Analisis MANOVA untuk Mengidentifikasi Faktor-Faktor yang Signifikan dalam Mempengaruhi Kesehatan Mental

library(knitr)
library(rmarkdown)
opts_chunk$set(message = FALSE)
opts_chunk$set(warning = FALSE)
opts_chunk$set(comment = "")
opts_chunk$set(collapse = TRUE)
opts_chunk$set(error = TRUE)
opts_chunk$set(prompt = TRUE)
opts_chunk$set(fig.align = 'center')

Library

> library(knitr) #Digunakan untuk menghasilkan laporan dinamis dalam berbagai format.
> library(rmarkdown) #Membuat dokumen R Markdown.
> library(prettydoc) #Menyediakan template R Markdown agar laporan tampak menarik.
> library(MVN) #Memeriksa normalitas multivariat dari dataset.
> library(car) #Digunakan untuk uji asumsi model.
> library(carData) #Menyediakan dataset yang digunakan untuk mendukung fungsi dalam paket car.
> library(MVTests) #Menyediakan fungsi MANOVA.
> library(profileR) #Digunakan untuk analisis profil.

PENDAHULUAN

Latar Belakang Kasus

Kesehatan mental merupakan kesehatan yang berkaitan dengan kondisi emosi, kejiwaan, dan psikis seseorang. Berbagai kondisi tersebut dapat membuat kondisi kejiwaan seseorang terganggu, sehingga muncul gejala gangguan kesehatan jiwa. Beberapa jenis gangguan mental yang umum terjadi saat antara lain depresi, gangguan kecemasan, gangguan bipolar, gangguan stres pasca trauma (PTSD), gangguan obsesif kompulsif (OCD), dan psikosis. Berdasarkan data dari World Health Organization (WHO), prevalensi gangguan mental di Indonesia mencapai 9,8% pada tahun 2021, dengan angka depresi mencapai 6,6%. Angka ini diperkirakan akan terus meningkat di tahun 2024. Gangguan mental dapat disebabkan oleh beberapa faktor-faktor yang memicu. Pada penelitian ini, akan diteliti bahwa diantara empat faktor yaitu kualitas tidur (x1), aktivitas fisik (x2), level stress (x3), dan mood score (x4), faktor apakah yang dapat berpengaruh sifgnifikan terhadap kesehatan mental seseorang. Gangguan kesehatan mental yang diteliti pada penelitian ini secara spesifik yaitu gangguan panik (y1), gangguan depresi mayor (y2), gangguan kecemasan umum (y3). Data yang digunakan dalam penelitian, berasal dari website kaggle.com dengan jumlah data yang digunakan sebanyak 464 data.

Cuplikan Data

Latar Belakang Metode

Metode analisis yang digunakan untuk penelitian ini adalah analisis MANOVA atau Multivariate Analysis of Variance. MANOVA sesuai digunakan untuk penelitian ini karena penelitian melibatkan lebih dari satu variabel respon dan mampu memberikan gambaran yang lebih komprehensif dibanding dengan analisis univariat terpisah. MANOVA juga mampu mengidentifikasi efek interaksi antara variabel prediktor dan variabel respons secara lebih tepat.

Tinjauan Pustaka Metode

Multivariate Analysis of Variance (MANOVA) merupakan metode statistik yang memungkinkan untuk dilakukan analisis secara simultan untuk memahami hubungan yang lebih mendalam antara dua atau lebih variabel dependen terkait dengan satu atau lebih variabel independen. Uji asumsi yang harus dilakukan sebelum melakukan uji MANOVA adalah uji asumsi asumsi normalitas dan uji asumsi homogenitas kovarians. Uji lanjut dari uji MANOVA yang menunjukkan hasil bahwa variabel dependen berpengaruh signifikan terhadap variabel respons adalah menggunakan analisis profil.

Tujuan

1. Bertujuan untuk mengetahui diantara keempat faktor yaitu kualitas tidur, aktivitas fisik, level stress, dan mood score yang memiliki pengaruh signifikan terhadap gangguan kesehatan mental seseorang seperti gangguan panik, gangguan depresi mayor, dan gangguan kecemasan umum.
2. Mengetahui faktor apakah yang paling berpengaruh terhadap gangguan mental.

