Multivariate Analysis of Variance (MANOVA) untuk Memperkaya Hasil Penelitian Pendidikan

Sutrisno Sutrisno; Dewi Wulandari

doi:10.26877/aks.v9i1.2472

Multivariate Analysis of Variance (MANOVA) untuk Memperkaya Hasil Penelitian Pendidikan

Sutrisno Sutrisno, Dewi Wulandari

Abstract

MANOVA merupakan solusi teknik analisis data kuantitatif bagi peneliti di dunia pendidikan yang ingin mengamati hasil belajar peserta didik dalam rangka menerapkan prinsip kebulatan dalam Kurikulum 2013 (prinsip evaluasi hasil belajar meliputi aspek kognitif, afektif, dan psikomotor). MANOVA mampu mengungkapkan perbedaan yang tidak ditampilkan ANOVA secara terpisah, sehingga dapat meningkatkan kesempatan untuk menemukan perubahan sebagai akibat dari perlakuan yang berbeda dan interaksinya. Dengan demikian, temuan hasil penelitian akan semakin kaya dan sangat berguna bagi perkembangan ilmu pengetahuan. Terdapat dua model analisis variansi yaitu model overparameterized dan model rerata sel. Model rerata sel memberikan pendekatan sederhana dan tidak ambigu, yang dapat digunakan pada data seimbang atau data tidak seimbang. Model ini menggunakan kontras untuk menyatakan efek utama dan interaksi. Uji persyaratan MANOVA meliputi uji normalitas multivariat dengan uji Mardia dan uji homogenitas matriks kovariansi dengan uji Box’s M. Terdapat beberapa statistik uji MANOVA yaitu Wilks’ Lambda, Pillai, Lawley-Hotelling, dan Roy’s Largest Root. Ketika hipotesis nol MANOVA ditolak, maka dilanjutkan ANOVA pada setiap variabel terikat. Apabila hipotesis nol ANOVA ditolak dan variabel bebas memiliki lebih dari dua nilai, maka dilakukan uji post hoc dengan metode Scheffe’. Prosedur ini menjaga taraf kesalahan α. Uji komparasi rerata antar sel tidak dapat dilakukan secara langsung menggunakan General Linear Model (GLM) pada SPSS. Prosedur yang dapat dilakukan adalah memanipulasi data dengan merubah kondisi eksperimentasi menjadi nilai-nilai yang dianggap satu variabel bebas, sehingga dapat dianalisis dengan One-Way ANOVA atau GLM. Kesulitan analisis multivariat pada perhitungannya yang terlalu rumit, sudah terpecahkan dengan adanya software statistik yang semakin canggih.

Kata kunci: MANOVA, analisis multivariat, memperkaya hasil, penelitian pendidikan

Full Text:

PDF

References

Anderson, T. W. 2003. An Introduction to Multivariate Statistical Analysis. New Jersey: John Wiley & Sons, Inc.

Bryce, G. R. 1975. The One-Way Model. American Statistician 29, 69-70.

Bryce, G. R., Carter, M. W., and Reader, M. W. 1976. Nonsingular and singular transformations in the fixed model. Presented at the Annual Meeting of the American Statistical Association, Boston, MA, August 1976.

Bryce, G. R., Scott, D. T, and Carter, M. W. 1980. Estimation and Hypothesis Testing in Linear Models—A Reparameterization Approach. Communications in Statistics—Series A, Theory and Methods 9, 131-150.

Field, A. 2009. Discovering Statistics Using SPSS. London: Sage Publications.

Hardle, W. dan Simar, L. 2007. Applied Multivariate Statistical Analysis. Berlin: Springer-Verlag.

Hocking, R. R. 1985. The Analysis of Linear Models. Monterey, CA: Brooks/Cole.

Hocking, R. R. 1996. Methods and Applications of Linear Models. New York: Wiley.

Hocking, R. R. and Speed, F M. 1975. A Full Rank Analysis of Some Linear Model Problems. Journal of the American Statistical Association 70, 706-712.

Leps, J. dan Smilauer, P. 1999. Multivariate Analysis of Ecological Data. Ceske Budejovice: Faculty of Biological Science, University of South Bohemia.

Mattjik, A. A. dan Sumertajaya, I. M. 2011. Sidik Peubah Ganda dengan Menggunakan SAS. Bogor: IPB Press.

Morrison, D. F. 1990. Multivariate Statistical Methods. New York: McGraw-Hill, Inc.

Nelder, J. A. 1974. Letter to The Editor. Journal of the Royal Statistical Society (Series C), 23, 232.

Oja, H. 2010. Multivariate Nonparametric Methods with R: An Approach Based on Spatial Signs and Ranks. New York: Springer Science+Business Media.

Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 53 Tahun 2015 tentang Penilaian Hasil Belajar oleh Pendidik dan Satuan Pendidikan pada Pendidikan Dasar dan Pendidikan Menengah.

Rencher, A. C. 1998. Multivariate Statistical Inference and Applications. Kanada: John Wiley and Sons, Inc.

Rencher, A. C. 2002. Methods of Multivariate Analysis. Kanada: John Wiley and Sons, Inc.

Searle, S. R. 1977. Analysis of Variance of Unbalanced Data From 3-Way and Higher-Order Classifications. Technical Report BU-606-M, Cornell University, Biometrics Units.

Searle, S. R., Speed, F. M., and Henderson, H. V. 1981. Some computational and model equivalencies in analysis of variance of unequal-subclass-numbers data. American Statistician 35, 16-33.

Speed, F. M. 1969. A New Approach to the Analysis of Linear Models. Technical Report, National Aeronautics and Space Administration, Houston, TX. NASA Technical memo, NASA TM X-58030.

Speed, F M., Hocking, R. R., and Hackney, O. P. 1978. Methods of analysis of linear models with unbalanced data. Journal of the American Statistical Association 73, 105-112.

Steven, J. 2002. Applied Multivariate Statistics for the Social Sciences. New Jersey: Lawrence Erlabaum Associates.

Tabachnick, B. G. dan Fidell, L. S. 2007. Using Multivariate Statistics. Boston: Pearson Education, Inc.

Timm, N. H. 2002. Applied Multivariate Analysis. New York: Springer-Verlag.

Urquhart, N. S., Weeks, D. L., dan Henderson, C. R. 1973. Estimation Associated with Linear Models: A Revisitation. Communications in Statistics 1, 303-330.

DOI: https://doi.org/10.26877/aks.v9i1.2472