga Diri yang terdiri dari 4
item.
AMOS memfasilitasi anda untuk menggambar model dengan berbagai fitur yang
menarik
f. Melakukan Analisis
Klik ANALYZE – CALCULATE ESTIMATES atau ikon bergambar piano
untuk menganalisis model anda
A. Pengertian
Analisis jalur dikenal dengan path analysis dikembangkan pertama tahun 1920-an oleh
seorang ahli genetika yaitu Sewall Wright. Analisis jalur sebenarnya sebuah teknik yang
merupakan pengembangan korelasi yang diurai menjadi beberapa interpretasi akibat yang
ditimbulkannya.
Teknik ini juga dikenal sebagai model sebab-akibat (causing modeling). Definisi
analisis jalur, di antaranya: “Analisis jalur ialah suatu teknik untuk menganalisis hubungan
sebab akibat yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi
variabel tergantungnya tidak hanya secara langsung, tetapi juga secara tidak langsung”
(Robert D. Rutherford, 1993). Definisi lain mengatakan “Analisis jalur merupakan
pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi
tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat
hipotetikal dalam seperangkat variabel” (Paul Webley, 1997).
Model analisis jalur digunakan untuk menganalisis pola hubungan antar variabel dengan
tujuan untuk mengetahui pengaruh langsung maupun tidak langsung seperangkat variabel
bebas (eksogen) terhadap variabel terikat (endogen). Model analisis jalur yang dibicarakan
adalah pola hubungan sebab akibat. Oleh karena itu rumusan masalah penelitian dalam
kerangka analisis jalur hanya berkisar pada variabel bebas (X 1, X2, X3,…….X4) berpengaruh
terhadap variabel terikat Y, atau berapa besar pengaruh kausal langsung, kausal tidak
langsung, kausal total maupun simultan seperangkat variabel bebas (X 1, X2, X3,…….X4)
terhadap variabel terikat Y.
2. Model Mediasi
Model mediasi atau perantara di mana variabel Y memodifikasi pengaruh variabel X
terhadap variabel Z. Model digambarkan sebagai berikut:
3. Model Kombinasi
Model ini merupakan kombinasi model regresi berganda dan model mediasi, yaitu
variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak langsung
mempengaruhi variabel Z melalui variabel Y. Model digambarkan sebagai berikut:
Dari sisi pandang arah sebab-akibat, ada dua tipe model jalur, yaitu rekursif dan non
rekursif. Model tersebut dapat diterangkan sebagai berikut:
a. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3, dan 4; dari 2 ke 3 dan dari 3 menuju
ke 4. Tidak ada arah yang terbalik, misalnya dari 4 ke 1.
b. Hanya terdapat satu variabel exogenous, yaitu 1 dan tiga variabel endogenous, yaitu 2,
3, dan 4. Masing-masing variabel endogenous diterangkan oleh variabel 1 dan error (e1,
e2, e3).
c. Satu variabel endogenous dapat menjadi penyebab variabel endogenous lainnya, tetapi
bukan ke variabel exogenous.
Model non rekursif terjadi jika anak panah tidak searah atau terjadi arah yang
terbalik (looping), misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab akibat
(reciprocal cause). Ada tiga tipe model dalam model rekursif dan non rekursif, yaitu:
a. Model persamaan satu jalur
Analisis :
1. Regression
Descriptive Statistics
X3 X1 X2
Pearson Correlation X3 1,000 ,916 ,901
X1 ,916 1,000 ,735
X2 ,901 ,735 1,000
Sig. (1-tailed) X3 . ,000 ,000
X1 ,000 . ,001
X2 ,000 ,001 .
N X3 15 15 15
X1 15 15 15
X2 15 15 15
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 X2, X1a . Enter
a. All requested variables entered.
b. Dependent Variable: X3
Model Summary
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 22521,299 2 11260,649 118,294 ,000a
Residual 1142,301 12 95,192
Total 23663,600 14
a. Predictors: (Constant), X2, X1
b. Dependent Variable: X3
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 64,639 13,112 4,930 ,000
X1 2,342 ,398 ,551 5,892 ,000
X2 ,535 ,101 ,496 5,297 ,000
a. Dependent Variable: X3
Proposisi hipotetik yang diajukan oleh peneliti bisa diterjemahkan kedalam Diagram
Jalur seperti di bawah ini :
Diagram jalur ini terdapat dua buah variabel eksogen X1 dan X2, serta sebuah
variabel endogen, yaitu X3.
