fbpx

Memahami Analisis Multivariat dengan Software SPSS

27
Nov 2023
Author : Muh. Son Aghni
View :324x

Apakah kamu ingin memahami peran penting Analisis Multivariat (MANOVA) dalam penelitian dan pengambilan keputusan di berbagai sektor? Artikel ini menguraikan esensi MANOVA, jenis-jenisnya, serta contoh penerapannya dalam industri. Yuk, temukan langkah-langkah praktis menggunakan SPSS dan pelajari cara terbaik untuk menginterpretasi hasilnya!

Pengertian

MANOVA, singkatan dari Multivariate Analysis of Variance, adalah sebuah metode statistik yang memungkinkan perbandingan rata-rata antara tiga kelompok atau lebih yang independen terhadap lebih dari satu variabel dependen secara serentak. Dalam MANOVA, variabel-variabel dependen digabungkan untuk dianalisis secara bersamaan, memungkinkan pengukuran perbedaan signifikan antara rata-rata kelompok pada seluruh variabel dependen yang terlibat. Sebagai contoh penerapannya, bisa dipakai dalam penelitian seperti “Pengaruh X terhadap Y pada Mahasiswa Jurusan A”, “Analisis Produktivitas dalam Kelompok B”, atau “Perbandingan Kualitas di Antara Variabel C pada Mahasiswa”. Dengan MANOVA, kita bisa mendapatkan pemahaman yang lebih mendalam mengenai perbedaan kinerja di antara kelompok-kelompok ini, sangat berguna bagi mahasiswa yang sedang mengerjakan tugas akhir.

Tipe Analisis Multivariat

Tipe Analisis Multivariat terbagi menjadi dua kategori utama: Analisis Dependensi dan Analisis Interdependensi.

Analisis dependensi: melibatkan pengelompokkan variabel ke dalam dua kategori utama, yakni variabel bebas (X) yang berperan sebagai penyebab atau faktor yang memengaruhi, serta variabel tidak bebas (Y) yang menjadi hasil atau dipengaruhi oleh variabel bebas tersebut.

Analisis interdependensi: tidak membedakan variabel menjadi kategori variabel bebas (X) atau variabel tidak bebas (Y), melainkan lebih menekankan pada hubungan timbal balik di antara variabel-variabel tersebut tanpa mengidentifikasi peran sebagai faktor penyebab atau hasil yang dipengaruhi.

Analisis dependensi

Regresi Linier Berganda (Multiple Linear Regression): Metode untuk memahami hubungan antara satu variabel dependen dengan dua atau lebih variabel independen. Contohnya, memprediksi harga rumah berdasarkan luas tanah, jumlah kamar, dan lokasi.

MANOVA (Multivariate Analysis of Variance): MANOVA digunakan untuk membandingkan rata-rata antara beberapa kelompok yang independen terhadap beberapa variabel dependen secara simultan. Misalnya, untuk membandingkan kinerja antara beberapa departemen pada beberapa aspek kinerja sekaligus.

Analisis Diskriminan Berganda (Multiple Discriminant Analysis): Metode ini digunakan untuk membedakan atau mengelompokkan subjek berdasarkan serangkaian variabel independen. Contohnya, mengklasifikasikan mahasiswa ke dalam kelompok prestasi berdasarkan variabel seperti nilai ujian, partisipasi kelas, dan proyek-proyek terkait.

Analisis Konjoin (Conjoint Analysis): Digunakan untuk memahami preferensi atau keputusan konsumen terhadap produk atau layanan berdasarkan atribut-atribut yang berbeda Contohnya, memahami preferensi konsumen terhadap smartphone berdasarkan harga, kualitas kamera, dan ukuran layar.

Regresi Logistik Berganda (Multiple Logistic Regression): Memodelkan probabilitas kejadian suatu peristiwa yang bersifat biner (ya/tidak) berdasarkan beberapa variabel independen. Contohnya, memprediksi kemungkinan keberhasilan sebuah proyek berdasarkan faktor-faktor tertentu.

Korelasi Kanonikal (Canonical Correlation): Digunakan untuk mengevaluasi hubungan antara dua set variabel yang berbeda. Misalnya, mencari korelasi antara variabel kesehatan mental dan variabel fisik dalam populasi yang berbeda.

