ANOVA SATU ARAH

ANOVA (Analysis Of Variances) adalah cara analisis yang mengandung

kesalahan lebih kecil dan dapat menghemat waktu serta tenaga. Sebelum
melakukan analisis lebih lanjut perlu kita sadari dari awal kondisi tersebut, karena
pola sampel akan berpengaruh terhadap pengujian hipotesis yang akhirnya
berpengaruh terhadap kesimpulan yang diambil.

Pada dasarnya pola sampel dapat dikelompokkan menjadi dua kelompok,

yaitu :

1. Seluruh sampel, yang berada pada kelompok pertama dan dikelompok lainnya
berasal dari populasi yang sama. Untuk kondisi ini hipotesis nol terbatas pada
tidak ada efek dari treatment (perlakuan).
2. Sampel yang berada pada kelompok pertama berbeda dengan sampel yang
berada dikelompok lainnya. Hipotesis nol berbunyi : tidak ada perbedaan efek
treatment antar kelompok.

ANOVA berkaitan dengan pengujian hipotesis yang multipel (ganda), maka

perhitungannya lebih kompleks daripada t tes. Pada saat melakukan pengujian
hipotesis (perbedaan dua rata-rata) dengan menggunakan t tes selalu menanggung
kesalahan tipe I sebesar alpha. Untuk ANOVA kesalahan tipe I disebut dengan
experiment wise alpha level yang besarnya:

1 − (1 − 𝛼)𝑁

N: Banyaknya tes jika menggunakan t tes (dilakukan satu persatu)

Misalnya : Pengujian rata-rata dari 5 kelompok sampel. Jika diambil alpha sebesar
0,05 maka dengan penggunaan t tes besrnya risiko kesalahan tipe I untuk sekali
pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung kesalahan
tipe I sebesar 0,50. Apabila kita menggunakan ANOVA kesalahan tipe I yang harus
ditanggung adalah :

1 − (1 − 0,05)10 = 0,40
 Dengan menggunakan gabungan alpha (karena pengujian bersama) maka
risiko kesalahan tipe I semakin kecil. Ini berarti pengujian bersama lebih baik dari
pada pengujian satu persatu.

Melalui perbandingan sederhana diatas maka dapat diketahui pengertian

ANOVA adalah teknik analisis statistik yang dapat memberi jawaban atas ada
tidaknya perbedaan skor pada masing-masing kelompok (khususnya untuk
kelompok yang banyak), dengan suatu risiko kesalahan yang sekecil mungkin.
ANOVA dapat membedakan antar banyak kelompok, memberi informasi tentang
ada tidaknya interaksi antar variabel bebas sehubungan dengan pengukuran
terhadap variabel terikat. Jika variabel bebas berdistribusi kontinu atau berskala
interval maupun ratio, maka langkah awal yang harus dilakukan peneliti adalah
mengubah data tersebut menjadi ketegorikal.

Hipotesis dalam ANOVA membandingkan rata-rata dari beberapa populasi

yang diwakili oleh beberapa kelompok sampel secara bersamaan . Misalnya
hipotesis matematika untuk 5 kelompok adalah:

𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5

𝐻1 : 𝑆𝑎𝑙𝑎ℎ 𝑠𝑎𝑡𝑢 𝜇 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑚𝑎

MACAM-MACAM ANOVA

1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independent

variabel (variabel bebas). Kondisi ini yang sering disebut dengan single factor
experiment (analisis variance satu arah)
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa
independent variabel (variabel bebas). Kondisi ini yang sering disebut dengan
two factor experiment (analisis variance dua arah).
Contoh model ANOVA yang mungkin ditemui :

1. Single factor experiment :

A B C D
Sampel Sampel Sampel Sampel

2. Two factor experiment

JENIS L Sampel Sampel Sampel

KELAMIN P Sampel Sampel Sampel

VARIABILITAS ANOVA DAN PENGUJIANNYA

Ukuran yang baik untuk melihat variabilitas adalah simpangan baku maupun
variance. Oleh karena itu, pengujian disini didasarkan pada variance.

