Pengertian Anova
Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis of
variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan bagian
dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta).Analisis Varians (ANAVA)
adalah teknik analisis statistik yang dikembangkan dan diperkenalkan pertama kali oleh
Sir R. A Fisher (Kennedy & Bush, 1985). ANAVA dapat juga dipahami sebagai
perluasan dari uji-t sehingga penggunaannya tidak terbatas pada pengujian perbedaan dua
buah rata-rata populasi, namun dapat juga untuk menguji perbedaan tiga buah rata-rata
populasi atau lebih sekaligus.
Jika kita menguji hipotesis nol bahwa rata-rata dua buah kelompok tidak berbeda,
teknik ANAVA dan uji-t (uji dua pihak) akan menghasilkan kesimpulan yang sama;
keduanya akan menolak atau menerima hipotesis nol. Dalam hal ini, statistik F pada
derajat kebebasan 1 dan n-k akan sama dengan kuadrat dari statistik t.
ANAVA digunakan untuk menguji perbedaan antara sejumlah rata-rata populasi
dengan cara membandingkan variansinya. Pembilang pada rumus variansi tidak lain
adalah jumlah kuadrat skor simpangan dari rata-ratanya, yang secara sederhana dapat
ditulis sebagai ∑(𝑋𝑖 − 𝜇)2 . Istilah jumlah kuadrat skor simpangan sering disebut
jumlah kuadrat (sum of squares). Jika jumlah kuadrat tersebut dibagi dengan n atau n-
1 maka akan diperoleh rata-rata kuadrat yang tidak lain dari variansi suatu distribusi.
Rumus untuk menentukan varians sampel yaitu,
2
∑𝑛𝑖=1(𝑌1 − 𝑌̅)2
𝑆 =
𝑛−1
Seandainya kita mempunyai suatu populasi yang memiliki variansi 𝜎 2 dan rata-
rata 𝜇. Dari populasi tersebut misalkan diambil tiga buah sampel secara independent,
masing-masing dengan n1, n2, dan n3. Dari setiap sampel tersebut dapat ditentukan
rata-rata dan variansinya, sehingga akan diperoleh tiga buah rata-rata dan variansi
sampel yang masing-masing merupakan statistik (penaksir) yang tidak bias bagi
parameternya. Dikatakan demikian karena, dalam jumlah sampel yang tak hingga,
rata-rata dari rata-rata sampel akan sama dengan rata-rata populasi (𝜇) dan rata-rata
dari variansi sampel juga akan sama dengan variansi populasi (𝜎 2 ).
1. Kita memiliki 3 buah variansi sampel (𝑆𝑖2 ) yang masing-masing merupakan penaksir
yang tidak bias bagi variansi populasinya. Jika n1=n2=n3=.....=nk, maka seluruh
variansi sampel tersebut dapat dijumlahkan dan kemudian dibagi dengan banyaknya
sampel (k) sehingga akan diperoleh rata-rata variansi sampel yang dalam jangka
panjang akan sama dengan variansi populasi. Dalam bahasa ANAVA, rata-rata
variansi sampel ini dikenal dengan rata-rata jumlah kuadrat dalam kelompok (RJKD)
atau mean of squares within groups (MSw).
2. Kita memiliki 3 buah rata-rata sampel yang dapat digunakan untuk menentukan rata-
rata dari rata-rata sampel. Simpangan baku distribusi rata-rata sampel (𝑆𝑋̅ ) atau galat
baku rata-rata adalah simpangan baku distribusi skor dibagi dengan akar pangkat dua
dari besarnya sampel.
𝑆𝑌
𝑆𝑌̅ =
√𝑛
Sejalan dengan itu, variansi distribusi rata-rata sampel 𝑆𝑌̅ 2 dapat ditulis sebagai
berikut.
2 𝑆2
𝑆𝑌̅ =
𝑛
Dengan demikian, 𝑆 2 sebagai penaksir yang tidak bias bagi variansi populasi akan
ekuivalen dengan variansi distribusi rata-rata dikalikan dengan besarnya sampel (n) yang
secara aljabar dapat ditulis sebagai berikut.
𝑛𝑆𝑌̅ 2 = 𝑆 2
Dalam konteks ANAVA, 𝑛𝑆𝑌̅ 2 dikenal dengan sebutan rata-rata jumlah kuadrat
antar kelompok (RJKA) atau mean of squares between groups (MSB).
Jika seluruh sampel diambil secara acak dari populasi yang sama, maka
MSB=MSW atau RJKA = RJKD,
Sehingga,
𝜎2
F=MSB/ MSW = 𝜎2 = 1
ANAVA digunakan untuk menguji hipotesis nol tentang perbedaan dua buah rata-
rata atau lebih. Secara formal, hipotesis tersebut dapat ditulis sebagai berikut.