Bentuk persamaan struktural untuk diagram jalur di atas :
X3 = 0,551 X1 + 0,496 X2 +
Model ini signifikan karena nilai p-value = 0,000 lebih kecil dari α
Koefisien jalur :
p31 = 0,551 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan
p32 = 0,496 , karena p-value = 0,000 lebih kecil dari α, koefisien jalur ini signifikan
p3 = = = 0,219
Hubungan struktural antara X1 , X2 dan X3 :
Interpretasi
Pengaruh langsung dari X1 terhadap X3 = (0,551)(0,916)=
Pengaruh langsung dari X2 terhadap X3 = (0,496)(0,901)=
CONTOH KASUS MANOVA HOTELLING TRACE TEST
Seorang peneliti ingin mengetahui perbedaan pengaruh penambahan gelatin (X1) dan
lama penyimpanan (X2) terhadap kadar protein (Y1) maupun kadar lemak (Y2) yang terkandung
dalam yogurt! Berikut data penelitiannya :
Keterangan :
Penambahan Gelatin (X1):
1 = penambahan gelatin 0 %
2 = penambahan gelatin 0,3 %
3 = penambahan gelatin 0,6%
4 = penambahan gelatin 0,9 %
Lama Penyimpanan (X2):
1 = lama penyimpanan 1 hari
2 = lama penyimpanan 7 hari
3 = lama penyimpanan 14 hari
4 = lama penyimpanan 21 hari
Jawab :
a. Hasil Uji Homogenitas Varian
Tabel 2
Levene's Test of Equality of Error Variancesa
F df1 df2 Sig.
Kadar Protein
1,526 15 32 ,154
(Y1)
Kadar Lemak
4,463 15 32 ,000
(Y2)
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept + X1 + X2 + X1 * X2
Hasil uji Levene pada tabel 2 menunjukkan bahwa untuk Y1 harga F=1,526 dengan
signifikansi 0,154 dan untuk Y2 harga F= 4,463 dengan signifikansi 0,000. Bila ditetapkan taraf
signifikansi 0,05, maka baik untuk Y1 maka harga F tidak signifikan karena signifikansi Y1 =
0,154 lebih besar dari 0,05, artinya Y1 memiliki varian yang homogen, sedangkan Y2 yaitu
harga F tidak signifikan karena signifikansi Y2 = 0,000 lebih kecil dari 0,05, artinya Y2
memiliki varian yang heterogen
b. Hasil Uji Homogenitas 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. Hasil uji
Box’s M dengan SPSS tampak pada Tabel 3 berikut ini.
Tabel 3
Box's Test of Equality of Covariance Matricesa
Box's M 63,440
F ,828
df1 45
df2 1539,792
Sig. ,785
Tests the null hypothesis that the observed covariance matrices of
the dependent variables are equal across groups.
a. Design: Intercept + X1 + X2 + X1 * X2
Tabel 3 menunnjukka bahwa nilai signifikansi Box’s M = 0,786 yang lebih besar dari
0,05. Hal ini berarti bahwa matriks varian / covarian dari variabel dependen sama, sehingga
analisis MANOVA / uji Hotelling Trace’s dapat dilanjutkan.
Tabel 4
Multivariate Testsa
Effect Value F Hypothesis df Error df Sig.
