MANOVA (multivariate analysis of variance) adalah perluasan ANOVA untuk dua atau lebih variabel terikat yang dianalisis bersamaan. Jika ANOVA bertanya “apakah rata-rata hasil belajar berbeda antarmetode mengajar?”, MANOVA bertanya “apakah gabungan hasil belajar dan motivasi belajar berbeda antarmetode mengajar?” (Tabachnick & Fidell, 2019).
Artikel ini menjelaskan kapan MANOVA tepat dipakai, asumsinya, langkah di SPSS, dan cara membaca outputnya dengan satu contoh lengkap.
Artikel ini bagian dari seri Materi Statistik IDTesis. Dasar perbandingan rata-rata kelompok dibahas di artikel ANOVA.
Mengapa Tidak ANOVA Berkali-kali Saja?
Ada dua alasan utama memakai MANOVA:
- Mengendalikan peluang salah kesimpulan. Setiap uji pada ? = 0,05 punya peluang 5% menyatakan ada perbedaan padahal sebenarnya tidak ada. Jika Anda menjalankan dua ANOVA terpisah, peluang setidaknya satu kesimpulan keliru naik menjadi sekitar 9,75%.
- Memperhitungkan hubungan antarvariabel terikat. Kadang perbedaan kelompok baru terlihat jika beberapa variabel terikat dilihat bersamaan.
Meski begitu, MANOVA tidak otomatis lebih baik. Jika variabel-variabel terikat tidak berkaitan secara konsep, ANOVA terpisah untuk masing-masing variabel lebih mudah ditafsirkan (Huberty & Olejnik, 2006).
Kapan MANOVA Tepat Dipakai?
- Dua atau lebih variabel terikat berskala interval atau rasio yang berkaitan secara konsep, misalnya hasil belajar dan motivasi belajar, atau kepuasan dan loyalitas pelanggan.
- Satu atau lebih variabel bebas berupa kelompok, misalnya metode mengajar.
- Variabel terikat berkorelasi sedang. Jika korelasinya sangat tinggi (misalnya di atas 0,8 sampai 0,9), kedua variabel mungkin mengukur hal yang sama, dan salah satunya sebaiknya dipertimbangkan ulang (Pallant, 2020).
Variabel terikat harus sesuatu yang memang bisa dipengaruhi oleh variabel bebas. Variabel seperti IQ tidak mungkin berubah karena metode mengajar, jadi lebih tepat dijadikan kovariat seperti dibahas di artikel ANCOVA.
Asumsi MANOVA
- Pengamatan saling bebas. Satu responden hanya masuk ke satu kelompok.
- Ukuran sampel cukup. Jumlah responden di setiap kelompok harus lebih banyak daripada jumlah variabel terikat. Sekitar 20 responden per kelompok membuat MANOVA lebih tahan terhadap penyimpangan normalitas (Tabachnick & Fidell, 2019).
- Normalitas multivariat. Dalam praktik, periksa normalitas setiap variabel terikat di setiap kelompok seperti di artikel uji normalitas.
- Tidak ada outlier multivariat. Hitung jarak Mahalanobis, lalu bandingkan dengan nilai kritis chi-square pada p = 0,001 dengan df sama dengan jumlah variabel terikat. Untuk dua variabel terikat, batasnya 13,82. Penjelasan outlier ada di artikel data outlier.
- Hubungan antarvariabel terikat linear. Periksa dengan diagram pencar.
- Matriks kovarians antarkelompok homogen. Diuji dengan Box’s M. Uji ini sangat peka, jadi baca pada ? = 0,001, bukan 0,05 (Tabachnick & Fidell, 2019).
Contoh Kasus: Metode Mengajar terhadap Hasil Belajar dan Motivasi
Seorang peneliti membandingkan tiga metode mengajar, yaitu ceramah, diskusi, dan proyek, pada 45 siswa (15 siswa per metode). Variabel terikatnya hasil belajar dan motivasi belajar. Korelasi kedua variabel terikat r = 0,37, termasuk sedang. Data berikut adalah data ilustrasi.


