Analisis Variansi Multivariat

dokumen-dokumen yang mirip
ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

BAB 5 HASIL DAN PEMBAHASAN. Sampel yang digunakan dalam penelitian ini adalah data pengujian pada

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

PENDUGAAN RESIKO RELATIF PADA PENDUGAAN AREA KECIL 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta

LOGO. Analisis Sisaan HAZMIRA YOZZA- JUR.MATEMATIKA FMIPA UNIV.ANDALAS

MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

A v V i. Gambar 5.1. Rangkaian ekuivalen Thevenin dari suatu penguat tegangan

RANCANGAN ACAK KELOMPOK TAK LENGKAP (Incomplete Block Design) Dr.Ir. I Made Sumertajaya, M.Si Departemen Statistika-FMIPA IPB 2007

STK511 Analisis Statistika. Pertemuan 8 ANOVA (2)

Analysis of Covariance (ANACOVA)

BAB 2 SISTEM MAKRO DAN MIKRO

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

PEMODELAN LUAS PANEN PADI DI KABUPATEN LAMONGAN DENGAN INDIKATOR EL NINO SOUTHERN OSCILLATION MELALUI PENDEKATAN ROBUST BOOTSTRAP LEAST TRIMMED SQUARE

Hubungan antara K dengan koefisien fugasitas:

PENGUAT FREKUENSI RENDAH (lanjutan)

PROPERTY DAN PERDAGANGAN SEBAGAI SEKTOR DOMINAN PADA DATA BURSA SAHAM DENGAN PRINCIPAL COMPONENT ANALYSIS (PCA)

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ESTIMASI SMALL AREA BERDASARKAN MODEL PADA RATA-RATA PENGELUARAN PERKAPITA RUMAH TANGGA DI KABUPATEN KEBUMEN

EFISIENSI SISTEM BONUS MALUS SEBAGAI MODEL RANTAI MARKOV

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

Kritikan Terhadap Varians Sebagai Alat Ukur

FIXED EFFECT MODEL PADA REGRESI DATA PANEL

II. BILANGAN KOMPLEKS. Untuk mencari nilai kuadrat menggunakan persamaan

BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa

UJI KESELARASAN FUNGSI (GOODNESS-OF-FIT TEST)

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

BAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :

TIN309 - Desain Eksperimen Materi #13 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

Configural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data penelitian diperoleh dari siswa kelas XII Jurusan Teknik Elektronika

Analisis Regresi Linear Sederhana

REKAYASA TRANSPORTASI LANJUT UNIVERSITAS PEMBANGUNAN JAYA

ANALISIS KOVARIANSI part 2

ANALISIS KOVARIANSI bagian 2..

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

BAB 2 LANDASAN TEORI

Pendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB

BAB III METODOLOGI PENELITIAN

STATISTICAL STUDENT OF IST AKPRIND

MODEL PILIHAN KUALITATIF. Oleh Bambang Juanda

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODOLOGI PENELITIAN. awal dengan pemberian latihan dan pemberikan tes akhir yang kemudian melihat

OPTIMISASI HARGA DENGAN MODEL MULTINOMIAL LOGIT (Studi Kasus Produk Flash Disk dengan Kapasitas Penyimpanan 4 GB dan 8 GB)

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

PEMODELAN REGRESI HURDLE NEGATIVE BINOMIAL DENGAN VARIABEL DEPENDEN TERSENSOR KANAN PADA KASUS TETANUS NEONATORUM DI INDONESIA

SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN

OPERASI GABUNGAN, JOIN, KOMPOSISI DAN HASIL KALI KARTESIAN PADA GRAF FUZZY SERTA KOMPLEMENNYA. Tina Anggitta Novia 1 dan Lucia Ratnasari 2

BAB 2 LANDASAN TEORI

EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS

BAB V ANALISA PEMECAHAN MASALAH

BAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK

BAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a

Analisis Regresi 1. Pokok Bahasan : Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh

BAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol

1. Proses Normalisasi

II. PERANAN STATISTIK DALAM ANALISIS PERCOBAAN

EVALUASI METODE PENELUSURAN KERAGAMAN DALAM BLOK DENGAN ANALISIS INTERBLOK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

BAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI

PENGGUNAAN DINDING GESER SEBAGAI ELEMEN PENAHAN GEMPA PADA BANGUNAN BERTINGKAT 10 LANTAI

ANALISIS DATA KATEGORIK (STK351)

Independent Var. Dependent Var. Test. Nominal Interval Independent t-test, ANOVA. Nominal Nominal Cross Tabs, Chi Square, dan Koefisien Kontingensi

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB IV FUNGSI KOMPLEKS

Pendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

PROPOSAL SKRIPSI JUDUL:

LAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

TINJAUAN PUSTAKA Perancangan Percobaan

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

ESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL

Prediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap

ANALISIS TINGKAT KESEHATAN BANK PADA PD. BPR BKK KENDAL DENGAN METODE RGEC TAHUN

Oleh : Bustanul Arifin K BAB IV HASIL PENELITIAN. Nama N Mean Std. Deviation Minimum Maximum X ,97 3,

BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL

PEMBUATAN GRAFIK PENGENDALI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)

PENGEMBANGAN TES ILMU PENGETAHUAN ALAM TERKOMPUTERISASI

Oleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur

Transkripsi:

Analss Varans Multvarat Muammad Rdwan Ram - 80909 Program Stud Sstm Tknolog Informas Skola Tknk Elktro Informatka Insttut Tknolog Bandung, Jl. Gansa 0 Bandung 403, Indonsa m.rdwan.ram@gmal.com Abstrak Makala n mngurakan tntang analss multvarat yang basa dgunakan untuk mnganalss konds saat trdapat lb dar satu varabl untuk alss. Trdapat mpat jns ts statstk yang durakan conto kluaran kmpat ts statstk trsbut dngan mnggunakan softwar statstk SPSS (Statstcal Packag for Socal Scncs). Kata kunc Multvarat, SPSS, Ts Statstk. I. PENDAHULUAN Tujuan dar analss varans (ANOVA) adala untuk mnguj apaka rataan dua atau lb grup sampl dambl dar sampl dstrbus yang sama. MANOVA adala sngkatan dar Analss Varans Multvarat yang mrupakan pngmbangan dar ANOVA. Tujuan dar MANOVA adala untuk mnguj apaka vktor rataan dua atau lb grup sampl dambl dar sampl dstrbus yang sama. MANOVA basa dgunakan dalam dua konds utama. Konds prtama adala saat trdapat bbrapa varabl dpndn yang brkorlas, smntara pnlt anya mngngnkan satu kal ts ksluruan pada kumpulan varabl n dbandngkan dngan bbrapa kal ts ndvdual. Konds kdua adala saat pnlt ngn mngtau bagamana varabl ndpndn mmpngaru pola varabl dpndn. II. ANALISIS MULTIVARIAT MANOVA bak dgunakan jka pada prcobaan trdapat bbrapa varabl ndpndn yang nlanya akan duba. MANOVA mmlk bbrapa klban dbandngkan dngan ANOVA, sala satunya adala mngurang kmungknan trjadnya galat Tp I yang mungkn trjad saat dlakukan prtungan bbrapa ANOVA scara ndpndn. Asums yang brlaku pada MANOVA antara lan:. Varabl dpndn trdstrbus normal.. Stap pasang varabl dpndn, kovarat, smua pasangan varabl dpndn-kovarat adala lnar. 3. Varabl dpndn mmlk tngkat varans yang sama spanjang dara varabl prdktor. 4. Varabl dpndn maupun ndpndn dapat dkorlaskan satu sama lan. Batasan-batasan pnggunaan MANOVA antara lan:. Outlrs Outlrs dapat mngaslkan galat Tp I atau Tp II tdak ada tanda yang mnandakan galat tp mana yang trjad dalam analss.. Multkolnartas Sngulartas Saat trdapat korlas yang tngg antara varabl dpndn, sala satu varabl dpndn akan mnjad kombnas lnar dar varabl dpndn lannya. A Smua ts MANOVA djabarkan sbaga E H. Trdapat mpat jns ts statstk E multvaras yang djabarkan dalam. Statstk yang prtama adala Bartltt-Plla s Crtron dngan rumus sbaga brkut: trac[ H( H E) ] H Crtron n dapat duba mnjad statstka dstrbus F v br dngan drajat kbbasan v r( p ) prsamaan brkut: r U p r F r U b b max( p, r mn( p, ). dngan ) Statstk yang kdua adala Hotllng-Lawly Crtron dngan rumus sbaga brkut: trac ( A) trac( HE ) Crtron n dapat duba mnjad statstka dstrbus F dngan drajat kbbasan v br v r( p ) dmana b max( p, ) mn( p, ) r prsamaan brkut: F r( p ) V ( ) r b. Statstk yang ktga adala Wlk s Lambda Crtron dngan rumus sbaga brkut: E H E Makala II09 Probabltas Statstk Sm. I Taun 00/0

