MANOVA: Multivariate Analysis of Variance

Andaikan terdapat k buah populasi saling bebas dimana dari masing-masing terdapat p buah variat yang diperhatikan, selanjutnya akan diuji apakah rata-rata p buah variat dari k buah populasi tersebut mempunyai rata-rata yang sama atau tidak. Dalam statistika parametrik pengujian seperti itu dijelaskan dalam Multivariat Analisis Varians (MANOVA) melalui uji F (Yanti. T. S., 2010). Multivariat Analisis Varians atau MANOVA adalah salah satu metode statistik yang digunakan untuk memahami struktur data yang melibatkan lebih dari satu variabel dimana variabel-variabel itu saling terkait satu sama lain (He et al., 2018).

MANOVA juga bisa disebut sebagai perluasan uji ANOVA untuk data multivariat (Suyatno, n.d.). MANOVA menggunakan satu atau lebih variabel independen kategorik sebagai prediktor. Perbedaan antara MANOVA dengan ANOVA terletak pada jumlah variabel dependennya. ANOVA digunakan untuk mengetahui apakah terdapat perbedaan pengaruh perlakuan terhadap satu variabel respon sedangkan MANOVA digunakan untuk mengetahui apakah terdapat perbedaan pengaruh terhadap lebih dari satu variabel respon (Gliner et al., 2017). MANOVA adalah teknik statistik yang digunakan untuk memeriksa hubungan antara beberapa variabel bebas (biasa disebut perlakuan) dengan dua atau lebih variabel terikat. Sama halnya ANOVA, MANOVA juga terdiri atas MANOVA satu jalur dan MANOVA dua jalur. MANOVA satu jalur adalah uji MANOVA yang hanya menggunakan 1 faktor. Sedangkan MANOVA dua jalur adalah uji MANOVA yang menggunakan 2 faktor. Adapun perbedaan jumlah perlakuan dan variabel bebas yang digunakan pada MANOVA dapat dilihat melalui tabel 1. berikut.

 

Tabel 1. Perbedaan MANOVA satu jalur dan MANOVA dua jalur

MANOVA satu jalur
Perlakuan (Variabel Bebas)	Kelompok	Variabel Terikat
1	≥ 2	≥ 2
2	≥ 2	≥ 2
MANOVA 2 Jalur
Perlakuan (Variabel Bebas)	Kelompok	Variabel Terikat
> 2	≥ 2	> 2

 

DAFTAR RUJUKAN

Gliner, J. A., Morgan, G. A., & Leech, N. L. (2017). Research Methods in Applied Settings: An Integrated Approach to Design and Analysis (3th ed.). Routledge Taylor & Francis Group.

He, F., Mazumdar, S., Tang, G., Bhatia, T., Anderson, S. J., Dew, A., Krafty, R., Nimgaonkar, V., Deshpande, S., Hall, M., & Iii, C. F. R. (2018). Nonparametric MANOVA Approaches for Non-Normal Multivariate Outcomes Withe Missing Values. Commun Stat Theory Methods, 46(14), 7188–7200. https://doi.org/10.1080/03610926.2016.1146767.NONPARAMETRIC

Howell, D. C. (2011). Fundamental Statistic for The Behavioral Sciences (7e ed.). Wadsworth Cengage Learning.

Suyatno. (n.d.). Analisis Multivariat.

Yanti. T. S. (2010). Perluasan Uji Kruskal Wallis untuk Data Multivariat. Statistika, 10(1), 43–49.