Pillai's Trace ,999 16890,420b 2,000 31,000 ,000
Wilks' Lambda ,001 16890,420b 2,000 31,000 ,000
Hotelling's
Intercept 1089,704 16890,420b 2,000 31,000 ,000
Trace
Roy's Largest
1089,704 16890,420b 2,000 31,000 ,000
Root
Pillai's Trace 1,257 18,060 6,000 64,000 ,000
Wilks' Lambda ,097 22,901b 6,000 62,000 ,000
Penambahan Gelatin Hotelling's
5,682 28,409 6,000 60,000 ,000
(X1) Trace
Roy's Largest
4,941 52,699c 3,000 32,000 ,000
Root
Pillai's Trace ,689 5,611 6,000 64,000 ,000
Wilks' Lambda ,323 7,847b 6,000 62,000 ,000
Lama Penyimpanan Hotelling's
2,057 10,284 6,000 60,000 ,000
(X2) Trace
Roy's Largest
2,038 21,737c 3,000 32,000 ,000
Root
Pillai's Trace ,108 ,202 18,000 64,000 1,000
Wilks' Lambda ,895 ,197b 18,000 62,000 1,000
Hotelling's
X1 * X2 ,115 ,192 18,000 60,000 1,000
Trace
Roy's Largest
,088 ,312c 9,000 32,000 ,965
Root
a. Design: Intercept + X1 + X2 + X1 * X2
b. Exact statistic
c. The statistic is an upper bound on F that yields a lower bound on the significance level.
Tabel 4 pada baris X1 menunjukkan nilai signifikansi (Sig) Pillae Trace = 0,000, Wilk
Lambda = 0,000, Hotelling Trace = 0,000, Roy’s Largest Root = 0,000, serta baris X2 juga
mempunyai nilai signifikansi (Sig) Pillae Trace = 0,000, Wilk Lambda = 0,000, Hotelling Trace
= 0,000, Roy’s Largest Root = 0,000. Hal ini berarti bahwa ada atau terdapat perbedaan kadar
protein dalam yogurt (y1) dan kadar lemak dalam yogurt (y2) dengan adanya penambahan
gelatin 0% (1) sampai dengan 0,9% (4), maupun dengan lama penyimpanan dari 1 hari (1)
sampai dengan 21 hari (4).
Selanjutnya tabel 5 yang membahas tentang hubungan variabel penambahan gelatin (X1),
dan lama penyimpanan (X2) dengan variabel kadar protein (Y1) dan kadar lemak yang
terkandung dalam yogurt (Y2) yang mengakibatkan ada atau tidaknya perbedaan.
Tabel 5
Tests of Between-Subjects Effects
Source Dependent Type III Sum df Mean F Sig.
Variable of Squares Square
Value Label N
1,00 Penambahan 0% 12
3,00 14 Hari 12
4,00 21 Hari 12
Box's M 63,440
F ,828
df1 45
df2 1539,792
Sig. ,785
Tests the null hypothesis that the observed covariance matrices of the
dependent variables are equal across groups.
a. Design: Intercept + X1 + X2 + X1 * X2
Multivariate Testsa
a. Design: Intercept + X1 + X2 + X1 * X2
b. Exact statistic
c. The statistic is an upper bound on F that yields a lower bound on the significance level.
Tests the null hypothesis that the error variance of the dependent
variable is equal across groups.
a. Design: Intercept + X1 + X2 + X1 * X2
A. Pendahuluan
Dalam penelitian, seringkali kita melakukan pengukuran fenomena yang abstrak, yang
tidak dapat diukur secara langsung, misalnya :
1.Sikap terhadap UU Pornografi
2.Kepuasan terhadap pelayanan RS
Sehingga pengukurannya dilakukan secara tidak langsung, yaitu melalui
pertanyaan/pernyataan (item). Dimana pertanyaan/pernyataan tersebut mewakili konsep
abstrak yang ingin diukur.
B. Pengertian
Analisis faktor merupakan metode untuk pengembangan pengukuran untuk variabel
yang tidak dapat diukur secara langsung, seperti tingkah laku, pendapat, sikap, kepuasan,
intelegensi, personality dan lain-lain.
C. Manfaat
Analisis faktor digunakan untuk mereduksi dimensi data dengan cara menyatakan
variabel asal sebagai kombinasi linear sejumlah faktor, sedemikian hingga sejumlah faktor
tersebut mampu menjelaskan sebesar mungkin keragaman data yang dijelaskan oleh
variabel asal. Dengan kata lain manfaat dari analisis faktor adalah untuk menguji validitas
konstruk.
