Anda di halaman 1dari 15

ANOVA SATU JALUR (One

Way ANOVA)
1
April 9, 2013 by ilhamzen09

Sebelumnya telah diposting sebuah artikel tentang uji t yang digunakan untuk membandingkan dua
buah mean. Dalam beberapa kasus, peneliti dituntut untuk membandingkan populasi lebih dari 2
mean. Disisi lain, sangat tidak dianjurkan menggunakan uji t (untuk uji beda lebih dari dua mean).
Alasannya selain tidak efektif akibat melakukan pengujian berulang ulang kali, juga karena dapat
menyebabkan meningkatnya peluang kesalahan.
Untuk mengatasi masalah tersebut, uji ANOVA (Analisis of Variance) atau sering juga diistilahkan
sebagai uji sidik ragam, dikembangkan oleh Ronald Fisher. Prinsip pengujiannya adalah menganalisis
variabilitas atau keragaman data menjadi dua sumber variasi, yaitu variasi dalam kelompok (within)
dan variasi antar kelompok (between). Bila variasi within dan betweensama maka rata-rata yang
dihasilkan tidak ada perbedaan, sebaliknya bila hasil perbandingan kedua varian tersebut
menghasilkan nilai lebih dari 1, maka rata-rata yang dibandingkan menunjukkan adanya perbedaan.
Beberapa asumsi dasar yang mesti dipenuhi pada uji ANOVA adalah:
(a) Data sampel yang digunakan berdistribusi normal atau dianggap normal,
(b) Populasi tersebut memiliki varian yang homogen,
(c) Sampel tidak berhubungan satu dengan lain (independen), sehingga uji ANOVA tidak bisa
digunakan untuk sampel berpasangan (paired).
Terdapat beberapa jenis ANOVA, yaitu: ANOVA satu jalur (one way ANOVA) dan ANOVA dua jalur
(two way ANOVA). One way ANOVA digunakan untuk menguji hipotesis komparatif rata-rata k
sampel, bila pada setiap sampel hanya terdiri atas satu kategori. Sedang two way ANOVAdigunakan
untuk menguji hipotesis komparatif rata-rata k sampel bila peneliti melakukan kategorisasi terhadap
sampel.
Unuk lebih jelasnya, peharikan contoh berikut. Misalkan peneliti ingin membandingkan produktivitas
tanaman padi pada Varietas A, B, C dan D, maka dapat digunakan ANOVA satu jalur. Sedang bila
sampel tersebut dikelompokkan lagi berdasarkan tingkat kesuburan tanahnya, maka digunakan
ANOVA dua jalur (two way ANOVA).

Fokus pembahasan kali ini adalah tentang uji ANOVA satu jalur (one way ANOVA), sedang untuk two
way ANOVA, INSYAALLAH akan dibahas pada artikel berikutnya.
ANOVA satu jalur(One Way Anova) menggunakan prinsip perhitungan yang sangat sederhana, dalam
analis ini, variance total hanya dibagi atas: Variance antar perlakuan (between), dan variasi dalam
perlakuan (within)/variance error.
Berikut adalah langkah-langkah dalam perhitungan ANOVA satu jalur:
(a) Tentukan k atau banyaknya perlakuan,
(b) Tentukan n atau banyaknya sampel,
(c) Hitung jumlah kuadrat total dengan rumus:

(d) Hitung jumlah kuadrat perlakuan dengan rumus:

(e) Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel berikut,

(f) Cari harga F tabel dengan mempertimbangkan (1) tingkat signifikansi (), (2) df antar perlakuan,
dan (3) df dalam perlakuan,
(g) Bandingkan harga F Hitung dengan F tabel,
1.

Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua perlakuan tidak
berbeda secara signifikan,

2.

Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima, yang berarti rata-rata kedua
perlakuan berbeda secara signifikan.
Untuk lebih jelasnya, lihat contoh kasus berikut:
Seorang peneliti ingin membandingkan, penggunaan Varietas A, B, C dan D terhadap produktivitas
tanaman padi. Maka peneliti tersebut melakukan percobaan dengan desain Rancangan Acak Lengkap
(Completely Randomized Design). Tampilan denah dan hasil dapat dilihat seperti berikut:

Untuk mengetahui apakah ada perbedaan yang signifikan antara perlakuan, maka dilakukan uji
ANOVA satu

jalur

dengan

menggunakan

perhitungan

yang

langkah-langkahnya

telah

mudahditerangkan sebelumnya.
Pengerjaan perhitungan tersebut dapat lebih mudah diselesaikan dengan menggunakan aplikasi
program Microsoft Excel. Untuk mengetahui langkah-langkahnya silahkan tonton video berikut, anda
juga dapat mendownload file latihan yang digunakan sebagai sampel dalam video tutorial tersebut,
melalui link yang disediakan dibawah:
Hasil perhitungan menggunakan program Microsoft Excel dapat dilihat pada tabel berikut:

Karena nilai F Hitung (7,25) lebih besar dari nilai F tabel (2,85), maka Ho ditolak, sehingga
konsekuensinya adalah hipotesis alternatif atau H1 diterima. Maka dapat disimpulkan bahwa
perbedaan varietas memberikan pengaruh yang signifikan terhadap produktivitas tanaman.
Terakhir, yang perlu diperhatikan adalah: uji ANOVA hanya memberikan indikasi tentang ada
tidaknya beda antar rata-rata populasi. sehingga bila uji dinyatakan berbeda secara signifikan, berarti
secara keseluruhan, ada perbedaan. Akan tetapi, belum tentu mengindikasikan adanya perbedaan
antara Varietas A dan B, atau A dan C, dan sebagainya.
Sehingga bila ingin mengetahui ada tidaknya perbedaan antara tiap individu populasi, maka mesti
dilakukan uji lanjut berupa: LSD atau sering diistilahkan dengan BNT, Uji Tukey HSD atau sering
diistilahkan dengan BNJ, Uji Duncan, Uji Dunnet, dsb.

Uji One Way Anova


7:00 AM ariyoso Labels: one way anova, prosedur uji anova, tabel uji anova, uji anova, uji anova dengan SPSS, uji
keragaman, uji mean

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 danHomogeneityof-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 ratarata 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)

ONE WAY ANOVA


23.26

Duwi Consultant

Uji ini digunakan untuk mengetahui ada atau tidaknya


perbedaan rata-rata untuk lebih dari dua kelompok sampel yang
tidak berhubungan. Jika ada perbedaan, rata-rata manakah yang
lebih tinggi. Data yang digunakan biasanya berskala interval atau
rasio.
Contoh kasus:
Menggunakan contoh kasus pada uji independent sample t
test ditambah satu kelompok data yaitu kelas C. Seorang mahasiswa
dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A, kelas B, dan kelas C pada fakultas Psikologi
suatu universitas. Penelitian dengan menggunakan sampel
sebanyak 20 responden yang diambil dari kelas A, kelas B. Dalam uji
ini jumlah kelompok responden yang diambil tidak harus sama,
misalnya kelas A sebanyak 7 orang, kelas B sebanyak 7 orang, dan
kelas C sebanyak 6. Data-data yang didapat sebagai berikut:
Tabel 39. Tabulasi Data (Data Fikti)
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Nilai Ujian
32
35
41
39
45
43
42
35
36
30
28
26
27
32
38
45
42
42
40
38

Kelas
Kelas A
Kelas A
Kelas A
Kelas A
Kelas A
Kelas A
Kelas A
Kelas B
Kelas B
Kelas B
Kelas B
Kelas B
Kelas B
Kelas B
Kelas C
Kelas C
Kelas C
Kelas C
Kelas C
Kelas C

Langkah-langkah uji dengan program SPSS


Masuk program SPSS
Klik variable view pada SPSS data editor

Pada kolom Name ketik nilaiujn, dan kolom Name pada baris kedua
ketik kelas.
Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.
Pada kolom Label, untuk kolom pada baris pertama ketik Nilai Ujian,
untuk kolom pada baris kedua ketik Kelas.
Pada kolom Values, untuk kolom pada baris pertama biarkan kosong
(None). Untuk kolom pada baris kedua klik pada kotak kecil, pada
value ketik 1, pada Value Label ketik kelas A, lalu klik Add. Langkah
selanjutnya pada Value ketik 2, pada Value Label ketik kelas B, lalu
klik Add. Selanjutnya pada Value ketik 3, pada Value Label ketik
kelas C, lalu klik Add. Kemudian klik OK.
Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
Buka data view pada SPSS data editor, maka didapat kolom variabel
nilaiujn dan kelas.
Ketikkan data sesuai dengan variabelnya (pada variabel kelas ketik
dengan angka 1, 2 dan 3 (1 menunjukkan kelas A, 2 menunjukkan
kelas B, dan 3 menunjukkan kelas C)
Klik Analyze - Compare Means - One Way ANOVA
Klik variabel Nilai Ujian dan masukkan ke kotak Dependent List,
kemudian klik variabel Kelas dan masukkan ke kotak Factor,
kemudian klik Options, klik Descriptive dan Homogeneity of
variance, lalu klik Continue.
Klik OK, maka hasil output yang didapat adalah sebagai berikut:
Tabel.

