ANOVA

Pengertian ANOVA

Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar grup. Grup disini
bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan oleh seorang
ahli statistik bernama Ronald Fisher.

Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang
mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih dari
dua kelompok.

Kegunaan Anova

Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana menilai
adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA adalah nilai F test
atau F hitung. Nilai F Hitung ini yang nantinya akan dibandingkan dengan nilai pada tabel f.
Jika nilai f hitung lebih dari f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak
H0 atau yang berarti ada perbedaan bermakna rerata pada semua kelompok.

Analisis ANOVA sering digunakan pada penelitian eksperimen dimana terdapat beberapa
perlakuan. Peneliti ingin menguji, apakah ada perbedaan bermakna antar perlakuan tersebut.

Ciri-ciri ANOVA

Ciri khasnya adalah adanya satu atau lebih variabel bebas sebagai faktor penyebab dan satu
atau lebih variabel response sebagai akibat atau efek dari adanya faktor. Contoh penelitian yang
dapat menggambarkan penjelasan ini: Adakah pengaruh jenis bahan bakar terhadap umur
thorax mesin. Dari judul tersebut jelas sekali bahwa bahan bakar adalah faktor penyebab
sedangkan umur thorax mesin adalah akibat atau efek dari adanya perlakuan faktor. Ciri
lainnya adalah variabel response berskala data rasio atau interval (numerik atau kuantitatif).

Anova merupakan salah satu dari berbagai jenis uji parametris, karena mensyaratkan adanya
distribusi normal pada variabel terikat per perlakuan atau distribusi normal pada residual.
Syarat normalitas ini mengasumsikan bahwa sample diambil secara acak dan dapat mewakili
keseluruhan populasi agar hasil penelitian dapat digunakan sebagai generalisasi. Namun
keunikannya, uji ini dapat dikatakan relatif robust atau kebal terhadap adanya asumsi tersebut.

Jenis ANOVA

Jenisnya adalah berdasarkan jumlah variabel faktor (independen variable atau variabel bebas)
dan jumlah variabel responsen (dependent variable atau variabel terikat). Pembagiannya adalah
sebagai berikut:

Univariat:
1. Univariate One Way Analysis of Variance. Apabila variabel bebas dan variabel terikat
jumlahnya satu.
2. Univariate Two Way Analysis of Variance. Apabila variabel bebas ada 2, sedangkan
variabel terikat ada satu.
 3. Univariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2, sedangkan
variabel terikat ada satu.

Multivariat:

1. Multivariate One Way Analysis of Variance. Apabila variabel bebas dan variabel
terikat jumlahnya lebih dari satu.
2. Multivariate Two Way Analysis of Variance. Apabila variabel bebas ada 2, sedangkan
variabel terikat jumlahnya lebih dari satu.
3. Multivariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2,
sedangkan variabel terikat jumlahnya lebih dari satu.

Jenis lain yang menggunakan prinsip ini adalah:

1. Repeated Measure Analysis of variance.

2. Analysis of Covariance (ANCOVA).
3. Multivariate Analysis of covariance (MANCOVA)

ANOVA (Analysis of Variance)

Analisis varians (ANOVA) adalah kumpulan dari model statistik yang digunakan untuk
menganalisis perbedaan rata-rata antara kelompok dan prosedur terkait (seperti variasi
antara kelompok), yang dikembangkan oleh ahli statistik dan evolusi biologi Ronald Fisher.
Dalam pengaturan ANOVA, varians diamati pada variabel tertentu dibagi menjadi komponen
disebabkan berbagai sumber variasi. Dalam bentuk yang paling sederhana, ANOVA
menyediakan uji statistik apakah rata-rata beberapa kelompok adalah sama, dan adanya
generalisasi t-test untuk lebih dari dua kelompok. Seperti melakukan beberapa dua-sample t-
tes akan menghasilkan peningkatan kesempatan dalam mengamati tipe I kesalahan statistik,
maka ANOVA berguna untuk membandingkan (pengujian) tiga atau lebih (kelompok atau
variabel) untuk signifikansi statistik.

Hipotesis dalam ANOVA

Dalam analysis of variance hanya satu hipotesis yang digunakan, yaitu hipotesis dua arah
(two tail) artinya hipotesis ini ingin mengetahui apakah ada perbedaan rata-rata atau tidak dan
tidak spesifik yang mana yang berbeda.