D. Prinsip
Principal Component Analysis yang digunakan adalah untuk mengurangi variabel,
misalnya variabel yang multikolineariti pada regresi linier dan tidak ada asumsi konstruk
(jenis dan jumlah)
E. Jenis
1. Exploratory Factor Analysis (EFA)
a. Ada asumsi jumlah konstruk yang mendasari pertanyaan/pernyataan
b. Antar konstruk dianggap tidak ada korelasi
2. Confirmatory Factor Analysis (CFA)
a. Ada asumsi jumlah konstruk dan juga pertanyaan/pernyataan yang mewakili konstruk
tersebut
b. Antar konstruk boleh ada korelasi
F. Syarat
1. Variabel bersifat ordinal dg minimal ada 3 tingkatan
2. Distribusi variabel normal à tidak terlalu ketat
3. Hubungan antar variabel linier
4. Antar pertanyaan/pernyataan harus ada korelasi sedang sampai tinggi
5. Sampel cukup besar
a. Paling tidak 300 resp (Tabachnick & Fidell, 2001)
b. Paling tidak 10 * jumlah item (Nunnally & Bernstein, 1994)
G. Contoh
Suatu instumen digunakan untuk mengukur kepuasan pasien terhadap pelayanan di
puskesmas di propinsi Sumatera Selatan, Jambi dan Papua. Kepuasan pasien diukur
berdasarkan 5 dimensi kepuasan (Panarusaman) dan keterjangkauan fasilitas, terdiri dari :
1. Emphaty
2. Tangible
3. Reliability
4. Responsiveness
5. Assurance
6. Cost & distance
Berikut adalah rinciang dari masing-masing dimensi tersebut :
1. Emphaty
a. F3a Keramahan petugas pemberi pelayanan
b. F3b Komunikasi yang lancar/baik
2. Tangible
a. F3c Kelengkapan alat yang disediakan
b. F3d Kebersihan fasilitas pelayanan
3. Reliability
a. F3e Keterampilan petugas dalam memberikan pengobatan
b. F3f Memberikan penjelasan yang jelas dan akurat
4. Responsiveness
a. F3g Waktu tunggu hingga saat pelayanan diberikannya
b. F3h Pelayanan yang cepat dan tanggap
5. Assurance
a. F3i Memberikan rasa aman kepada diri sendiri
b. F3j Memberikan pelayanan yang privasi/pribadi/rahasia
6. Accesibility
a. F3k Keterjangkauan tempat fasilitas pelayanan
b. F3l Biaya relatif murah
Berikut adalah bagan dari masing-masing dimensi tersebut diatas :
H. Langkah-Langkah Melakukan Analisis Faktor Menggunakan SPSS
1. pilih Analyze à Data Reduction à Factor
2. Pilih variabel pernyataan/pertanyaan
A. Pendahuluan
Pada kasus multivariat, analisis sebagai perluasan dari Analisis Variansi disebut Analisis
Variansi Multivariat merupakan teknik analisis data tentang perbedaan pengaruh beberapa variabel
independen dalam skala nominal terhadap sekelompok variabel dependen dalam skala rasio. Skala
nominal adalah tingkat mengkategorikan obyek yang diteliti dengan angka yang diberikan pada obyek
mempunyai arti sebagai label saja, sedangkan skala rasio adalah ukuran nilai absolute pada objek yang
akan diteliti dan mempunyai nilai nol (0). Menurut Suryanto (1988: 86) analisis variansi itu disebut
Pada kasus multivariat, misal terdapat sekumpulan sampel acak yang diambil dari setiap g
Populasi 1 :
Populasi 2 :
Populasi g :
terdapat tiga asumsi dasar yang diperlukan oleh sekumpulan sampel acak di atas, yaitu:
1. , (l = 1, 2, … ,g) adalah sampel acak berukuran dari suatu populasi dengan rata
- rata .