Hasil

Uji One

Way

ANOVA

Keterangan: Tabel Descriptives di atas telah dirubah kedalam bentuk baris (double klik pada
output Descriptives, kemudian pada menu bar klik pivot, kemudian klik
Transpose Rows and Columns)

Sebelum dilakukan uji ANOVA maka dilakukan uji kesamaan


varian (homogenitas) dengan Levene Test, uji ini digunakan untuk
mengetahui apakah varian ketiga kelompok kelas sama. Data yang
memenuhi syarat adalah jika varian sama atau subjek berasal dari
kelompok yang homogen.

Langkah-langkah uji homogenitas sebagai berikut:


1. Menentukan Hipotesis
Ho : Ketiga varian adalah sama (varian kelompok kelas A, B dan C sama)
Ha : Ketiga varian adalah berbeda (varian kelompok kelas A, B dan C
sama)
2. Kriteria Pengujian (berdasar probabilitas / signifikansi)
erima jika P value > 0,05
Ho ditolak jika P value < 0,05
3. Membandingkan probabilitas
Nilai P value (0,395 > 0,05) maka Ho diterima. (lihat output pada
test of homogeneity of variance)
4. Kesimpulan
Oleh karena nilai probabilitas (signifikansi) adalah 0,395 lebih besar
dari 0,05 maka Ho diterima, jadi dapat disimpulkan bahwa ketiga
varian sama (varian kelompok kelas A, B dan C sama). Angka
Levene Statistic menunjukkan semakin kecil nilainya maka semakin
besar homogenitasnya. df1 = jumlah kelompok data-1 atau 3-1 = 2,
sedangkan df2 = jumlah data jumlah kelompok data atau 20-3 =
17.
Langkah-langkah uji ANOVA sebagai berikut:
1. Menentukan Hipotesis
Ho : Tidak ada perbedaan antara rata-rata nilai ujian kelas A, kelas B
dan kelas C
Ha : Ada perbedaan antara rata-rata nilai ujian kelas A, kelas B dan
kelas C
2. Menentukan tingkat signifikansi
Pengujian
menggunakan
uji
dua
sisi
dengan
tingkat
signifikansi = 5%.

Tingkat signifikansi dalam hal ini berarti kita mengambil risiko salah
dalam mengambil keputusan untuk menolak hipotesis yang benar
sebanyak-banyaknya 5% (signifikansi 5% atau 0,05 adalah ukuran
standar yang sering digunakan dalam penelitian)
3. Menentukan F hitung
Dari tabel di atas didapat nilai F hitung adalah 14,029
4. Menentukan F tabel
Dengan menggunakan tingkat keyakinan 95%, = 5%, df 1 (jumlah
variabel1) = 2, dan df 2 (n-3) atau 20-3 = 17, hasil diperoleh
untuk F tabel sebesar 3,592 (Lihat pada lampiran) atau dapat dicari
di Ms Excel dengan cara pada cell kosong ketik =finv(0.05,2,17) lalu
enter.
5. Kriteria pengujian
- Ho diterima bila F hitung F tabel
- Ho ditolak bila F hitung > F tabel
6. Membandingkan F hitung dengan F tabel.
Nilai F hitung > F tabel (14,029 > 3,592), maka Ho ditolak.
7. Kesimpulan
Karena F hitung > F tabel (14,029 > 3,592), maka Ho ditolak, jadi
dapat disimpulkan bahwa ada perbedaan antara rata-rata nilai ujian
kelas A, kelas B dan kelas C. Pada tabel Descriptives terlihat ratarata (mean) untuk kelas A adalah 39,57, untuk kelas B adalah 30,57
dan kelas C adalah 40,83, artinya bahwa rata-rata nilai ujian kelas C
paling tinggi, kemudian kelas A dan kelas B.