Biostatistik 11
Biostatistik 11
PENDAHULUAN
dua populasi untuk membandingkan. Misalnya, terdapat tiga metode kerja yang
memerlukan analisis lain yang disebut Analisis (sidik) ragam (yang disebut
ANOVA).
sumber yang mungkin. Sumber keragaman inilah yang akan digunakan sebagai
keragaman tersebut
adanya asumsi - asumsi mengenai sebaran data populasi. Uji statistik ini disebut
nominal atau ordinal karena pada umumnya data berjenis nominal dan ordinal
tidak menyebar normal. Dari segi jumla data, pada umumnya statistik
PEMBAHASAN
Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata).
persatu (dengan t test) akan memakan waktu, tenaga yang banyak. di samping
itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah ditemukan
cara analisis yang mengandung kesalahan lebih kecil dan dapat menghemat
berdasarkan hipotesis nol bahwa kedua varians itu sama. varians pertama
adalah varians antar contoh (among samples) dan varians kedua adalah varians
analisis varians dengan dua contoh akan memberikan hasil yang sama dengan
multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok
dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji
2009). Seperti yang dikatakan oleh Agustinus Bandur dalam bukunya “Penelitian
Kuantitatif-Desain Dan Analisis Data Dengan SPSS”, analisys of variance
(ANOVA) dapat digunakan dalam situasi ketika kita memiliki satu variable
interval atau rasio sebagai variable dependen dan satu atau lebih variable
Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari
suatu metode statistik inferensial yang digunakan melakukan uji perbedaan rata-
rata dari k populasi, dimana k > 2. Jika hanya ada dua populasi, maka pengujian
yang digunakan cukup memakai uji t. tetapi jika yang diuji lebih dari dua
Sebagai contoh, jika kita menguji perbedaan antara tiga kelompok, kita
1. Kelompok 1 vs kelompok 2
3. Kelompok 2 vs kelompok 3.
A. Rumusan Hipotesis
H0 : Semua perlakuan (kolom, baris, interaksi) memiliki rata-rata yang sama. Jika
μ1 = μ2 = … = μk
bernilai tidak sama (berbeda) atau paling tidak ada satu kelompok yang memiliki
μ1 ≠ μ2 ≠ … ≠ μk
B. Prinsip ANOVA
ANOVA bisa dikatakan sebagai salah satu teknik penelitian statistic yang
sering digunakan oleh banyak peneliti karena memiliki dua karakteristik seperti
(Bandur, 283:2013):
ANOVA akan membantu kita untuk menganalisis data dari hasil desain
penelitian eksperimental.
ANOVA akan membantu kita untuk melihat hubungan sebab akibat. Hal inilah
penelitian.
mempunyai varians yang sama. Data yang digunakan pada One Way ANOVA
untuk nilai variabel pada faktor harus integer sedangkan variabel dependen
digunakan pada One Way ANOVA, yaitu setiap kelompok pada sampel acak
independen dari populasi yang normal dan bervarian homogen. Dari output
uji Anova akan diperoleh nilai F hitung. Jika nilai F hitung tidak signifikan,
yaitu:
dengan yang ada dikelompok lain, berasal dari populasi yang sama. Untuk
kondisi ini hipotesis nol terbatas pada tidak ada efek dari treatment
(perlakuan).
2. Sampel yang ada dikelompok satu berasal dari populasi yang berbeda
dengan populasi sampel yang ada dikelompok lainnya. Untuk kondisi ini
hipotesis nol dapat berbunyi: tidak ada perbedaan efek treatment antar
kelompok. 2
Mengingat ANOVA berkaitan dengan pengujian hipotesis yang multipel
(ganda), maka perhitungannya lebih kompleks dari pada t tes. Pada saat
t tes selalu menanggung kesalahan tipe I sebesar alpha. Untuk ANOVA kesalahan
1 – (1 – 𝛼)N
satu)
Misalnya:
Untuk pengujian perbedaan rata-rata dari 5 kelompok sampel. Jika diambil alpha
sebesar 0,05 Maka dengan penggunaan t tes besarnya risiko kesalahan tipe I
untuk sekali pengujian adalah 0,05 dan untuk 10 kali pengujian berarti
1 – (1 – 0,05)10 = 0,40
pertanyaan tersebut marilah kita telusuri satu per satu pengujian yang dilakukan
dengan t tes.
