Anda di halaman 1dari 19

SPSS

One Way Anova dalam SPSS


Uji One Way Anova
Pada artikel kali ini, kita akan membahas tentang melakukan uji One Way Anova atau Anova Satu Jalurdengan menggunakan
software SPSS For Windows.

Anova merupakan singkatan dari "analysis of varian" adalah salah satu uji komparatif yang digunakan untuk menguji perbedaan mean
(rata-rata) data lebih dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata IQ antara siswa kelas SLTP
kelas I, II, dan kelas III. Ada dua jenis Anova, yaitu analisis varian satu faktor (one way anova) dan analisis varian dua faktor (two ways
anova). Pada artikel ini hanya akan dibahas analisis varian satu faktor.

Untuk melakukan uji Anova, harus dipenuhi beberapa asumsi, yaitu:

1.

Sampel berasal dari kelompok yang independen

2.

Varian antar kelompok harus homogen

3.

Data masing-masing kelompok berdistribusi normal (Pelajari juga tentang uji normalitas)

Asumsi yang pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara random terhadap beberapa (> 2) kelompok
yang independen, yang mana nilai pada satu kelompok tidak tergantung pada nilai di kelompok lain. Sedangkan pemenuhan terhadap
asumsi kedua dan ketiga dapat dicek jika data telah dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat
dilakukan transformasi terhadap data. Apabilaproses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova tidak valid
untuk dilakukan, sehingga harus menggunakan uji non-parametrik misalnya Kruskal Wallis.

Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber variasi yaitu variasi di dalam kelompok (within) dan
variasi antar kelompok (between). Bila variasi within dan between sama (nilai perbandingan kedua varian mendekati angka satu), maka
berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai mean yang dibandingkan tidak ada perbedaan.
Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam kelompok, artinya intervensi tersebut memberikan efek yang
berbeda, dengan kata lain nilai mean yang dibandingkan menunjukkan adanya perbedaan.

Setelah kita pahami sedikit tentang One Way Anova, maka mari kita lanjutkan dengan mempelajari bagaimana melakukan uji One Way
Anova dengan SPSS.

Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul "Perbedaan Pendapatan Berdasarkan Pekerjaan". Di
mana pendapatan sebagai variabel terikat bertipe data kuantitatif atau numerik sedangkan pekerjaan sebagai variabel bebas berskala data
kualitatif atau kategorik, yaitu dengan 3 kategori: Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan apabila variabel
terikat adalah interval dan variabel bebas adalah kategorik). (Pelajari juga tentang Pengertian Data)

Langsung Saja:

Tutorial One Way Anova

Buka SPSS

Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan

Ubah Type Pekerjaan ke "Numeric", Decimals "0", beri label "Pekerjaan", ubah measure menjadi "Nominal" dan isi value
dengan kategori: 1 = Tani, 2 = Buruh dan 3 = Lainnya

Ubah Type Pendapatan ke "Numeric", Decimals "0", beri label "Pendapatan", ubah measure menjadi "Scale".

Buka Data View dan isikan data sebanyak 24 responden sebagai berikut:

Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela One-Way ANOVA seperti di bawah
ini:

Pilih variabel "Pendapatan" lalu masukkan ke kotak "Dependent List:" Kemudian pilih variabel "Pekerjaan" lalu masukkan ke
kotak "Factor:" Sehingga nampak seperti di bawah ini:

Klik tombol Options, akan muncul jendela ini: Centang "Descriptive" dan "Homogenity of variance test"

Klik Continue

Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini: Centang Bonferronidan GamesHowell serta biarkan significance level = 0,05.

Klik Continue

Lalu Klik OK dan Lihatlah hasil!

Hasil terilhat sebagai berikut:

Interprestasi Baca adalah sebagai berikut:

Dari tabel Descriptives nampak bahwa responden yang bekerja sebagai Tani rata-rata berpendapatan sebesar 195497,50,
Buruh rata-rata berpendapatan sebesar 265080,75 dan Lainnya rata-rata berpendapatan 326423,25. Selanjutnya untuk melihat
uji kita lihat di tabel ANOVA.

Sebelum melanjutkan uji perlu diingat bahwa salah satu asumsi uji Anova adalah variansnya sama. Dari tabel Test of
Homegeneity of Variances terlihat bahwa hasil uji menunjukan bahwa varian ketiga kelompok tersebut sama (P-value =
0,357), sehingga uji Anova valid untuk menguji hubungan ini.

Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga kelompok pekerja tersebut, kita lihat tabel ANOVA ,
dari tabel itu pada kolom Sig. diperoleh nilai P (P-value) = 0,037. Dengan demikian pada taraf nyata = 0,05 kita menolak Ho,
sehingga kesimpulan yang didapatkan adalah ada perbedaan yang bermakna rata-rata pendapatan berdasarkan ketiga
kelompok pekerjaan tersebut.

Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji lanjut (Post Hoc Test) tidak dilakukan. Sebaliknya
jika hasil uji menunjukan Ho ditolak (ada perbedaan), maka uji lanjut (Post Hoc Test) harus dilakukan.

Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka uji selanjutnya adalah melihat kelompok mana
saja yang berbeda.

Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita lihat tabel Test of Homogeneity of Variances, bila hasil
tes menunjukan varian sama, maka uji lanjut yang digunakan adalah ujiBonferroni. Namun bilai hasil tes menunjukan varian
tidak sama, maka uji lanjut yang digunakan adalahuji Games-Howell.

Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok tersebut sama, maka uji lanjut (Post Hoc Test) yang
digunakan adalah Uji Bonferroni.

Dari tabel Post Hoc Test di atas memperlihatkan bahwa kelompok yang menunjukan adanya perbedaan rata-rata pendapatan
(ditandai dengan tanda bintang "*") adalah Kelompok "Tani" dan "Lainnya".

Pelajari juga cara melakukan uji One Way Anova dengan menggunakan software MS Excel dengan membaca artikel "One Way Anova
dalam Excel" dan "Hitung Manual One Way Anova dengan Excel".

Demikian Ulasang Singkat Tutorial Uji One Way Anova dalam SPSS. Kami anjurkan anda juga membaca artikel yang berkaitan erat
dengan uji ini, yaitu Uji MANOVA.

ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok percobaan atau
lebih. ANOVA biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen
(bebas). Uji ANOVA ini juga biasa disebut sebagai One Way Analysis of Variance.
Asumsi yang digunakan adalah subjek diambil secara acak menjadi satu kelompok n. Distribusi mean
berdasarkan kelompok normal dengan keragaman yang sama. Ukuran sampel antara masing-masing
kelompok sampel tidak harus sama, tetapi perbedaan ukuran kelompok sampel yang besar dapat
mempengaruhi hasil uji perbandingan keragaman.
Hipotesis yang digunakan adalah:
H0: 1 = 2 = k (mean dari semua kelompok sama)
Ha: i <> j (terdapat mean dari dua atau lebih kelompok tidak sama)
Statistik uji-F yang digunakan dalam One Way ANOVA dihitung dengan rumus (k-1), uji F dilakukan
dengan membandingkan nilai Fhitung (hasil output) dengan nilai Ftabel. Sedangkan derajat bebas yang
digunakan dihitung dengan rumus (n-k), dimana k adalah jumlah kelompok sampel, dan n adalah jumlah
sampel. p-value rendah untuk uji ini mengindikasikan penolakan terhadap hipotesis nol, dengan kata lain
terdapat bukti bahwa setidaknya satu pasangan mean tidak sama.
Sebaran perbandingan grafis memungkinkan kita melihat distribusi kelompok. Terdapat beberapa pilihan
tersedia pada grafik perbandingan yang memungkinkan kita menjelaskan kelompok. Termasuk box plot,
mean, median, dan error bar.
Contoh Kasus.
Evaluasi pada metode pengajaran oleh pengawas untuk anak-anak sekolah Paket C adalah sebagai
berikut:

Sebelum diinput ke dalam SPSS susunan data harus dirubah dahulu karena data diatas berbentuk
matriks, untuk yang datanya tidak dalam bentuk matriks tabel, tidak perlu dirubah. Tabelnya adalah
seperti tabel berikut:

Data ini kemudian dapat dimasukkan ke dalam worksheet SPSS agar dapat dilakukan analisis.
Hipotesis yang digunakan adalah:
H0 : 1 = 2 = 3 = 4 = 5 (mean dari masing-masing kelompok metode adalah sama)
H1: 1 <> 2 <> 3 <> 4 <> 5 (terdapat mean dari dua atau lebih kelompok metode tidak sama)
Langkah-langkah pengujian One Way ANOVA dengan software SPSS adalah sebagai berikut:
1. Input data ke dalam worksheet SPSS, tampilannya akan seperti berikut ini:
Data view:

Sedangkan Variabel view:

2. Kemudian jalankan analisis dengan memilih ANALYZE COMPARE MEANS ONE WAY ANOVA,
seperti berikut ini:

3. Setelah muncul kotak dialog, maka pindahkan variabel metode ke DEPENDEN LIST, dan variabel
waktu ke FACTOR.

4. Setelah variabel dependen dimasukkan pilih OPTION, kemudian checklist


Descriptive danHomogeneity-of-Variance box, seperti gambar berikut kemudian klik continue.

