Uji ANOVA
DOSEN PEMBIMBING :
Wasisto Utomo, M.Kep, Sp.KMB
DISUSUN OLEH :
Kelompok : 2
FAKULTAS KEPERAWATAN
UNIVERSITAS RIAU
2020/2021
KATA PENGANTAR
Segala puji bagi Allah SWT yang telah melimpahkan Rahmat dan Hidayah-
Nya kepada kami, sehingga kai dapat menyelesaikan tugas makalah yang berjudul
“Uji ANOVA” tepat pada waktunya. Tanpa pertolongan-Nya tentunya makalah ini
tidak akan bisa diselesaikan. Shalawat serta salam semoga terlimpahkan kepada
baginda Rasulullah SAW yang kita nanti-nantikan safaatnya diakhirat nanti.
Terima kasih kami ucapkan kepada dosen pembimbing yang telah
membimbing kami selama proses pembelajaran dan perkuliahan. Terima kasih juga
kepada semua pihak yang telah memberikan bantuan, baik secara langsung maupun
tidak langsung.
Kami menyadari tugas makalah ini masih banyak kekurangan baik dari segi
isi, maupun segi penulisan, untuk itu kami mengharapkan kritikan dan saran yang
bersifat membangun demi kesempurnaan serta perbaikan di masa mendatang.
Semoga makalah ini dapat bermanfaat bagi pembaca.
Kelompok 2
i
DAFTAR ISI
Kata Pengantar i
Daftar Isi ii
BAB I Pendahuluan 1
A. Latar Belakang 1
B. Rumusan Masalah 1
C. Tujuan 2
BAB II Pembahasan 3
1. Definisi Anova 3
2. Tujuan Anova 3
3. Prinsip Anova 3
4. Jenis-jenis Anova 4
5. Contoh kasus dan penyelesaian dari uji Anova 5
ii
BAB I
PENDAHULUAN
A. Latar Belakang
Prosedur untuk memeandingkan rata-rata dua populasi sudah
dipelajari. Untuk membandingkan metode kita memerlukan analisa lain
yang disebut analisa ragam atau Anova.
Anova merupakan uji yang memberikan gambaran hasil yang hampir
sama dengan uji T, dimana hasilnya memberikan gambaran hubungan antara
variabel bebas dan variabel terikat. Namun Anova memiliki kelebihan
dibandingkan uji T yaitu Anova dapat dilakukan untuk menguji lebih dari dua
variabel, Anova juga dikenal dengan uji F.
Walaupun disebut analisis ragam, Anova bukan membandingkan
ragam populasi, melainkan membandingkan rata-rata populasi. Disebut
analisis ragam, karena dalam prosesnya Anova memilah-milah
keragaman menurut sumber-sumber yang mungkin. Sumber
keragaman inilah yang akan digunakan sebagai pembanding untuk
mengetahui sumber mana yang menyebabkan terjadinya keragaman tersebut.
Dalam pengujian hipotesis ada asumsi yan g perlu
diperhatikan, yaitu setiap populasi menyebar mengikuti
distribusi normal, dengan ragam populasi sama. Populasi dalam hal
ini sering juga disebut perlakuan (treatment), karena perbedaan
populasi sering disengaja (dikontrol) dengan membuat perlakuan tertentu.
B. Rumusan Masalah
1. Apa definisi dari Anova?
2. Apa tujuan dari Anova ?
3. Apa prinsip dari Anova ?
4. Apa saja jenis-jenis Anova ?
5. Bagaimana contoh kasus dan penyelesaian dari uji Anova ?
1
C. Tujuan
1. Untuk mengetahui definisi dari Anova
2. Untuk mengetahui tujuan dari Anova
3. Untuk mengetahui prinsip dari Anova
4. Untuk mengetahui apa saja jenis-jenis dari Anova
5. Untuk mengetahui contoh kasus dan penyelesaian dari uji Anova
2
BAB II
PEMBAHASAN
1. Definisi Anova
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). Anova merupakan uji
yang memberikan gambaran hasil yang hampir sama dengan uji T, dimana
hasilnya memberikan gambaran hubungan antara variabel bebas dan variabel
terikat.