𝜇1 = 𝜇2 𝜇2 = 𝜇4
𝜇1 = 𝜇3 𝜇2 = 𝜇5
𝜇1 = 𝜇4 𝜇3 = 𝜇4
𝜇1 = 𝜇5 𝜇3 = 𝜇5
𝜇2 = 𝜇3 𝜇4 = 𝜇5
risiko kesalahan tipe I semakin kecil. Ini berarti bahwa pengujian bersama lebih
baik dari pada pengujian satu persatu (ingat semakin kecil kesalahan yang harus
diambil).
bahwa ANOVA adalah teknik analisis statistik yang dapat memberi jawaban atas
kelompok yang banyak), dengan suatu risiko kesalahan yang sekecil mungkin.
kelompok dengan risiko kesalahan yang kecil, juga dapat memberi informasi
sasaran utama dalam analisis ANOVA maka data kategorikal untuk variabel
kontinum atau berskala interval maupun ratio, maka langkah awal yang harus
H0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
yang fleksibel, karena tidak menyebutkan secara pasti 𝜇 mana yang berbeda
dengan yang lainnya. Hal ini mempunyai arti bahwa 𝜇 mana yang tidak sama
a. Kenormalan
tiap kelompok kecil dan tidak dapat pula diatasi dengan jalan melakukan
transformasi.
b. Kesamaan Variansi
mempunyai variansi yang sama. Untk sampel yang sama pada setiap
c. Pengamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap
asumsi yang tidak bisa ditawar lagi, dengan kata lain tida ada cara untuk
bahwa
apa-apa. Walaupun ada asumsi yang sifatnya tidak kaku. Artinya dapat diatasi
analisis kita sebenarnya belumlah selesai. Hal ini disebabkan karena kesimpulan
nol), ini berarti ada perbedaan efek treatment terhadap outpun dari masing-masing
kelompok. Namun informasi perbedaan efek tersebut masih bersifat umum, karena
F tes sama sekali tidak menunjukkan efek treatment terhadap kelompok mana yang
berbeda.
sbb:
H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
Jika F hitung > dari pada F tabel, maka kita akan menolak H0 sehingga yang
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 = 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 = 𝜇4
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇3 ≠ 𝜇2 = 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇4 ≠ 𝜇2 ≠ 𝜇3
𝜇2 = 𝜇4 ≠ 𝜇1 ≠ 𝜇3
𝜇1 ≠ 𝜇2 ≠ 𝜇3 = 𝜇4
deskripsi kita akan lebih tajam. Oleh karena ANOVA harus dilanjutkan lagi dengan
analisis lain yang dapat memberikan informasi yang lebih teliti lagi. Analisis lanjutan
statistik. Yang umum bdipakai dalam pendidikan adalah Tukey’s HSD. Pembahasan lebih
lanjut yang akan dibicarakan disini, jika kita menolak hipotesis nol.
𝑀𝑆𝑤
HSD = q √
𝑛
Keterangan:
tabel yang sudah disusun, dengan memakai dasar alpha (𝛼), k dan
dk.
dk adalah N-K.
Covariance homogen, ini berarti bahwa setiap subjek relatif tetap pada
posisinya.7
rata/pengaruh perlakuan dari suatu percobaan yang menggunakan satu faktor, dimana
satu faktor tersebut memiliki tiga atau lebih level. Disebut satu arah karena peneliti
Data hasil percobaan dalan ANOVA satu arah setidak-tidaknya bertipe interval.
Beberapa asumsi yang harus dipebuhi dalam melakukan analisis ANOVA satu arah
adalah error menyebar normal dengan rata-rata nol dan varians konstan, tidak terjadi
Dalam ANOVA satu arah, sampel dibagi menjadi beberapa kategori dan ulangan.