Langkah MANOVA di SPSS
- Klik Analyze > General Linear Model > Multivariate.
- Masukkan hasil belajar dan motivasi ke Dependent Variables, dan metode ke Fixed Factor(s).
- Klik Post Hoc, pindahkan metode ke Post Hoc Tests for, centang Tukey. Centang juga Games-Howell sebagai cadangan jika varians tidak sama. Klik Continue.
- Klik Options, centang Descriptive statistics, Estimates of effect size, dan Homogeneity tests. Klik Continue, lalu OK.
Cara Membaca Output MANOVA
1. Box’s Test of Equality of Covariance Matrices
Box’s M = 7,39; F = 1,15; p = 0,332. Karena p lebih besar dari 0,001, matriks kovarians ketiga kelompok bisa dianggap homogen. Jarak Mahalanobis terbesar 9,67, masih di bawah 13,82, jadi tidak ada outlier multivariat. Uji normalitas per kelompok menunjukkan satu penyimpangan ringan (hasil belajar kelompok ceramah, Shapiro-Wilk p = 0,033). Dengan ukuran kelompok yang sama, MANOVA cukup tahan terhadap penyimpangan sekecil ini (Field, 2018).
2. Multivariate Tests
SPSS menampilkan empat statistik uji untuk faktor metode:

Keempatnya signifikan, artinya gabungan hasil belajar dan motivasi berbeda antarmetode mengajar. Statistik mana yang dilaporkan?
- Wilks’ Lambda paling sering dilaporkan dan cocok jika asumsi terpenuhi.
- Pillai’s Trace paling tahan terhadap pelanggaran asumsi, terutama jika ukuran kelompok tidak sama atau Box’s M signifikan (Olson, 1976).
- Roy’s Largest Root hanya melihat satu kombinasi variabel terikat, sehingga nilai F-nya cenderung paling besar. Jangan memilihnya hanya karena hasilnya paling signifikan.
Tentukan statistik yang akan dilaporkan sejak awal, lalu laporkan secara konsisten.
3. Uji Lanjut: ANOVA untuk Setiap Variabel Terikat
Karena uji multivariat signifikan, lihat tabel Tests of Between-Subjects Effects untuk mengetahui variabel terikat mana yang berbeda. Ada dua ANOVA, jadi ? dibagi dua menjadi 0,05/2 = 0,025 (koreksi Bonferroni).
- Hasil belajar: F(2, 42) = 4,80; p = 0,013; ?p² = 0,19. Signifikan karena p < 0,025.
- Motivasi belajar: F(2, 42) = 9,71; p < 0,001; ?p² = 0,32. Signifikan.
Uji Levene untuk keduanya tidak signifikan (p = 0,851 dan p = 0,093), jadi uji Tukey bisa dipakai.

4. Uji Post Hoc Tukey
- Hasil belajar: metode proyek lebih tinggi daripada ceramah (p = 0,011). Selisih ceramah dan diskusi (p = 0,513) serta diskusi dan proyek (p = 0,138) tidak signifikan.
- Motivasi belajar: metode proyek lebih tinggi daripada ceramah (p < 0,001) dan diskusi (p = 0,022). Selisih ceramah dan diskusi tidak signifikan (p = 0,271).
Cara memilih uji post hoc dibahas di artikel uji post hoc ANOVA. ANOVA lanjutan memang cara yang paling umum, tetapi cara ini mengabaikan hubungan antarvariabel terikat. Jika ingin melihat kombinasi variabel terikat mana yang paling membedakan kelompok, gunakan analisis diskriminan (Huberty & Olejnik, 2006).
Memilih statistik uji dan menyusun uji lanjut MANOVA sering membuat ragu, apalagi jika variabel terikatnya lebih dari dua. Jika Anda butuh teman diskusi, tim IDTesis bisa membantu memeriksa langkah analisisnya.