Pengukuran total variabilitas data yang ada dapat dikelompokkan menjadi 3(tiga)
bagian :

1. Variabilitas antar kelompok (between treatments variability)

Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya. Variansi
lebih terpengaruh adanya perbedaan perlakuan antar kelompok, singkat 𝑆𝑆𝑏 .
2. Variabilitas dalam kelompok (within treatments variability)
Variansi yang ada dalam masing-masing kelompok. Banyaknya variansi akan
tergantung pada banyaknya kelompok dan tidak terpengaruh oleh perbedaan
perlakuan antar kelompok, disingkat 𝑆𝑆𝑤 .
3. Jumlah kuadrat penyimpangan total ( Total sum of squares)
Jumlah kuadrat selisih antara skor individual dengan rata-rata totalnya,
disingkat 𝑆𝑆𝑡 .
 Jumlah kuadrat antar kelompok (𝑆𝑆𝑏 ) Rumus 9.1 dan 9.2:
(∑ 𝑋̅ )2
𝑆𝑆𝑏 = 𝑛 {∑ ̅̅̅̅
𝑋2 − }
𝑘

atau

𝑇2 𝐺2
𝑆𝑆𝑏 = ∑ −
𝑛 𝑁

Keterangan :

k : Banyaknya kelompok

T : Total X masing-masing kelompok

G : Total X keseluruhan

n : Jumlah sampel masing-masing kelompok

N : Jumla sampel keseluruhan

 Jumlah kuadrat dalam kelompok digunakan rumus 9.3

𝑆𝑆𝑤 = 𝑆𝑆𝑚𝑘

𝑆𝑆𝑚𝑘 adalah jumlah kuadrat simpangan masing-masing kelompok .

 Jumlah kuadrat total digunakan rumus 9.4 dan 9.5

𝐺2
𝑆𝑆𝑡 = ∑ 𝑋 2 −
𝑁

atau

𝑆𝑆𝑡 = 𝑆𝑆𝑏 + 𝑆𝑆𝑤

Apabila kita mengamati skor pada masing-masing kelompok ada

perbedaan, maka langkah selanjutnya adalah mempertanyakan kenapa terjadi
perbedaan antar mereka.

Derajat kebebasan (degrees of fredom) dalam ANOVA akan sebanyak

variabilitas. Karena variabilitas ada tiga maka derajat kebebasan pun ada tiga
macam.
1. Derajat kebebasan untuk 𝑆𝑆𝑡 sebesar 𝑁 − 1
2. Derajat kebebasan untuk 𝑆𝑆𝑤 = 𝑁 − 𝑘
Keterangan :
k adalah banyaknya kelompok
n adalah jumlah sampel keseluruhan

3. Derajat kebebasan untuk 𝑆𝑆𝑏 sebesar 𝑘 − 1, hal ini disebabkan karena dk disini
terikat dengan banyaknya kelompok seperti halnya 𝑆𝑆𝑏 .

Derajat kebebasan juga mempunyai sifat hubungan yang sama dengan sifat
hubungan variabel.

Jika : 𝑆𝑆𝑡 = 𝑆𝑆𝑏 + 𝑆𝑆𝑤

Maka : dk 𝑆𝑆𝑡 = 𝑑𝑘 𝑆𝑆𝑏 + 𝑑𝑘 𝑆𝑆𝑤

Langkah selanjutnya adalah mencari variance antar kelompok dan dalam

kelompok. Variance dalam ANOVA sering disebut dengan deviasi rata-rata
kuadrat (mean squared deviation) dan sering disingkat MS.

𝑆𝑆
𝑀𝑆 =
𝑑𝑘

𝑆𝑆𝑏
𝑀𝑆𝑏 =
𝑑𝑘 𝑆𝑆𝑏

𝑆𝑆𝑤
𝑀𝑆𝑤 =
𝑑𝑘 𝑆𝑆𝑤

Untuk membandingkan beberapa rata-rata secara serentak, maka t tes tidak dapat
digunakan. Rumus yang dapat mengatasi kondisi ini adalah F distribusi, yang dapat
dicari dengan rumus :

