1.

INTRODUCTION

Analisis varians (ANOVA) adalah prosedur pengujian hipotesis yang digunakan untuk
mengevaluasi berarti perbedaan antara dua atau lebih treatment (atau populasi). ANOVA
menggunakan data sampel sebagai dasar untuk menggambar umum kesimpulan tentang
populasi. Gambar 12.2 menunjukkan situasi penelitian khas dimana ANOVA akan
digunakan. Perhatikan bahwa penelitian ini melibatkan tiga sampel yang mewakili tiga
populasi. Tujuannya analisisnya adalah untuk mengetahui apakah perbedaan rata-rata yang
diamati diantara sampe memberikan cukup bukti untuk menyimpulkan bahwa ada perbedaan
yang berarti diantara ketiganya populasi. Secara khusus, harus memutuskan antara dua
interpretasi:

1. Tidak ada perbedaan antara populasi (atau treatment). Perbedaan yang diamati antara
mean sampel disebabkan oleh acak, tidak sistematis faktor (sampling error) yang
membedakan satu sampel dengan sampel lainnya.

2. Populasi (atau treatment) memiliki mean yang berbeda, dan ini Perbedaan mean populasi
menyebabkan perbedaan sistematik antara mean sampel.

TERMINOLOGY IN ANOVA

DEFINISI
Dalam ANOVA, variabel (independent atau quasi-independent) yang menunjuk
pada kelompok yang dibandingkan disebut faktor.

Selain itu, masing-masing kelompok atau kondisi treatment yang digunakan sebuah
factor disebut levels. Misalnya sebuah studi yang meneliti kinerja di bawah tiga kondisi
telepon yang berbeda akan memiliki tiga level factor

DEFINISI
Kondisi atau nilai individu yang merupakan faktor disebut levels dari faktor.
 ANOVA dapat digunakan dengan langkah-langkah independen atau rancangan berulang.
Desain langkah independen berarti ada kelompok peserta terpisah untuk masing-masing dari
treatment (atau populasi) dibandingkan. ANOVA dapat digunakan untuk mengevaluasi hasil
dari penelitian yang melibatkan lebih banyak dari satu faktor. Misalnya, seorang peneliti
mungkin ingin membandingkan dua terapi yang berbeda teknik, memeriksa efektivitas
langsung mereka serta kegigihan mereka efektivitas dari waktu ke waktu. Dalam situasi ini,
studi penelitian bisa melibatkan dua hal yang berbeda kelompok peserta, satu untuk setiap
terapi, dan mengukur setiap kelompok pada beberapa kelompok yang berbeda titik waktu.
Struktur desain ini ditunjukkan pada Gambar 12.3.
Perhatikan bahwa penelitian menggunakan dua faktor, satu faktor tindakan independen
dan satu faktor pengukuran berulang:

1. Faktor 1: Teknik terapi. Kelompok terpisah digunakan untuk setiap teknik (independen
ukuran).

2. Faktor 2: Waktu. Setiap kelompok diuji pada tiga waktu yang berbeda (tindakan
berulang).

STATISTICAL HYPOTHESES FOR ANOVA

Contoh berikut memperkenalkan hipotesis statistik untuk ANOVA. Bahwa seorang

peneliti memeriksa kinerja penggerak dalam tiga kondisi telepon yang berbeda: tidak ada
telepon, telepon handsfree, dan telepon genggam. Tiga sampel dari Peserta dipilih, satu
sampel untuk setiap kondisi treatment. Tujuan dari Penelitian ini untuk mengetahui apakah
menggunakan telepon mempengaruhi performa berkendara. Secara statistik istilah, peneliti
ingin memutuskan antara dua hipotesis:

hipotesis nol (H0), yang menyatakan bahwa kondisi telepon tidak berpengaruh,
hipotesis alternatifnya (H1), yang menyatakan bahwa kondisi telepon
memangmmempengaruhi pengemudi. Dalam simbol, Hipotesis nol menyatakan

H0 : 1 = 2 = 3
 Hipotesis nol menyatakan bahwa kondisi telepon tidak berpengaruh kinerja
mengemudi. artinya, populasi berarti untuk tiga kondisi telepon semua sama saja Secara
umum, H0 menyatakan bahwa tidak ada efek treatment. Hipotesis alternatif menyatakan
bahwa mean populasi tidak semuanya sama:

H1: Setidaknya ada satu perbedaan berarti di antara populasi.

