Analysis of Variance
(ANOVA)
Oleh:
Andi Lala, S.Pd.I.,M.Pd
E-mail: rubbelalfarabi@gmail.com
PENDAHULUAN
Anava atau Anova adalah anonim dari analisis varian terjemahan dari analysis
of variance, sehingga banyak orang yang menyebutnya dengan anova. Anova merupakan
bagian dari metode analisis statistika yang tergolong analisis komparatif (perbandingan)
lebih dari dua rata-rata (Riduan, 2008). Analisis varians (analysis of variance) atau
ANOVA adalah suatu metode analisis statistika yang termasuk ke dalam cabang
statistika inferensi.1
Anova (Analysis of variances) digunakan untuk melakukan analisis komparasi
multivariabel. ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi untuk
membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Jenis data
yang tepat untuk anova adalah nominal dan ordinal pada variabel bebasnya, jika data
pada variabel bebasnya dalam bentuk interval atau ratio maka harus diubah dulu dalam
bentuk ordinal atau nominal. Sedangkan variabel terikatnya adalah data interval atau
ratio2.
1
Ada dua macam statistika yaitu statistika deskriptif dan statistika inferensial. Statistika
deskriptif adalah statistik yang digunakan untuk analisa data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada tujuan membuat kesimpulan
untuk generalisasi. Statistika deskriptif berkenaan dgn deskripsi data misal dari menghitung rata-rata dan
varians dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah
lebih mudah dibaca dan lebih bermakna.
Sedangkan statistika inferensial adalah tatistik yang digunakan untuk menganalisisdata sampel dan
hasilnya akan digeneralisasikan/diinferensialkan kepada populasi dimana sampel diambil. Misal melakukan
pengujian hipotesis melakukan prediksi observasi masa depan atau membuat model regresi.
2
Menurut skala pengukurannya, data dikelompokan menjadi empat kelompok, yaitu nominal,
ordinal, interval dan rasio.
1
Tujuan utama dari ANOVA adalah untuk membandingkan mean dari tiga
kelompok atau lebih, untuk memberikan informasi apakah perbedaan yang teramati
(observed differences) antar kelompok tersebut terjadi karena kebetulan (chance) atau
karena suatu pengaruh tertentu yang bersifat sistematis (systematic effect).
Beberapa asumsi yang harus dipenuhi untuk dapat menggunakan uji Anova
adalah sebagai berikut:
1. Sampel berasal dari kelompok yang independen
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.
2. Varian antar kelompok harus homogen
Setiap kelompok hendaknya berasal dari popolasi yang sama dengan variansi yang
sama pula.
3. Data masing-masing kelompok berdistribusi normal
Distribusi data harus normal, agar data berdistribusi normal dapat ditempuh dengan
cara memperbanyak jumlah sampel dalam kelompok.
Uji Anova dapat dibagi menjadi 3 jenis berdasarkan jumlah variabel yang
diamati, yaitu One Way Anova, Two Way Anova dan Manova (banyak arah) One Way
Anova digunakan bila ada satu variabel yang ingin diamati, Two Way Anova digunakan
apabila terdapat dua variabel yang ingin diamati, dan Manova digunakan apabila
terdapat lebih dari dua variabel yang ingin diamati Pada pembahasan kali ini, penulis
Nominal, variabel yang hanya dapat membedakan nilai datanya dan tidak tahu nilai data mana yang
lebih tinggi atau rendah. Contoh; jenis kelamin, suku dll. Jenis kelamin laki-laki tidak lebih tinggi
dibandingkan perempuan . Suku Jawa tidak dapat dikatakan lebih baik/lebih buruk dari suku sunda.
Dengan ilustrasi ini dapat dijelaskan bahwa variabel nominal, nilai datanya sederajat.
