ANOVA Satu Arah adalah uji mean yang dilakukan untuk populasi, dengan ,
memerlukan prosedur yang sedikit berbeda dengan uji mean untuk 1 atau 2 populasi.
ANOVA Satu Arah melibatkan satu faktor yang diduga mempengaruhi variabel respon.
Contoh :
Misalkan kita akan melihat perbedaan efek 4 bahan bakar yang berbeda terhadap jarak
tempuh . Diambil 20 sampel mobil dengan spesifikasi yang sama (sampel 5 mobil per bahan
bakar)
Pembahasan :
Berdasarkan contoh di atas, diduga faktor bahan bakar mempengaruhi variabel respon yaitu
jarak tempuh mobil . Diketahui . Pada kasus ini k adalah banyaknya jenis bahan
bakar. Diketahui pula
Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
P-value ... = ...
P-value ... = ...
Dan seterusnya untuk populasi...
Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Data bersifat independen antar satu populasi dengan populasi yang lain*
*untuk asumsi independen, biasanya sudah terpenuhi jika data sampel diambil secara
acak.
o Hipotesis
H0 : Semua populasi memiliki rata-rata yang relatif sama
H1 : Ada populasi yang memiliki rata-rata yang berbeda
Tingkat Signifikansi
Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
*Jika H0 pada Uji ANOVA Satu Arah ditolak, maka dilakukan UJI MCA (Multiple
Comparison Analysis). Uji MCA ini bertujuan untuk mengetahui perbedaan rata rata tiap
populasi. (Uji MCA dilakukan ketika level faktor lebih dari 2).
o Hipotesis
H0 : tidak ada perbedaan yang signifikan antara ... dengan ...
H1 : ada perbedaan yang signifikan antara ... dengan ...
Tingkat Signifikansi
Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Cap
A B C D E
21 35 45 32 45
35 12 60 53 29
32 27 33 29 31
28 41 36 42 22
14 19 31 40 36
47 23 40 23 29
25 31 43 35 42
38 20 48 42 30
a. Lakukan uji asumsi normalitas dan kesamaan variansi terhadap data tersebut!
b. Dengan nilai = 0,05, tentukan apakah secara rata-rata pasar swalayan yang
menjual kelima merk rokok di atas berhasil menjual rokok sama banyaknya?
c. Jika terdapat perbedaan, lakukan uji MCA dan cap rokok manakah yang terjual
paling banyak?
Hampir sama dengan ANOVA Satu Arah, yaitu ANOVA Dua Arah adalah uji mean yang
dilakukan untuk populasi, dengan
Bedanya adalah, ANOVA Dua Arah melibatkan dua faktor yang diduga mempengaruhi
variabel respon.
Contoh :
Misalkan kita ingin mengetahui apakah perbedaan metode belajar dan kelompok belajar
berpengaruh terhadap nilai mahasiswa. Diuji 4 metode dengan 3 kelompok belajar sehingga
didapat 12 kombinasi perlakuan . Diambil 3 sampel untuk masing-masing kombinasi
perlakuan.
Pembahasan :
Berarti dari contoh di atas, diduga faktor metode belajar dan kelompok belajar
mempengaruhi variabel respon yaitu nilai mahasiswa. Diketahui
. Kemudian level faktor metode belajar = 4 ; level faktor
kelompok belajar = 3.
Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
P-value ... = ...
P-value ... = ...
Dan seterusnya...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
o Hipotesis
H0 : Semua populasi memiliki variansi yang relatif sama
H1 : Variansi populasi tidak sama
Tingkat Signifikansi
Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Data bersifat independen antar satu populasi dengan populasi yang lain*
*untuk asumsi independen, biasanya sudah terpenuhi jika data sampel diambil secara
acak.
o Hipotesis
H0 : tidak ada interaksi antara faktor ... dan faktor ...
H1 : ada interaksi antara faktor ... dan faktor ...
Tingkat Signifikansi
Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
*Jika H0 pada Uji ANOVA Dua Arah tidak ditolak (tidak terdapat interaksi), maka dilakukan
Uji Efek Faktor untuk masing-masing faktor.
o Hipotesis
H0 : tidak ada efek faktor ...
H1 : ada efek faktor ...
Tingkat Signifikansi
*Jika H0 pada Uji Efek Faktor ditolak (terdapat efek faktor), maka untuk mengetahui
perbedaan rata-rata, dilakukan UJI MCA (Multiple Comparison Analysis).
o Hipotesis
H0 : tidak ada perbedaan yang signifikan antara ... dengan ...
H1 : ada perbedaan yang signifikan antara ... dengan ...