Sebelum dilakukan analisis variansi multivariat lebih lanjut, terlebih dahulu akan diuji ketiga
rata-rata dan saling bebas. Pernyataan ini adalah jelas tanpa perlu diuji karena untuk tujuan uji
perbedaan maka sekumpulan data multivariat dari setiap populasi harus diambil secara acak dan saling
tidak sama. Jika dari masing-masing populasi diambil sampel acak berukuran n yang saling bebas
maka penduga tak bias untuk adalah matriks sedangkan untuk penduga tak biasnya adalah S,
Untuk menguji hipotesis di atas dengan tingkat signifikansi α, digunakan kriteria uji berikut:
dengan
Dengan bantuan program SPSS, uji homogenitas matriks varians-kovarians dapat dilakukan
dengan Uji Box’s M. Jika nilai sig. > α, maka H0 diterima sehingga dapat disimpulkan matriks varians-
kovarians dari l-populasi adalah sama atau homogen. Adapun langkah-langkah uji homogenitas
a. Dari worksheet, entry data dilakukan melalui Variable View dan Data View.
b. Dari menu utama SPSS dipilih menu Analyze, kemudian submenu General Linear Mode dipilih
Multivariat.
c. Setelah tampak dilayar tampilan window Multivariat, kemudian melakukan entry variabel-variabel
normalitas dengan hipotesis adalah Data berdistribusi normal multivariat dan Data tidak
distribusi normal multivariat dapat dilakukan pada setiap populasi dengan cara membuat q-q plot atau
Tahapan dari pembuatan q-q plot ini adalah sebagai berikut (Johnson & Wichern, 2002: 187)
a) Mulai
b) Tentukan nilai vektor rata-rata:
d) Tentukan nilai jarak mahalanobis atau kuadrat general setiap titik pengamatan dengan vektor rata-
ratanya
f) Tentukan nilai
i) Jika scatter-plot ini cenderung membentuk garis lurus dan lebih dari 50% nilai ,
j) Selesai
Pada Analisis Variansi Univariat, keputusan dibuat berdasarkan satu statistika uji yaitu uji F
yang nilainya ditentukan oleh hasil bagi dari dua rata-rata jumlah kuadrat, sebagai taksiran hasil bagi
taksiran variansi-variansi yang bersangkutan. Pada Analisis Variansi Multivariat ada beberapa statistik
uji yang dapat digunakan untuk membuat keputusan, yaitu: (Kattree & Naik, 2000: 66)
a) Pillai’s Trace. Statistik uji ini paling cocok digunakan jika asumsi homogenitas matriks varians-
kovarians tidak dipenuhi, ukuran-ukuran sampel kecil, dan jika hasil-hasil dari pengujian
bertentangan satu sama lain yaitu jika ada beberapa vektor rata-rata yang bereda sedang yang lain
tidak. Semakin tinggi nilai statistik Pillai’s Trace, pengaruh terhadap model semakin besar.
b) Wilk’s Lambda. Statistik uji digunakan jika terdapat lebih dari dua kelompok variabel independen
dan asumsi homogenitas matriks varians-kovarians dipenuhi. Semakin rendah nilai statistik Wilk’s
Lambda, pengaruh terhadap model semakin besar. Nilai Wilk’s Lambda berkisar antara 0-1.
c) Hotelling’s Trace. Statistik uji ini cocok digunakan jika hanya terdapat dua kelompok variabel
independen. Semakin tinggi nilai statistik Hotelling’s Trace, pengaruh terhadap model semakin
besar. Nilai Hotelling’s Trace > Pillai’s Trace. Statistik uji Hotelling’s dirumuskan sebagai:
d) Roy’s Largest Root. Statistik uji ini hanya digunakan jika asumsi homogenitas varians-kovarians
dipenuhi. Semakin tinggi nilai statistik Roy’s Largest Root, pengaruh terhadap model semakin
besar. Nilai Roy’s Largest Root > Hotelling’s Trace > Pillai’s Trace. Dalam hal pelanggaran
asumsi normalitas multivariat, statistik ini kurang robust (kekar) dibandingkan dengan statistik uji
B. One-Way MANOVA
Salah satu model MANOVA sebagai perluasan dari One-Way ANOVA adalah One-Way
MANOVA. Model ini dengan pengaruh tetap dapat digunakan untuk menguji apakah ke-g populasi
(dari satu faktor yang sama) menghasilkan vektor rata-rata yang sama untuk p variabel respon atau
Suatu vektor dari pengamatan data multivariat dianalisis berdasarkan bentuk (2-18) dan bentuk
(2-19) mengacu untuk jumlah kuadrat pada model One-Way MANOVA. Sehingga digunakan,
dimana Sl adalah matriks kovariansi sampel ke-l. Matriks tersebut mempunyai peran yang dominan
Analog pada univariat, hipotesis tanpa pengaruh perlakuan pada multivariat dapat dirumuskan dengan
Ho : , dengan dan
Dapat diuji kesamaan vektor rata-rata dengan mencari matriks jumlah kuadrat dan hasil kali untuk
perlakuan dan sisa. Secara akuivalen, akan didapat hubungan ukuran relatif dari galat (sisa) dan total
(koreksi) jumlah dari kuadrat dan hasil kali berdasarkan bentuk (3-7). Untuk perhitungan statistik uji
Perlakuan g–1
Galat (sisa)
total
p=1 ≥2
p=2 ≥2
p ≥1 =2
p ≥1 =3
Distribusi sampling data normal multivariat disesuaikan dengan hasil uji F pada kasus univariat bentuk
(2-23), sehingga untuk kasus multivariat Ho ditolak jika statistika uji berdasarkan tabel 3 lebih besar
Dengan bantuan program MINITAB 14 dapat dilakukan pengujian MANOVA. Jika nilai sig.