Kolom sebagai kategori dan baris sebagai ulangan/replikasi. Tabel hasil penelitian
… … … … …
Jumlah T1 T2 Tk
Tabel ANOVA-nya disajikan sebagai berikut:
Sumber Ftab
df SS MSS Fhit
Variasi 5% 1%
Antara
SStr
k-1 SSTr MSSTr = k−1
Treatment
MSSTr
Dalam F0,05;k-1,k(n-1) F0,01;k-1;k(n-1)
MSSE
SSE
treatment k(n-1) SSE MSSE = k(n−1)
(Error)
df2/df1 1 2 3 4 5
Keterangan:
𝑘
1 𝐺2
SSTr =𝑛∑ Tj2 - 𝑛𝑘
𝑗=1
𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗
2
- 𝑛𝑘
Treatment
tabel. Jika F hitung lebih besar dari F tabel maka H0 ditolak, berarti paling sedikit 2 dan k
mean populasi tidak sama. artinya ada efek dalam pembedaan treatment. Jika F hitung
kurang dari F tabel maka H0 diterima, dan berarti sebanyak k mean adalah sama, artinya
Contoh
metode diajarkan kepada 5 siswa. Hasil tesnya dicatat pada tabel berikut:
2 53 70 85 97
3 46 73 79 92
4 54 71 83 90
5 52 69 78 88
1 14492
SSTr = 5 (2382 + 3482 + 4052 + 4582 ) - 5.4
𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗
2
- 𝑛𝑘
14492
= 552 + 652 + … + 882 - 5.4
= 112459 – 104980,1
= 7478,9
= 7478,9 – 5327,35
= 2151,55
Sumber Ftab
Df SS MSS Fhit
Variasi 5% 1%
Antara
3 5327,35 1775,78
Treatment
13,21 3,24 5,29
Dalam
16 2151,55 134,47
Treatment
(Error)
Total 19 7478,9
H0 = tidak terdapat perbedaan hasil tes antara satu metode dengan metode
lainnya
Keputusan Pengujian
- Pada tingkat kesalahan 5% F tabel sebesar 3,24. Maka H0 ditolak, dan berarti ada
- Pada taraf signifikan 1% F tabel sebesar 5,29. Maka H0 ditolak dan berarti ada
Dalam buku lain dinyatakan bila faktor yang menjadi perhatian berupa satu
faktor, misalnya pengaruh bentuk kemasan pada tingkat penjualan, maka ANOVA yang
kita gunakan adalah satu arah. Disebut satu arah karena pusat perhatian kita hanya
satu.
....., 𝑥̅ k, serta ragam populasinya sama walaupun nilainya tidak diketahui, bisa disusun
Total T1 T2 ... Tn T
Ukuran n1 n2 ... nk N
Rata-rata 𝑥̅ 1 𝑥̅ 2 ... 𝑥̅ k
Jenis pengujian
H0 = µ1 = µ2 = ... = µk
Keputusan menolak atau menerima H0 bisa ditentukan dengan membuat tabel ANOVA
sebagai berikut:12
N–1 JKT
K = jumlah populasi atau perlakuan
𝑇2 𝑇2
JKK = jumlah kuadrat antar kolom = (∑ 𝑛𝑖 ) ─
𝑖 𝑁
2 𝑇2
JKT = jumlah kuadrat total = (∑ 𝑋𝑖𝑗 )─ 𝑁
𝐽𝐾𝑆
𝑆22 = 𝑣2
Contoh aplikasi:
metode kerja pada tingkat produktivitas. Ada tiga metode kerja yang akan diuji. Diambil
21 17 31
27 25 28
29 20 22
23 15 30
25 23 24
Ujilah dengan α = 0,05 apakah ada pengaruh perbedaan metode kerja pada waktu yang
digunakan?13
21 17 31
27 25 28
29 20 22
23 15 30
25 23 24
3602
JKT = 212 + 272 + ... + 242 − = 298
15
Tabel ANOVA
Antarkolom 2 130 65
4,64 F (2, 12) = 3,89
Sisaan 12 168 14
14 298
Pengujian Hipotesis
H0 = µ1 = µ2 = ... = µk
digunakan.14
jalur hanya ada satu variabel independen, sementara pada anova dua jalur
Uji statistik parametrik ANOVA dua arah ini dapat membantu peneliti
Jika kita menggunakan two way ANOVA kita bisa menguji main effect dan
bebas. Bahkan, semakin banyak variabel bebas akan semakin teliti dan
