UJI MANOVA
KONSEP DASAR UJI MANOVA
Uji Manova bisa juga disebut dengan Multivariate Analysis Of Variance. Uji Manova bertujuan untuk mengetahui ada atau tidaknya pengaruh Variabel Independen yang berskala data Kualitatif (Kategorik) terhadap beberapa Variabel Dependen yang berskala data Kuantitatif (Numerik) secara simultan atau bersama-sama. Uji Manova merupakan pengembangan dari uji statistik One Way Anova, perbedaan dasarnya yaitu One Way Anova hanya menggunakan 1 Variabel Dependen, sedangkan Manova minimal 2 Variabel Dependen. Uji Manova termasuk bagian dari Statistik Parametrik, dimana asumsi normalitas data harus terpenuhi.
Uji MANOVA adalah metode statistik yang digunakan untuk menganalisis perbedaan rata-rata kelompok pada dua atau lebih variabel dependen yang saling terkait secara multivariat. Metode ini berguna ketika kita ingin membandingkan beberapa kelompok pada berbagai variabel dependen dalam satu analisis statistik. Uji MANOVA didasarkan pada asumsi bahwa kelompok-kelompok yang dibandingkan memiliki covarian yang sama dan data yang terdistribusi normal. Metode ini melibatkan perhitungan matriks kovarians dan determinan untuk menguji hipotesis tentang perbedaan rata-rata kelompok pada variabel dependen.
KELEBIHAN & KEKURANGAN UJI MANOVA
Uji MANOVA memiliki beberapa kelebihan, diantaranya :
- Analisis multivariat: Uji MANOVA memungkinkan analisis simultan dari beberapa variabel dependen, sehingga mengakomodasi hubungan antar variabel dependen. Hal ini memberikan gambaran yang lebih lengkap tentang perbedaan antara kelompok-kelompok yang dibandingkan.
- Efisiensi waktu dan sumber daya: Dengan menggunakan Uji MANOVA, Anda dapat menguji perbedaan antara kelompok-kelompok pada berbagai variabel dependen dalam satu analisis statistik. Hal ini menghemat waktu dan sumber daya yang diperlukan untuk melakukan analisis secara terpisah untuk setiap variabel dependen.
- Kontrol variabel independen: Uji MANOVA memungkinkan peneliti untuk mengontrol variabel independen yang berbeda dalam satu analisis. Dengan demikian, kita dapat memeriksa efek variabel independen secara bersamaan, sehingga mendapatkan pemahaman yang lebih komprehensif tentang hubungan antara variabel independen dan dependen.
Selain memiliki kelebihan, Uji MANOVA juga memiliki kekurangan, diantaranya :
- Asumsi asumsi: Uji MANOVA memiliki beberapa asumsi yang harus dipenuhi, seperti asumsi normalitas, homogenitas kovarians, dan independensi pengamatan. Jika asumsi ini tidak terpenuhi, hasil Uji MANOVA dapat menjadi tidak valid. Oleh karena itu, penting untuk melakukan uji asumsi sebelum melakukan analisis MANOVA.
- Interpretasi yang kompleks: Hasil Uji MANOVA dapat melibatkan interpretasi yang kompleks, terutama jika terdapat efek interaksi antara variabel independen dan dependen. Memahami dan mengartikan output yang dihasilkan oleh perangkat lunak statistik bisa menjadi rumit dan memerlukan pengetahuan yang mendalam tentang statistik multivariat.
- Sensitivitas terhadap outliers: Uji MANOVA cenderung sensitif terhadap adanya outlier dalam data. Outlier dapat mempengaruhi hasil uji dan menyebabkan interpretasi yang tidak akurat. Oleh karena itu, penting untuk melakukan pemrosesan data yang cermat dan mengidentifikasi serta memperlakukan outlier dengan tepat.
Meskipun Uji MANOVA SPSS memiliki kelebihan dan kekurangan, namun dengan memahami dan mengikuti prosedur yang tepat serta mempertimbangkan asumsi yang terkait, Uji MANOVA SPSS dapat menjadi alat yang efektif dalam menganalisis perbedaan signifikan antara kelompok pada beberapa variabel dependen secara bersamaan.
Contoh kasus yang digunakan dalam tulisan ini adalah dimana seorang peneliti ingin mengetahui apakah terdapat pengaruh jenis pekerjaan terhadap income (penghasilan) dan jam kerja/bulan dengan menggunakan alpha 5%. Untuk menjawab hal tersebut, peneliti menggunakan uji MANOVA, dikarenakan ada 2 variabel dependen yang memiliki skala data kuantitatif dan 1 variabel independen yang memilik skala data kualitatif atau data kategorik.