Secara umum, H1 menyatakan bahwa kondisi treatmentnya tidak semuanya sama;

Artinya, disana adalah efek treatment nyata. hipotesis dinyatakan dalam hal populasi parameter,
meskipun menggunakan data sampel untuk mengujinya.

Misalnya, populasi pertama identik, namun ketiga berbeda. Alternatif lain menyatakan
bahwa dua cara terakhir adalah sama, tapi yang pertama berbeda. Alternatif lain mungkin:

H1 : 1 ≠2 ≠ 3
H1: 1 = 3, tetapi 2 berbeda

THE TEST STATISTIC FOR ANOVA

Statistik uji ANOVA sangat mirip dengan statistik t independen. Untuk statistik t,
pertama-tama menghitung st r error, yang mana mengukur berapa banyak perbedaan yang
diharapkan antara dua mean sampel:

diperole h perbedaan antara dua mean sampel

t=
kesala h an standar ( perbedaan yang di h arapkan tanpa ef ek treatment)

Statistik uji ANOVA menggunakan fakta ini untuk menghitung rasio-F dengan struktur berikut:

variance (differences)between sample means

F=
variance( differences)expected withno treatment effect

TYPE I ERRORS AND MULTIPLE-HYPOTHESIS TESTS

Type I error ada setiap kali melakukan tes hipotesis, memilih level alpha itu menentukan
risiko type I error Dengan  = 0,05, misalnya, ada 5%, atau 1-in-20, I. Seringkali eksperimen
tunggal memerlukan beberapa hipotesis tes untuk mengevaluasi semua perbedaan rata-rata.
Namun, setiap tes memiliki risiko tipe I kesalahan, dan semakin banyak tes yang lakukan,
semakin banyak risikonya.

DEFENISI
Level alpha testwise adalah resiko Tipe I Error, atau level alpha, untuk uji hipotesis
individu Ketika sebuah percobaan melibatkan beberapa tes hipotesis yang berbeda, eksperimen
Level alpha adalah probabilitas total kesalahan Tipe I yang terakumulasi dari semua tes individu
dalam percobaan. Biasanya, eksperimen Level alfa jauh lebih besar dari nilai alfa yang
digunakan untuk salah satu dari tes individu. Misalnya, percobaan yang melibatkan tiga
perlakuan memerlukan tiga terpisah Uji t untuk membandingkan semua perbedaan rata-rata:

Uji 1 membandingkan treatment I dengan treatment II.

Uji 2 membandingkan treatment I dengan treatment III.
Uji 3 membandingkan treatment II dengan treatment III.

Jika semua tes digunakan  = 0.05, maka ada risiko 5% dari Type I Error untuk tes pertama,
5% risiko untuk tes kedua, dan risiko 5% lainnya untuk tes ketiga. Ketiganya terpisah Tes
menumpuk untuk menghasilkan level alphar eksperimental yang relatif besar. Keuntungan dari
ANOVA adalah bahwa ia melakukan ketiga perbandingan secara simultan dalam satu hipotesis
uji. Jadi, tidak peduli berapa banyak cara yang berbeda yang dibandingkan, ANOVA
menggunakan satu tes dengan satu level alpha untuk mengevaluasi perbedaan rata-rata, dan
dengan demikian menghindari masalah level alpha eksperimen yang meningkat.