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = ⋯ . = 𝜇𝑘
𝐻1 : 𝑃𝑎𝑙𝑖𝑛𝑔 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑙𝑎ℎ 𝑠𝑎𝑡𝑢 𝑡𝑎𝑛𝑑𝑎 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 (=)𝑡𝑖𝑑𝑎𝑘 𝑏𝑒𝑟𝑙𝑎𝑘𝑢
Hipotesis nol di atas mengatakan bahwa rata-rata populasi pertama sama dengan
rata-rata populasi ke dua dan seterusnya yang berarti bahwa seluruh sampel diambil dari
populasi yang sama. Jika demikian maka, rata-ratanya akan mirip satu sama lain. Dalam
menguji hipotesis nol tersebut, ANAVA meakukan perbandingan antara variansi antar
kelompok (MSB) dengan variansi dalam kelompok (MSW). Jika ternyata kedua variansi
itu sama (F=1) maka berarti seluruh sampel yang dianalisis berasal dari populasi yang
sama, dan kita tidak memiliki dasar untuk menolak hipotesis nol. Namun, jika ada salah
satu nilai rata-rata yang jauh berbeda dengan nilai rata-rata lainnya maka berarti sampel
tersebut berasal dari populasi yang berbeda.
Seluruh subjek yang berada dalam satu kelompok memiliki karakteristik yang
sama pada peubah bebas yang tengah dikaji. Dalam bahasa eksperimen, mereka
seluruhnya menerima perlakuan yang sama, sehingga keragaman mereka pada peubah
terikat dipandanga sebagai keragaman galat dan tidak berkaitan dengan perbedaan jenis
perlakuan atau peubah bebas.
Perbedaan rata-rata antar kelompok terdiri atas dua unsur yaitu keragaman galat dan
keragaman yang berkaitan perbedaan pada peubah bebas. Oleh karena keragaman di
dalam kelompok (MSW) merupakan penaksir yang tidak bias atas variansi populasi dan
keragaman antara kelompok (MSB) terdiri atas MSW dan keragaman yang berkaitan
dengan perlakuan, maka hubungan antara keduanya dapat dituliskan sebagai berikut:
𝑀𝑆𝑊 = 𝜎 2
𝑀𝑆𝐵 = 𝜎 2 + 𝑑𝑎𝑚𝑝𝑎𝑘 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛
Dengan demikian, F dapat juga dituliskan:
𝐹 = 𝑀𝑆𝐵 /𝑀𝑆𝑊
𝐹 = (𝜎 2 + 𝑑𝑎𝑚𝑝𝑎𝑘 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛)/𝜎 2
Jika dampak perlakuan sama dengan nol, maka
𝜎2
𝐹= =1
𝜎2
Persoalan kita sekarang adalah bagaimana membedakan pengaruh yang sistematik
dari pengaruh yang tidak sistematik (acak). ANAVA dan statistika inferensial pada
umumnya mendekati persoalan ini dengan menggunakan teori peluang. Statistika
inferensial bertugas untuk menjawab suatu pertanyaan yang dapat dirumuskan sebagai
berikut: :” jika hipotesis nol ternyata benar berapakah peluang memperoleh harga statistik
tertentu?” Misalkan dalam ANAVA, kita memperoleh F=3,96. Pertanyaan yang harus
dijawab adalah “berapa besar peluang memperoleh F=3,96 jika ternyata hipotesis nol itu
benar?” Paket analisis statistik pada komputer umumnya memberikan jawaban terhadap
pertanyaan tersebut secara langsung dalam bentuk p= 0,25, 0,01, 0,001 dan sebagainya.
namun jika dilakukan secara manual maka harga Fhitung harus dibandingkan dengan nilai
kritis yang sudah disediakan dalam bentuk Ftabel pada derajat kebebasan dan tingkat
keyakinan. Nilai p yang lebih kecil dari nilai yang ditentukan menunjukkan penolakkan
terhadap H0. Kesimpulan yang sama diperoleh jika ternyata Fhitung > Ftabel. Menolak
hipotesis nol berarti menyimpulkan bahwa perbedaan antara MSB dengan MSW berkaitan
dengan pengaruh yang sistematik dari faktor atau peubah bebas yang diteliti. (Furqon.
2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: 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 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 ( 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).
