Analisis MANOVA dengan Data Iris

data(iris) 
head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

#Kode data(iris) digunakan untuk memanggil dataset iris yang sudah tersedia di R. Kemudian, head(iris) digunakan untuk menampilkan beberapa baris pertama dari data untuk melihat isi dan bentuk data yang digunakan.

summary(iris)

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
## 

#Berdasarkan hasil statistik deskriptif, dataset iris memiliki 150 data yang terbagi menjadi tiga spesies, yaitu setosa, versicolor, dan virginica, dengan masing-masing sebanyak 50 data. Nilai rata-rata Sepal.Length adalah 5,843, Sepal.Width sebesar 3,057, Petal.Length sebesar 3,758, dan Petal.Width sebesar 1,199. Dari hasil tersebut dapat dilihat bahwa setiap variabel memiliki nilai yang berbeda-beda, dengan rentang nilai yang cukup beragam. Data ini selanjutnya dapat digunakan untuk melakukan analisis lebih lanjut, seperti analisis MANOVA.

hasil_manova <- manova( cbind(Sepal.Length, Sepal.Width, Petal.Length, Petal.Width) ~ Species, data = iris )
summary(hasil_manova, test = "Pillai")

##            Df Pillai approx F num Df den Df    Pr(>F)    
## Species     2 1.1919   53.466      8    290 < 2.2e-16 ***
## Residuals 147                                            
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

#Berdasarkan hasil uji MANOVA dengan statistik Pillai, diperoleh nilai Pillai sebesar 1,1919 dengan p-value < 2,2 × 10⁻¹⁶. Karena p-value lebih kecil dari 0,05, maka terdapat perbedaan yang signifikan pada variabel Sepal.Length, Sepal.Width, Petal.Length, dan Petal.Width secara bersama-sama berdasarkan spesies bunga iris. Artinya, jenis spesies memiliki hubungan dengan perbedaan karakteristik pengukuran bunga iris secara simultan.