SOURCE CODE

> #Input data
> data <- read.csv(file.choose(), header = TRUE, sep = ",")
> View(data)
> data
> y1 <- as.matrix(data$Panic.Disorder..y1., nrow=464, ncol=1)
> y2 <- as.matrix(data$Major.Depressive.Disorder..y2., nrow=464, ncol=1)
> y3 <- as.matrix(data$Generalized.Anxiety..y3., nrow=464, ncol=1)
> faktor <- as.matrix(data$Faktor, nrow=464, ncol=1)
> 
> datafix=data.frame(faktor,y1,y2,y3)
> datafix
> 
> #Buat subset data hanya untuk kolom numerik
> y = subset(datafix, select = -c(faktor))
> z = subset(datafix, select = c(faktor))
> 
> #Periksa asumsi normalitas multivariat
> library(MVN)
> normalitas <- mvn(y, mvnTest = "mardia")
> normalitas
> 
> #Transformasi data log
> data_log_y1 <- log(datafix$y1 + 1)
> data_log_y2 <- log(datafix$y2 + 1)
> data_log_y3 <- log(datafix$y3 + 1)
> 
> #Periksa asumsi normalitas kembali (1)
> data2=data.frame(faktor,data_log_y1,data_log_y2,data_log_y3)
> data2
> 
> # Buat subset data hanya untuk kolom numerik
> x = subset(data2, select = -c(faktor))
> x
> 
> library(MVN)
> normalitas <- mvn(x, mvnTest = "mardia")
> normalitas
> 
> # Square Root Transformasi
> data.sqrt_y1 <- sqrt(datafix$y1)
> data.sqrt_y2 <- sqrt(datafix$y2)
> data.sqrt_y3 <- sqrt(datafix$y3)
> 
> #Periksa asumsi normalitas kembali (2)
> data3=data.frame(faktor,data.sqrt_y1,data.sqrt_y2,data.sqrt_y3)
> data3
> 
> # Buat subset data hanya untuk kolom numerik
> c = subset(data3, select = -c(faktor))
> c
> 
> library(MVN)
> normalitas <- mvn(c, mvnTest = "mardia")
> normalitas
> 
> # Memasukkan data ke dalam matriks
> data_matrix <- datafix[, c("y1", "y2", "y3")]
> data_matrix
> 
> # Plot uji Mardia
> library(MVN)
> mvn(data_matrix, multivariatePlot = "qq")
> 
> #uji homogenitas kovarians
> library(car)
> library(carData)
> leveneTest(y1 ~ as.factor(faktor), datafix)
> leveneTest(y2 ~ as.factor(faktor), datafix)
> leveneTest(y3 ~ as.factor(faktor), datafix)
> 
> library(MVTests)
> ujiboxm<-BoxM(data = datafix[,2:4], datafix$faktor)
> summary(ujiboxm)
> 
> #Uji manova
> ujimanova <- manova(cbind(y1,y2,y3)~faktor,data=datafix)
> summary(ujimanova, test="Hotelling-Lawley")
> summary.aov(ujimanova)
> 
> #Analisis Profil
> library(profileR)
> profil <- pbg(datafix[,2:4], datafix[,1], profile.plot = TRUE)

HASIL DAN PEMBAHASAN

1. Uji Asumsi Normalitas

   

   Interpretasi : Berdasarkan hasil dari perhitungan menggunakan R Studio, diperoleh hasil bahwa data tidak memenuhi asumsi normalitas. Data yang tidak memenuhi asumsi normalitas maka harus dilakukan transformasi data, pada kasus ini saya menggunakan transformasi log dan transformasi square root.

   • Transformasi data (Logaritma)

   

   Interpretasi : Setelah data di transformasi secara logaritma, diperoleh hasil bahwa data tetap tidak memenuhi asumsi normalitas.

   • Transformasi data (Square Root)

   

   Interpretasi : Setelah data di transformasi secara square rook, diperoleh hasil bahwa data tetap tidak memenuhi asumsi normalitas. Data tetap tidak memenuhi asumsi normalitas, bahkan setelah dilakukan transformasi data secara logaritma dan square root maka yang dapat dilakukan adalah melakukan analisis menggunakan metode Robust atau menghiraukan asumsi yang tidak terpenuhi walaupun tidak akan maksimal secara hasil akhir analisis MANOVA.

   Q-Q Plot

   

   Interpretasi : Sebagian besar titik berada dekat dengan garis diagonal, menunjukkan bahwa asumsi normalitas multivariat secara umumnya terpenuhi, namun beberapa titik pada ujung kanan atas menyimpang dari garis. Hal ini menunjukkan adanya data yang mungkin merupakan outlier, yang dapat memengaruhi analisis MANOVA. Outlier tidak dapat dihilangkan karena data pada outlier juga merupakan data yang penting digunakan untuk analisis.

2. Uji Asumsi Homogenitas Kovarians

   Hipotesis :

   H0 : Matriks Varians-kovarians antar grup sama

   H1 : Matriks Varians-kovarians antar grup tidak sama

   Taraf nyata (α) : 5%

   Levene Test

   

   Keputusan :

   y1: p-value (8.201e-12) < α (0 . 05) [Tolak Ho]

   y2. hipo : p-value (1.716e-09) < α (0 . 05) [Tolak Ho]

   y3 : p-value (2.2e-16) < α (0 . 05) [Tolak Ho]

   Interpretasi : Dengan taraf nyata 5%, dapat disimpulkan bahwa data memiliki ragam yang berbeda antar grup, yang artinya asumsi homogentas ragam tidak terpenuhi.