Ordinal, variabel yang dapat membedakan nilai datanya dan juga sudah diketahui tingkatan lebih tinggi
atau lebih rendah, tapi belum diketahui besar beda antar nilai datanya. Contoh pendidikan, pangkat,
stadium penyakit dll. Pendidikan SD pengetahuannya lebih rendah dibandingkan SMP. Namun
demikian, kita tidak dapat tahu besar perbedaan pengetahuan orang SD dengan SMP.
Interval, variabel yang dapat dibedakan, diketahui tingkatannya dan diketahui juga besar beda antar
nilainya, namun pada variabel interval belum diketahui kelipatan suatu nilai terhadap nilai yang lain
dan pada skala interval tidak mempunyai titik nol mutlak. Contohnya variabel suhu, misalnya benda A
suhunya 40 derajat dan benda B 10 derajat. Benda A lebih panas dari benda B dan beda panas anta
benda A dan B 30 derajat, namun kita tidak bisa mengatakan bahwa benda A panasnya 4 kali dari
benda B (ini berarti tidak ada kelipatannya!). Selanjutnya, kalau suatu benda suhunya 0 derajat, ini
tidak berart bahwa benda tersebut tidak punya panas (tidak mempunyai nilai nol mutlak),
Rasio, variabel yang paling tinggi skalanya, yaitu bisa dibedakan, ada tingkatan, ada besar beda
dan ada kelipatannya serta ada nol mutlak. Contoh berat badan, tinggi badan dll. Misal A beratnya 30
kg dan B beratnya 60 kg. Dalam hal ini dapat dikatakan bahwa A lebih ringan dari B, selisih berat
antara A dan B adalah 30 kg, berat b dua kali lebih tinggi dari berat A. Berat 0 kg, ini berarti tidak ada
berat (tidak ada bendanya) sehingga ada nol mutlak.
2
hanya akan membahas tentang One Way Anova, sedangkan Two Way Anova akan
dibahas pada pertemuan selanjutnya.
PEMBAHASAN
3
Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 )
.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).
4
CONTOH KASUS
Seorang peneliti ingin mengetahui skor kemampuan mata kuliah statistika
terapan pada mahasiswa Pasca Sarjana Universitas Sultan Ageng Tirtayasa
Serang Banten yang diambil dari empat program studi, yaitu MP, BI, Hukum dan
Akuntansi. Masing-masing program studi diambil sebanyak 10 mahasiswa. Skor
nilai statistika terapan adalah antara 0 – 100. Nilai dari masing-masing sampel
adalah sebagai berikut:
Data Skor Kemampuan Statistika Terapan
Program Studi
No.
MP BI Hukum Akuntansi
1 75 74 54 64
2 55 75 58 58
3 59 64 60 57
4 60 64 74 60
5 70 68 69 64
6 75 70 65 66
7 76 70 70 65
8 66 85 72 55
9 71 65 65 64
10 77 68 60 60
1 75 1
2 55 1
3 59 1
4 60 1
5 70 1
6 75 1
7 76 1
8 66 1
9 71 1
5
No. Resp Skor Program Studi (Kode)
10 77 1
11 74 2
12 75 2
13 64 2
14 64 2
15 68 2
16 70 2
17 70 2
18 85 2
19 65 2
20 68 2
21 54 3
22 58 3
23 60 3
24 74 3
25 69 3
26 65 3
27 70 3
28 72 3
29 65 3
30 60 3
31 64 4
32 58 4
33 57 4
34 60 4
35 64 4
36 66 4
37 65 4
38 55 4
39 64 4
40 60 4
Keterangan: MP (1), BI (2), Hukum (3), Akuntansi (4)
Berdasarkan tabel di atas, menjadi jelas terlihat, bahwa pada data di atas
hanya terdapat dua variabel, yaitu variabel Skor (Y) dan Variabel Program Studi
(X). Setelah data siap, selanjutnya kita akan memulai melakukan uji analisis
Anova satu arah dengan bantuan software SPSS dengan langkah-langkah sebagai
berikut:
6
Buka program SPSS versi 20, sehingga muncul jendela SPSS 20 seperti gambar di
bawah ini:
7
Pada kotak dialog Value Labels input data seperti ini:
Setelah itu kita akan kembali lagi ke jendela awal SPSS, variabel View seperti ini:
8
Hasil Input kolom Values
9
Setelah data terinput seperti gambar di atas, langkah selanjutnya adalah:
1. Klik menu
Analyze
10
Muncul kotak dialog Options seperti dibawah ini:
13. Klik
Tukey
14. Klik Post Hoc...
12
D. Penjelasan Hasil Output Analisis One Way ANOVA
Output Bagian I (Descriptives)
Descriptives
Skor Kemampuan Statistika Terapan
95% Confidence Interval
Std. Std. for Mean
N Mean Minimum Maximum
Deviation Error Lower Upper
Bound Bound
Pada bagian pertama ini, terlihat hasil-hasil ringkasan data statistic deskriptif
dari keempat sampel seperti mean , standar deviasi, angka terendah dan tertinggi
serta standar error.
Sebagai contoh deskripsi dari program studi MP berdasarkan tabel di atas,
diketahui bahwa skor rata-rata (Mean) kemampuan statistika terapan program studi
MP adalah 68,40. Skor terendah (Minimum) adalah 55 dan skor tertinggi
(Maximum) adalah 77. Dengan tingkat kepercayaan 95% atau signifikansi 5%, rata-
rata skor kemampuan statistika terapan program studi MP ada pada range 62,70
sampai 74,10.
1,830 3 36 ,159
13
perlu dipersiapkan hipotesis tentang hal tersebut. Adapun hipotesisnya adalah
sebagai berikut :
Ho = Keempat variansi populasi adalah sama
Ha = Keempat variansi populasi adalah tidak sama
Dengan pengambilan Keputusan:
Jika signifikan > 0.05 maka Ho diterima
Jika signifikan < 0,05 maka Ho ditolak
Berdasarkan pada tabel di atas, hasil yang diperoleh pada test of homogeneity
of variances, diketahui bahwa probabilitas atau signifikaninya adalah 0,159, ini
artinya nilai Sig > α (0,159 > 0,05) maka dapat disimpulkan bahwa hipotesis nol
(Ho) diterima, yang berarti asumsi bahwa keempat varian populasi adalah sama
(homogeny) dapat diterima (tidak berbeda secara signifikan).
ANOVA
Skor Kemampuan Statistika Terapan
Sum of df Mean F Sig.
Squares Square
Between Groups 479,075 3 159,692 3,930 ,016
Within Groups 1462,700 36 40,631
Total 1941,775 39
Setelah keempat varians terbukti sama (homogen), baru dilakukan uji Anova
untuk menguji apakah apakah skor kemampuan statistika terapan mahasiswa dari
keempat program studi secara siginifikan berbeda atau sebenarnya sama. Output
Anova adalah akhir dari perhitungan yang digunakan sebagai penentuan analisis
terhadap hipotesis yang akan diterima atau ditolak. Dalam hal ini hipotesis yang
akan diuji adalah :
Ho = Tidak terdapat perbedaan rata-rata skor kemampuan statistika terapan
mahasiswa program studi MP, BI, Hukum dan Akuntansi pada Universitas
Sultan Ageng Tirtayasa Serang Banten
Ha = Terdapat perbedaan rata-rata skor kemampuan statistika terapan mahasiswa
program studi MP, BI, Hukum dan Akuntansi pada Universitas Sultan
Ageng Tirtayasa Serang Banten
14
Dengan ketentuan pengambilan Keputusan:
Jika nilai signifikan > 0.05 maka Ho diterima
Jika signifikan < 0,05 maka Ho ditolak
Berdasarkan pada tabel ANOVA di atas, diketahui bahwa nilai probabilitas
atau signifikaninya adalah 0,016, ini artinya nilai Sig < α (0,016 < 0,05) maka dapat
disimpulkan bahwa hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima.