Crtron n dapat duba mnjad statstka dstrbus F dngan drajat kbbasan v p v ( p ) prsamaan brkut: F / / p p Statstk yang kmpat adala Roy Crtron yang mrupakan batas atas statstk F. Roy Crtron dalam statstka dstrbus F adala ( N b ) F b III. PENERAPAN PADA KOMPUTER Brkut adala conto analss statstka unvarat multvarat pada komputr dngan mnggunakan SPSS (Statstcal Packag for t Socal Scncs): Syntax: MANOVA /PRINT=CELLINFO(MEANS SSCP COV) HOMOGENEITY(BOX) ERROR(SSCP COR) SIGNIV(MULTIV). Nla ssua pada tabl brkut: (smua data dalam tabl dambl dar buku Appld MANOVA and Dscrmnant Analyss karangan Carl J. Hubrty, 006) TABEL 3. Nla Y (Error Dtcton Task) Y (Dgrs of Radng Powr) untuk klompok TA (Tnk Aloud) Y Y 4 43 4 34 4 45 3 39 8 40 7 7 46 7 39 9 3 6 39 4 40 5 4 53 53 7 4 5 4 9 46 3 5 55 5 36 50 5 54 Cll Mans and Standard Dvatons Varabl.. ntr sampl Man Std.Dv. N 95 prcnt Intrval 7.773 3.97 6.03 9.54 Varabl.. ntr sampl Man Std.Dv. N 95 prcnt Intrval 43.455 7.860 39.970 46.940 WITHIN CELLS Corrlatons wt Std. Dvs. on Dagonal 3.970.7995 7.8605 Statstcs for WITHIN CELLS corrlatons Log(Dtrmnant) = -.0954 Bartltt tst of sprcty = 9.88095 wt Sgnfcanc =.000 F(max) crtron = 4.0068 wt (,) WITHIN CELLS Sum-of-Suars and Cross- 33.86364 58.773 97.45455 Makala II09 Probabltas Statstk Sm. I Taun 00/0

* * * * * * Analyss of Varanc * * * * * Multvarat Tst of Sgnfcanc (S =, M Tst Nam Valu Exact F Hypot. DF Pllas.9803 493.8834.00 Hottlngs 49.3883 493.8834.00 Wlks.0987 493.8834.00 Roys.9803 Not.. F statstcs ar xact. (Cont.) Unvarat F-tst wt (,) Varabl Hypot. SS Error SS Hypot. MS 39.3636 33.86364 39.3636 454.54545 97.45455 454.54545 Varabl Error MS F Sg. of F 5.408 86.8400.000 6.78355 67.38845.000 TABEL 3. Nla Y (Error Dtcton Task) Y (Dgrs of Radng Powr) untuk klompok DRA (Drctd Radng Actvty) Y Y 5 34 9 36 5 4 7 37 4 44 9 49 3 38 4 38 38 5 50 7 3 8 49 0 54 9 5 50 5 35 8 36 46 4 4 8 47 6 39 5 38 Cll Mans and Standard Dvatons Varabl.. ntr sampl Man Std.Dv. N 95 prcnt Intrval 6.68.767 5.455 7.909 Varabl.. ntr sampl Man Std.Dv. N 95 prcnt Intrval 4.045 6.65 39. 44.978 WITHIN CELLS Corrlatons wt Std. Dvs. on Dagonal.7669.49774 6.65 Statstcs for WITHIN CELLS corrlatons Log(Dtrmnant) = -.8468 Bartltt tst of sprcty = 5.558 wt Sgnfcanc =.08 F(max) crtron = 5.7586 wt (,) WITHIN CELLS Sum-of-Suars and Cross- 60.7773 9.388 98.95455 * * * * * * Analyss of Varanc * * * * * Multvarat Tst of Sgnfcanc (S =, M Tst Nam Valu Exact F Hypot. DF Pllas.97733 43.076.00 Makala II09 Probabltas Statstk Sm. I Taun 00/0