 Analisis Interdependensi

Analisis Korelasi (Correlation Analysis): Metode ini mengukur kekuatan dan arah hubungan antara dua variabel atau lebih tanpa mengasumsikan kausalitas. Contoh: Mengukur hubungan antara tinggi badan dan berat badan seseorang.

Analisis Faktor (Factor Analysis): Mengidentifikasi pola-pola dalam korelasi antara variabel dan memampatkannya menjadi faktor-faktor yang lebih sedikit. Misalnya, mengelompokkan berbagai pertanyaan dalam survei menjadi faktor-faktor yang lebih besar seperti kepuasan, kualitas, atau harga.

Analisis Kluster (Cluster Analysis): Mengelompokkan objek atau data ke dalam kelompok-kelompok yang serupa berdasarkan kesamaan karakteristik tertentu. Contoh: Mengelompokkan konsumen berdasarkan pola pembelian mereka.

Analisis Korespondensi (Correspondence Analysis): Menggambarkan hubungan antara dua variabel kategorikal dalam bentuk tabel dua dimensi yang mudah dipahami. Misalnya, hubungan antara jenis produk dan preferensi konsumen dalam bentuk tabel kontingensi.

Analisis Komponen Utama (Principal Component Analysis): Mengurangi kompleksitas dari data dengan menggabungkan variabel-variabel yang berkorelasi tinggi menjadi komponen-komponen yang lebih sedikit. Misalnya, mengurangi dimensi dari data seperti variabel-variabel dari pengukuran fisik tubuh menjadi faktor-faktor yang lebih sedikit dan lebih berarti.

Teknik Model Struktural (Structural Equation Model) (SEM): Memodelkan hubungan kompleks antara variabel dengan melihat hubungan langsung dan tidak langsung di antara variabel-variabel tersebut. Contohnya, menguji hubungan antara variabel psikologis dan perilaku berdasarkan teori tertentu.

Contoh Analisis Multivariat

Dalam penelitian mahasiswa, analisis multivariat seperti MANOVA atau regresi logistik dalam SPSS sangat relevan. Seorang mahasiswa mengeksplorasi hubungan antara faktor-faktor seperti lingkungan belajar, gaya belajar, dan tingkat motivasi terhadap prestasi akademik siswa menggunakan MANOVA. Analisis ini membantu dalam memahami bagaimana kombinasi variabel tersebut berkontribusi terhadap hasil belajar siswa di berbagai lingkungan pendidikan. Seorang mahasiswa psikologi mungkin menggunakan MANOVA untuk mengevaluasi dampak dari beberapa jenis intervensi terhadap variabel psikologis seperti tingkat stres, kebahagiaan, dan tingkat motivasi pada kelompok subjek yang berbeda.

Dalam industri pemasaran, analisis multivariat dengan SPSS dapat mengungkap pola-pola yang kompleks dalam perilaku konsumen. Misalnya, sebuah perusahaan ingin memahami faktor-faktor apa saja yang memengaruhi preferensi konsumen terhadap produk mereka. Dengan menggunakan teknik analisis faktor dalam SPSS, mereka dapat mengeksplorasi korelasi antara variabel-variabel seperti harga, kualitas produk, preferensi merek, dan kepuasan konsumen. Hasil analisis ini dapat membantu perusahaan memahami faktor-faktor utama yang memengaruhi pilihan konsumen, memungkinkan mereka untuk menyesuaikan strategi pemasaran dan meningkatkan daya saing produk mereka di pasar.

Di dunia kesehatan, analisis multivariat dengan SPSS dapat diterapkan dalam penelitian epidemiologi. Sebagai contoh, dalam studi tentang faktor-faktor yang memengaruhi penyebaran penyakit tertentu, seperti COVID-19, para peneliti dapat menggunakan teknik regresi logistik dalam SPSS untuk mengevaluasi dampak dari variabel-variabel seperti tingkat vaksinasi, kepatuhan terhadap protokol kesehatan, dan mobilitas masyarakat terhadap tingkat penyebaran virus. Dengan demikian, analisis ini bisa membantu dalam memahami faktor-faktor yang berkaitan dengan penyebaran penyakit dan mengarah pada pengembangan kebijakan atau intervensi yang lebih efektif dalam menangani situasi kesehatan masyarakat.

