<![CDATA[Health research often measures multiple physiological and clinical indicators simultaneously, such as blood pressure, glucose levels, body mass index, and lipid profiles, which are statistically correlated. In such situations, using a conventional t-test separately for each variable can increase the risk of type I errors and result in partial interpretations. Therefore, a multivariate statistical approach capable of handling complex data simultaneously and considering the relationships between variables is necessary. The purpose of this commentary article is to explain the basic concepts and working principles of the Hotelling t-test, outline its advantages in the context of health research, and provide practical examples and a critical analysis of the challenges of its application. The Hotelling t-test is a generalization of the Student t-test for multivariate cases, allowing researchers to compare the means of two groups based on more than one correlated dependent variable. By considering the covariance structure between variables, this test provides more comprehensive results and maintains statistical validity. This article discusses the advantages of the Hotelling t-test in reducing the risk of type I errors, capturing interactions between health indicators, and supporting analysis in clinical studies, epidemiology, and health program evaluation. Furthermore, important assumptions that must be met, such as multivariate normal distribution and homogeneity of the covariance matrix, are discussed, as well as challenges in interpreting the results that require further analysis. In conclusion, the Hotelling T-test is a highly relevant and strategic analytical tool in multivariate data-driven health research. Understanding and skills in using this test need to be improved through integration into research methodology curricula to support more accurate and evidence-based decision-making.Keywords: Hotelling T-test; multivariate analysis; health research ABSTRAK Riset kesehatan sering mengukur berbagai indikator fisiologis dan klinis secara simultan, seperti tekanan darah, kadar glukosa, indeks massa tubuh, dan profil lipid, yang saling berkorelasi secara statistik. Dalam situasi seperti ini, penggunaan uji t konvensional secara terpisah untuk tiap variabel dapat meningkatkan risiko kesalahan tipe I dan menghasilkan interpretasi yang parsial. Oleh karena itu, diperlukan pendekatan statistik multivariat yang mampu menangani data kompleks secara simultan dan mempertimbangkan hubungan antar variabel. Tujuan dari artikel komentar ini adalah untuk menjelaskan konsep dasar dan prinsip kerja uji T Hotelling, menguraikan keunggulannya dalam konteks penelitian kesehatan, serta memberikan contoh aplikatif dan analisis kritis terhadap tantangan penerapannya. Uji T Hotelling merupakan generalisasi dari uji t Student untuk kasus multivariat, yang memungkinkan peneliti membandingkan rata-rata dua kelompok berdasarkan lebih dari satu variabel dependen yang saling berkorelasi. Dengan mempertimbangkan struktur kovarians antar variabel, uji ini memberikan hasil yang lebih komprehensif dan menjaga validitas statistik. Artikel ini membahas keunggulan uji T Hotelling dalam mengurangi risiko kesalahan tipe I, menangkap interaksi antar indikator kesehatan, dan mendukung analisis dalam studi klinis, epidemiologi, serta evaluasi program kesehatan. Selain itu, dibahas pula asumsi-asumsi penting yang harus dipenuhi, seperti distribusi normal multivariat dan homogenitas matriks kovarians, serta tantangan interpretasi hasil yang memerlukan analisis lanjutan. Sebagai kesimpulan, uji T Hotelling merupakan alat analisis yang sangat relevan dan strategis dalam penelitian kesehatan berbasis data multivariat. Pemahaman dan keterampilan dalam menggunakan uji ini perlu ditingkatkan melalui integrasi dalam kurikulum metodologi penelitian, agar dapat mendukung pengambilan keputusan yang lebih akurat dan berbasis bukti.Kata kunci: uji T Hotelling; analisis multivariat; penelitian kesehatan]]>