Tingkat Signifikansi
Statistik Uji
P-value = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Varietas Kentang
Lokasi
A B C
16 20 22
1 19 24 17
12 18 14
17 24 26
2 10 18 19
13 22 21
9 12 10
3 12 15 5
5 11 8
14 21 19
4 8 16 15
11 14 12
Analisis yang dilakukan antara variabel independen (prediktor) dan variabel dependen
(respon) dimana prediktor diasumsikan mempengaruhi variabel respon secara linear.
Analisis Regresi Linear Sederhana melibatkan satu variabel independen yang diduga
mempengaruhi variabel respon.
Contoh :
Misalkan kita ingin mengetahui apakah lama tidur berpengaruh terhadap nilai mahasiswa.
Diambil 60 sampel mahasiswa S1 Statistika semester 4 yang kemudian didata lama tidurnya
dan juga IP-nya.
Pembahasan :
Berarti dari contoh di atas, diduga faktor lama tidur (yang disebut sebagai prediktor)
mempengaruhi nilai mahasiswa (variabel respon)
Asumsi dalam Analisis Regresi Linear Sederhana :
Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Linearitas
Harus ada hubungan linear antara variabel dependen dengan variabel independen ,
bisa linear positif ataupun linear negatif.
Jika dilihat bahwa titik-titik cenderung tidak berada di sekitar garis lurus
menaik/menurun maka terdapat hubungan linear positif/negatif yang lemah. Contoh
interpretasinya untuk yang lemah :
Karena titik-titik cenderung berada di sekitar garis lurus menaik, maka bisa
disimpulkan bahwa terdapat hubungan linear positif yang lemahantara variabel
independen (...) dengan variabel dependen (...) UNTUK LINEAR POSITIF
LEMAH, atau
Karena titik-titik cenderung berada di sekitar garis lurus menurun, maka bisa
disimpulkan bahwa terdapat hubungan linear negatif yang lemahantara variabel
independen (...) dengan variabel dependen (...) UNTUK LINEAR NEGATIF
LEMAH
Setelah asumsi terpenuhi, maka kita akan melakukan Uji Kelayakan Model Regresi (Uji
Overall) dan Uji Kelayakan Konstanta beserta Koefisien Variabel Independen (Uji Parsial)
UJI OVERALL
o Hipotesis
H0 : model regresi tidak layak digunakan
H1 : model regresi layak digunakan
Tingkat Signifikansi
Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Uji Konstanta
o Hipotesis
H0 : konstanta tidak layak digunakan
H1 : konstanta layak digunakan
Tingkat Signifikansi
Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
o Hipotesis
H0 : variabel independen (...) tidak layak digunakan
H1 : variabel independen (...) layak digunakan
Tingkat Signifikansi
Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
*Jika Variabel Independen tidak signifikan pada Analisis Regresi Linear Sederhana, maka
otomatis model regresi tersebut tidak terpakai karena variabel independennya hanya satu-
satunya yang tidak mungkin dikeluarkan.
Namun, jika konstanta tidak signifikan pada Analisis Regresi Linear Sederhana maka
konstanta bisa dikeluarkan dan model masih bisa digunakan asalkan variabel independennya
signifikan.
maka interpretasinya :
Setiap kenaikan satu satuan variabel independen maka akan mengakibatkan penurunan
dari sebesar satuan dengan menganggap variabel lain konstan.
Analisis Regresi Linear Ganda melibatkan lebih dari satu variabel independen
yang diduga mempengaruhi variabel respon. ( )
Contoh :
Misalkan kita ingin mengetahui apakah apakah Penguasaan Kosa Kata, Pemahaman Tema,
Pengetahuan Tata Bahasa memengaruhi Kemampuan Menulis Siswa SMA . Diambil 100
sampel Siswa SMA yang kemudian dicatat datanya.
Tingkat Signifikansi
Statistik Uji
Untuk memakai Shapiro-Wilk, memakai Kolmogorov
Smirnov
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Linearitas
Harus ada hubungan linear antara variabel dependen dengan variabel independen ,
bisa linear positif ataupun linear negatif.