Cara Melakukannya dengan SPSS

Andaikan dalam suatu sekolah direncanakan akan diterapkan salah satu dari tiga metode mengajar. Adapun ketiga metode mengajar tersebut adalah metode mengajar A, B, dan C. Kepala sekolah tersebut ingin mengetahui, metode mengajar manakah yang dapat membuat rata-rata nilai ujian matematika atau bahasa inggris atau kedua-duanya tinggi. Untuk itu, kepala sekolah tersebut akan melakukan penelitian. Hasil ujian siswa dari ketiga metode pembelajaran tersebut dicatat untuk dianalisis yaitu sebagai berikut :

Tabel 1.1

Berdasarkan data pada Tabel 1.1, dari 36 siswa, 12 siswa diterapkan metode mengajar A, 12 siswa berikutnya diterapkan metode mengajar B, dan siswa lainnya diterapkan metode mengajar C. Setelah satu bulan kemudian, diadakan ujian matematika dan bahasa inggris dari seluruh siswa tersebut. Data nilai ujian matematika dan bahasa inggris dari 36 siswa tersaji pada Tabel 1.1. Perhatikan bahwa metode mengajar merupakan variabel bebas, sedangkan nilai ujian matematika dan bahasa inggris merupakan variabel tak bebas. Dalam hal ini, terdapat sebuah variabel bebas yang terdiri dari tiga kelompok/kategori, dan dua variabel tak bebas yang bersifat metrik (rasio).

Berikut adalah langkah-langkah untuk menjalankan uji MANOVA menggunakan SPSS:

  1. Inputkan data ke dalam software SPSS.
Gambar 1.1 – 1.5

Gambar 2.1

Gambar 2.2

2. Untuk menjalankan uji MANOVA, buka menu “Analyze”, pilih “General Linear Model”, lalu klik “Multivariate”. Masukkan variabel Nilai Ujian Matematika dan Nilai Bahasa Inggris ke dalam Dependent Variables dan variabel Metode Mengajar pada Fixed Factor(s). Selanjutnya Kemudian pilih Post Hoc, sehingga muncul kotak dialog Multivariate: Post Hoc Multiple Comparison for Observed Means (Gambar 17.4). Masukkan variabel Metode Mengajar pada kotak Post Hoc Tests for (Gambar 3.1). Kemudian pilih/checklist LSD & Bonferroni pada Equal Variances Assumed dan pilih Continue. Selanjutnya pilih EM Means, sehingga muncul kotak dialog Multivariate: Estimate Marginal Means (Gambar 3.2). Masukkan variabel (OVERALL) dan Metode pada kotak Display Means for. Kemudian aktifkan Compare mean effect dan pilih Bonferroni lalu klik Continue. Selanjutnya pilih Options, sehingga muncul kotak dialog Multivariate: Options (Gambar 3.3). Pada Display, pilih Descriptive statistics dan Homogeneity tests. Selanjutnya pilih Continue dan OK (Gambar 3.4).

Gambar 3.1
Gambar 3.2
Gambar 3.3
Gambar 3.4

3. Hasil analisis akan terlihat dalam output SPSS. Kamu bisa mengevaluasi hasil dengan melihat nilai-nilai F-test, tingkat signifikansi, dan efek ukuran yang tercatat dalam output.

Tabel 1.2
Tabel 1.3

Berdasarkan Tabel 1.2, yakni Between-Subjects Factors, diketahui jumlah responden (siswa) yang diteliti sebanyak 36 siswa. Berdasarkan Tabel 1.3, yakni Descriptive Statistics, nilai rata-rata ujian Matematika dengan metode B (62,58) lebih tinggi dibandingkan metode A (62,50) dan C (62,50). Diketahui juga bahwa nilai rata-rata ujian Bahasa Inggris dengan metode C (69,50) lebih tinggi dibandingkan metode A (62,58) dan B (64,42).

