TUGAS INDIVIDU

ANOVA (Analysis of variance )

NAMA : GINA DWI ANGGRAINI

NIM : P05120314015

Tingkat 4 DIV Keperawatan

A. Pengertian dan Kegunaan

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. Berbeda dengan independent sample t test yang hanya bisa menguji
perbedaan rerata dari dua kelompok saja. Dalam kesempatan bahasan kali
ini, statistikian akan menjelaskannya secara singkat namun dengan penuh harapan agar
para pembaca mudah memahami dan mempraktekkannya dalam penelitian di lapangan
nantinya.

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.

B. Persyaratan
1. Data yang dihasilkan berasal dari suatu sampel acak (random) dan populasi yang
saling bebas (independen) .
Sampel penelitian harus berasal dari sampel acak (random) untuk memperoleh
kondisi yang sealamiah atau senatural mungkin.

1
 Pengertian saling bebas artinya suatu nilai yang diperoleh dari suatu pengamatan
tidak berhubungan dengan pengamatan lainnya. Artinya, salah satu kejadian yang
timbul tidak tergantung pada kejadian yang lain. Bagaimana cara membuktikan
kevaliditasan data, untuk mengetahui apakah sekumpulan data tersebut berasal dari
sampel acak dan saling bebas? Sayangnya tidak ada alat untuk menguji apakah
sekumpulan data yang akan kita analisis tersebut bersifat bebas dan acak atau
TIDAK. Data random dan saling bebas berkaitan dengan desain eksperimen atau
rancangan percobaannya. Kesalahan dalam desain percobaan bisa menghasilkan
data yang salah.
2. Sampel data terdistribusi secara normal (mengikuti kaidah kurva normal).

Asumsi ini menyiratkan bahwa variabel dependen terdistribusi secara normal

(persyaratan teoritis yang mendasari distribusi F) di masing-masing kelompok
populasi/perlakuan. Seperti yang kita ketahui bahwa secara alamiah kebanyakan
pengukuran suatu populasi di alam mengikuti suatu kaidah dari kurva normal.
Sehingga sebelum kita melanjutkan untuk melakukan analisis anova, maka kita
perlu terlebih dahulu melakukan uji normalitas data. Pengujian normalitas adalah
pengujian tentang kenormalan distribusi data. Dengan software statistik seperti
SPSS kita dapat melakukan uji normalitas dengan menggunakan grafik distribusi
dan atau dengan analisis statitik. Grafik yang dapat menggambarkan distribusi data
misalnya adalah histogram dengan normal kurva atau pun dengan menggunakan
grafik boxplot. Sedangkan dengan analisis statistik salah duanya kita dapat
menggunakan uji kolmogorov-smirnov dan atau uji shapiro-wilk.

Ada banyak tutorial di internet untuk menguji apakah sekelompok acak data
yang kita dapatkan tersebut terdistribusi normal atau tidak. Berikut adalah salah
satu video tutorial tentang cara melakukan uji normalitas.

2
 3. Varians dari distribusi populasi adalah sama atau homogen (homogenitas varians).

Gambar diatas menunjukan nilai varians yang TIDAK homogen. Varians yang
homogeny, maksudnya adalah varians pada variabel dependen adalah sama di
seluruh kelompok perlakuan. Untuk mengetahui apakah varians-nya homogen atau
tidak kita dapat mengujinya dengan uji homogenitas varians diantaranya yang
populer adalah dengan uji Levene.

C. Jenis Varians
Sesuai dengan banyaknya faktor yang terlibat, maka anava dibedakan secara garis besar
menjadi dua yaitu :

1) Anava tunggal atau anova satu jalan

2) Anava ganda atau anova lebih dari satu jalan.

Analisis Variansi Satu Jalur

Yang dimaksud dengan analisis varians satu jalan adalah analisis varians yang
digunakan untuk mengolah data yang hanya mengenal satu variable pembanding.
Dinamakan analisis varians satu arah, karena analisisnya menggunakan varians dan
data hasil pengamatan merupakan pengaruh satu faktor.Dari tiap populasi secara
independen kita ambil sebuah sampel acak, berukuran n1 dari populasi kesatu, n2 dari
populasi kedua dan seterusnya berukuran nk dari populasi ke k. Data sampel akan
dinyatakan dengan Yijyang berarti data ke-j dalam sampel yang diambil dari populasi
ke-i. (Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).

ANAVA satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas.
Secara rinci, ANAVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-
ciri berikut:1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang
dipilih dan ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut
tidak acak karena peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori

3
lain di luar yang diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya
terdiri atas dua ketgori (pria-wanita), atau peneliti hendak membandingkan
keberhasilan antara Metode A, B, dan C dalam meningkatkan semangat belajar tanpa
bermaksud menggeneralisasikan ke metode lain di luar ketiga metode tersebut.

1. Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat
kualitatif atau kuantitatif.
2. Setiap subjek merupakan anggota dari hanya satu kelompok pada peubah
bebas, dan dipilih secara acak dari populasi tertentu. (Furqon. 2009. Statistika
Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung)

Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari dua rata-rata.
Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari
signifikansi hasil penelitian. Jika terbukti berbeda berarti kedua sampel tersebut dapat
digeneralisasikan (data sampel dianggap dapat mewakili populasi). Anova satu jalur
dapat melihat perbandingan lebih dari dua kelompok data. (Riduwan.2008.Dasar-dasar
Statistika.Bandung:Alfabeta)

Anova pengembangan atau penjabaran lebih lanjut dari uji-t .Uji-t atau uji-z hanya
dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu jalur lebih
dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara mahasiswa
tugas belajar (X1), izin belajar (X2) dan umum (X3).

Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian itu
asalnya dari pengertian konsep Mean Square atau kuadrat rerata (KR).

Rumusnya :

KR=JK/db

Dimana: JK = jumlah kuadrat (some of square)

db = derajat bebas (degree of freedom)

Analisis Variansi Dua Jalur

Analisis varians dua jalan merupaka teknik analisis data penelitian dengan
desain faktorial dua faktor. Dalam penelitian ini terdapat dua variable yang digunakan
untuk dasar peninjauan sekor utntuk variable terikat. Anava dua jalan mempunyai judul
kolom dan judul baris dengan menggunakan klasifikasi dua variable yang digunakan

4
 sebagai dasar tinjauan sekor untuk variable terikat. Anava dua jalan yang juga disebut
dengan anava modal AB mempunyai dua variabel. Model diagram analisis dua jalan
dapat berupa dua alternative. Two way ANOVA digunakan untuk menguji hipotesis
komparatif rata-rata k sampel bila peneliti melakukan kategorisasi terhadap sampel
kedalam beberapa blok, sehingga bila variabilitas atau sumber keragaman pada uji One
Way ANOVA berasal dari perlakuan dan galat, maka pada two way ANOVA sumber
keragaman tidak hanya berasal dari perlakuan dan galat, tapi juga berasal dari blok.

D. Anova Satu Arah

Analisis ragam satu jalur berarti kita ingin mengetahui apakah ada perbedaan rata-
rata yang didasarkan pada satu kriteria tertentu. Ada hal yang harus diperhatikan yaitu
tujuannya membandingkan rata-rata antar sampel dan sampel yang digunakan adalah
berasal dari sampel yang berbeda.

Misalkan kita memiliki k populasi. Masing-masing populasi diambil sampel sebanyak

n. Dan k populasi yang diambil adalah bebas serta berdistribusi normal dengan nilai
tengah m1, m2, m3,..., mk dan ragam atau variansi sama s2.

Hipotesis uji berbunyi :

Ho : m1 = m2 = m3 = ... = mk

Ha : Sekurang-kurangnya dua nilai tengah tidak sama

Misalkan xij adalah pengamatan ke-j dari populasi ke-i, maka

5
Setiap pengamatan dapat ditulis dalam bentuk berikut ini :

Keterangan:

(Note : sampel diambil dari populasi dan jumlah sampel tidak harus sama antar
populasi)

Selanjutnya adalah memeriksa apakah sudah memenuhi asumsi :

1. Normalitas, menguji apakah data tiap kelompok memiliki distribusi normal, dapat
dilakukan dengan uji normalitas Kolmogorov Smirnov atau Saphiro Wilk.
2. Homogenitas atau tidak ada Heteroskedastisitas, menguji apakah varian tiap
kelompok sama dengan uji Bartlet atau uji Levene. (akan dibahas berikutnya).
3. Saling bebas, apakah data tiap kelompok tidak saling berhubungan.
4. Aditif yaitu saling menjumlahkan berarti data adalah rasio / interval.

Jika keempat asumsi di atas sudah terpenuhi, maka kita bisa gunakan analsis ragam ini.

Selanjutnya adalah menghitung variabilitas dari seluruh sampel yang diambil.

Keterangan :

JKT = Jumlah Kuadrat Total

JKK = Jumlah Kuadrat untuk nilai tengah Kolom

6
JKG = Jumlah Kuadrat Galat (error)

Langkah berikutnya adalah menghitung derajat kebebasan untuk masing-masing JKK-

JKT-JKG,

df (JKT) = n-1

df (JKK) = k-1

df (JKG) = n-k

dimana df(JKG) = df(JKT) - df(JKK)

Selanjutnya adalah menghitung variansi antar kelompok :

MSk = KTk = JKK / df(JKK) = JKK/(k-1)

MSg = KTg = JKG / df(JKK) = JKG/(n-k)

Dan selanjutnya adalah menghitung nilai F-hitung, yaitu :

F-hitung = KKk/KTg = MSk/MSg

Gunakan tabel distribusi F untuk menghitung F-tabel sebagai pembanding F-hitung,

dengan derajat kebebasan ke-1 : df1=k-1 dan derajat kebebasan k-2 : df2=n-k.

Untuk mengambil keputusan maka :

- Ho ditolak jika F-hitung > F-Tabel

- Ho diterima jika F-hitung F-Tabel

Kurva Distribusi F

Dan terakhir adalah membuat kesimpulan dari hasil analisa di atas.

7
Sumber :

Budiarto, Eko. 2002. Biostatistika untuk Kedokteran dan Kesehatan Masyarakat.

Jakarta ; EGC

Supranto, J . 2001 . Statistik Teori dan Aplikasi. Jakarta ; Erlangga

https://www.statistikian.com/2017/06/anova-sebagai-analisis-statistik.html
http://www.jam-statistic.id/2014/04/analisis-varians-satu-arah-one-way-anova.html
http://duniaiptek.com/analisis-varian/