5. Setelah itu pilih post Hoc Test, untuk melihat kelompok mana aja seh yang signifikan (satu persatu).
Anda bisa memilih Post Hoc Test - Tukey, lalu continue OK.

6. Setelah itu maka akan muncul output berupa seperti berikut ini:

7. Sedangkan Output Post Hoc Test akan berupa tabel MULTIPLE COMPARRISON seperti berikut ini:

8. Interpretasi:
Hasil uji Homogeneity-of-Variance box menunjukkan nilai sig. (p-value) sebesar 0,848, ini
mengindikasikan bahwa kita gagal menolak H0, berarti tidak cukup bukti untuk menyatakan bahwa
mean dari dua atau lebih kelompok metode tidak sama.
Hasil uji one way ANOVA yang telah dilakukan mengindikasikan bahwa nilai uji-F signifikan pada
kelompok uji, ini ditunjukkan oleh nilai Fhitung sebesar 11,6 yang lebih besar daripada F(3,9) sebesar
3,86 (Fhitung > Ftabel), diperkuat dengan nilai p = 0.003 lebih kecil daripada nilai kritik =0,05.
Tukey post hoc test untuk multiple comparisons mengindikasikan bahwa hanya kelompok 4 yang
memiliki nilai sig. (F statistik) yang signifikan secara statistik. Hasil ini mengindikasikan
bahwaperbedaan rata-rata antara metode waktu belajar 1, 2 dan 3 secara statistik tidak signifikan
dan meannya secara signifikan berbeda daripada mean metode 4 yang signifikan secara statistik.
(yoz)

Anova (analysis of varians) digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari
dua kelompok, kata kunci untuk anova ini adalah "lebih dari dua kelompok". Misalnya untuk
mengetahui apakah ada perbedaan rata-rata lama hari dirawat antara pasien kelas VIP, I, II, dan
kelas III. Anova mempunyai dua jenis yaitu analisis varian satu faktor (one way anova) dan
analsis varian dua faktor (two ways anova). Pada kesempatan ini hanya akan dibahas analisis
varian satu faktor atau One Way Anova.
Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:
1. Sampel berasal dari kelompok yang independen
2. Data masing-masing kelompok berdistribusi normal
3. Varian antar kelompok harus homogen
Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara random
terhadap beberapa (> 2) kelompok yang independent, yang mana nilai pada satu kelompok tidak
tergantung pada nilai di kelompok lain. Sedangkan pemenuhan terhadap asumsi kedua dan ketiga
dapat dicek jika data telah dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat
dilakukan transformasi terhadap data (cara transformasi data dapat dilihat disini). Apabila proses
transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova tidak valid untuk
dilakukan, sehingga harus menggunakan uji non-parametrik misalnya Kruskal Wallis.
Uji Anova pada prinsipnya adalah melakukan analisis variabilitas data menjadi dua sumber
variasi yaitu variasi didalam kelompok (within) dan variasi antar kelompok (between). Bila
variasi within dan between sama (nilai perbandingan kedua varian mendekati angka satu), maka
berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai mean yang
dibandingkan tidak ada perbedaan. Sebaliknya bila variasi antar kelompok lebih besar dari
variasi didalam kelompok, artinya intervensi tersebut memberikan efek yang berbeda, dengan
kata lain nilai mean yang dibandingkan menunjukkan adanya perbedaan.
Analisis Perbandingan Ganda ( Multiple Comparison [MCA]):
1. Jika dalam ANOVA H0 tidak ditolak, maka pekerjaan selesai dengan kesimpulan semua
rata-rata relatif sama.
2. Jika dalam ANOVA H0 ditolak, maka masih ada pekerjaan untuk melihat ratarata
populasi mana yang benar-benar berbeda dengan menggunakan MCA.
3. Syarat MCA = jumlah level faktornya (perlakuan) lebih dari dua.