𝑀𝑆𝑏
𝐹=
𝑀𝑆𝑤

Apabila F hitung sudah ditemukan maka langkah berikutnya adalah melihat

F tabel kemudian membandingkan antar F hitung dengan Ftabel. Untuk melihat
Ftabel diperlukan alpha dan dk. Dk yang dibutuhkan untuk melihat tabel F ada 2
(dua) macam, yaitu dk 𝑆𝑆𝑏 dan 𝑑𝑘 𝑆𝑆𝑤 .
 Dalam tabel F, dk SS 𝑏 sebagai pembilang (kolom atas dari kiri ke kanan),
sedangkan dk 𝑆𝑆𝑤 merupakan penyebut (kolom kiri dari atas kelompok bawah).
Perpotongan antara 𝑑𝑘 𝑆𝑆𝑏 dan 𝑑𝑘 𝑆𝑆𝑤 merupakan titik kritis penerimaan hipotesis
nol.

Apabila F hitung lebih besar daripada Ftabel, maka kita akan menolak hipotesis nol.
Sebaliknya, jika F hitung sama dan atau lebih kecil daripada Ftabel, maka kita akan
menerima hipotesis nol.

ASUMSI DASAR DALAM ANOVA

1. Kenormalan

Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi skor
sampel dalam kelompok pun hendaknya normal. Kenormalan dapat diatasi dengan
memperbanyak sampel dalam kelompok, karena semakin banyak n maka distribusi
akan mendekati normal. Apabila sampel tiap kelompok kecil dan tidak pula diatasi
dengan jalan melakukan transformasi.

2. Kesamaan Variansi

Masing-masing kelompok hendaknya berasal dari populasi yang mempunyai

variansi yang sama. Untuk sampel yang sama pada setiap kelompok, kesamaan
variansi dapat diabaikan. Tetapi, jika banyaknya sampel pada masing-masing
kelompok tidak sama, maka kesamaan variansi populasi memang sangat
diperlukan. Jika diabaikan bisa menyesatkan terutama dalam pengambilan
keputusan . Apabila variansi berbeda dan banyaknya sampel tiap kelompok tidak
sama, diperlukan langkah penyelamatan yaitu dengan jalan melakukan
transformasi.

3. Pengamatan Bebas

Sampel diambil secara acak (random), sehingga setiap pengamatan merupakan

informasi bebas. Asumsi ini tidak dapat ditawar lagi, dengan kata lain tidak ada cara
untuk mengatasi asumsi ini.
 Asumsi-asumsi diatas hendaknya dipenuhi oleh data yang akan dianalisis
dengan ANOVA. Ketidakterpenuhinyan asumsi ini dapat menimbulkan kesimpulan
yang salah.

ANOVA SATU ARAH DENGAN RANK

Jika data berskala ordinal, maka masalah normalitas tidak lagi menjadi
persyaratan. Hal ini disebabkan karena asumsi yang dipakai disini, bahwa data
sampel dari populasi yang berdistribusi frekuensi. ANOVA satu arah untuk
menghadapi data berskala ordinal adalah Kruskal-Walles.

Kruskal-Walles menggunakan asumsi bahwa masing-masing kelompok

sampel diambil dari populasi yang sama. Distribusi Kruskal-Walles (H) dapat
ditaksir melalui distribusi chi-square dengan derajat kebebasan sebesar 𝑘 − 1 .
Kruskal-Walles dapat dihitung dengan :

12 𝑆12 𝑆22 𝑆32

𝐻= ( + + ) − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1 𝑛2 𝑛3

Keterangan :

S adalah jumlah rank

n adalah jumla keseluruhan

Langkah-langkah pengujian hipotesis dengan skala ordinal :

1. Menyusun hipotesis
𝐻0 ∶ Tidak ada perbedaan antar kelompok
𝐻1 ∶ Ada kelompok tidak sama dengan kelompok lainnnya.
2. Menyusun rank.
Keseluruhan data diurutkan, bisa dari kelompok yang terbesar atau sebaliknya
tergantung pada rank yang diukur. Angka rank terkecil merupakan nilai
tertinggi. Apabila terdapat persamaan pada individu skor , maka rank
merupakan nilai tengahnya.
3. Menghitung Kruskal-Walles.
4. Membandingkan hasil perhitungan H dengan tabel (chi-square distribusi)
berdasarkan alpha dan derajat kebebasan = 𝑘 − 1.
5. Mengambil kesimpulan yaitu akan menerima hipotesis nol apabila H sama
dengan atau lebih kecil daripada nilai tabel, sebaliknya tolak hipotesis nol jika
lebih besar daripada nilai tabel.

