1 PENDAHULUAN

1.1 Latar Belakang

Kementerian kesehatan mencanangkan wajib imunisasi yang bertahap bagi bayi baru lahir hingga 18 tahun. Imunisasi bertujuan untuk melindungi bayi pada masa tumbuh kembangnya dari penyakit-penyakit berbahaya. Jenis imunisasi pada bayi antara lain BCG, polio 1, dan campak.

Salah satu mitos yang paling banyak berkembang adalah bahwa imunisasi itu tidak penting dan hanya membuat bayi kesakitan karena demam. Sederhananya, konsep imunisasi adalah menyuntikkan virus yang telah dilemahkan ke tubuh bayi agar tubuh anak menyesuaikan dan membentuk antibodi alami untuk menyerang balik virus tersebut, sehingga ketika si anak dewasa dan terpapar virus sejenis, tubuhnya telah memiliki sistem pertahanan yang memadai (Darmawanti, 2022). Dengan demikian, demam pada anak pasca imunisasi justru adalah pertanda bagus karena artinya vaksin itu telah bekerja dengan baik.

Di Indonesia, program imunisasi telah dimulai sejak abad ke-19 untuk membasmi penyakit cacar di Pulau Jawa. Tahun 1977 sampai dengan tahun 1980 mulai diperkenalkan imunisasi BCG, DPT dan TT untuk memberikan kekebalan terhadap penyakit TBC anak, difteri, pertusis dan tetanus neonatorum. Mulai tahun 1981 diperkenalkan antigen polio dan campak di 55 kecamatan di Indonesia yang dikenal sebagai kecamatan Pengembangan Program Imunisasi (Depkes RI, 2008).

Pada penelitian ini, akan dilakukan pengujian MANOVA satu arah yang didahului dengan uji normalitas multivariat dan homogenitas matriks varians kovarians dari data cakupan imunisasi BCG, polio 1 dan campak pada bayi di enam provinsi di Pulau Jawa. Tujuan dari penelitian ini adalah mengetahui ada tidaknya pengaruh provinsi terhadap pemberian ketiga jenis imunisasi tersebut.

1.2 Tinjauan Pustaka

1.2.1 Statistika Deskriptif

Statistika deskriptif adalah metode yang berkaitan dengan pengumpulan, pengolahan, dan penyajian suatu data sehingga menghasilkan informasi yang bermanfaat. Statistika deskriptif hanya melihat gambaran secara umum dari data yang didapatkan (Walpole, 1997). Penyajian statistika deskriptif dapat melalui ukuran penyebaran data, ukuran pemusatan data, grafik, diagram, histogram, dan lain-lain untuk memberikan informasi yang mudah dipahami.

1.2.2 Uji Asumsi untuk Data Multivariat

1.2.2.1 Uji Normalitas Multivariat

Uji normalitas multivariat dilakukan untuk menguji apakah sebaran data berdistribusi normal atau tidak (Indriani dkk., 2022). Uji normalitas digunakan untuk memenuhi asumsi bahwa data menyebar normal multivariat pada setiap populasi atau perlakuan. Berikut hipotesis yang digunakan dalam uji normalitas multivariat:

\(H_{0}\) : Data berdistribusi normal multivariat

\(H_{1}\) : Data tidak berdistribusi normal multivariat

Dalam teorema limit pusat menyatakan bahwa jika beberapa kondisi tertentu terpenuhi, maka distribusi mean dari sejumlah variabel random independen mendekati distribusi normal dengan jumlah sampel mendekati tak terhingga. Jika ukuran sampel semakin besar, maka sifat dari rata-rata distribusi peluang sampelnya (sample mean distribution) akan semakin mendekati distribusi normal. Teorema limit pusat mensyaratkan ukuran sampel yang besar, artinya teorema berlaku jika ukuran sampel yang diambil dari populasi dengan sembarang distribusi tersebut cukup besar. Menurut Arsham (2020), untuk teorema limit pusat,ukuran sampel dikatakan besar jika lebih besar atau sama dengan 30.