BERIKUT CARA UJI MANOVA DI SPSS:
- Siapkan tabulasi data di Excel, lalu input data atau masukan data ke SPSS pada Page Data View.
- Jangan lupa isikan juga pada Page Variable View.
- Isikan juga pada Value Label di Variabel Jenis Pekerjaan (Variabel Independen). Value 1 untuk Karyawan, Value 2 untuk Freelencer dan Value 3 untuk Pengusaha, lalu pilih OK.
- Selanjutnya melakukan Uji Normalitas, dengan cara pilih Analyze – Descriptive Statistics – Explore.
- Muncul kotak dialog Uji Normalitas, seperti ini :
- Masukan Variabel Income dan Jam Kerja ke kolom Dependent List dan Jenis Pekerjaan ke Factor List.
- Selanjutnya pilih Plots, Ceklis Normality Plots With Test lalu pilih Continue dan OK.
- Keluar Output SPSS untuk Uji Normalitas :
- Kriteria Pengujian Uji Normalitas :
- Nilai Shapiro Wilk > 0.05 berkesimpulan Data berdistribusi Normal atau asumsi Uji Normalitas terpenuhi.
- Nilai Shapiro Wilk < 0.05 berkesimpulan Data berdistribusi tidak Normal atau asumsi Uji Normalitas tidak terpenuhi.
- Interpretasi Output Uji Normalitas :
Diketahui nilai Sig. Shapiro Wilk Variabel Income Karyawan sebesar 0.165 (>0.05), Income Freelencer sebesar 0.163 (>0.05) dan Variabel Income Pengusaha sebesar 0.267 (>0.05), dan selanjutnya untuk nilai sig. variabel Jam Kerja Karyawan sebesar 0.423 (>0.05), Jam Kerja Freelencer sebesar 0.612 (>0.05) dan Variabel Jam Kerja Pengusaha sebesar 0.613 (>0.05), maka bisa disimpulkan bahwa data yang digunakan berdistribusi normal dengan kata lain asumsi uji normalitas sudah terpenuhi. Penggunaan uji normalitas shapiro wilk dikarenakan jumlah data yang dipakai kurang dari 50 (<50). Setelah mengetahui bahwasanya asumsi normalitas data telah terpenuhi, maka bisa lanjut ke Uji MANOVA. Apabila ada data yang tidak berdistribusi secara normal, bisa menggunakan transformasi data.
- Selanjutnya melakukan Uji MANOVA, dengan cara pilih Analyze – General Linear Model – Multivariate
- Muncul kotak dialog Uji MANOVA, seperti ini :
- Masukan Variabel Income dan Jam Kerja ke kolom Dependen List, lalu Jenis Pekerjaan ke Factor List.
- Selanjutnya pilih Post Hoc, akan muncul kotak dialog lagi.
- Pindahkan Variabel Jenis Pekerjaan ke kolom sebelah kanan (Post Hoc Test For), Ceklis Bonferroni pada Equal Variances Assumed (Jika Data Homogen) dan Ceklis Equal Variances Not Assumed (Jika Data Tidak Homogen), dan yang terakhir pilih Continue,.
- Selanjutnya pilih Options, Ceklis Homogeneity Of Variance Test (untuk memunculkan Output Uji Homogenitas) dan Ceklis Descriptive Statistics (untuk memunculkan Output Uji Statistik Deskriptif), lalu yang terakhir pilih Continue dan OK.,
- Keluar Output SPSS untuk Uji Homogenitas :
- Kriteria Pengujian Uji Homogenitas :
- Nilai Based On Mean > 0.05 berkesimpulan Varian Data Homogen atau asumsi Uji Homogenitas sudah terpenuhi. Apabila mau lanjut ke Post Hoc Test bisa pilih Bonferroni.
- Nilai Based On Mean < 0.05 berkesimpulan Varian Data Tidak Homogen atau asumsi Uji Homogenitas tidak terpenuhi. Apabila mau lanjut ke Post Hoc Test bisa pilih Games Howell.
- Interpretasi Uji Homogenitas :
Diketahui nilai Sig. Based On Mean pada Variabel Income sebesar 0.000 (<0.05) maka bisa disimpulkan bahwa Varian Data Tidak Homogen. Maka bisa lanjut ke Post Hoc Test makai Games Howell, dengan syarat dalam Uji MANOVA menghasilkan ada perbedaan secara signifikan.