Kenapa harus linear? Karena kita melakukan Analisis Regresi Linear , jadi sesuai
dengan nama analisis yang kita lakukan, bahwa asumsi Linear ini memegang peranan
penting. Karena jenis Analisis Regresi itu banyak (tidak hanya Linear saja)
Jika dilihat bahwa titik-titik cenderung tidak berada di sekitar garis lurus
menaik/menurun maka terdapat hubungan linear positif/negatif yang lemah. Contoh
interpretasinya untuk yang lemah :
Karena titik-titik cenderung berada di sekitar garis lurus menaik, maka bisa
disimpulkan bahwa terdapat hubungan linear positif yang lemahantara variabel
UJI OVERALL
o Hipotesis
H0 : model regresi tidak layak digunakan
H1 : model regresi layak digunakan
Tingkat Signifikansi
Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
UJI PARSIAL
Uji Konstanta
o Hipotesis
H0 : konstanta tidak layak digunakan
H1 : konstanta layak digunakan
Tingkat Signifikansi
Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
o Hipotesis
H0 : variabel independen (...) tidak layak digunakan
H1 : variabel independen (...) layak digunakan
Tingkat Signifikansi
maka interpretasinya :
Setiap kenaikan satu satuan variabel independen maka akan mengakibatkan penurunan
dari sebesar satuan dengan menganggap variabel lain konstan.
Contoh Soal Analisis Regresi Linear Ganda
Ingin diketahui apakah Penguasaan Kosa Kata, Pemahaman Tema, Pengetahuan Tata Bahasa
memengaruhi Kemampuan Menulis Siswa SMA?
1 8 10 20 6
2 8 12 21 7
3 7 12 21 6
4 9 14 23 7
5 8 15 24 7
6 8 8 20 6
7 9 15 22 7
8 6 8 18 5
9 7 20 26 8
10 9 18 28 8
11 6 10 16 5
12 5 7 15 4
13 10 22 30 9
14 9 12 19 6
15 10 15 20 7
Pembagian Data
Jika dalam analisis terdapat expected count < 5 = lihat p-value fisher
Jika dalam analisis tidak ada expected count < 5 = lihat p-value pearson
Uji Homogenitas
Sampel berasal dari populasi yang berbeda (2 populasi)
Tujuan : Mengetahui hubungan homogen proporsi populasi 1 dan populasi 2
Variabel B
Variabel A B Bc Jumlah
A a b n1 = a + b
Ac c d n2 = c + d
Jumlah m1 = a + c m2 = b + d n = n1 + n2
Keterangan
n1 = jumlah sampel yang mewakili populasi 1
n2 = jumlah sampel yang mewakili populasi 2
o Hipotesis
H0 : P1 = P2 (populasi 1 dan populasi 2 homogen)
H1 : P1 P2 (populasi 1 dan populasi 2 tidak homogen)
Tingkat Signifikansi
Statistik Uji
P-value ... = ...
Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
...
Contoh
Dua sampel random dari 90 orang mahasiswa (n1) dan 80 orang mahasiswi(n2). Dan
kepada mereka ditanyakan, apakah mereka setuju atau tidak setuju dengan lurah
wanita. Didapat 30 mahasiswa dan 40 mahasiswi setuju dengan lurah wanita.
Pembahasan
Dari contoh ini, dapat dilihat bahwa terdapat 2 populasi yaitu populasi mahasiswa
dan populasi mahasiswi. Dari masing-masing populasi, diambil sampel yaitu sebesar
n1 (sampel dari populasi mahasiswa) = 90 dan sebesar n2 (sampel dari mahasiswi)
=80. Lalu setelah ditanyakan pendapatnya, diperoleh :
m1(sampel dari mahasiswa dan mahasiswi yang setuju terhadap lurah wanita)
= 30 mahasiswa + 40 mahasiswi = 70 orang
o Hipotesis
H0 : P1 = P2 (populasi mahasiswa dan populasi mahasiswi homogen dalam
pendapatnya mengenai lurah wanita)
H1 : P1 P2 (populasi mahasiswa dan populasi mahasiswi tidak homogen
dalam pendapatnya mengenai lurah wanita)
*Uji Homogenitas tidak perlu menghitung ukuran asosiasi seperti RR/OR. Ukuran
asosiasi adalah derajat hubungan antara variabel exposure dengan variabel disease
Uji Independensi
Sampel berasal dari 1 populasi. Uji Independensi lebih sering dipakai pada mata
kuliah khusus Analisis Data Kategorik (bisa diambil pada semester genap)
o Hipotesis
H0 : P[AB]= P[A]P[B](tidak ada hubungan antara variabel exposure dan
variabel disease)
H1 : P[AB] P[A]P[B](ada hubungan antara variabel exposure dan
variabel disease)
Dalam Uji Independensi ini, terdapat 3 desain penelitian. Desain penelitian ini membedakan
penggunaan OR/RR.
TABEL KONTINGENSI 2x2
Contoh :
Misalkan akan dilakukan penelitian untuk mengetahui hubungan antara kebiasaan
merokok dengan kanker paru paru. Sekarang dipilih 150 pria umur 40 tahun ke atas
dengan kebiasaan merokok dan 140 pria umur 40 tahun ke atas yang tidak
memiliki kebiasaan merokok , kemudian 10 tahun lagi peneliti akan
menanyakan responden tersebut apakah mereka terkena kanker paru atau tidak.