2. Tujuan Anova
Tujuan Anova adalah ingin menguji perbedaan mean (rata-rata) antara
tiga atau lebih sample (kelompok). Jumlah kelompok yang lebih dari dua,
misalnya ingin mengetahui perbedaan mean berat badan bayi untuk daerah
Bekasi, Bogor, dan tangerang.. Kelebihan dari uji Anova adalah dapat
menguji perbedaan lebih dari dua kelompok. Berbeda dengan independent
sample t test yang hanya bisa menguji perbedaan rerata dari dua kelompok
saja.
3. Prinsip Anova
Prinsip Anova adalah melakukan telah variabelitas data menjadi dua
sumber variasi, yaitu variasi dalam kelompok (within) dan variasi antar
kelompok (between) bila variasi within dan between sama (nilai perbandingan
kedua varian sama dengan 1), mean-mean yang dibandingkan tidak ada
perbedaan. Sebaliknya, bila hasil perbandingan kedua varian tersebut
menghasilkan nilai lebih dari 1, mean yang dibandingkan menunjukan ada
perbedaan (Hastono, 2019).
3
4. Jenis-jenis Anova
Analisisi varian (Anova) mempunyai dua jenis, yaitu analisis varian
satu faktor (one way) dan analisis dua faktor (two way). Beberapa asumsi
yang harus dipenuhi pada uji Anova adalah:
1) Varian homogen (sampel atau kelompok independen)
2) Data berdistribusi normal
3) Jenis data yang dihubungkan masalah numerik dengan kategori (untuk
kategori yang lebih dari dua kelompok) (Hastono & Sabri, 2008).
1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau
lebih kelompok dimana hanya terdapat satu faktor yang dipertimbangkan.
Sebagai contoh membandingkan efek dosis obat yang berbeda terhadap
kesembuhan pasien.
2. Anova faktorial, merupakan pengembangan dari anova satu arah dimana
ada lebih dari satu faktor dan interaksinya yang dipertimbangkan.
Misalnya bukan hanya faktor dosis obat tetapi juga frekuensi pemberian
obat. Pada Anova faktorial, interaksi atau kombinasi diantara faktor juga
dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan
frekuensi pemberian obat dapat dihitung pengaruhnya terhadap
kesembuhan pasien. Anova dua arah (two way anova) termasuk dalam
Anova faktorial.
3. Anova reapeted measures, digunakan ketika dalam desain eksperimen
mengijinkan subjek penelitian menambahkan pada perlakuan yang
berbeda. Terkait contoh di atas, misalnya pasien yang sama diberikan obat
dengan dosis yang berbeda.
4. Multivariat Anova (Manova), berbeda dengan uji Anova yang hanya
mengukur satu respon, Manova mengukur lebih dari satu respon dalam
satu kali eksperimen. Misalnya kita meneliti dampak obat pada beberapa
4
dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida,
LDL dan HDL pada pasien.
