Dalam perkembangan zaman, statistika memiliki peran penting dalam kehidupan sehari-hari. Statistika digunakan untuk memprediksi atau memperkirakan kejadian dalam masyarakat, seperti perbandingan antara dua percobaan. Dengan menerapkan ilmu statistika, kita dapat menentukan apakah ada perbedaan antara dua percobaan dan kemudian mengambil langkah-langkah yang sesuai untuk menyelesaikan masalah yang mungkin timbul.
Analisis multivariat adalah alat statistik yang berguna dalam berbagai aspek kehidupan sehari-hari. Ini adalah cabang statistik yang membantu kita memahami hubungan kompleks antara beberapa variabel dalam suatu sistem atau situasi. Analisis multivariat membantu dalam pemecahan masalah yang kompleks dan pengambilan keputusan berdasarkan informasi yang lebih lengkap. Dalam kehidupan sehari-hari, kita dapat menggunakan analisis multivariat untuk membuat pilihan yang lebih baik, mengelola sumber daya dengan lebih efisien, dan mendapatkan pemahaman yang lebih baik tentang dunia sekitar kita.
Uji T^2 Hotelling adalah metode statistik yang digunakan untuk menguji perbedaan antara dua atau lebih kelompok ketika terdapat lebih dari satu variabel dependen. Metode ini sangat berguna ketika penelitian melibatkan banyak variabel dependen atau ketika variabel-variabel tersebut saling berkaitan. Dalam konteks analisis ini, kita menggunakan Uji T^2 Hotelling untuk mengevaluasi perbedaan antara dua percobaan yang melibatkan variabel independen seperti tinggi badan, lingkar dada, dan lingkar lengan atas.
Apakah terdapat perbedaan perbedaan rata-rata tinggi badan, lingkar dada dan lingkar lengan atas antara laki-laki dan perempuan berusia 2 tahun di dataran tinggi Asia?
Untuk mengetahui perbedaan rata-rata tinggi badan, lingkar dada dan lingkar lengan atas antara anak laki-laki dan anak perempuan berusia 2 tahun di dataran tinggi Asia
1. Memungkinkan kita untuk mengetahui perbedaan antara dua percobaan dengan lebih mendalam
2. Dengan menggabungkan variabel independen menjadi satu analisis multivariat dapat menghindari masalah kesalahan tipe I yang mungkin muncul ketika melakukan banyak uji statistik terpisah.
3. Memungkinkan kita untuk mengidentifikasi variabel independen mana yang memiliki kontribusi paling signifikan terhadap perbedaan antara dua percobaan.
Penggunaan Uji T^2 Hotelling dalam penelitian ini dipilih karena melibatkan lebih dari satu variabel dependen atau respons. Uji T^2 Hotelling adalah sebuah metode statistik yang berguna untuk menguji perbedaan antara dua atau lebih kelompok dalam beberapa variabel dependen secara simultan. Ini menjadi relevan dalam situasi di mana kita ingin mengetahui apakah terdapat perbedaan antara kelompok-kelompok tersebut dalam berbagai variabel yang memiliki hubungan satu sama lain.
Proses pengujian T^2 Hotelling dimulai dengan merumuskan hipotesis nol (H0) yang menyatakan bahwa tidak ada perbedaan signifikan antara kelompok-kelompok tersebut. Selanjutnya, data dikumpulkan dari masing-masing kelompok, termasuk variabel-variabel yang diukur. Kemudian, vektor rata-rata dari setiap kelompok dan matriks kovariansi dari data dihitung. Statistik uji T^2 Hotelling kemudian dihitung, memberikan kita gambaran sejauh mana perbedaan antara kelompok-kelompok tersebut. Hasil uji ini dibandingkan dengan distribusi F dengan tingkat kebebasan yang ditentukan untuk menentukan apakah hipotesis nol dapat ditolak. Jika nilai statistik uji T^2 Hotelling melebihi nilai ambang yang signifikan, kita dapat menyimpulkan bahwa terdapat perbedaan yang signifikan antara kelompok-kelompok dalam variabel dependen yang diuji.
Melalui alur pengujian T^2 Hotelling ini, kita dapat menentukan apakah perbedaan antara kelompok-kelompok tersebut signifikan atau sekadar hasil dari variasi acak. Pendekatan ini sangat bermanfaat dalam berbagai disiplin ilmu seperti ilmu sosial, ekonomi, dan kesehatan, ketika kita perlu memahami dampak dari beberapa variabel terhadap beberapa kelompok atau kondisi yang berbeda.