Pembahasan
Dari contoh ini, dapat dilihat bahwa sampel diambil dari 1 populasi yaitu populasi
pria umur 40 tahun ke atas. Namun, populasi pria umur 40 tahun ke atas ini
dikelompokkan berdasarkan kebiasaan merokok mereka, jadi akan didapat sampel :
pria umur 40 tahun ke atas dengan kebiasaan merokok yang akan
masuk ke nE ,
sampel pria umur 40 tahun ke atas yang tidak memiliki kebiasaan
merokok yang akan masuk ke nNE .
Didapatkan nE = 150 dan nNE = 140. Lalu 10 tahun kemudian, ditanyakan apakah
mereka positif kanker paru, maka akan didapatkan :
Contoh :
Peneliti ingin mengetahui hubungan antara kebiasaan merokok ibu hamil dengan
kemungkinan bayi lahir dengan berat kurang dari 2500 gram (Berat Bayi Lahir
Rendah) , kemudian peneliti pergi ke suatu puskesmas dan menanyakan kepada 70
ibu yang memiliki bayi BBLR dan menanyakan juga kepada 60 ibu yang
memiliki bayi yang berat lahirnya normal . Lalu ditanyakan, apakah dulu saat
hamil Ibu itu memiliki kebiasaan merokok.
Pembahasan
Dari contoh ini, dapat dilihat bahwa sampel diambil dari 1 populasi yaitu populasi
bayi lahir. Namun, populasi bayi lahir ini dikategorikan menurut berat badan saat
lahir. Jadi akan didapat sampel bayi yang berat lahirnya rendah yang dikategorikan ke
dalam nD , dan juga bayi yang berat lahirnya normal yang dikategorikan ke dalam
nND. Didapatkan nD = 70 dan nND= 60. Setelah didapatkan data banyakknya nD dan
nND, ingin diketahui apakah penyebab berat bayi lahir rendah apakah dikarenakan ibu
yang merokok ketika hamil atau tidak. Dengan demikian ditanyakan kepada Ibu-Ibu
tersebut apakah mereka dulu waktu hamil memiliki kebiasaan merokok atau tidak.
Kemudian diperoleh
n = nD + nND= 70 + 60 = 130
Ukuran Asosiasi yang digunakan adalah Relative Risk (RR) atau Odds Ratio (OR)
Dalam studi ini, banyaknya sampel (n) ditentukan terlebih dahulu sebelum melakukan
penelitian.
Contoh :
Dua ratus enam puluh tiga mahasiswa yang makan siang di kantin ditanya apakah
mereka sakit perut atau tidak. Jawaban mereka diklasifikasi menurut apakah mereka
makan pakai sambal atau tidak.
Pembahasan
Dari contoh ini, dapat dilihat bahwa sampel diambil dari 1 populasi yaitu populasi
mahasiswa yang makan siang di kantin sebanyak 263 mahasiswa. Pada saat yang
bersamaan, akan ditanya apakah mereka sakit perut atau tidak dan juga ditanyakan
apakah mereka makan pakai sambal atau tidak.
n = 263 mahasiswa
Tujuan penelitian adalah untuk mengetahui ada tidaknya hubungan antara variabel
exposure dengan variabel disease.
Diketahui desain studi penelitian.
Dipakai saat terdapat asumsi yang diperlukan dalam uji Parametrik tidak terpenuhi.
Ciri ciri :
Dilakukan untuk :
*lebih akurat kalau memakai Uji Wilcoxon Signed Rank dibanding Uji Tanda
Uji Mann-Whitney
Menguji signifikansi hipotesis antara 2 sampel independen. Oleh karena independen maka 2
sampel tersebut ukurannya bisa berbeda.
