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.