Contoh Penulisan Hasil MANOVA di Bab 4
Analisis MANOVA dilakukan untuk menguji perbedaan hasil belajar dan motivasi belajar berdasarkan metode mengajar. Uji Box’s M menunjukkan matriks kovarians homogen (M = 7,39; p = 0,332). Terdapat perbedaan yang signifikan antarmetode mengajar pada gabungan kedua variabel terikat, Pillai’s Trace = 0,374; F(4, 84) = 4,83; p = 0,001; ?p² = 0,19. Uji lanjut dengan ? Bonferroni 0,025 menunjukkan perbedaan yang signifikan pada hasil belajar, F(2, 42) = 4,80; p = 0,013; ?p² = 0,19, dan motivasi belajar, F(2, 42) = 9,71; p < 0,001; ?p² = 0,32. Uji Tukey menunjukkan siswa dengan metode proyek memiliki hasil belajar lebih tinggi daripada metode ceramah, serta motivasi belajar lebih tinggi daripada metode ceramah dan diskusi.
Angka di atas hanya contoh. Ganti dengan hasil olahan data Anda sendiri.
Kesalahan yang Sering Terjadi
- Memakai variabel yang tidak bisa dipengaruhi perlakuan sebagai variabel terikat, misalnya IQ atau usia.
- Memasukkan banyak variabel terikat yang tidak berkaitan hanya agar analisisnya terlihat lebih rumit.
- Membaca Box’s M pada ? = 0,05. Uji ini sangat peka terhadap sampel besar dan data tidak normal.
- Berhenti di uji multivariat tanpa uji lanjut, sehingga tidak jelas variabel terikat mana yang berbeda.
- Tidak mengoreksi ? saat menjalankan ANOVA lanjutan untuk setiap variabel terikat.
- Menulis “Sig. .000”. Tulis p < 0,001.
Pertanyaan yang Sering Diajukan
Statistik mana yang dilaporkan, Pillai’s Trace atau Wilks’ Lambda?
Wilks’ Lambda paling umum dilaporkan jika asumsi terpenuhi. Pillai’s Trace lebih aman jika ukuran kelompok tidak sama, sampel kecil, atau Box’s M signifikan. Pada contoh di atas, keduanya memberi kesimpulan yang sama.
Bagaimana jika Box’s M signifikan?
Jika ukuran kelompok sama, MANOVA masih cukup tahan; laporkan Pillai’s Trace. Jika ukuran kelompok sangat berbeda dan Box’s M signifikan pada ? = 0,001, pertimbangkan menyamakan ukuran kelompok atau mentransformasi data (Tabachnick & Fidell, 2019).
Apakah MANOVA bisa dipakai untuk data kuesioner skala Likert?
Bisa, jika variabel terikatnya berupa skor total atau rata-rata dari beberapa butir. Skor per butir sebaiknya tidak dijadikan variabel terikat langsung.
Apa beda MANOVA dan MANCOVA?
MANCOVA adalah MANOVA yang ditambah kovariat, sama seperti hubungan ANOVA dan ANCOVA. Di SPSS, kovariat dimasukkan ke kotak Covariate(s) pada menu yang sama.
Butuh Teman Diskusi untuk Analisis MANOVA?
Bingung memilih antara Pillai’s Trace dan Wilks’ Lambda, atau menyusun uji lanjutnya? Tim IDTesis bisa menemani Anda memeriksa asumsi, menjalankan MANOVA, dan menuliskan hasilnya di Bab 4. Ceritakan dulu desain penelitian Anda lewat WhatsApp, atau lihat layanan olah data statistik.
Baca juga: ANOVA · ANCOVA · Uji Normalitas
Referensi
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
- Huberty, C. J., & Olejnik, S. (2006). Applied MANOVA and discriminant analysis (2nd ed.). Wiley.
- Olson, C. L. (1976). On choosing a test statistic in multivariate analysis of variance. Psychological Bulletin, 83(4), 579–586.
- Pallant, J. (2020). SPSS survival manual (7th ed.). Routledge.
- Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.









Leave a Reply