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 :
𝐽𝐾
𝐾𝑅 = 𝑑𝑏
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat
dirumuskan :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − untuk 𝑑𝑏𝐴 = 𝐴 − 1
𝑛𝐴𝑖 𝑁
(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ untuk 𝑑𝑏𝐷 = 𝑁 − 𝐴
𝑛𝐴𝑖
Dimana
(∑𝑋𝜏 )2
= sebagai faktor koreksi
𝑁
𝐾𝑅
11) Carilah 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus : 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑅𝐴
𝐷
15) Tentukan kriteria pengujian : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≥𝐹𝑡𝑎𝑏𝑒𝑙 , maka tolak 𝐻0 berarti signifan
Sebelum memulai bab Multivariat, konsep dan terminologi harus terlebih dulu
dipahami khususnya tentang uji signifikansi. Adapun beberapaistilah-istilah kunci yang
muncul yang berhubungan dengan signifikansi dalam MANOVA, yaitu:
Alpha (a):Tingkat signifikansi yang terkait dengan pengujian statistik perbedaan antara
dua atau lebih kelompok. Biasanya, nilai kecil, seperti 0,05 atau 0 ditentukan untuk
meminimalkan kemungkinan membuat Tipe Ierror.
Analisis Varians (ANOVA):Teknik statistik yang digunakan untuk menentukan apakah
sampel dari dua atau lebih kelompok berasal dari populasi dengan mean yang sama
(yaitu, apakah kelompok tersebut bermakna berbeda secara signifikan?). Analisis varians
meneliti satu ukuran dependen, sedangkan analisis varians multivariat membandingkan
perbedaan kelompok pada dua atau lebih variabel dependen.
Faktor Pemblokiran:Karakteristik responden pada ANOVA atau MANOVA yang
digunakan untuk mengurangi variabilitas dalam kelompok dengan menjadi faktor
tambahan dalam analisis. Paling sering digunakan sebagai variabel kontrol (yaitu,
karakteristik tidak termasuk dalam analisis tapi satu di antaranya perbedaan diharapkan
atau diusulkan) Dengan memasukkan faktor pemblokiran dalam analisis, kelompok
tambahan terbentuk yang homogen dan meningkatkan kesempatan untuk menunjukkan
signifikan perbedaan. Sebagai contoh, anggaplah bahwa pelanggan ditanya tentang niat
membeli mereka untuk produk dan asistensi independen yang digunakan adalah usia.
Pengalaman sebelumnya menunjukkan bahwa variasi substansial dalam membeli produk
untuk produk lain jenis ini juga disebabkan oleh jenis kelamin. Kemudian gender dapat
ditambahkan sebagai faktor r ke arah sehingga setiap kategori umur dipecah menjadi
kelompok pria dan wanita dengan homogenitas dalam kelompok yang lebih besar.
Ketidaksetaraan Bonfe Roni : Pendekatan untuk menyesuaikan tingkat alfa yang dipilih
untuk mengendalikan tingkat Typ Ierror secara keseluruhan saat melakukan serangkaian
tes terpisah. Prosedur ini melibatkan penghitungan nilai kritis baru dengan membagi
tingkat alfa yang diusulkan dengan jumlah uji statistik yang akan dilakukan. Misalnya,
jika tingkat signifikansi 0,05 diinginkan untuk mendapatkan lima tes terpisah, maka
tingkat 0,01 (05 +5) digunakan pada masing-masing uji terpisah.
Uji Box M:Uji statistik untuk persamaan matriks varians-kovarians dari variabel
dependen di seluruh kelompok. Hal ini sangat sensitif terhadap adanya variabel
nonnormal. Gunakan tingkat signifikansi konservatif (yaitu, 0,1 atau dibawahnya)
disarankan sebagai penyesuaian untuk sensitivitas pada statistik.
Kontras : Prosedur untuk menyelidiki perbedaan kelompok tertentu yang menarik
sehubungan dengan ANOVA dan MANOVA (misalnya membandingkan perbedaan rata-
rata kelompok untuk pasangan tertentu kelompok)
1.2.Variable Kovariat
o
o Wilks’ Lambda Salah satu dari empat prinsip statistic untuk menguji hipotesis nol
di MANOVA. Juga disebut sebagai criteria hood maksimal atau statistic U.
1.3.Teknik Mutivariat
Uji t dan T film 2 dipotret sebagai kasus khusus karena keterbatasan hanya untuk menilai
dua kelompok (kategori) untuk variabel yang tidak tergantung. baik anova maupun
manova juga bisa menangani dua situasi grup serta analisis alamat dimana variabel
bebasnya memiliki lebih dari dua grup. review dari kedua tes t dan anova tersedia dalam
lampiran statistik dasar di situs web.