Macam-macam metode yang dapat digunakan untuk analisis ini adalah sbb:
1. Tukey: untuk ukuran sampel yang sama pada setiap perlakuan (equal )
2. Bonferroni : untuk ukuran sampel yang sama dan beda pada setiap perlakuan (equal &
unequal)
3. Scheffe: untuk ukuran sampel yang sama dan beda pada setiap perlakuan (equal &
unequal)
4. Fisher (LSD = Least Square Differences): yang paling umum digunakan

Skema untuk penggunaan analisi Perbandingan Ganda dapat dilihat dibawah ini:

STUDI KASUS DALAM TUTORIAL INI DAPAT DILIHAT DISINI


Setelah asumsi normalitas telah terpenuhi, maka selanjutnya adalah melakukan pengujian
variansi dan uji lanjutan yaitu uji perbandingan ganda, langkah-langkahnya adalah:
1. Klik menu Analyze - Compare Means - One-Way ANOVA, kemudian masukkan
variabel Berat ke kotak Dependent List dan variabel RAS ke kotak Factor, selanjutnya
klik Option kemudian pilih/centang Homogeneity of variance
test dan Continue, selanjutnya adalah klik Post Hoc dan centang
metode Tukey kemudian klik Continue dan OK.

2. Sehingga muncul output berikut:

Sebelum melanjutkan untuk menguji anova, terdapat satu syarat lagi yang harus dipenuhi yaitu
asumsi bahwa variansi populasi sama, untuk pengujian terhadap asumsi populasi sama tersebut
dapat dilihat padatabel Test of Homogeneity of Variances.

hipotesis
H0 : Semua variansi populasi sama
H1 : Semua variansi populasi tidak sama / berbeda
Tingkat Signifikansi
= 5%
Daerah Kritis
Jika Sig. : tolak H0
Statistik Uji
Sig. = 0.577 > = 0.05
Keputusan Uji
Karena nilai Sig. > maka keputusannya adalah gagal tolak H0
Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa ketiga berat badan
bayi yang dilahirkan berdasarkan warna kulit sang ibu memiliki variansi populasi yang
sama (gagal tolak H0).

Karena ketiga asumsi yaitu sampel berasal dari kelompok yang independen, data masingmasing kelompok berdistribusi normal, dan varian antar kelompok homogen telah
terpenuhi sebagai syarat dilakukannya uji anova untuk mengetahui hubungan anatara berat badan
bayi yang dilahirkan berdasarkan warna kulit sang ibu telah terpenuhi, maka pengujian dengan
anova valid untuk dilakukan.

Hipotesis
H0 : Rata-rata berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu adalah
sama.
H1 : Paling tidak terdapat dua rataan yang berbeda antara berat badan bayi yang
dilahirkan berdasarkan warna kulit sang ibu.
Tingkat Signifikansi
= 5%
Daerah Kritis
Jika Fhitung Ftabel : tolak H0
Jika Sig. : tolak H0
Statistik Uji
Fhitung = 3.494 > Ftabel = 3.119
Sig. = 0.035 < = 0.05
Keputusan Uji
Karena nilai Sig. < atau Fhitung > Ftabel maka keputusannya adalah tolak H0
Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa terdapat atau paling
tidak terdapat dua rataan yang berbeda antara berat badan bayi yang dilahirkan
berdasarkan warna kulit sang ibu (tolak H0) atau bisa dikatakan bahwa terdapat
hubungan antara berat badan bayi yang dilahirkan dengan warna kulit sang ibu (putih,
hitam, lainnya).

Perhatikan Output Multiple Comparisons


Uji perbandingan ganda merupakan analisis lanjutan dari analisis variansi satu arah apabila H0
ditolak. Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna / H0 ditolak,
maka uji selanjutnya adalah melihat kelompok mana saja yang berbeda, disini menggunakan
metode Tukey karena ukuran sampel yang sama pada setiap perlakuan.

Hipotesis
H0 : _i = _j
H1 : _i _j
Untuk i j, dan i,j : 1= Putih, 2=Hitam, 3=Lainnya/
Tingkat Signifikansi
= 5%
Daerah Kritis
Jika Sig. : tolak H0
Keputusan
_1 dan _2 (0.028<0.05): tolak H0
_1 dan _3
(0.555>0.05): gagal tolak H0
_2 dan _3 (0.258>0.05): gagal tolak H0

Kesimpulan
Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa terdapat perbedaan rata-rata
berat badan bayi antara ibu dengan warna kulit hitam dan putih, dan tidak terdapat perbedaan
rata-rata berat badan bayi anatara ibu dengan warna kulit putih dan lainnya, serta tidak terdapat
perbedaan rata-rata berat badan bayi antara ibu dengan warna kulit hitam dan lainnya. Sehingga
_1 > _3 > _2