Hal ini menunjukan bahwa terdapat perbedaan rata-rata skor kemampuan statistika
terapan mahasiswa program studi MP, BI, Hukum dan Akuntansi pada Universitas
Sultan Ageng Tirtayasa Serang Banten.
Pada output keempat (Post Hoc Test) merupakan penentuan signifikansi per
pasangan (multiple comparisons). Uji ini dilakukan sebagai uji lanjutan karena
adanya perbedaan (diterimanya Ha).
Meskipun telah diuji signifikansinya secara umum masih diperlukan
pengujian signifikansi untuk setiap pasangan. Hasil pengujian signifikansi secara
umum pada analisis varian meskipun menyatakan ada perbedaan secara signifikan
(nyata), maka tidak dapat diartikan bahwa setiap pasangan pasti berbeda secara
signifikan (nyata). Hasil pembuktian tersebut hanya dapat dinyatakan setidak‐
tidaknya ada satu pasang (dua kelompok) yang berbeda secara signifikan (nyata).
Oleh karena itu perlu adanya pengujian per pasangan untuk menentukan pasangan
mana yang berbeda secara signifikan dan pasangan mana yang tidak berbeda. Untuk
mengetahui pasangan‐pasangan mana yang berbeda secara signifikan dan pasangan‐
pasangan mana yang tidak berbeda diperlukan adanya uji signifikansi per pasangan.
Untuk memudahkan dalam menentukan pasangan‐pasangan yang berbeda
secara signifikan dan pasangan‐pasangan yang tidak berbeda dapat dilihat pada
output hasil analisis yang disajikan pada tabel Multiple Comparisons seperti hasil
output bagian keempat dari hasil analisis One Way ANOVA di bawah ini:
15
Multiple Comparisons
Dependent Variable: Skor Kemampuan Statistika Terapan
Tukey HSD
95% Confidence
Mean Difference Interval
(I) Program Studi (J) Program Studi Std. Error Sig.
(I-J) Lower Upper
Bound Bound
16
Homogeneous Subsets
Skor Kemampuan Statistika Terapan
Tukey HSD
Program Studi N Subset for alpha = 0.05
1 2
AKUNTANSI 10 61,30
HUKUM 10 64,70 64,70
MP 10 68,40 68,40
BI 10 70,30
Sig. ,078 ,220
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 10,000.
Means Plot
17
Pada bagian VI ini (Means Plot) merupakan grafik garis yang menunjukan
rata-rata dari keempat program studi. Berdasarkan grafik means plot di atas terlihat
nilai rata-rata yang tertinggi adalah program studi BI dan yang rata-rata terendah
adalah program studi Akuntansi.
Berdasarkan hasil analisis yang ditampilkan pada tabel ANOVA maka dapat
dihitung besarnya komponen varian masing‐masing dengan cara sebagai berikut:.
Persentase komponen varian antarkelompok (between groups) sebesar
479,075
x 100% = 24,7%
1941,775
1462,700
x 100% = 75,3 %
1941,775
18
Hasil perhitungan tersebut berarti bahwa sebesar 24,7% varian pada variabel terikat
(Skor Kemampuan Statistika Terapan) disebabkan oleh variasi atau perbedaan pada
nilai variabel bebas yang berupa program studi. Selebihnya sebesar 75,3% tidak
diketahui sebabnya.
KESIMPULAN
19
Komponen bukan penjelas varian dihitung berdasarkan pada Sum of Square
pada baris Within groups dari total Sum of Square.
REFERENSI
Santoso, Singgih, 2002. Menguasai SPSS 21 di Era Informasi, PT. Elex Media
Komputindo.
Wahana Komputer, 2009, Panduan Praktis SPSS 17 untuk Pengelolaan Data Statistik,
Penerbit Andi
20
21