5. Contoh kasus dan penyelesaian dari uji Anova
Soal contoh :
Suatu penelitian ingin mengetahui perbedaan kadar folat sel darah pada tiga
zat pembius (anastesi) yang berbeda. Data yang berhasil dihimpun adalah sebagai
berikut :
Diketahui :
n1 = 8
n2 = 9
n3 = 5
𝑥̅ 1 = 316,63
𝑥̅ 2 = 256,44
𝑥̅ 3 = 278
𝑥̅ total = 283,68
S1 = 58,72
S2 = 37,12
S3 = 33,76
5
S12 = 3.447,69 mg
S22 = 1.378,02 mg
S32 = 1.139,5
Alpha = 5%
Hipotesis :
Ho : µ1 = µ2 = µ 3
Tidak ada perbedaan mean kadar folat sel darah pada ketiga jenis zat pembius
Ha: µ1 = µ2 = µ 3
ada perbedaan mean kadar folat sel darah pada ketiga jenis zat pembius
𝑆𝑏 2
F = 𝑆𝑤2
2 2
= (8)(316,63−283,68) +(9) (256,44−283,68) +(5)(278−283,68)²
3−1
= (8)(1.084,72)+(9) (742,31)+(5)(32,37)
2
= 8.677,81+6.680,79+161,87
2
6
= 15.520,47
2
= 7.760
= 2.090
𝑆𝑏²
F= 𝑆𝑤²
7.760
= 2.090
= 3,71
Soal kelompok 1
Dari empat jenis obat sakit kepala yang diberikan kepada 20 orang dicatat
berapa lama obat itu dapat mengurangi rasa sakit (menit). Ke-20 orang itu dibagi
secara random ke dalam 4 kelompok dan masing-masing kelompok diberikan suatu
jenis obat. Adapun hasil percobaannya adalah sebagai berikut:
7
13 7 3 9
9 9 3 10
13 7 4 11
Penyelesaian:
Hipotesis
Uji ANOVA
Diketahui :
8
S3 : 1,64 k:4
S4 : 1,14
𝑆𝑏 2 = 46,7167
𝑆𝑤 2 = 2,02365
𝑆𝑏 2 46,716
𝐹= 2 = = 23,092
𝑆𝑤 2,023
Df1 = k – 1 = 4 – 1 = 2 (Numerator)
Df2 = N – k = 20 – 4 = 16 (Denominator)
9
Kesimpulan :
1. Pendekatan Klasik
Dengan nilai F = 23,092, df1 = 3, df2 = 16 ; dan α = 0,01. Sehingga jika ditarik
garis α = 0,05 dengan df numerator 3 dan df denominator 16 maka diperoleh F =
3,24, sedangkan F hitung = 23,092. Dapat disimpulkan F hitung > F tabel, artinya
H0 ditolak, dan H1 diterima.
2. Pendekatan Probabilitas
Dengan nilai F = 23,092 ; df1 = 3 ; dan df2 = 16. Nilai F terletak di bawah 9,01
artinya nilai p < 0,001 artinya H0 ditolak, dan H1 diterima
Soal kelompok 2
Diketahui :
n1 = 8
10
n2 = 7
n3 = 8
𝑥̅ 1 = 2,62
𝑥̅ 2 = 2,9
𝑥̅ 3 = 3,32
𝑥̅ total = 2,95
S1 = 0,45
S2 = 0,19
S3 = 0,52
S12 = 0,2
S22 = 0,03
S32 = 0,27
Alpha = 5%
Ho : µ1 = µ2 = µ 3
Tidak ada perbedaan berat badan bayi (kg) pada ibu yang baru melahirkan