Tabel 1.4

Berdasarkan Tabel 1.4, yakni Multivariate Tests, akan ditentukan apakah ketiga metode mengajar tersebut memiliki kemampuan yang sama dalam mempengaruhi nilai ujian Matematika dan Bahasa Inggris secara simultan (simultaneously) (mempengaruhi secara rata-rata) atau tidak. Untuk menentukan apakah ketiga metode mengajar tersebut memiliki kemampuan yang sama dalam mempengaruhi nilai ujian matematika dan bahasa inggris secara simultan (simultaneously) (mempengaruhi secara rata-rata) atau tidak, dapat dilakukan dengan membandingkan nilai Sig. dari Pillai’s Trace, Wlks’ Lambda, Hotelling’s Trace, atau Roy’s Largest Root terhadap tingkat signifikansi. Perhatikan bahwa, karena keempat nilai Sig. tersebut lebih kecil dibandingkan tingkat signifikansi α=0,05, maka disimpulkan bahwa terdapat metode mengajar yang memiliki kemampuan berbeda dalam hal mempengaruhi nilai ujian matematika dan bahasa inggris secara simultan (simultaneously).

Tabel 1.5

Berdasarkan Tabel 1.5, yakni Tests of Between-Subjects Effects, selanjutnya akan diperiksa hal-hal sebagai berikut.

  • Apakah penerapan dari ketiga metode mengajar tersebut berpengaruh terhadap nilai ujian matematika (secara rata-rata). Dengan kata lain, dari tiga metode mengajar tersebut, apakah terdapat metode mengajar yang memiliki kemampuan yang berbeda dalam hal mempengaruhi nilai ujian matematika.
  • Apakah penerapan dari ketiga metode mengajar tersebut berpengaruh terhadap ujian bahasa inggris. Dengan kata lain, dari tiga metode mengajar tersebut, apakah terdapat metode mengajar yang memiliki kemampuan yang berbeda dalam hal mempengaruhi nilai ujian bahasa inggris.

Perhatikan pada baris metode, nilai Sig. dari variabel tak bebas nilai ujian Matematika adalah 0,991. Karena nilai Sig. lebih besar dibandingkan tingkat signifikansi α=0,05, maka disimpulkan bahwa penerapan dari ketiga metode mengajar tersebut tidak berpengaruh terhadap nilai ujian Matematika (secara rata-rata). Selanjutnya perhatikan pada baris metode, nilai Sig. dari variabel tak bebas nilai ujian Bahasa Inggris adalah 0,000. Karena nilai Sig. lebih kecil dibandingkan tingkat signifikansi α=0,05, maka disimpulkan bahwa penerapan dari ketiga metode mengajar tersebut berpengaruh terhadap ujian Bahasa Inggris.

Perhatikan bahwa karena terdapat pengaruh yang signifikan secara statistik pada penggunaan metode mengajar terhadap nilai ujian Bahasa Inggris, maka akan ditentukan metode mengajar manakah yang membuat nilai rata-rata ujian Bahasa Inggris tinggi. Maka akan dilakukan hal sebagai berikut.

  • Membandingkan nilai rata-rata ujian Bahasa Inggris antara: metode A v/s metode B, metode A v/s metode C, dan metode B v/s metode C.

Selanjutnya akan dilakukan uji perbandingan berganda (multiple comparison test) dengan maksud untuk mengetahui metode mengajar manakah yang membuat nilai rata-rata ujian Bahasa Inggris tinggi. Berdasarkan Tabel 1.6, yakni Multiple Comparisons, dapat ditarik informasi sebagai berikut.