1.2.2.2 Uji Kesamaan Matriks Varians-Kovarians

Pemeriksaan kesamaan atau kehomogenan matriks varians kovarians antara dua populasi atau lebih dapat menggunakan Box’s M test (Rusli dkk., 2014). Berikut hipotesis yang digunakan dalam uji homogenitas:

\(H_{0} : \Sigma_1=\Sigma_2=...=\Sigma_k=\Sigma\)

\(H_{1}\) : minimal ada satu \(\Sigma_i \neq \Sigma_j\)

1.2.3 Uji Signifikansi MANOVA

Uji signifikansi digunakan untuk menguji perbedaan pengaruh variabel bebas terhadap variabel terikat, dengan hipotesis sebagai berikut (Setiawan dkk., 2017):

\(H_{0} : \tau_1=\tau_2=...=\tau_g=0\)

\(H_{1}\) : minimal ada satu \(\tau_l \neq 0\), \(l=1,2,...,g\)

Beberapa statistik uji pada MANOVA yang dapat digunakan sebagai pembuat keputusan dalam perbedaan antar-kelompok adalah sebagai berikut:

Pillai’s Trace, digunakan ketika asumsi homogenitas varians tidak terpenuhi, ukuran sampel kecil, dan standar pengujian dan hasil pengujian bertentangan. Semakin besar nilai statistik jejak Pillai, semakin besar dampaknya pada model.
Wilk’s Lambda, digunakan jika ada lebih dari dua set variabel bebas dan memenuhi asumsi homogenitas matriks varians-kovarians. Semakin rendah statistik Lambda Wilk, semakin besar dampaknya pada model. Nilai Lambda Wilk berada di kisaran 0-1.
Hotelling’s Trace, digunakan ketika hanya ada dua grup variabel bebas. Jika statistik pelacakan Hotelling tinggi, dampak pada model yang dihasilkan semakin bagus.
Roy’s Largest Root, digunakan jika asumsi homogenitas varians dari kovarians terpenuhi. Jika nilai statistik pada pengujian Roy’s Largest Root terbesar lebih besar maka pengaruh terhadap model yang diperoleh akan semakin besar (Hair dkk., 2010).

1.3 Data

Data penelitian ini diperoleh dari Data.go.id berupa data komponen kesehatan Pulau Jawa tahun 2013 (Setiawan dkk., 2017).

2 SOURCE CODE2.1 Library yang
Dibutuhkan#library(readxl)
#library(mvnormtest)
#library(MVTests)
2.2 Import Datalibrary(readxl)
Imunisasi <- read_excel("D:/SMT 5/AnMul 1/Imunisasi.xlsx")

BCG <- as.matrix(Imunisasi$`Imunisasi BCG`, nrow=118, ncol=1)
Polio <- as.matrix(Imunisasi$`Imunisasi Polio 1`, nrow=118, ncol=1)
Campak <- as.matrix(Imunisasi$`Imunisasi Campak`, nrow=118, ncol=1)
perlakuan <- as.character(Imunisasi$Provinsi)
perlakuan1 <- as.matrix(perlakuan, nrow=118, ncol=1)