dengan kelompok sosek rendah, sedang, dan tinggi
Ha: µ1 = µ2 = µ 3
ada perbedaan berat badan bayi (kg) pada ibu yang baru melahirkan dengan
kelompok sosek rendah, sedang, dan tinggi
11
df1 = k-1 = 3-1 = 2 (numerator)
𝑆𝑏 2
F = 𝑆𝑤2
2 2
= (8)(2,62−2,95) +(7) (2,9−2,95) +(8)(3,32−2,95)²
3−1
= (8)(0,1)+(7) (0,0025)+(8)(0,14)
2
= 0,845+0,017+1,12
2
= 1,98
2
= 0,9
= 0,17
𝑆𝑏²
F= 𝑆𝑤²
0,9
= 0,17
12
= 5,2
Soal kelompok 3
Sembilan belas orang mengalami kelebihan berat badan (kegemukan)
mengikuti program penurunan berat badan. Subjek dibagi tiga kelompok dengan cara
randomisasi. Setiap kelompok mendapat metode program yang berbeda. Pada akhir
program, penurunan berat badan (kilogram) dicatat dan hasilnya sebagai berikut :
Penyelesaian :
Menetapkan hipotesis
Ho : Tidak ada perbedaan ketiga metode program penurunan berat badan dengan
penurunan berat badan
Ha : Ada perbedaan ketiga metode program penurunan berat badan dengan
penurunan berat badan
13
Metode A ̅)
(𝒙 − 𝒙 ̅) 𝟐
(𝒙 − 𝒙
6,2 0,18 0,03
8,4 2,38 5,66 ̅) 𝟐
∑(𝒙 − 𝒙
𝑆𝐴 = √
𝑛−1
5,5 -0,52 0,27
4,5 -1,52 2,31
8,54
5,5 -0,52 0,27 𝑆𝐴 = √
6−1
6,0 -0,02 0.0001
̅𝑨 = 6,02 -
𝒙 ∑=8,54 𝑆𝐴 = 1,31
b) Kelompok B
Metode B ̅)
(𝒙 − 𝒙 ̅) 𝟐
(𝒙 − 𝒙
7,2 0,77 0,59
6,7 0,27 0.07 ̅) 𝟐
∑(𝒙 − 𝒙
𝑆𝐵 = √
𝑛−1
5,6 -0,83 0,69
6,6 0,17 0,03
2,56
7,0 0,57 0,32 𝑆𝐵 = √
6−1
5,5 -0,93 0,86
̅𝑩 = 6,43 -
𝒙 ∑= 2,56 𝑆𝐵 = 0,72
c) Kelompok C
Metode C ̅)
(𝒙 − 𝒙 ̅) 𝟐
(𝒙 − 𝒙
8,0 - 1,8 3,24
9,5 - 0,3 0,09
9,9 0,1 0,01
8,7 -1,1 1,21
9,8 0 0
10,8 1 1
14
11,9 2,1 4,41
̅𝑪 = 9,8
𝒙 - ∑= 9,96
̅) 𝟐
∑(𝒙 − 𝒙
𝑆𝐶 = √
𝑛−1
9,96
𝑆𝐶 = √
7−1
𝑆𝐶 = 1,29
1. Uji Anova
𝑛𝐴 . 𝑥𝑎 + 𝑛𝐵 . 𝑥𝐵 + 𝑛𝐶 . 𝑥𝐶
𝑥̅ =
𝑁
143,3
𝑥̅ =
19
𝑥̅ = 7,54
2 𝑛𝐴 (𝒙 ̅)𝟐 + 𝒏𝑩 (𝒙
̅𝑨 − 𝒙 ̅)𝟐 + 𝒏𝑪 (𝒙
̅𝑩 − 𝒙 ̅)𝟐 + 𝒏𝑫 (𝒙
̅𝑪 − 𝒙 ̅) 𝟐
̅𝑫 − 𝒙
𝑆𝑏 =
𝑘−1
15
13,86 + 7,38 + 35,75
𝑆𝑏 2 =
2
56,99
𝑆𝑏 2 =
2
𝑆𝑏 2 = 28,50
21,15
𝑆𝑤 2 =
16
𝑆𝑤 2 = 1,32
𝑆𝑏 2
𝐹=
𝑆𝑤 2
28,50
𝐹=
1,32
𝐹 = 21,59
𝑑𝑓1 = 𝑘 − 1 = 3 − 1 = 2 (𝑛𝑢𝑚𝑒𝑟𝑎𝑡𝑜𝑟)
16
𝑑𝑓2 = 𝑁 − 𝑘 = 19 − 3 = 16 (𝑑𝑒𝑛𝑜𝑚𝑖𝑛𝑎𝑡𝑜𝑟)
Kesimpulan:
Karena pada pengujian Anova didapatkan hasil ada perbedaan bermakna (Ho
ditolak) maka, untuk mengetahui lebih lanjut kelompok mana saja yang berbeda
dilanjutkan dengan Analisis multiple comparison (Posthoc Test).