Jika asumsi distribusi normal dan kesamaan variansi semuanya terpenuhi maka memakai Uji
2 Mean Populasi Independen seperti yang sudah dipelajari di Metode Statistika I. Namun,
jika salah satu uji asumsi saja sudah tidak terpenuhi maka langsung memakai Statistika Non-
Parametrik untuk 2 Populasi Independen yaitu Uji Mann-Whitney.
o Hipotesis
H0 : = (tidak ada perbedaan rata-rata untuk sampel yang berasal dari
2 populasi tersebut)
H1 : (ada perbedaan rata-rata untuk sampel yang berasal dari 2
populasi tersebut)
Menguji signifikansi hipotesis antara sampel independen dan karena independen berarti
sampel tersebut ukurannya bisa berbeda. ( )
Jika asumsi distribusi normal dan kesamaan variansi semuanya terpenuhi maka memakai Uji
Mean Populasi Independen yaitu ANOVA SATU ARAH yang sudah dipelajari pada bab
awal Metode Statistika II. Namun, jika salah satu uji asumsi saja sudah tidak terpenuhi
maka langsung memakai Statistika Non-Parametrik untuk Populasi Independen yaitu Uji
Kruskal-Wallis.
o Hipotesis
H0 : = = ... = (tidak ada perbedaan rata-rata untuk sampel yang
berasal dari populasi tersebut)
H1 : ada yang tidak sama, (ada perbedaan rata-rata untuk
sampel yang berasal dari populasi tersebut)
Jika asumsi distribusi normal dan uji korelasi*semuanya terpenuhi maka memakai Uji 2
Mean Populasi Dependen seperti yang sudah dipelajari di Metode Statistika I. Namun, jika
asumsi normalitas tidak terpenuhi maka langsung memakai Statistika Non-Parametrik
untuk 2 Populasi Dependen yaitu Uji Wilcoxon Signed Rank.
*Uji Korelasi sebenarnya tidak wajib dilakukan untuk Asumsi 2 Mean Populasi Dependen,
ada yang memakai Uji Korelasi, namun ada juga yang tidak memakai Uji Korelasi,
semuanya tergantung pada yang sudah anda pelajari di kelas sebelumnya.
o Hipotesis
H0 : = (tidak ada perbedaan rata-rata sampel sebelum dan sesudah)
H1 : (ada perbedaan rata-rata sampel sebelum dan sesudah)
Menguji signifikansi hipotesis antara 1 sampel yang dikenai perlakuan ( dependen) dan
karena dependen berarti ukurannya harus sama untuk setiap perlakuan,
Jika asumsi distribusi normal dan kesamaan variansi semuanya terpenuhi maka memakai Uji
Mean Populasi Dependen yaitu ANOVA DUA ARAH yang sudah dipelajari pada bab
awal Metode Statistika II. Namun, jika salah satu uji asumsi saja sudah tidak terpenuhi
maka langsung memakai Statistika Non-Parametrik untuk Populasi Dependen yaitu Uji
Friedman.
o Hipotesis
H0 : populasi-populasi dalam suatu blok identik
H1 : sekurang-kurangnya salah satu perlakuan cenderung menghasilkan nilai-
nilai yang lebih besar dibanding sekurang-kurangnya salah satu perlakuan
yang lain.
Jangan lupa mengenai tanda koma dan juga tanda titik, ada SPSS yang
menginterpretasikan koma dengan tanda , , ada juga yang menginterpretasikan
dengan koma dengan tanda . . Kenali SPSS yang anda pakai untuk mengerjakan
analisis. Karena salah tanda dari awal bisa menyebabkan kesalahan TOTAL dalam
pengerjaan analisis.
Jangan bulatkan semua nilai yang tertera pada output SPSS, tuliskan sesuai dengan
output SPSS. Kemarin cukup banyak yang membulatkan nilai P-value dan ada juga
yang membulatkan nilai Standard Error of Estimate di Model Summary.
Karena P-value = 0,000 yang tertera pada output SPSS itu berbeda dengan 0
Karena nilai Standard Error misal 10,081563 yang tertera pada output SPSS itu berbeda
dengan 10,082 ataupun 10,08156. Di statistika, 10,081563 itu berbeda dengan 10,081561
yang walaupun jika dibulatkan sama-sama 10,08156.
Telitilah dalam bekerja, ikuti semua instruksi dan format penulisan yang tertera dalam
permasalahan yang akan dianalisis.
PENUTUP
Semoga ringkasan ini dapat digunakan dengan sebaik mungkin, diharapkan dengan adanya
ringkasan ini bisa lebih memudahkan praktikan dalam memahami materi Praktikum Metode
Statistika 2 Kelas A. Kami menyadari bahwa masih banyak kekurangan dalam ringkasan ini,
sehingga diharapkan praktikan dapat mencari referensi pembelajaran lain yang ada pada buku
ataupun internet yang relevan. Kami mohon maaf jika selama praktikum ini kami banyak
kesalahan baik itu salah perbuatan maupun salah kata, juga apabila kami terlalu cepat
menjelaskan materi praktikum. Tetap semangat dan jangan pernah kenyang dalam belajar,
jalan masih panjang dan semoga kita bisa bertemu lagi pada kesempatan selanjutnya!!
Yogyakarta, 2016.