> α maka H0 diterima sehingga dapat disimpulkan tidak terdapat perbedaan pengaruh perlakuan di
Ketika H0 diterima maka kasus untuk pengujian One-Way MANOVA selesai, tetapi jika hipotesis H 0
ditolak yaitu terdapat perbedaan atau paling tidak ada satu , maka digunakan selang
Untuk pasangan yang dibandingkan, pendekatan Bonferroni dapat digunakan untuk proses
selang kepercayaan bersama pada bagian-bagian yang berbeda seperti atau . Misalkan
Perhatikan bahwa
dengan adalah diagonal unsur ke-i dari dan . Dari bentuk (3-8) dapat
dirumuskan untuk
dengan dan adalah diagonal unsur ke-i dari W. Sehingga persamaan (3-11)
menjadi
Pada kasus One-Way MANOVA terdapat p variabel untuk setiap g populasi dan misalkan
adalah banyaknya kombinasi dua dari g, apabila perbedaan-perbedaan memuat dua vektor rata-rata
populasi yang digunakan dan banyaknya perbedaan itu . Berdasarkan selang kepercayaan dua
Untuk model MANOVA dengan kepercayaan , selang kepercayaan simultan untuk perbedaan
adalah
D. Contoh Kasus
Suatu penelitian dengan judul Perbedaan Kinerja Guru dan Profesionalitas Guru Antara Tipe
Kepemimpinan Demokratis, Permisif dan Otoriter Pada Sekolah Taman Dewasa Se Kodya
Yogyakarta. Adapun hipotesis yang akan diuji adalah:
1. Ada perbedaan yang signifikan kinerja guru antara tipe kepemimpinan demokratis, permisif, dan
otoritar.
2. Ada perbedaan yang signifikan profesionalisme guru antara tipe kepemimpinan demokratis,
premisif, dan otoritar
3. Kinerja guru dengan tipe kepemimpinan demokratis lebih baik dari tipe kepemimpinan permisif
dan otoriter.
4. Profesionalisme guru dengan tipe demokratis lebih baik dari tipe kepemimpinan permisif dan
otoriter.
Data yang diperoleh sebagai berukut :
Langkah-langkah
1. Definisikan variabel dan masukkan data ke SPSS
2. Pilih menu Analyze → General Linear Model → Multivariate
Klik Continue , OK
Akan diperoleh hasil analisis OUTPUT:
HASIL ANALISIS
A. Uji Homogenitas
a. Design: Intercept + A
b. α = 0.05
c. Daerah kritis: H0 ditolak jika p value (Sig.) < 0.05
d. Statistic Uji P value (Sig. Y1) = 0.243 P value (Sig. Y2) = 0.007
1. Nilai p value (Sig. Y1) = 0,423 > 0,05 maka H0 tidak ditolak. Dapat disimpulkan bahwa tidak ada
perbedaan yang signifikan kinerja guru antara tipe kepemimpinan demokratis, permisif, dan
otoritar.