3 𝑛! 3! 3×2×1
( )= = = =3
2 𝑟! (𝑛 − 𝑟)! 2! (3 − 2)! (2 × 1)(1)
0,05
𝛼∗ = = 0,016
3
𝑥̅𝐴 − 𝑥̅𝐵
𝑡𝐴𝐵 =
1 1
√𝑆𝑤 2 (
𝑛𝐴 ) + (𝑛𝐵 )
6,02 − 6,43
𝑡𝐴𝐵 =
√1,32 (1) + (1)
6 6
17
(−0,41)
𝑡𝐴𝐵 =
√1,32 (0,33)
(−0,41)
𝑡𝐴𝐵 =
√0,436
𝑡𝐴𝐵 = 0,621
df = N – k = 19 − 3 = 16
t table = 1,74
Kesimpulan :
Dengan nilai 𝑡𝐴𝐵 = 0,621 dan df = 16, didapatkan t table = 1,74. Maka nilai
tAB < t table sehingga H0 gagal ditolak. Yang artinya tidak ada perbedaan metode
program A dan B dalam menurunkan berat badan.
6,02 − 9,8
𝑡𝐴𝐶 =
√1,32 (1) + (1)
6 7
(−3,78)
𝑡𝐴𝐶 = = 5,91
√0,409
df = N – k = 19 − 3 = 16
t table = 1,746
18
Kesimpulan :
6,43 − 9,8
𝑡𝐵𝐶 =
√1,32 (1) + (1)
6 7
(−3,37)
𝑡𝐵𝐶 = = 5,27
√0,409
df = N – k = 19 − 3 = 16
t table = 1,746
Kesimpulan :
Dengan nilai 𝑡𝐵𝐶 = 5,27 dan df = 16, didapatkan t table = 1,746. Maka nilai
tBC > t table sehingga H0 ditolak. Yang artinya ada perbedaan metode program B
dan C dalam menurunkan berat badan.
19
Soal kelompok 4
Jawab:
𝑥1 + 𝑥
2+⋯+ 𝑥𝑛
𝑥̅ 1 =
𝑛
15 + 14 + 16 + 18 + 19 + 16 + 16
=
7
114
=
7
= 16,2
𝑥1 + 𝑥
2+⋯+ 𝑥𝑛
𝑥̅ 2 = 𝑛
10 + 9 + 11 + 13 + 12 + 15 + 12
=
7
82
=
7
20
= 11,7
𝑥1 + 𝑥
2+⋯+ 𝑥𝑛
𝑥̅ 3 = 𝑛
3+4+5+3+4+5+6
=
7
30
=
7
= 4,28
𝑥̅ 1 + 𝑥̅ 2 + 𝑥̅ 3
𝑥𝑡𝑜𝑡𝑎𝑙 = 𝑛
32,26
=
3
= 10,76
∑(x̅1 − x)²
S² =
n−1
S²
(15 − 16,3)2 + (14 − 16,3)2 + (16 − 16,3)2 + (18 − 16,3)2 + (19 − 16,3)2 + (16 − 16,3)2 (16 − 16,3)2
=
7−1
21
17,43
S² =
6
S 2 = 2,905
s = √2,905
s = 1,7
∑(x̅2 − x)²
S² =
n−1
S²
(10 − 11,7)2 + (9 − 11,7)2 + (11 − 11,7)2 + (13 − 11,7)2 + (12 − 11,7)2 + (15 − 11,7)2 + (12 − 11,7)2
=
7−1
23,43
S² =
6
S 2 = 3,905
s = √3,905
s = 1,97
∑(x̅3 − x)²
S² =
n−1
S²
(3 − 4,3)2 + (4 − 4,3)2 + (5 − 4,3)2 + (3 − 4,3)2 + (4 − 4,3)2 + (5 − 4,3)2 + (6 − 4,3)2
=
7−1
22
7,43
S² =
6
S 2 = 1,24
s = √1,24
s = 1,11
𝑥𝑡𝑜𝑡𝑎𝑙 2 + 𝑛2 (𝑥
𝑛1 (𝑥1 − ̅̅̅̅̅̅̅) 𝑥𝑡𝑜𝑡𝑎𝑙 2 + 𝑛3 (𝑥
̅̅̅2 − ̅̅̅̅̅̅̅) 𝑥𝑡𝑜𝑡𝑎𝑙 2
̅̅̅3 − ̅̅̅̅̅̅̅)
𝑠𝑏 2 =
𝑘−1
48,108
=
18
= 2,67
23
𝑆𝑏2 256,57
F = 𝑆𝑤2 = = 96,1
2,67
Nilai F adalah 96,1 dimana P value < 0,001 dan F Hitung > F Tabel.
