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.
1 − (1 − 𝛼)𝑁
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.
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
MACAM-MACAM ANOVA
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 :
atau
𝑇2 𝐺2
𝑆𝑆𝑏 = ∑ −
𝑛 𝑁
Keterangan :
k : Banyaknya kelompok
G : Total X keseluruhan
𝑆𝑆𝑤 = 𝑆𝑆𝑚𝑘
𝐺2
𝑆𝑆𝑡 = ∑ 𝑋 2 −
𝑁
atau
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.
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 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.
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
3. Pengamatan Bebas
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.
Keterangan :
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.
1. Efek eksperimen
2. Kesalahan eksperimen.
1. Efek eksperimen
2. Kesalahan eksperimen.
3. Perbedaan individual.
Sebaliknya, apabila hipotesis nol tidak benar F-hitung akan lebih besar dari 1.
𝑃2 𝐺 2
𝑆𝑆𝑏𝑠 = ∑ −
𝑋 𝑁
Keterangan:
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 .
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).
4. Covariance homogen, ini berarti bahwa setiap subject relatif tetap pada posisinya.