perbedaan dari dua variabel bebas, dan masing – masing variabel bebas
sering disebut dengan two factorial design. Dalam kasus ini peneliti akan
analisis variance satu arah dapat dipakai untuk menghadapi kasus variabel
bebas lebih dari satu. Hanya saja terpaksa analisisnya dilakukan satu persatu,
karena bercampurnya suatu analisis data). Noise ini dapat dihindari pada
analisis of variance dua arah kerana analisis disini melibatkan kontrol terhadapa
menyajikan bagaimana kondisi interaksi antara variabel bebas yang satu dengan
mandiri yang telah dihilangkan. Jika terdapat interaksi berarti efek faktor satu
terhadap variabel terikat akan mempunyai garis yang tidak sejajar dengan efek
faktor lain terhadap variabel terikat sejajar (saling berpotong), maka antara
c. Skor yang ada bebas dari pengaruh variabel yang tidak diteliti. Hal ini bisa
diklasifikasikan sesuai dengan sel yang ada. Disamping itu perlu dilakukan
Seperti halnya variansi satu arah, variansi dua arah pun bisa dilakukan
untuk jumlah sampel yang tidak sama antara sel yang satu dengan sel yang
lainnya. Tetapi ANOVA dua arah dengan jumlah sampel berbed, agak berbeda
analisis.20
ANOVA dua arah ini digunakan bila sumber keberagaman yang terjadi
tidak hanya karena satu faktor (perlakuan). Faktor lain yang mungkin
menjadi sumber keberagaman respon juga harus diperhatikan. Faktor lain ini
bisa berupa perlakuan lain atau faktor yang sudah terkondisi. Pertimbangan
memasukkan faktor kedua sebagai sumber keberagaman ini perlu bila faktor
… … … … … … …
Total T1 T2 … Tk T
Ukuran n1 n2 … nk N
(S1)2 / (S-
Blok r-1 JKB (S1)2 F(v1, v3)
3)2
(S2)2 / (S-
Antarkolom k-1 JKK (S2)2 F(v2, v3)
3)2
N = banyaknya pengamatan = n1 + n2 + … + nk
𝐵2 𝑇2
=∑ 𝐾𝑖 −
𝑖 𝑁
2 𝑇2
= (∑ 𝑋𝑖𝑗 )- 𝑁
(S1)2 = JKB/ v1
(S2)2 = JKK/ v2
(S3)2 = JKS/ v3
Contoh aplikasi:
yang dijual pada empat pasar swalayan. Hasil penjualan selama satu bulan pengamatan
Bentuk Kemasan
Pasar Swalayan
A B C
I 12 34 23
II 15 26 21
III 1 23 8
IV 6 22 16
Penyelesaian:
Bentuk Kemasan
Pasar Swalayan Total
A B C
I 12 34 23 74
II 15 26 21 62
III 1 23 8 32
IV 6 22 16 44
2122 = 940,67
JKT = 172 + 152 + + … + 162 - 12
Tabel ANOVA
Sumber Derajat Jumlah Varian
Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Total 11 940,67
H0 : 𝜇 1 = 𝜇 2 = 𝜇 3
penjualan
H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
penjualan.
Catatan : untuk kasus ini perlu dilakukan analisis lanjutan, yaitu uji rata-rata
berganda.23
2.2 Contoh Kasus
Apakah terdapat perbedaan skor hasil test keterampilan komunikasi personal antara
1. Klik Analyze > General Liniear Model > Univariate, sehingga muncul jendela sbb:
2. Masukkan variabel Hasil Tes Keterampilan ke kotak Dependent Variable, dan
masukkan variabel Kelas Mahasiswa dan Latar Belakang ke dalam kotak Fixed
5. Klik Post Hoc, maka akan muncul jendela sbb; kemudian masukkan semester ke
kotak Post Hoc Test for -> centang Tukey -> Klik Continue.