Imunisasi_bayi = data.frame(perlakuan1,BCG,Polio,Campak)
Imunisasi_bayi
##     perlakuan1   BCG Polio Campak
## 1       Banten  84.6  85.0   78.6
## 2       Banten  85.4  91.9   77.8
## 3       Banten  97.5  98.0   96.2
## 4       Banten  96.3  98.9   93.0
## 5       Banten  93.1  93.1   91.8
## 6       Banten  93.8  93.9   93.0
## 7       Banten  91.3  93.2   97.5
## 8       Banten  94.9  95.2   96.5
## 9          DIY  65.2  63.3   65.8
## 10         DIY  55.1  46.7   54.6
## 11         DIY  76.7  66.8   72.3
## 12         DIY  75.0  57.2   68.8
## 13         DIY 118.1 101.0  101.0
## 14         DKI 103.1 103.3  108.6
## 15         DKI 106.3 106.8  103.1
## 16         DKI  82.9  84.1   81.1
## 17         DKI 110.9 115.9  102.8
## 18         DKI  89.7  90.8   88.8
## 19         DKI  92.9  96.9   85.9
## 20       Jabar  97.3  96.8   95.1
## 21       Jabar  99.5  97.4   96.3
## 22       Jabar  93.3  98.6   92.9
## 23       Jabar 101.6 102.5  103.0
## 24       Jabar  99.0  97.9   98.3
## 25       Jabar  99.3 101.1  100.3
## 26       Jabar  83.1  84.3   87.2
## 27       Jabar  93.7  93.9  100.0
## 28       Jabar 103.2 103.8  106.9
## 29       Jabar 108.9 109.3  110.3
## 30       Jabar  99.6  99.1   81.9
## 31       Jabar  95.2  90.3   97.0
## 32       Jabar 102.5 102.4   99.8
## 33       Jabar 107.4 107.3  106.6
## 34       Jabar  85.5  85.9   76.9
## 35       Jabar 121.3 121.8  105.7
## 36       Jabar 103.4 104.1   96.2
## 37       Jabar  98.2 109.4   85.1
## 38       Jabar  87.3  84.8   80.3
## 39       Jabar  94.4  94.5   87.1
## 40       Jabar 114.0 117.2  103.8
## 41       Jabar 107.4 108.3  107.0
## 42       Jabar  94.1  88.0   77.4
## 43       Jabar 102.9 102.3   99.3
## 44       Jabar  91.0  90.5   89.4
## 45       Jabar  94.9  95.9  100.0
## 46      Jateng  84.5  85.7   98.3
## 47      Jateng 100.5  92.4  100.5
## 48      Jateng  84.5  83.9   85.4
## 49      Jateng  76.5  74.0   73.0
## 50      Jateng 105.4 103.8  102.3
## 51      Jateng  93.9  94.3   96.2
## 52      Jateng  88.6  88.7   96.5
## 53      Jateng  93.6  92.9   95.1
## 54      Jateng  96.5  95.7   97.1
## 55      Jateng  90.4  90.5   92.5
## 56      Jateng  95.6  94.8   91.8
## 57      Jateng 107.4 107.4  103.7
## 58      Jateng  89.8  90.1   82.7
## 59      Jateng  98.2  99.0  101.1
## 60      Jateng  98.5  98.6   98.9
## 61      Jateng  95.9  95.1   96.9
## 62      Jateng  97.2  96.0   92.1
## 63      Jateng  93.5  95.2  101.2
## 64      Jateng 115.2 117.6   95.8
## 65      Jateng  82.2  82.7   82.9
## 66      Jateng  97.7  97.0   99.6
## 67      Jateng 111.7 111.9  110.9
## 68      Jateng  84.4  84.4   92.4
## 69      Jateng  91.8  91.5   94.6
## 70      Jateng  95.2  96.4   96.1
## 71      Jateng 106.5 107.0  112.4
## 72      Jateng  88.4  88.8   95.1
## 73      Jateng  91.8  90.8   92.3
## 74      Jateng  79.9  80.5   79.2
## 75      Jateng 107.8 106.6   96.5
## 76      Jateng  94.9  94.8   93.8
## 77      Jateng 107.6  88.6  103.9
## 78      Jateng 109.5 113.0  111.5
## 79      Jateng  96.6  97.0   95.4
## 80      Jateng 111.2 111.2  118.7
## 81       Jatim 114.0  88.7  117.5
## 82       Jatim 113.0 114.2  116.0
## 83       Jatim  78.4  79.1   81.5
## 84       Jatim  92.0  92.7   96.1
## 85       Jatim 100.4  96.6   96.5
## 86       Jatim  93.1  93.3   94.2
## 87       Jatim  97.6  98.1   96.8
## 88       Jatim  96.5  93.3   98.4
## 89       Jatim  83.8  84.2   76.6
## 90       Jatim 137.4 122.8  140.2
## 91       Jatim  71.5  72.0   73.1
## 92       Jatim 103.8  94.9  115.6
## 93       Jatim  78.3  78.3   81.7
## 94       Jatim  94.6  95.3   90.3
## 95       Jatim  96.6  98.4   98.2
## 96       Jatim  83.9  84.0  102.0
## 97       Jatim  91.8  91.0  103.2
## 98       Jatim  91.3  96.7   93.6
## 99       Jatim  78.0  77.9   76.4
## 100      Jatim  96.3  96.2   92.3
## 101      Jatim 196.1 178.2  230.4
## 102      Jatim 104.7 105.8  100.6
## 103      Jatim  93.7  97.8   96.3
## 104      Jatim  88.0  87.5   93.2
## 105      Jatim  98.9  99.4   98.4
## 106      Jatim  66.3  66.7   54.6
## 107      Jatim  81.6  80.5   80.3
## 108      Jatim  87.1  86.6   80.7
## 109      Jatim  81.4  80.2   88.5
## 110      Jatim  82.7  82.6   83.6
## 111      Jatim 109.2 108.8  109.8
## 112      Jatim  93.3  94.9   85.7
## 113      Jatim  97.7  96.3  215.5
## 114      Jatim  81.4  83.6   78.0
## 115      Jatim  89.8  90.4   90.7
## 116      Jatim  74.0  78.5   63.0
## 117      Jatim  90.0  89.6   86.0
## 118      Jatim  94.8  94.8   91.1
2.3 Statistika
DeskriptifA = Imunisasi_bayi[1:8,-1]
B = Imunisasi_bayi[9:13,-1]
C = Imunisasi_bayi[14:19,-1]
D = Imunisasi_bayi[20:45,-1]
E = Imunisasi_bayi[46:80,-1]
F = Imunisasi_bayi[81:118,-1]

