UJI ANOVA

DAN UJI BEDA RATA RATA

Ada 3 jenis analisis data : univariat, bivariat dan multivariat. Bivariat berarti 2 variabel.
Dalam posisi kerangka konsep penelitian, 2 variabel tersebut menempati posisi 1 variabel
sebagai variabel independen (mempengaruhi) dan 1 variabel sebagai dependen variabel
(variabel terpengaruh). Dalama analisis dua sisi (2 side) tidak dapat ditentukan mana variabel
independen dan mana variabel dependen. Peneliti sendiri yang menterjemahkan variabel
tersebut. Analisis data menggunakan komputer, bila kedua variabel tersebut diputar -
letakkan, maka hasilnya akan sama (bukti).
Berdasarkan bentuk data (kategorik/numerik), maka ada 4 kemungkinan pasangan
variabel yang akan diuji dalam analisis bivariate, yaitu :

1. Kategoriikk - kategorik
2. Kategorik - numerik
3. Numerik - kategorik, dan
4. Numerik - numerik

Oleh karena arah pengujian dalam analisis 2 sisi tidak dapat ditentukan, maka jenis
ketiga dan keempat ujinya sama.. Untuk uji kategorik-kategorik disebut uji beda proporsi,
untuk uji no.2 dan 3 disebut uji beda rata-rata, dan uji keempat uji korelasi bivariat. Uji
beda rata-rata terbagi 2 jenis : jika 2 rata-rata uji t-test dan apabila lebih dari 2 rata uji Anova.

Pengujian / analisis data mengacu kepada tujuan penelitian. Dengan demikian, analisis
data adalah sebuah upaya menggunakan statistik untuk menjawab tujuan penelitian. Ada
beberapa langkah melakukan pengujian data yang mengacu kepada tujuan penelitian pada uji
bivariate. Langkah-langkah pengujian ini disusun oleh penulis untuk memperkuat
pemahaman bahwa statistik hanyalah sebuat alat bantu untuk mengambil keputusan atau
kesimpulan. Artinya, tanpa statistik sebenarnya kesimpulan bisa diambil. Akan tetapi untuk
lebih meyakinkan atau apabila secara visuals sulit mengambil kesimpulan, maka
digunakanlah statistik (uji). Dengan kata lain pemilihan jenis uji statistik disesuaikan dengan
bentuk data, bukan sebaliknya data yang menyesuaikan dengan uji yang akan digunakan.
Pada penjelasan berikut ini, tujuan penelitian sudah ada sebelumnya (pada proposal
penelitian).
Anova (analysis of varian) digunakan untuk menguji perbedaan mean (rata-rata) data lebih
dari dua kelompok. Misalnya kita ingin 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.

Uji Beda 2-Rata-rata (t-test)

1.1. Pengertian
Di bidang kesehatan sering kali kita harus membuat kesimpulan apakah suatu
intervensi berhasil atau tidak. Untuk mengukur keberhasilan tersebut kita harus melakukan
uji untuk melihat apakah parameter (rata-rata) dua populasi tersebut berbeda atau tidak.
Misalnya, apakah ada perbedaan rata-rata tekanan darah populasi intervensi (kota) dengan
populasi kontrol (desa). Atau, apakah ada perbedaan rata-rata berat badan antara
sebelumdengan sesudah mengikuti program diet. Sebelum kita melakukan uji statistik dua
kelompok data, kita perlu perhatikan apakah dua kelompok data tersebut berasal dari dua
kelompok yang independen atau berasal dari dua kelompok yang dependen/berpasangan.
Dikatakan kedua kelompok data independen bila populasi kelompok yang satu tidak
tergantung dari populasi kelompok kedua, misalnya membandingkan rata-rata tekanan darah
sistolik orang desa dengan orang kota. Tekanan darah orang kota adalah independen (tidak
tergantung) dengan orang desa. Dilain pihak, dua kelompok data dikatakan
dependen/pasangan bila datanya saling mempunyai ketergantungan, misalnya data berat
badan sebelum dan sesudah mengikuti program diet berasal dari orang yang sama (data
sesudah dependen/tergantung dengan data sebelum).