Hottlngs 43.076 43.076.00 Wlks.067 43.076.00 Roys.97733 Not.. F statstcs ar xact. (Cont.) Unvarat F-tst wt (,) Varabl Hypot. SS Error SS Hypot. MS 98.77 60.7773 98.77 3889.04545 98.95455 3889.04545 Varabl Error MS F Sg. of F 7.65584 8.977.000 43.75974 888.7637.000 Cll Mans and Standard Dvatons Varabl.. ntr sampl Man Std.Dv. N 95 prcnt Intrval 6.7.09 5.300 7.55 Varabl.. ntr sampl Man Std.Dv. N 95 prcnt Intrval 46.636 7.644 43.47 50.06 TABEL 3.3 Nla Y (Error Dtcton Task) Y (Dgrs of Radng Powr) untuk klompok DRTA (Drctd Radng and Tnk Aloud) Y Y 6 7 6 36 5 5 5 5 0 50 6 55 6 5 48 6 53 8 45 8 47 3 5 7 30 7 50 6 55 9 48 7 5 6 46 7 36 6 45 6 49 6 49 WITHIN CELLS Corrlatons wt Std. Dvs. on Dagonal.095 -.554 7.6444 Statstcs for WITHIN CELLS corrlatons Log(Dtrmnant) = -.0445 Bartltt tst of sprcty =.4768 wt Sgnfcanc =.490 F(max) crtron = 3.35774 wt (,) WITHIN CELLS Sum-of-Suars and Cross- 9.86364-5.88 7.0909 * * * * * * Analyss of Varanc * * * * * Multvarat Tst of Sgnfcanc (S =, M Tst Nam Valu Exact F Hypot. DF Pllas.983 555.3757.00 Hottlngs 55.53757 555.3757.00 Wlks.0769 555.3757.00 Roys.983 Not.. F statstcs ar xact. (Cont.) Makala II09 Probabltas Statstk Sm. I Taun 00/0

Unvarat F-tst wt (,) Varabl Hypot. SS Error SS Hypot. MS 853.3636 9.86364 853.3636 47848.90909 7.0909 47848.90909 Varabl Error MS F Sg. of F 4.37446 95.067.000 58.4390 88.8693.000 IV. KESIMPULAN Statstka Bartltt-Plla, Hotllng-Lawly, Wlk, Roy akan mmbrkan asl yang tdak jau brbda. Mtod statstka yang palng bak adala yang palng ssua dngan data yang dola. Urutan ts statstk mnurut Rncr (00, pp. 76-78) untuk konstruks tunggal adala Roy > Hotllng-Lawly > Wlks > Bartltt-Plla, smntara untuk konstruks ganda adala Bartltt-Plla > Wlks > Hotllng-Lawly > Roy. REFERENSI [] Carl J. Hubrty, Appld MANOVA and Dscrmnant Analyss, nd d. Nw York: A Jon Wlly & Sons, 006. [] ttp://n.wkpda.org/wk/multvarat_analyss_of_varanc 6 Dsmbr 00 [3] ttp://n.wkvrsty.org/wk/advancd_anova/manova 6 Dsmbr 00 [4] ttp://www.statstcssolutons.com/mtods-captr/statstcaltsts/manova/ 6 Dsmbr 00 PERNYATAAN Dngan n saya mnyatakan bawa makala yang saya tuls n adala tulsan saya sndr, bukan saduran, atau trjmaan dar makala orang lan, bukan plagas. Bandung, 7 Dsmbr 00 ttd Muammad Rdwan Ram (80909) Makala II09 Probabltas Statstk Sm. I Taun 00/0