Diketahui nilai Sig. Based On Mean pada Variabel Jam Kerja sebesar 0.897 (>0.05) maka bisa disimpulkan bahwa Varian Data Homogen. Maka bisa lanjut ke Post Hoc Test makai Bonferroni, dengan syarat dalam Uji MANOVA menghasilkan ada perbedaan secara signifikan.
- Selanjutnya Output SPSS untuk Uji MANOVA (Tabel Multivariate Test)
- Kriteria Pengujian Uji MANOVA (Tabel Multivariate Test) :
- Nilai Wilks Lambda Variabel Independen > 0.05 berkesimpulan Tidak ada pengaruh atau tidak ada perbedaan secara signifikan.
- Nilai Wilks Lambda Variabel Independen < 0.05 berkesimpulan Ada pengaruh atau perbedaan secara signifikan.
- Interpretasi Output Uji MANOVA (Tabel Multivariate Test) :
Diketahui nilai Sig. Wilks Lambda sebesar 0.000 (<0.05) maka bisa disimpulkan bahwa ada pengaruh Jenis Pekerjaan terhadap Income (Penghasilan) dan Jam Kerja/Bulan secara simultan atau bersama-sama.
- Selanjutnya Output SPSS untuk Uji MANOVA (Tabel Tests Of Between-Subjects Effects)
- Kriteria Pengujian Uji MANOVA (Tabel Tests Of Between-Subjects Effects) :
- Nilai Variabel Independen terhadap variabel Dependen > 0.05 berkesimpulan Tidak ada pengaruh atau tidak ada perbedaan secara signifikan.
- Nilai Variabel Independen terhadap variabel Dependen < 0.05 berkesimpulan Ada pengaruh atau perbedaan secara signifikan.
- Interpretasi Output Uji MANOVA (Tabel Tests Of Between-Subjects Effects) :
Diketahui nilai Sig. Variabel Jenis Pekerjaan dengan Income sebesar 0.000 (<0.05) maka bisa disimpulkan bahwa ada pengaruh Jenis Pekerjaan terhadap Income (Penghasilan) secara signifikan.
Diketahui nilai Sig. Variabel Jenis Pekerjaan dengan Jam Kerja/Bulan sebesar 0.000 (<0.05) maka bisa disimpulkan bahwa ada pengaruh Jenis Pekerjaan terhadap Jam Kerja/Bulan secara signifikan.
- Selanjutnya Output SPSS untuk POST HOC TEST
- Kriteria Pengujian POST HOC TEST :
- Nilai Sig > 0.05 berkesimpulan Tidak ada perbedaan secara nyata.
- Nilai Sig < 0.05 berkesimpulan Ada perbedaan secara nyata.
- Interpretasi Output POST HOC TEST:
Pada output Post Hoc Test Pertama, kawan-kawan semua bisa fokus pada kolom Games-Howell dikarenakan asumsi homogenitas tidak terpenuhi pada Variabel Income, dengan kata lain varian data tidak homogen.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Income Karyawan dan Income Freelencer maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Karyawan dan Freelencer pada Income.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Income Karyawan dan Income Pengusaha maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Karyawan dan Pengusaha pada Income.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Income Freelencer dan Income Karyawan maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Freelencer dan Karyawan pada Income.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Income Freelencer dan Income Pengusaha maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Freelencer dan Pengusaha pada Income.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Income Pengusaha dan Income Karyawan maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Pengusaha dan Karyawan pada Income.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Income Pengusaha dan Income Freelencer maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Pengusaha dan Freelencer pada Income.
Pada output Post Hoc Test Kedua, kawan-kawan semua bisa fokus pada kolom Bonferroni dikarenakan asumsi homogenitas terpenuhi pada Variabel Jam Kerja, dengan kata lain varian data homogen.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Jam Kerja Karyawan dan Jam Kerja Freelencer maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Karyawan dan Freelencer pada jam kerja.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Jam Kerja Karyawan dan Jam Kerja Pengusaha maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Karyawan dan Pengusaha pada jam kerja.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Jam Kerja Freelencer dan Jam Kerja Karyawan maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Freelencer dan Karyawan pada jam kerja.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Jam Kerja Freelencer dan Jam Kerja Pengusaha maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Freelencer dan Pengusaha pada jam kerja.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Jam Kerja Pengusaha dan Jam Kerja Karyawan maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Pengusaha dan Karyawan pada jam kerja.
- Diketahui nilai Sig sebesar 000 (<0.05) pada Jam Kerja Pengusaha dan Jam Kerja Freelencer maka bisa disimpulkan bahwa ada perbedaan secara nyata antara Pengusaha dan Freelencer pada jam kerja.