H0: 1 = 2 = 3 = = n, Tidak ada perbedaan yang nyata antara rata-rata hitung dari n
kelompok
H1: 1 2 3 n, Ada perbedaan yang nyata antara rata-rata hitung dari n
kelompok

Uji hipotesis dengan ANOVA digunakan karena alasan-alasan berikut:

1. Memudahkan analisa atas beberapa kelompok sampel yang berbeda dengan resiko
kesalahan terkecil.
2. Mengetahui signifikansi perbedaan rata-rata () antara kelompok sampel yang satu dengan
yang lain. Bisa jadi, meskipun secara numeris bedanya besar, namun berdasarkan analisa
ANOVA, perbedaan tersebut tidak signifikan sehingga perbedaan bisa diabaikan.
 Sebaliknya, bisa jadi secara numeris bedanya kecil, namun berdasarkan analisa ANOVA,
perbedaan tersebut signifikan, sehingga minimal ada satu yang berbeda dan perbedaan
antar kelompok sampel tidak boleh diabaikan.
3. Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk
percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan
analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari
eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.

Asumsi-asumsi dalam ANOVA

1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya
digunakan satu penduga (estimate) untuk varians dalam contoh
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Contoh Soal Analysis of Variance (ANOVA)

Soal ANOVA 2IA07

Pusat riset otomotif ingin mengetahui apakah dari 3 jenis sepeda motor yang
diteliti menempuh jarak yang berbeda untuk setiap 1 liter bensin yang dikonsumsi. Secara
random dipilih 5 sepeda motor untuk masing-masing jenis sepeda motor dan diperoleh data
sebagaimana ditunjukkan pada Tabel 1. Jika diuji pada tingkat signifikansi 5 %, apakah
terdapat perbedaan dari rata-rata jarak tempuh untuk setiap konsumsi 1 liter bensin?

Tabel 1. Jarak yang ditempuh (km) untuk setiap liter bensin

Motor Awet Motor Bagus Motor Cihui

35.6 33.6 43.0
40.2 30.4 40.5
33.3 35.3 43.4
31.7 29.3 35.6
37.2 35.0 33.0

n1 = 5

n2 = 5

n3 = 5
n = 15

c=3

SSA = 5 (35.6 35.81)2 + 5 (32.72 35.81)2 + 5 (39.1 35.81)2 = 102.0815

SSW = (35.6 35.6)2 + (40.2 35.6)2 ++ (33.0 39.1)2 = 159.0532

MSA = 102.0815 / (3-1) = 51.04075

MSW = 159.0532/ (15-3) = 13.254

H0: 1 = 2 = 3

H1: j not all equal

a = 0.05

df1= 2 df2 = 12

keputusan : H0 diterima

kesimpulan : tidak terdapat perbedaan dari rata-rata jarak tempuh untuk setiap konsumsi 1
liter bensin

Uji Anova, Teori Satu Arah dan Dua Arah

Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam
penelitian eksperimen. metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga
adalah bentuk uji hipotesis statistik dimana kita mengambil kesimpulan berdasarkan data atau
kelompok statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple
random dari populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama.
Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis
nol nya adalah semua perlakuan akan memiliki efek yang sama.

Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t dibatasi untuk menguji
hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk
memungkinkan peneliti untuk menguji hipotesis perbandingan lebih dari dua kelompok.
Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan.
Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.

Landasan konseptual ANOVA

Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini
adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan
memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai
berikut: H0 : M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat menolak
H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0,
Anda mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan
ukuran-ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut
berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk
menolak H0. Seperti pada uji statistik yang lain, kita menolak H0 ketika mendapati statistik
uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu.
Cara lain dapat dilakukan dengnan melihat p-value (nilai probabilitas) yang mana lebih
rendah dari 5%, misalnya kita menggunakan tingkat kepercayaan 95%.

Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih.
Lebih dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan
keragaman data yang dimanifestasikan dalam nilai varians.

Apa saja asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari model linier,
berikut diantaranya:

1. Independensi observasi, setiap observasi dalam analisis anova harus bersifat independen.

2. Normalitas, Residual atau error harus mengikuti distribusi normal.

3. Homogenitas varians, varians antara kelompok yang dibandingkan harus homogen.

Mengingat uji Anova ini banyak digunakan dalam penelitian eksperimen, maka uji anova
dapat dibagi berdasarkan desainnya.

1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau lebih kelompok
dimana hanya terdapat satu faktor yang dipertimbangkan. sebagai contoh membandingkan
efek dosis obat yang berbeda terhadap kesembuhan pasien.

2. Anova faktorial, merupakan pengembangan dari anova satu arah dimana ada lebih dari satu
faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor dosis obat tetapi
juga frekuensi pemberian obat. pada anova faktorial, interaksi atau kombinasi diantara faktor
juga dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan frekuensi pemberian
obat dapat dihitung pengaruhnya terhadap kesembuhan pasien. Anova dua arah (two way
anova) termasuk dalam Anova faktorial.
 3. Anova reapeted measures, digunakan ketika dalam desain eksperimen mengijinkan subjek
penelitian diikutsertakan pada perlakuan yang berbeda. terkait contoh di atas, misalnya pasien
yang sama diberikan obat dengan dosis yang berbeda.