Banten = summary(A)
DIY = summary(B)
DKI = summary(C)
Jabar = summary(D)
Jateng = summary(E)
Jatim = summary(F)
2.4 Uji Asumsi Normalitas
Multivariatlibrary(mvnormtest)

A_Banten = mshapiro.test(t(A))
B_DIY = mshapiro.test(t(B))
C_DKI = mshapiro.test(t(C))
D_Jabar = mshapiro.test(t(D))
E_Jateng = mshapiro.test(t(E))
F_Jatim = mshapiro.test(t(F))
2.5 Uji Asumsi Kesamaan
Matriks Varians-Kovarianslibrary(MVTests)
## Warning: package 'MVTests' was built under R version 4.2.3## 
## Attaching package: 'MVTests'## The following object is masked from 'package:datasets':
## 
##     irishomogen<-BoxM(data = Imunisasi[,2:4], Imunisasi$`Provinsi`)
#summary(homogen)
2.6 Uji Signifikansi
MANOVAujimanova <- manova(cbind(BCG,Polio,Campak)~perlakuan,data=Imunisasi_bayi)
#summary(ujimanova, test="Pillai")
#summary(ujimanova, test="Roy")
#summary(ujimanova, test="Wilks")
#summary(ujimanova, test="Hotelling-Lawley")

#summary.aov(ujimanova)

3 HASIL DAN PEMBAHASAN

3.1 Statistika Deskriptif

Banten

##       BCG            Polio           Campak     
##  Min.   :84.60   Min.   :85.00   Min.   :77.80  
##  1st Qu.:89.83   1st Qu.:92.80   1st Qu.:88.50  
##  Median :93.45   Median :93.55   Median :93.00  
##  Mean   :92.11   Mean   :93.65   Mean   :90.55  
##  3rd Qu.:95.25   3rd Qu.:95.90   3rd Qu.:96.28  
##  Max.   :97.50   Max.   :98.90   Max.   :97.50

DIY

##       BCG             Polio           Campak     
##  Min.   : 55.10   Min.   : 46.7   Min.   : 54.6  
##  1st Qu.: 65.20   1st Qu.: 57.2   1st Qu.: 65.8  
##  Median : 75.00   Median : 63.3   Median : 68.8  
##  Mean   : 78.02   Mean   : 67.0   Mean   : 72.5  
##  3rd Qu.: 76.70   3rd Qu.: 66.8   3rd Qu.: 72.3  
##  Max.   :118.10   Max.   :101.0   Max.   :101.0

DKI

##       BCG             Polio            Campak      
##  Min.   : 82.90   Min.   : 84.10   Min.   : 81.10  
##  1st Qu.: 90.50   1st Qu.: 92.33   1st Qu.: 86.62  
##  Median : 98.00   Median :100.10   Median : 95.80  
##  Mean   : 97.63   Mean   : 99.63   Mean   : 95.05  
##  3rd Qu.:105.50   3rd Qu.:105.92   3rd Qu.:103.03  
##  Max.   :110.90   Max.   :115.90   Max.   :108.60

Jabar

##       BCG             Polio            Campak      
##  Min.   : 83.10   Min.   : 84.30   Min.   : 76.90  
##  1st Qu.: 94.17   1st Qu.: 94.05   1st Qu.: 87.75  
##  Median : 99.15   Median : 98.85   Median : 97.65  
##  Mean   : 99.15   Mean   : 99.52   Mean   : 95.53  
##  3rd Qu.:103.12   3rd Qu.:104.03   3rd Qu.:102.33  
##  Max.   :121.30   Max.   :121.80   Max.   :110.30

