Selasa, 23 April 2013

MANOVA



MANOVA
Respon (variabel terikat) yang diamati dalam suatu percobaan kadang kadang tidak tunggal, melainkan sebanyak p buah (p ≥2), sehingga diperlukan analisis dalam bentuk multivariat. Bila dalam suatu penelitian percobaan dikaji pengaruh dari berbagai perlakuan terhadap lebih dari satu respon, maka metode analisis yang tepat adalah analisis ragam multivariat (Multivariate Analysis of Variance = MANOVA).
Sama halnya dengan ANAVA, 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.
Dalam makalah ini akan dibahas analisis multivariat secara tradisional dan analisis multivariat menggunakan SPSS. Ada dua alasan mengapa menggunakan lebih dari 2 variabel terikat:
1.      Suatu treatment atau perlakuan bisa memberikan pengaruh pada beberapa respon (variabel terikat), sehingga dibutuhkan beberapa kriteria pengukuran tertentu.
2.      Dengan menggunakan beberapa kriteria pengukuran tertentu, kita akan memperoleh deskripsi dari suatu kejadian yang diteliti dengan lebih lengkap dan detail. Misalnya apakah itu prestasi membaca, prestasi matematika, konsep diri, efektivitas guru atau efektivitas konselor.
    Alasan secara Statistik Memilih Manova (Keunggulan Manova)
Ada empat alasan secara statistik memilih analisis multivariate (keunggulan Manova) dibandikan analisis univariat:
1.   Penggunaan tes univariat terfragmentasi menyebabkan tingkat kesalahan meningkat, bisa saja menolak sesuatu yang benar atau bahkan menerima sesuatu yang salah. Misalkan  dua kelompok dengan  10 variabel dependen (variabel terikat). Berapa probabilitas erornya dari satu atau  jika kita melakukan 10 t tes (anava), masing-masing pada tingkat signifikansi 0.05?  Maka kemungkinan ada kesalahan atau eror  adalah:
Probabilitas eror sebesar 0.60 sehingga probabilitas keputusan benar hanya sebesar 0.40. Hal ini menyatakan bahwa hasil penelitian tidak akurat atau tidak dapat dipercaya.
2. Tes univariat mengabaikan informasi penting, yaitu korelasi antara variabel. Uji multivariat menggabungkan korelasi (melalui kovarians  matrix) langsung ke uji statistik.
3.  Meskipun kelompok mungkin tidak berbeda secara signifikan pada salah satu variabel  individual, bersama-sama dengan set variabel dapat  membedakan kelompok. Perbedaan kecil pada beberapa variabel dapat bergabung dan menghasilkan perbedaan keseluruhan. Dengan demikian, uji multivariat akan lebih kuat dalam kasus ini.
4.   Hal ini kadang-kadang berpendapat bahwa kelompok harus dibandingkan pada skor tes Total  untuk melihat apakah ada perbedaan.  Di sisi lain, jika tidak ada perbedaan tes skor total, kemudian berhenti. Prosedur ini bisa menyesatkan. Anggaplah, misalnya, bahwa nilai tes keseluruhan tidak  berbeda secara signifikan, tetapi pada subtes 1 Grup 1 cukup unggul, pada subtes  2 Kelompok 1 agak unggul, pada subtes 3 tidak ada perbedaan, dan subtes 4 Kelompok 2 adalah cukup unggul. Maka akan jelas mengapa analisis skor total tes univariat tidak menemukan apa-apa-karena membatalkan pengaruh luar. Tapi dua kelompok yang berbeda secara substansial pada dua dari empat subset, dan beberapa batas pada ketiga. Sebuah analisis multivariat akan mencerminkan perbedaan ini  dan akan menunjukkan perbedaan yang signifikan. Rancangan acak kelompok adalah suatu rancangan acak yang dilakukan dengan mengelompokkan satuan percobaan ke dalam blok-blok yang homogen yang dinamakan kelompok dan kemudian menentukan perlakuan secara acak didalam masing-masing kelompok.