   Uji BoxM

   

Keputusan : P-Value < α maka tolak H0

Interpretasi : Dengan taraf nyata 5%, dapat disimpulkan bahwa matriks varians - kovarians antar grup tidak sama maka asumsi homogentias kovarians tidak terpenuhi.

c. UJi MANOVA

Hipotesis :

H0 : μ1 =μ2= μ3 = μ4 =0

H0 : Minimal terdapat satu i, dimana μi ≠ 0 (terdapat perbedaan pengaruh faktor kualitas tidur, aktivitas fisik, level stress, dan mood score terhadap variabel respon)

Keputusan : P-Value (2.2e-16) < α (0.05) maka tolak H0

Kesimpulan : Dengan taraf nyata 5%, dapat disimpulkan terdapat perbedaan pada pengaruh faktor kualitas tidur, aktivitas fisik, level stress, dan mood score terhadap gangguan panik, gangguan depresi mayor, dan gangguan kecemasan umum yang dialami seseorang.

Keputusan :

Response y1 : P-Value (2.2e-16) < α (0.05) maka tolak H0

Response y2 : P-Value (2.2e-16) < α (0.05) maka tolak H0

Response y3 : P-Value (2.2e-16) < α (0.05) maka tolak H0

Kesimpulan : Dengan taraf nyata 5%, dapat disimpulkan terdapat perbedaan pada pengaruh faktor kualitas tidur, aktivitas fisik, level stress, dan mood score terhadap gangguan panik, gangguan depresi mayor, dan gangguan kecemasan umum yang dialami seseorang.

c. Analisis Profil

Keterangan :

v1: Gangguan Panik

v2: Gangguan Depresi Mayor

v3: Gangguan Kecemasan Umum

Interpretasi :
Mood Score: Nilai mood score menurun secara konsisten dari v1 (gangguan panik) ke v3 (gangguan kecemasan umum), artinya individu dengan gangguan kecemasan umum (v3) memiliki tingkat mood yang lebih rendah dibandingkan individu dengan gangguan panik atau depresi mayor.

Physical Activity: Aktivitas fisik menurun dari v1 (gangguan panik) ke v2 (gangguan depresi mayor), kemudian meningkat pada v3 (gangguan kecemasan umum). Hal ini menunjukkan bahwa individu dengan gangguan depresi mayor (v2) cenderung memiliki tingkat aktivitas fisik paling rendah dibandingkan individu dengan gangguan mental lainnya.

Sleep Quality: Kualitas tidur menurun dari v1 (gangguan panik) ke v2 (gangguan depresi mayor), tetapi meningkat signifikan pada v3 (gangguan kecemasan umum). Ini menunjukkan bahwa individu dengan gangguan depresi mayor (v2) mengalami kualitas tidur terburuk di antara kelompok lainnya.

Stress Level: Tingkat stres menurun sedikit v2 (gangguan depresi mayor) ke v3 (gangguan kecemasan umum). Artinya, individu dengan gangguan depreasi mayor (v2) mengalami tingkat stres tertinggi dibandingkan dengan individu di kelompok lainnya.

PENUTUP

KESIMPULAN

1. Keempat faktor yaitu kualitas tidur, aktivitas fisik, level stress, dan mood score memiliki pengaruh signifikan terhadap gangguan kesehatan mental seseorang seperti gangguan panik, gangguan depresi mayor, dan gangguan kecemasan umum.

2. Berdasarkan interpretasi-interpretasi yang telah diperoleh, faktor yang tampaknya paling berpengaruh terhadap gangguan mental, berbeda-beda tergantung pada jenis gangguan:

   1. Gangguan Panik (v1):

      Level stres menjadi faktor utama yang mempengaruhi gangguan panik, mengingat sifat gangguan panik yang melibatkan respons fisiologis terhadap stres.

   2. Gangguan Depresi Mayor (v2):

      Mood score dan kualitas tidur menjadi faktor dominan yang mempengaruhi gangguan depresi mayor, karena depresi secara langsung terkait dengan penurunan suasana hati dan gangguan tidur.

   3. Gangguan Kecemasan Umum (v3):

      Level stres adalah faktor yang paling menonjol dalam mempengaruhi gangguan kecemasan umum, sesuai dengan sifat gangguan kecemasan yang ditandai dengan kekhawatiran kronis dan stres tinggi.

   Secara keseluruhan, level stres muncul sebagai faktor paling umum yang memengaruhi berbagai gangguan mental.

SARAN

Pada penelitian ini, masih terdapat pelanggaran terhadap asumsi normalitas dan asumsi homogenitas kovarians bahkan setelah dilakukan transformasi terhadap data yang digunakan dan tentunya dapat mempengaruhi hasil akhir penelitian, maka disarankan untuk selanjutnya dapat menggunakan metode alternatif seperti metode PERMANOVA dan GLM multivariat.

DAFTAR PUSTAKA

Isa, M., Megantara, A., Manik, P., Arianthi, S., & Wulandari, P. (2024). Analisis Pengaruh Indeks Masa Tubuh Terhadap Tekanan Darah Sistolik dan Detak Jantung Menggunakan Metode Manova. Analisis Pengaruh Indeks Masa Tubuh, 2(10), 624–638. https://doi.org/10.5281/zenodo.14181302

007-S-0458-NISA- KOHESI ANALISIS+PENGARUH+JENIS+CUACA+TERHADAP+TEMPERATUR+DAN+KECEPATAN+ANGIN+MENGGUNAKAN+METODE+MANOVA. (n.d.).