Jateng

##       BCG             Polio            Campak      
##  Min.   : 76.50   Min.   : 74.00   Min.   : 73.00  
##  1st Qu.: 90.10   1st Qu.: 89.45   1st Qu.: 92.45  
##  Median : 95.60   Median : 94.80   Median : 96.20  
##  Mean   : 96.08   Mean   : 95.37   Mean   : 96.47  
##  3rd Qu.:102.95   3rd Qu.: 98.80   3rd Qu.:100.80  
##  Max.   :115.20   Max.   :117.60   Max.   :118.70

Jatim

##       BCG             Polio            Campak      
##  Min.   : 66.30   Min.   : 66.70   Min.   : 54.60  
##  1st Qu.: 82.97   1st Qu.: 83.70   1st Qu.: 82.17  
##  Median : 92.55   Median : 93.00   Median : 93.40  
##  Mean   : 94.82   Mean   : 93.42   Mean   : 99.12  
##  3rd Qu.: 97.67   3rd Qu.: 96.67   3rd Qu.:100.05  
##  Max.   :196.10   Max.   :178.20   Max.   :230.40

Berdasarkan hasil diatas, rata-rata cakupan imunisasi yang kecil menunjukkan bahwa tidak meratanya pemberian imunisasi pada provinsi tersebut. Sebaliknya semakin besar rata-rata cakupan imunisasi menunjukkan bahwa meratanya pemberian imunisasi pada provinsi tersebut.

Pada provinsi Banten, cakupan imunisasi campak menunjukkan nilai rata-rata yang paling kecil dilanjutkan dengan imunisasi BCG dan polio 1.
Pada provinsi DIY, cakupan imunisasi polio 1 menunjukkan nilai rata-rata yang paling kecil dilanjutkan dengan imunisasi campak dan BCG.
Pada provinsi DKI, cakupan imunisasi campak menunjukkan nilai rata-rata yang paling kecil dilanjutkan dengan imunisasi BCG dan polio 1.
Pada provinsi Jabar, cakupan imunisasi polio 1 menunjukkan nilai rata-rata yang paling kecil dilanjutkan dengan imunisasi BCG dan campak.
Pada provinsi Jateng, cakupan imunisasi polio 1 menunjukkan nilai rata-rata yang paling kecil dilanjutkan dengan imunisasi campak dan BCG.
Pada provinsi Jatim, cakupan imunisasi polio 1 menunjukkan nilai rata-rata yang paling kecil dilanjutkan dengan imunisasi BCG dan campak.

3.2 Uji Asumsi Normalitas Multivariat

Hipotesis

\(H_{0}\) : Data berdistribusi normal multivariat

\(H_{1}\) : Data tidak berdistribusi normal multivariat

Taraf nyata : \(\alpha=0.05\)

A_Banten

## 
##  Shapiro-Wilk normality test
## 
## data:  Z
## W = 0.71319, p-value = 0.003173

B_DIY

## 
##  Shapiro-Wilk normality test
## 
## data:  Z
## W = 0.60193, p-value = 0.000665

C_DKI

## 
##  Shapiro-Wilk normality test
## 
## data:  Z
## W = 0.68884, p-value = 0.004705

D_Jabar

## 
##  Shapiro-Wilk normality test
## 
## data:  Z
## W = 0.79575, p-value = 0.0001492

E_Jateng

## 
##  Shapiro-Wilk normality test
## 
## data:  Z
## W = 0.50813, p-value = 1.107e-09

F_Jatim

## 
##  Shapiro-Wilk normality test
## 
## data:  Z
## W = 0.41785, p-value = 4.113e-11

Keputusan : Berdasarkan hasil pengujian normalitas multivariat, diperoleh nilai p < \(\alpha=0.05\) untuk semua provinsi, maka tolak \(H_{0}\)

Kesimpulan : Dengan taraf nyata 5% dapat disimpulkan bahwa data tidak berdistribusi normal multivariat. Namun berdasarkan teorema limit pusat dan penelitian sebelumnya, data dapat diasumsikan normal multivariat karena ukuran sampel yang besar yaitu 118, maka sifat dari rata-rata distribusi peluang sampelnya (sample mean distribution) akan mendekati distribusi normal.