Variabel yang digunakan dalam penelitian ini adalah :
> library(mvnormtest)
> library(asbio)
> library(DescTools)>
> #x = Data siswa Perempuan
> tb_x<-c(80, 75, 78, 75, 79, 78, 75, 64, 80)
> ld_x<-c(58.4, 59.2, 60.3, 57.4, 59.5, 58.1, 58, 55.5, 59.2)
> lla_x<-c(14, 15, 15, 13, 14, 14.5, 12.5, 11, 12.5)
>
>
> #y = Data siswa Laki-Laki
> tb_y<-c(78, 76, 92, 81, 81, 84)
> ld_y<-c(60.6, 58.1, 63.2, 59, 60.8, 59.2)
> lla_y<-c(16.5, 12.5, 14.5, 14, 15.5, 14)
>
> #menggabungkan data
> X<-matrix(c(tb_x,ld_x,lla_x), nrow=9, ncol=3)
> Y<-matrix(c(tb_y,ld_y,lla_y), nrow=6, ncol=3)
> data_gabungan<-rbind(X,Y)
> data_gabungan
[,1] [,2] [,3]
[1,] 80 58.4 14.0
[2,] 75 59.2 15.0
[3,] 78 60.3 15.0
[4,] 75 57.4 13.0
[5,] 79 59.5 14.0
[6,] 78 58.1 14.5
[7,] 75 58.0 12.5
[8,] 64 55.5 11.0
[9,] 80 59.2 12.5
[10,] 78 60.6 16.5
[11,] 76 58.1 12.5
[12,] 92 63.2 14.5
[13,] 81 59.0 14.0
[14,] 81 60.8 15.5
[15,] 84 59.2 14.0
>
> aa<-factor(c(rep(1,9), rep(2,6)))
> aa
[1] 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2
Levels: 1 2> library(mvnormtest)
> mshapiro.test(t(X))
Shapiro-Wilk normality test
data: Z
W = 0.72319, p-value = 0.002646
> mshapiro.test(t(Y))
Shapiro-Wilk normality test
data: Z
W = 0.67289, p-value = 0.003162> library(asbio)
> Kullback(data_gabungan,aa)
Kullback test for equal covariance matrices
Chi* df P(Chi>Chi*)
1 2.136914 6 0.9066857> library(DescTools)
> HotellingsT2Test(data_gabungan~aa)
Hotelling's two sample T2-test
data: data_gabungan by aa
T.2 = 1.4679, df1 = 3, df2 = 11, p-value = 0.2768
alternative hypothesis: true location difference is not equal to c(0,0,0)Data yang digunakan merupakan data tinggi badan, lingkar dada (CC), dan lingkar lengan atas (MUAC) 6 anak laki-laki dan 9 anak perempuan di kota X. Adapun data penelitian sebagai berikut :
Data Laki-laki
| Individu | Tinggi Badan | Lingkar Dada (CC) | Lingkar Lengan Atas (MUAC) |
|---|---|---|---|
| 1 | 78 | 60.6 | 16.5 |
| 2 | 76 | 58.1 | 12.5 |
| 3 | 92 | 63.2 | 14.5 |
| 4 | 81 | 59 | 14 |
| 5 | 81 | 60.8 | 15.5 |
| 6 | 84 | 59.5 | 14 |
Data Perempuan
| Individu | Tinggi Badan | Lingkar Dada (CC) | Lingkar Lengan Atas (MUAC) |
|---|---|---|---|
| 1 | 80 | 58.4 | 14 |
| 2 | 75 | 59.2 | 15 |
| 3 | 78 | 60.3 | 15 |
| 4 | 75 | 57.4 | 13 |
| 5 | 79 | 59.5 | 14 |
| 6 | 78 | 58.1 | 14.5 |
| 7 | 75 | 58 | 12.5 |
| 8 | 64 | 55.5 | 11 |
| 9 | 80 | 59.2 | 12.5 |
Hipotesis :
\(H_0\) : Data berdistribusi normal multivariat
\(H_1\) : Data tidak berdistribusi normal multivariat
Taraf Nyata : 5%
Statistik Uji :
| p-value perempuan | p-value laki-laki |
|---|---|
| 0.002646 | 0.003162 |
Keputusan :
non atlet : p-value > ⍺ maka \(H_0\) diterima
atlet : p-value > ⍺ maka \(H_0\) diterima
Kesimpulan :
Dengan taraf nyata 5% dapat disimpulkan bahwa data anak perempuan maupun data anak laki-laki berdistribusi secara normal multivariat.
Hipotesis :
\(H_0\) : Data anak perempuan dan anak laki-laki memiliki matriks varian covarian yang sama
\(H_1\) : Data anak perempuan dan anak laki-laki memiliki matriks varian covarian yang berbeda
Taraf Nyata : 5%
Statistik Uji :
p-value = 0.9066857
Keputusan :
p-value > ⍺ maka \(H_0\) diterima
Kesimpulan :
Dengan taraf nyata 5% dapat disimpulkan bahwa data anak perempuan maupun data anak laki-laki memiliki matriks varian covarian yang sama.
Hipotesis :
\(H_0\) : Data perempuan dan laki-laki memiliki rata-rata tinggi badan, lingkar dada, dan lingkar lengan atas yang sama
\(H_1\) : Data perempuan dan laki-laki memiliki rata-rata tinggi badan, lingkar dada, dan lingkar lengan atas yang berbeda
Taraf Nyata : 5%
Statistik Uji :
p-value = 0.2768
Keputusan :
p-value < ⍺ maka \(H_0\) ditolak
Kesimpulan :
Dengan taraf nyata 5% dapat disimpulkan bahwa data perempuan maupun data laki-laki rata-rata tinggi badan, lingkar dada, dan lingkar lengan atas yang berbeda.
Pada penelitian yang dilakukan kepada 6 anak laki-laki dan 9 anak perempuan di dataran tinggi Asia yang berumur dua tahun dalam aspek tinggi badan, lingkar dada dan lingkar lengan atas dapat disimpulkan bahwa baik tinggi badan, lingkar dada maupun lingkar lengan atas berbeda antara perempuan dan laki-laki. Hal tersebut dapat disebabkan oleh faktor genetik, perbedaan pola makan, aktivitas fisik, faktor lingkungan & budaya dan masih banyak faktor-faktor lain yang mungkin menjadi sebab hal tersebut. Setiap anak adalah individu yang unik, dan faktor-faktor di atas tidak selalu berlaku untuk semua anak. Ada variasi yang besar dalam pertumbuhan fisik antar anak-anak, bahkan dalam kelompok usia dan jenis kelamin yang sama. Oleh karena itu, penting untuk memahami bahwa perbedaan ini sangat kompleks dan multifaktorial, dan tidak boleh digeneralisasi tanpa data yang lebih spesifik dan penelitian yang lebih mendalam.