Artinya P value < ∝ yaitu P value < 0,05.
𝑋𝑖 − 𝑋𝑗
𝑡𝑖𝑗 = df = n − k
𝑉𝑆𝑤 2 [(1/ni)+ (1/nj)]
Diketahui :
𝑋1 = 16,3 n1 = 7 𝑆𝑤 2 = 2,67
𝑋3 = 4,3 n3 = 7 𝑑𝑓 = 𝑁 − 𝑘 = 21 − 3 = 18
k 3 3! 3×2×1
( ) ( ) = 2! (3−2)! = 2×1(1) = 3
2 2
𝛼 0,05
𝛼 ∗ = (𝑘 ) = = 0,0167
2 3
24
Uji Kelompok I dan II
16,3−4,3 12 12 12
𝑡13 = = = = 0,86 = 13,9
√2,67 (1⁄7+1⁄7) √2,67 (2⁄7) √2,67 (0,28)
25
BAB III
PENUTUP
A. Kesimpulan
Anova merupakan analisis statistik yang dapat memberikan
informasi tentang perbedaan antara kelompok satu dengan kelompok
lain dalam satu populasi, maupun antar populasi. Anova mengandung
kesalahan yang lebih kecil dan lebih efisien daripada pengu jian
perbedaan dengan t tes. Jenis Anova ada dua yaitu Anova
satu arah dan Anova dua arah. Perhitungan Anova didasarkan
pada varian walaupun tujuannya menguji beberapa perbedaan
rata-rata.
Beberapa kemungkinan yang mempengaruhi terjadinya
perbedaan dan perlu diperhatikan oleh pemakai atau oleh peneliti
yang menggunakan Anova pengaruh waktu, pengaruh perbedaan
individual, pengaruh pengukuran.
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, asal
jumlah sampel cukup besar dan perbedaan jumlah sampel tidak
mencolok
Variansi dua arah digunakan peneliti untuk mengatasi
perbedaan nilai variabel terikat yang dikategorikan
berdasarkan variasi bebas yang banyak dan m a s i n g - m a s i n g
variabel terdiri dari beberapa kelompok. Variansi dua
a r a h merupakan penyempurnaan variansi satu arah.
B. Saran
Dengan adanya makalah ini, mahasiswa dapat mengetahui terkait
biostatistik dengan topik analisis varians (Anova), dimana membahas
terkait bagaimana kita bisa mengolah data menjadi sesederhana
mungkin tanpa mengurangi maupun menambah data yang sudah
didapatkan. Hal ini akan membantu dalam pengolahan data nantinya.
26
Akan tetapi penulus menyadari bahwa dalam pembuatan makalah ini
masih jauh dari kesempurnaan, maka dari itu kami mengharapkan
kritik dan saran dari pembaca yang sifatnya membangun untuk hasil
yang lebih baik dari makalah ini.
27
DAFTAR PUSTAKA
Hastono, S. P., & Sabri, L. (2008). Statistik Kesehatan. Jakarta: Rajawali Pers.
28