ANOVA PENGUKURAN ULANG

Dengan melakukan pengujian / pengukuran yang berulang-ulang kita dapat

mengetahui perkembangan perilaku/ kemampuan subjek penelitian atas efek
eksperimen.

Sumber variabilitas yang mempengaruhi variabilitas antar kelompok adalah :

1. Efek eksperimen

2. Kesalahan eksperimen.

Sumber variabilitas antar kelompok tanpa pengulangan pengukuran terdiri dari:

1. Efek eksperimen

2. Kesalahan eksperimen.

3. Perbedaan individual.

Sumber variabilitas dalam kelompok tetap sama, yaitu:

1. Perbedaan individu (between subject variability)

2. Kesalahan eksperimen (error variability)

Dengan memperhatikan sumber-sumber variabilitas tersebut maka Fhitung

akan sama (mendekati) 1, jika hipotesis nol benar (tidak ada efek eksperimen),
karena

𝑒𝑓𝑒𝑘 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛 + 𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛

𝐹=
𝑘𝑒𝑠𝑎𝑙𝑎ℎ𝑎𝑛 𝑒𝑘𝑠𝑝𝑒𝑟𝑖𝑚𝑒𝑛

Sebaliknya, apabila hipotesis nol tidak benar F-hitung akan lebih besar dari 1.

Rumus-rumus Sum Square (SS) sama dengan rumus-rumus SS yang telah

dibahas pada pembahasan sebelumnya.
Hal yang perlu ditambahkan adalah sum squares between subjects:

𝑃2 𝐺 2
𝑆𝑆𝑏𝑠 = ∑ −
𝑋 𝑁

Keterangan:

k = banyak kali pengukuran

p = jumlah skor setiap individu untuk k kali pengukuran. 𝑆𝑆𝑤 = 𝑆𝑆𝑏𝑠 + 𝑆𝑆𝑒

Mengingat kita dapat menghitung 𝑆𝑆𝑤 , dan dapat menghitung 𝑆𝑆𝑏𝑠 , maka 𝑆𝑆𝑒 dapat
dihitung dengan persamaan 𝑆𝑆𝑒 = 𝑆𝑆𝑤 − 𝑆𝑆𝑏𝑠 .

Atau dapat dihitung melalui rumus :

𝑇2 𝑃2 𝐺 2
𝑆𝑆𝑒 = ∑ 𝑋 2 − ∑ −∑ +
𝑛 𝑘 𝑁

Derajat kebebasan untuk 𝑆𝑆𝑡 , 𝑆𝑆𝑏 , 𝑑𝑎𝑛 𝑆𝑆𝑤 sama dengan perhitungan sebelumnya.
Sedangkan dk 𝑆𝑆𝑏𝑠 = 𝑛 − 1; 𝑑𝑘 𝑆𝑆𝑒 = (𝑁 − 𝑘) − (𝑛 − 1).

Variance yang dibutuhkan untuk menghitung F ada 2 (dua ), yaitu:

𝑀𝑆𝑏 : 𝑆𝑆𝑏 : 𝑑𝑘 𝑆𝑆𝑏

𝑀𝑆𝑒 : 𝑆𝑆𝑒 : 𝑑𝑘 𝑆𝑆𝑒

Dengan demikian Fhitung = 𝑀𝑆𝑏 : 𝑀𝑆𝑒

Asumsi dalam ANOVA pengukuran ulang:

1. Sampel diambil secara acak (random)

2. Distribusi populasi untuk setiap kelompok adalah normal.

3. Variance distribusi populasi untuk masing-masing kelompok homogen.

4. Covariance homogen, ini berarti bahwa setiap subject relatif tetap pada posisinya.