4. Multivariat Anova, berbeda dengan uji Anova yang hanya mengukur satu respon, Manova
mengukur lebih dari satu respon dalam satu kali eksperimen. misalnya kita meneliti dampak
obat pada beberapa dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida ,
LDL dan HDL pada pasien.

Analisis of Variance atau ANOVA merupakan salah satu teknik analisis multivariate
yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara
membandingkan variansinya. Analisis varian termasuk dalam kategori statistik
parametric.
Pada dasarnya, metoda statistik Anova dapat digunakan untuk:

Menguji apakah rata-rata lebih dari dua sampel berbeda secara signifikan atau tidak.
Anova berbeda dengan uji yang hanya menguji dua sampel saja. Pada uji Anova, tidak
terdapat batasan maksimal terhadap jumlah sampel yang dapat diuji. Walaupun tidak
ada batasan yang pasti, namun dalam praktik, pengujian umumnya dilakukan atas
tiga sampai lima sampel saja.
Menguji apakah dua buah sampel mempunyai varians populasi yang sama atau tidak.
Menganalisis data yang berasal dari berbagai macam jenis dan desain penelitian.
Analisis varian banyak dipergunakan pada penelitian-penelitian yang banyak
melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara
membandingkannya pada kelompok-kelompok sampel independen yang diamati.
Uji Anova memiliki beberapa asumsi yang harus dipenuhi, yaitu:

1) Populasi-populasi yang akan diuji berdistribusi normal

Jika seorang peneliti ingin menguji apakah tingkat penggunaan fasilitas internet di
daerah A, B, dan C sama atau tidak, maka seharusnya distribusi penggunaan internet
di ketiga daerah tersebut semuanya adalah normal.
2) Varians dari populasi-populasi tersebut adalah sama
Terkait dengan contoh tersebut, walaupun data berdistribusi normal, namun tentu
tidak semua orang di daerah A menggunakan tingkat fasilitas internet yang sama
untuk waktu tertentu, demikian pula dengan semua orang di daerah B dan C. Pasti
terdapat variasi dalam penggunaan fasilitas internet, namun variasi di ketiga daerah
tersebut seharusnya tidak berbeda secara nyata.
3) Sampel tidak berhubungan antara satu dengan yang lain
Terkait dengan contoh sebelumnya, dari ketiga daerah tersebut tentunya diambil dari
sejumlah sampel yang berbeda. Jadi, tidak mungkin Budi yang menjadi sampel dari
daerah A juga terpilih menjadi sampel di daerah B atau C. Jika diambil masing-masing
15 orang untuk setiap daerah, maka ke 45 orang tersebut tentu tidak boleh ada yang
sama.

CONTOH SOAL TENTANG ANAVA SATU ARAH (ONE WAY ANAVA) tiga kelompok
subyek penelitian untuk menguji metode pengajaran mana yang paling baik. Metode pertama
adalah ceramah, metode kedua diskusi dan metode ketiga praktek data hasil penelitian
adalah sebagai berikut: Hipotesis statistic dari data di atas adalah H0 = 1 = 2 = 3 H1 =
minimal salah satu tidak sama Untuk menguji hipotesis nol di atas, maka kita gunakan UJI
F. untuk mencari F hitung, kita gunakan langkah2 sebagai berikut: buatlah tabel seperti
berikut ini untuk membantu mempermudah mendapatkan nilai2 yang dibutuhkan dalam
analisis nanti Dari nilai2 di atas didapatkan Hipotesis yang akan diuji adalah H0 = 1 = 2 =
3 H1 = minimal salah satu tidak sama Tingkat signifikansi yang digunakan dalam
pengujian ini adalah 95% atau alpha 0,05. Penentuan derajad kebebasan dk SSt = N-1 = 24-1
= 23 dk SSb = k 1 = 3 1 = 2 dk SSw = N k = 24 3 = 21 Dengan alpha 0,05, maka nilai
F hitung adalah F (2,21) = 3,47 Perhitungan Nilai- nilai tersebut kemudian di masukkan
kedalam table berikut Kesimpulan Karena F hitung > F table maka H0 ditolak sehingga dapat
disimpulkan bahwa rata-rata nilai pelajaran yang di ajar dengan ketiga metode tersebut tidak
sama. Artinya bahwa dari ketiga metode yang digunakan dalam mengajar, ada satu metode
yang paling tepat.

Cheap Offers: http://bit.ly/gadgets_cheap