1.4.Prosedur Multivariate
Sebagai prosedur inferensi statistik, kedua teknik univariat (uji t dan anova) dan
ekstensi multivariat mereka (T-2 dan manova hotelling) digunakan untuk menilai
signifikansi statistik perbedaan antara grup. Dalam uji t dan anova, uji hipotesis nol
adalah persamaan dari satu variabel dependen yang berarti di seluruh grup. Dalam teknik
multivariat, hipotesis nol yang diuji adalah persamaan vektor mean pada beberapa
variabel dependen antar grup. perbedaan antara hipotesis yang diuji dalam anova dan
manova digambarkan pada gambar 1. dalam kasus univariat, satu ukuran dependen diuji
untuk persamaan di seluruh grup. Dalam kasus multivariat, variate diuji untuk persamaan.
konsep variate sangat berperan dalam diskusi banyak teknik multivariat.
Dalam manova, peneliti sebenarnya memiliki dua variabel, satu untuk variabel
dependen dan variabel independen lainnya. variate variabel dependen lebih diminati
karena metric-dependent measures dapat digabungkan dalam kombinasi linier seperti
yang telah kita lihat pada regresi berganda dan analisis dikriminan. Aspek manova yang
unik adalah variate secara optimal menggabungkan beberapa ukuran dependen menjadi
satu nilai yang memaksimalkan perbedaan di seluruh grup.
Dua Kelompok Kasus:
Hotelling's T ^ 2 berasumsi bahwa penelitian tertarik pada daya tarik dan niat
pembelian yang dihasilkan oleh dua pesan iklan. Jika hanya analisis univariat yang
digunakan, penelitian akan melakukan uji t terpisah pada penilaian daya tarik pesan dan
maksud pembelian yang dihasilkan oleh pesan. Namun, kedua ukuran saling terkait, jadi
yang benar-benar diinginkan adalah ujian perbedaan antara pesan pada kedua variabel
secara kolektif. Di sini adalah tempat Hotelling's T ^ 2, bentuk khusus manova dan
perpanjangan langsung dari uji t univariat, dapat digunakan.
Dimana :
Xi = Variabel dependen i
Dalam contoh kami, peringkat daya tarik pesan digabungkan dengan niat
pembelian untuk membentuk komposit. Untuk setiap set bobot, kita dapat menghitung
nilai komposit untuk setiap responden dan kemudian menghitung statistik t biasa untuk
perbedaan antara grups pada nilai komposit. Namun, jika kita dapat menemukan satu set
bobot yang memberi nilai maksimum untuk statistik t untuk rangkaian data ini, bobot ini
sama dengan fungsi diskriminan antara kedua grup. statistik t maksimum yang dihasilkan
dari skor komposit yang dihasilkan oleh fungsi diskriminan dapat kuadrat untuk
menghasilkan nilai T-2 hotelling.
Uji Statistik
Kasus k-grup: manova. Sama seperti anova adalah perpanjangan dari uji t,
manova dapat dianggap sebagai perpanjangan dari prosedur Hotelling's T ^ 2. kami
merancang bobot variabel dependen untuk menghasilkan skor variate untuk setiap
responden yang secara maksimal berbeda di semua grup. Banyak masalah desain analisis
yang sama yang dibahas untuk anova berlaku untuk manova, namun metode pengujian
satistical sangat berbeda dengan anova.
Dalam kasus dua kelompok, begitu variasinya berbentuk, prosedur anova pada
dasarnya digunakan untuk mengidentifikasi apakah ada perbedaan. dengan tiga atau lebih
grup (baik dengan memiliki satu variabel independen dengan tiga tingkat atau dengan
menggunakan dua atau variabel independen), analisis perbedaan kelompok menjadi lebih
dekat terkait dengan analisis diskriminan. untuk tiga kelompok atau lebih, sama seperti
dalam analisis diskriminan, beberapa variasi ukuran tergantung terbentuk.
Variasi pertama, yang disebut fungsi diskriminan, menentukan satu set bobot
yang memaksimalkan perbedaan antara grups, sehingga memaksimalkan nilai f. nilai f
maksimum itu sendiri memungkinkan kita untuk menghitung secara langsung apa yang
disebut statistik akar karakteristik Roy yang paling besar, yang memungkinkan uji
statistik fungsi diskriminan pertama. Karakteristik statistik akar terbesar dapat dihitung
sebagai:
Untuk mendapatkan satu tes hipotesis tidak ada perbedaan kelompok pada vektor
nilai mean pertama ini, kita bisa merujuk pada tabel distribusi Roy gcr. sama seperti
statistik f mengikuti distribusi yang diketahui berdasarkan hipotesis nol atau grup yang
setara berarti pada satu variabel dependen, statistik gcr mengikuti distribusi yang
diketahui berdasarkan hipotesis nol dari mean mean mean vektor (yaitu kelompok berarti
setara dengan satu set dependensi ukuran). sebuah perbandingan dari gcr yang diamati
terhadap nilai kritis Roy memberi kita dasar untuk menolak hipotesis nol keseluruhan
dari grup vector.