2. Nilai p value (Sig. Y2) = 0,007 < 0,05 maka H0 ditolak. Dapat disimpulkan bahwa terdapat
perbedaan yang signifikan profesionalitas guru antara tipe kepemimpinan demokratis, permisif,
dan otoritar.
a. Design : Intercept + A
b. H0 : matriks varian /kovarian dari variabel dependen sama
H1 : varian/kovarian dari variabel dependen tidak sama
c. α = 0.05
d. Daerah kritis :H0 ditolak jika p value (Sig.) < 0.05
e. Statistic Uji P value (Sig. )= 0,018
Kesimpulan :
Karena p value (Sig.)= 0,018 < 0.05 maka H0 tidak ditolak sehingga dapat disimpulkan bahwa
matriks varian/ kovarian dari variabel dependen tidak sama.
C. Uji Manova
Uji Hipotesis :
a. H0: Tidak terdapat perbedaan kinerja guru (Y1) dan profesionalitas (Y2) antarademokratis,
permisif, dan otoritar.
H1: Terdapat perbedaan kinerja guru (Y1) dan profesionalitas (Y2) antarademokratis, permisif,
dan otoritar.
b. α = 0.05
c. Daerah kritis: H0 ditolak jika p value (Sig.) < 0.05
d. Statistic Uji dari tabel Multivariate Tests didapat nilai P value (sig.) = 0.000 Kesimpulan Karena p
value (Sig.) < 0.05 maka H0 ditolak sehingga dapat disimpulkan bahwa terdapat perbedaan kinerja
guru (Y1) dan profesionalitas guru (Y2) antara tipe kepemimpinan demokratis (A1), permisif (A2)
dan otoritar (A3).
1. Antara kepemimpinan demokratis (A2) dengan tipe kepemimpinan permisif (A1) memiliki nilai
Mean Difference 8.50. Hal ini menunjukkan bahwa kinerja guru (Y1) dengan tipe kepemimpinan
demokratis (A2) lebih baik daripada kinerja guru (Y1) dengan tipe kepemimpinan permisif (A1).
2. Antara tipe kepemimpinan Demokratis (A2) dengan tipe kepemimpinan otoritar (A3) memiliki
Mean Difference -147. Hal ini menunjukkan bahwa kinerja guru (Y1) dengan tipe kepemimpinan
otoritar (A3) lebih baik dari tipe kepemimpinan demokratis (A2).
3. Antara tipe kepemimpinan Demokratis (A2) dan tipe kepemimpinan permisif (A1) memiliki
Mean Difference -12,23. Hal ini menunjukkan bahwa profesionalisme guru (Y2) dengan tipe
kepemimpinan permisif lebih baik daripada tipe kepemimpinan demokrats (A2).
4. Antara kepemimpinan Demokratis (A2) dan tipe kepemimpinan otoritar (A2) memiliki Mean
Difference 4,10. Hal ini menunjukkan bahwa profesionalisme guru (Y2) dengan tipe
kepemimpinan Demokratis (A2) lebih baik dari tipe kepemimpinan otoritar (A3).
Kesimpulan
1. Terdapat perbedaan yang signifikan kinerja guru antara tipe kepemimpinan demokratis, permisif,
dan otoritar.
2. Terdapat perbedaan yang signifikan profesionalisme guru antara tipe kepemimpinan demokratis,
permisif dan otoritar.
3. Kinerja guru dengan tipe kepemimpinan demokratis lebih baik dari tipe kepemimpinan permisif
dan otoritar.
a. Kinerja guru (Y1) dengan tipe kepemimpinan demokratis (A2) lebih baik dari tipe
kepemimpinan permisif (A1).
b. Kinerja guru (Y1) dengan tipe kepemimpinan otoritar (A3) lebih baik dari tipe kepemimpinan
demokratis (A2).
4. Profesionalisme guru dengan tipe kepemimpinan demokratis lebih baik dari tipe kepemimpinan
permisif dan otoritar.
a. Profesionalisme guru (Y2) dengan tipe kepemimpinan permisif (A2) lebih baik dari tipe
kepemimpinan demokratis (A2)
b. Profesionalisme guru (Y2) dengan tipe kepemimpinan demokratis (A2) lebih baik dari tipe
kepemimpinan otoritar (A3).