3.3 Uji Asumsi Kesamaan Matriks Varians-Kovarians

Hipotesis

\(H_{0} : \Sigma_1=\Sigma_2=...=\Sigma_k=\Sigma\) (Asumsi kehomogenan matriks varians-kovarians terpenuhi)

\(H_{1}\) : minimal ada satu \(\Sigma_i \neq \Sigma_j\) (Asumsi kehomogenan matriks varians-kovarians tidak terpenuhi)

Taraf nyata : \(\alpha=0.05\)

summary(homogen)

##        Box's M Test 
## 
## Chi-Squared Value = 155.3761 , df = 30  and p-value: <2e-16

Keputusan : Berdasarkan hasil pengujian homogenitas, diperoleh nilai p = 2 x 10^-16 < \(\alpha=0.05\), maka tolak \(H_{0}\)

Kesimpulan : Dengan taraf nyata 5% dapat disimpulkan bahwa data provinsi di pulau Jawa terhadap cakupan imunisasi memiliki matriks varian-kovarian yang berbeda atau asumsi kehomogenan matriks varians-kovarians tidak terpenuhi.

3.4 Uji Signifikansi MANOVA

Berdasarkan pengujian asumsi kehomogenan matriks varians-kovarians yang tidak terpenuhi,maka pengujian signifikansi menggunakan Pillai’s Trace.

Hipotesis

\(H_{0} : \tau_1=\tau_2=...=\tau_g=0\)

\(H_{1}\) : minimal ada satu \(\tau_l \neq 0\), \(l=1,2,...,g\)

Taraf nyata : \(\alpha=0.05\)

summary(ujimanova, test="Pillai")

##            Df  Pillai approx F num Df den Df    Pr(>F)    
## perlakuan   5 0.47422   4.2056     15    336 3.878e-07 ***
## Residuals 112                                             
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Keputusan : Berdasarkan hasil pengujian hipotesis, diperoleh nilai p = 3.878 x 10^-7 < \(\alpha=0.05\), maka tolak \(H_{0}\)

Kesimpulan : Dengan taraf nyata 5% dapat disimpulkan bahwa keenam provinsi di pulau Jawa berpengaruh signifikan secara multivariat terhadap cakupan imunisasi BCG, polio 1, dan campak pada bayi.

Secara terpisah, hasil ANOVA untuk setiap variabel respons sebagai berikut:

summary.aov(ujimanova)

##  Response BCG :
##              Df  Sum Sq Mean Sq F value Pr(>F)
## perlakuan     5  2022.4  404.47  1.8159 0.1154
## Residuals   112 24947.1  222.74               
## 
##  Response Polio :
##              Df  Sum Sq Mean Sq F value    Pr(>F)    
## perlakuan     5  4669.7  933.93  5.2569 0.0002249 ***
## Residuals   112 19897.8  177.66                      
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
##  Response Campak :
##              Df Sum Sq Mean Sq F value Pr(>F)
## perlakuan     5   3371  674.29  1.5489 0.1805
## Residuals   112  48758  435.34

Berdasarkan hasil ANOVA, dapat disimpulkan bahwa keenam provinsi di pulau Jawa yang berpengaruh signifikan secara univariat adalah terhadap cakupan imunisasi polio 1. Sedangkan terhadap cakupan imunisasi BCG dan campak, keenam provinsi di pulau Jawa tidak berpengaruh signifikan secara univariat.

4 PENUTUP

4.1 Kesimpulan

Kesimpulan yang diperoleh dari penelitian ini sebagai berikut:

Berdasarkan keenam provinsi di pulau Jawa, cakupan imunisasi polio 1 berada di posisi terendah pada empat provinsi yaitu provinsi DIY, Jabar, Jateng, dan Jatim. Dilanjutkan dengan imunisasi campak, provinsi yang memiliki nilai rata-rata terendah yaitu provinsi Banten dan DKI.
Pengujian asumsi normal multivariat pada data ini tidak terpenuhi, artinya data untuk masing-masing variabel cakupan imunisasi BCG, polio 1, dan campak tidak berdistribusi normal multivariat. Namun berdasarkan teorema limit pusat dan penelitian sebelumnya, data dapat diasumsikan normal multivariat karena ukuran sampel yang besar yaitu 118, maka sifat dari rata-rata distribusi peluang sampelnya (sample mean distribution) akan mendekati distribusi normal.
Pengujian kesamaan matriks varian-kovarian tidak terpenuhi, artinya data penelitian pada enam provinsi di pulau Jawa terhadap cakupan imunisasi memiliki matriks varian-kovarian yang berbeda.
Berdasarkan hasil MANOVA, keenam provinsi di pulau Jawa berpengaruh signifikan secara multivariat terhadap cakupan imunisasi BCG, polio 1, dan campak pada bayi.
Berdasarkan hasil ANOVA, dapat disimpulkan bahwa keenam provinsi di pulau Jawa yang berpengaruh signifikan secara univariat adalah terhadap cakupan imunisasi polio 1. Sedangkan terhadap cakupan imunisasi BCG dan campak, keenam provinsi di pulau Jawa tidak berpengaruh signifikan secara univariat.

4.2 Saran

Saran untuk Pemerintah adalah lebih meningkatkan cakupan imunisasi polio 1 untuk bayi, karena terdapat empat provinsi yang memiliki rata-rata cakupan imunisasi polio 1 terendah dibandingkan dengan imunisasi BCG dan campak. Keempat provinsi tersebut yaitu provinsi DIY, Jabar, Jateng, dan Jatim.

4.3 Daftar Pustaka

Walpole, R. (1997). Pengantar Metode Statistik Edisi ke-3. Jakarta: PT Gramedia Pustaka Utama.
Indriani, S.P., dkk. (2022). Pengaruh Model Pembelajaran SAVI Berbantuan Media Praktikum Sederhana Hasil Belajar IPA. Indonesia Journal of Learning Education and Counseling. 5 (1):44-52.
Depkes RI, (2008). Ibu Sehat Bayi Sehat. Jakarta: Direktorat Jenderal Pembinaan Kesehatan Masyarakat
Darmawanti, B., (2022). Sudah Lengkap? Ini Daftar Imunisasi untuk Bayi Baru Lahir. Diakses dari: https://ayosehat.kemkes.go.id/sudah-lengkap-ini-daftar-imunisasi-untuk-bayi-baru-lahir
Rusli, dkk.(2014). Pengujian Normal Multivariat dan Homokedastisitas Matriks Varians-Kovarians pada Prestasi Belajar dan Kredit Lulus Mahasiswa UNM Angkatan 2014.
Setiawan, D., dkk. (2017). Analisis MANOVA Satu Arah pada Data Komponen Kesehatan Bayi di Pulau Jawa Tahun 2013. Article : ResearchGate.
Hair, J.F., dkk. (2010). Multivariate Data Analysis : A Global Perspective, 7th Edition. New Jersey: Pearson Prentice Hall
Ulaya, E., (2020). Teorema Limit Pusat dalam Ilmu Statistik. Article : Asisten.
Arsham, H., (2020). System Simulation: The Shortest Route to Applications.

MANOVA : Analisis Pengaruh Provinsi di Pulau Jawa Terhadap Pemberian Imunisasi BCG, Polio 1, dan Campak Pada Bayi Tahun 2013

Immayatusa’ada

2023-11-05

1 PENDAHULUAN

1.1 Latar Belakang

1.2 Tinjauan Pustaka

1.2.1 Statistika Deskriptif

1.2.2 Uji Asumsi untuk Data Multivariat

1.2.2.1 Uji Normalitas Multivariat

1.2.2.2 Uji Kesamaan Matriks Varians-Kovarians

1.2.3 Uji Signifikansi MANOVA

1.3 Data

2 SOURCE CODE

2.1 Library yang Dibutuhkan

2.2 Import Data

2.3 Statistika Deskriptif

2.4 Uji Asumsi Normalitas Multivariat

2.5 Uji Asumsi Kesamaan Matriks Varians-Kovarians

2.6 Uji Signifikansi MANOVA

3 HASIL DAN PEMBAHASAN

3.1 Statistika Deskriptif

3.2 Uji Asumsi Normalitas Multivariat

3.3 Uji Asumsi Kesamaan Matriks Varians-Kovarians

3.4 Uji Signifikansi MANOVA

4 PENUTUP

4.1 Kesimpulan

4.2 Saran

4.3 Daftar Pustaka