Konsep Uji Beda Dua Rata-rata

 Uji beda rata-rata dikenal juga dengan nama uji-t (t-test ). Konsep dari uji beda rata-rata
adalah membandingkan nilai rata-rata beserta selang kepercayaan tertentu
(confidenceinterval) dari dua populasi. Prinsip pengujian dua rata-rata adalah melihat
perbedaan variasikedua kelompok data. Oleh karena itu dalam pengujian ini diperlukan
informasi apakah varian kedua kelompok yang diuji sama atau tidak. Varian kedua kelompok
data akan berpengaruh pada nilai standar error yang akhirnya akan membedakan rumus
pengujiannya.Dalam menggunakan uji-t ada beberapa syarat yang harus dipenuhi.
Syarat/asumsi utama yang harus dipenuhi dalam menggunakan uji-t adalah data harus
berdistribusi normal.Jika data tidak berdistribusi normal, maka harus dilakukan transformasi
data terlebih dahulu untuk menormalkan distribusinya. Jika transformasi yang dilakukan
tidak mampu. menormalkan distribusi data tersebut, maka uji-t tidak valid untuk dipakai,
sehingga disarankan untuk melakukan uji non-parametrik seperti Wilcoxon (data
berpasangan) atauMann-Whitney U (datindependen).Berdasarkan karakteristik datanya maka
uji beda dua rata-rata dibagi dalam dua kelompok, yaitu: uji beda rata-rata independen dan uji
beda rata-rata berpasangan.

Aplikasi Uji-t Dependen pada Data Berpasangan

Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya sebelum
dan sesudah dilakukannya suatu intervensi atau pengukuran yang dilakukan terhadap
pasangan orang kembar. Dalam contoh ini akan membandingkan data sebelum dengan
sesudah intervensi. Dalam BAYI95.SAV sudah ada data berpasangan yaitu pengukuran berat
badan ibu yang dilakukan sebelum hamil. Sebelum merencanakan kehamilan,
subjek melakukan penyesuaian diet (mengikuti program makanan tambahan) selama 2
bulan.Pengukuran berat badan yang pertama (BBIBU_1) dilakukan sebelum kegiatan
penyesuaian diet dilakukan, dan pengukuran berat badan yang kedua (BBIBU_2) dilakukan
setelah dua bulan menjalani penyesuaian diet.Kita akan melakukan uji hipotesis untuk
menilai apakah ada perbedaan berat badan ibu antara sebelum dengan sesudah mengikuti
program diet, langkah-langkahnya sebagaiberikut.1. Bukalah file BAYI95.SAV, sehingga
data tampak di Data editor window.

2. Dari menu utama, pilihlah: (pada SPSS 10.0)

< Compare Mean
< Paired-Sample T-test
 3.Pilih variabel BBIBU_1 danBBIBU_2
dengan cara mengklik masing-masing variable tersebut.
Kemudian klik tanda
<untuk memasukkannya ke dalam kotak Paired-Variables.
4. Pada menu
Options
pilihlah derajat kepercayaan yang diinginkan, misalnya 95%.Kemudian pilih
Continue
Klik OK

Aplikasi Uji-t pada Data Independen

Uji-t untuk data independen dilakukan terhadap dua kelompok data yang tidak saling
berkaitan antara satu dengan lainnya. Misalnya membandingkan kelompok intervensi dengan
kelompok kontrol atau kelompok ibu-ibu perokok dengan ibu-ibu bukan perokok adalah dua
kelompok yang tidak saling berkaitan.Pada analisis ini kita akan melihat apakah ada
perbedaan berat bayi yang lahir dari ibu perokok dengan bayi yang lahir dari ibu bukan
perokok. Kita akan melakukan uji hipotesis apakah ada perbedaan rata-rata berat bayi yang
lahir dari ibu bukan perokok dengan rata-rata berat bayi yang lahir dari ibu perokok, dengan
langkah-langkah sebagai berikut.1. Bukalah file BAYI95.SAV, sehingga data tampak di Data
editor window.2.

UJI ANALISIS VARIANSI (ANOVA)

Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:

1. Sampel berasal dari kelompok yang independen

2. Varian antar kelompok harus homogen
3. Data masing-masing kelompok berdistribusi normal

Asumsi 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. 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.

Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga
kelompok yaitu
1. Analisis Variansi Univariate Satu Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu
variabel bebas
2. Analisis Variansi Univariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua
variabel bebas
3. Analisis Variansi Univariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga
variabel bebas

Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Multivariate juga dibagi

menjadi 3 bagian yaitu
1. Analisis Variansi Multivariate Satu Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan
satu variabel bebas
2. Analisis Variansi Multivariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan
dua variabel bebas
3. Analisis Variansi Multivariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan
tiga variabel bebas