  • Perhatikan bahwa tidak terdapat perbedaan (secara rata-rata) yang signifikan secara statistik mengenai nilai ujian Matematika ketika diterapkan metode mengajar A dan B. Hal ini dapat dilihat dari nilai Sig. yang lebih besar dari tingkat signifikansi yang digunakan 5% (1 ≥ 0,05). 
  • Perhatikan bahwa tidak terdapat perbedaan yang signifikan secara statistik mengenai nilai ujian Matematika ketika diterapkan metode mengajar A dan C. Hal ini dapat dilihat dari nilai Sig. yang lebih besar dari tingkat signifikansi yang digunakan 5% (1 ≥ 0,05). 
  • Perhatikan bahwa tidak terdapat perbedaan yang signifikan secara statistik mengenai nilai ujian Bahasa Inggris ketika diterapkan metode mengajar A dan B. Hal ini dapat dilihat dari nilai Sig. yang lebih besar dari tingkat signifikansi yang digunakan 5% (0,053 ≥ 0,05). 
  • Perhatikan bahwa terdapat perbedaan yang signifikan secara statistik mengenai nilai ujian Bahasa Inggris ketika diterapkan metode mengajar A dan C. Hal ini dapat dilihat dari nilai Sig. yang lebih kecil dari tingkat signifikansi yang digunakan 5% (0,000 < 0,05). 
  • Perhatikan bahwa terdapat perbedaan yang signifikan secara statistik mengenai nilai ujian Bahasa Inggris ketika diterapkan metode mengajar metode B dan C. Hal ini dapat dilihat dari nilai Sig. yang lebih kecil dari tingkat signifikansi yang digunakan 5% (0,000 ≥ 0,05). 

Berdasarkan uraian tersebut, maka disimpulkan bahwa metode mengajar C memberikan pengaruh yang signifikan secara statistik dalam hal membuat nilai ujian Bahasa Inggris tinggi (secara rata-rata).

Tabel 1.6

4. Untuk menyimpan hasil analisis dalam format yang berbeda, gunakan menu “File” dan pilih opsi “Export“. Tentukan format file yang diinginkan seperti Excel atau CSV, lalu simpan hasil analisis sesuai lokasi yang diinginkan. Interpretasi hasil MANOVA dapat dilakukan dengan memperhatikan nilai statistik yang dihasilkan, seperti F-test dan signifikansi, serta efek ukuran (effect size) dan asumsi yang telah terpenuhi.

Interpretasi Hasil MANOVA

Inilah langkah-langkah interpretasi hasil MANOVA:

  • Signifikansi (sig) dalam output menandakan adanya perbedaan yang signifikan antara rata-rata kelompok pada semua variabel dependen secara bersamaan. Jika nilai sig kurang dari alpha (biasanya 0.05), terdapat perbedaan yang signifikan antara kelompok pada variabel dependen.
  • Nilai Wilks’ Lambda mengindikasikan seberapa besar perbedaan antara kelompok pada semua variabel dependen. Semakin kecil nilai Wilks’ Lambda, semakin besar perbedaannya.
  • Efek ukuran seperti eta-squared memberikan informasi tentang seberapa besar pengaruh variabel independen terhadap variabel dependen.
  • Penting untuk memenuhi asumsi multikolinearitas dan homogenitas kovarians. Jika tidak, hasil analisis harus diinterpretasikan dengan hati-hati.

Itulah cara menginterpretasikan hasil MANOVA. Namun, penafsiran statistik sebaiknya tidak hanya mengandalkan nilai statistik, melainkan juga mempertimbangkan konteks serta tujuan dari penelitian.

Kesimpulan

Jadi, setelah menjelajahi analisis multivariat dengan SPSS, sekarang kamu tahu kan betapa pentingnya metode ini dalam menguraikan hubungan antarvariabel yang rumit. Gak cuma soal angka-angka saja, tapi juga soal memahami bagaimana data bisa memberi informasi yang berharga untuk keputusan yang lebih baik. Yuk, kita terus belajar dan gunakan pengetahuan ini untuk jadi lebih mahir dalam penelitian atau industri yang kamu geluti, EduPartner!


Butuh bantuan olah data?

Bagi kamu mahasiswa, dosen atau peneliti yang butuh bantuan dalam mengolah data atau analisis data penelitian, Educativa siap membantu!

Educativa melayani jasa olah data penelitian mulai dari uji validitas dan reliabilitas hingga uji hipotesis. Olah data bisa menggunakan software SPSS, AMOS, Eviews, Stata, SmartPLS, atau software apapun yang dibutuhkan. Kamu juga bisa konsultasikan masalah-masalah yang kamu hadapi dalam olah data, kami siap memberikan solusi.

Percayakan pada ahlinya! Klik tombol di bawah ini untuk konsultasi. Gratis!

No Comments

Leave Comment