6. Klik Options, maka akan muncul jendela sbb; masukkan Semester, Background
SEMESTER *
502,504 9 55,834 ,999 ,441 ,039 8,995 ,492
BACKGROUND
Error 12513,73
224 55,865
3
Total 1282599,
240
000
1. Pada baris Background terlihat nilai signifikan 0.525 yaitu nilai > 0.05, jadi tidak
ada perbedaan yang signifikan antara skor hasil test keterampilan komunikasi
2. Pada baris Semester terlihat nilai signifikan 0.000 yaitu nilai < 0.05, jadi terdapat
Uji Kruskal – Wallis sering pula disebut Uji H Kruskal – Wallis, adalah rampatan
uji jumlah rang (dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini
digunakan untuk menguji hipotesis nol bahwa k sampel bebas berasal dari
populasi yang sama. Diperkenalkan oleh W.H. Kruskal dan W.A. Wallis pada
tahun 1945, uji ini merupakan padanan cara nonparametrik untuk menguji
Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi
Uji Kruskal Wallis merupakan uji non parametric yang digunakan untuk
menguji apakah dua atau lebih mean sample dari populasi memiliki nilai yang
sama.Uji ini merupakan alternative dari uji ANOVA dan digunakan bila salah satu
syarat dari uji ANOVA yang telah disebutkan di atas tidak terpenuhi.
2. Sample yang telah digabungkan tersebut kemudian diurutkan dari yang terkecil
satu atau lebih dari mean populasi tidak sama dengan lainnya.
12 k r
7. H 1 3(n 1)
[n(n 1)] i 1 n1
standar deviasi, standar error, nilai minimum, nilai maximum, dan 95% CI untuk mean
apakah variansi kepuasan untuk masing-masing jurusan bernilai sama atau tidak.
Tabel ANOVA:
Sum of Squares
3) Total = SST
H0 : μ1 = μ2 = μ3 = ... = μk
H1 : satu atau lebih dari mean populasi tidak sama dengan lainnya
Sig. pada Gender*Jurusan = 0.29 > = 0.05 maka terima H0 artinya seluruh
berdasarkan nilai Sig., apabila Sig > = 0.05 maka nilai rata-rata kepuasan antara kedua
Grafik Means Plots memplotkan nilai mean rata-rata kepuasan untuk masing-masing
masing variable. Jumlah data pada gender dan jurusan bernilai sama, yaitu N=17.
2) Error = SSE
R Squared = 0.218 artinya 21.8% tingkat kepuasan dipengaruhi oleh gender dan
faktor lainnya.
Tabel Ranks menampilkan jumlah data dan nilai rata-rata rank kepuasan untuk ketiga
jurusan.
Chi-square = X2hitung
PENUTUP
3.1 Kesimpulan
perbedaan antar kelompok satu dengan kelompok lain dalam satu populasi, maupun
antar populasi. ANOVA mengandung kesalahan yang lebih kecil dan lebih efisien
daipada pengujian perbedaan dengan t tes. Jenis ANOVA ada dua yaitu anova SATU arah
dan ANOVA dua arah. Perhitungan ANOVA didasarkan pada variance walaupun
diperhatikan oleh pemakai atau oleh peneliti yang menggunakan ANOVA: pengaruh
Pengujian signifikasi perbedaan dalam ANOVA dengan F tes. ANOVA satu arah
dengan jumlah per sel tidak sama, analisisnya tidak berbeda dengan jumlah sampel
yang sama tiap sel, asal jumlah sampel cukup besar dan perbedaan jumlah sampel antar
Irianto, Agus. 2004. Statistik: Konsep Dasar & Aplikasinya. Jakarta: Kencana.
Sugiyono. 2009. Metode Penelitian Kualitatif Kuantitatif dan R&D. Bandung: Alfabeta