2. THE LOGIC OF ANOVA

mengenalkan logika ANOVA dengan bantuan data hipotetis pada Tabel 12.1. Data ini
mewakili hasil percobaan eksperimen independen kinerja dalam simulator mengemudi di bawah
tiga kondisi telepon. Tujuan adalah untuk mengukur jumlah variabilitas (ukuran perbedaan) dan
untuk menjelaskan mengapa skornya berbeda. Langkah pertama adalah menentukan variabilitas
total keseluruhan rangkaian data. Untuk menghitung variabilitas total, menggabungkan semua
skor dari semua sampel terpisah untuk mendapatkan satu ukuran umum variabilitas untuk
eksperimen lengkap. Proses analisis membagi Variabilitas total menjadi dua komponen dasar.

1. Antara- treatment Varians. Melihat data pada Tabel 12.1, jelaskan melihat bahwa
sebagian besar variabilitas dalam skor hasil dari perbedaan umum antara kondisi
treatment. Menghitung varians antara treatment dengan ukuran perbedaan keseluruhan
antara kondisi treatment.

2. Varians dalam treatment. Selain perbedaan umum antara Kondisi treatment, ada
variabilitas dalam setiap sampel. Melihat lagi di Tabel 12.1, melihat bahwa skor dalam
kondisi no-phone tidak semua sama; mereka variabel Variasi dalam treatment
memberikan ukuran variabilitas di dalam setiap kondisi treatment.

BETWEEN-TREATMENTS VARIANCE

Varians adalah metode untuk mengukur seberapa besar perbedaannya adalah untuk satu
set angka. Bila melihat istilah varians, bisa secara otomatis terjemahkan ke dalam istilah
differences. Dengan demikian, varians antar perlakuan cukup mengukur berapa banyak
perbedaan antara kondisi treatment. ada dua kemungkinan untuk perbedaan antara perlakuan
ini:

1. Perbedaan antara perlakuan tidak disebabkan oleh efek treatment namun hanyalah
perbedaan alami, acak, dan tidak sistematis ada antara satu sampel dengan sampel
lainnya. Artinya, perbedaannya adalah hasil dari kesalahan sampling

2. Perbedaan antara treatment disebabkan oleh efek treatment. Misalnya, jika

menggunakan telepon benar-benar mengganggu performa berkendara, maka skor dalam
kondisi telepon harus secara sistematis lebih rendah dari skor dalam kondisi no-phone.

THE F-RATIO: THE TEST STATISTIC FOR ANOVA

Setelah menganalisis variabilitas total menjadi dua komponen dasar (antara treatment dan dalam
treatment), cukup membandingkannya. Perbandingannya dibuat dengan menghitung F-ratio.
Untuk ukuran ANOVA yang independen, rasio F memiliki struktur berikut:

variance between treatments differences including any treatment effects

F= =
variance within treatments differences with notreatment effects

Ketika mengekspresikan setiap komponen variabilitas dalam hal sumbernya (lihat Gambar
12.4), struktur rasio-F adalah

systematic treatment effects+ random, unsystematic differences

F=
random ,unsystematic differences

Nilai yang diperoleh untuk rasio-F membantu menentukan apakah ada efek treatment ada.
Pertimbangkan dua kemungkinan berikut ini:
 3. Bila tidak ada efek treatment yang sistematis, perbedaan antara treatment (pembilang)
seluruhnya disebabkan oleh faktor acak dan tidak sistematis. Dalam kasus ini, pembilang
dan penyebut dari rasio-F keduanya mengukur perbedaan acak dan kira-kira ukurannya
sama. Dengan pembilang dan penyebut kira-kira sama, rasio F harus memiliki 1,00. jika
efek treatmentnya nol, didapatkan

0+random ,unsystematic differences

F=
random , unsystematic differences

Rasio-F mendekati 1,00 menunjukkan bahwa perbedaan antara perlakuan (pembilang)

bersifat acak dan tidak sistematis, seperti perbedaan di penyebut. Dengan rasio F
mendekati 1.00, tidak ada bukti untuk menunjukkan bahwa treatment memiliki efek
apapun.

4. Bila treatmentmemiliki efek, menyebabkan perbedaan sistematik antara sampel,

kemudian kombinasi perbedaan sistematis dan acak dalam pembilang harus lebih besar
dari perbedaan acak saja di penyebut. Dalam hal ini, pembilang rasio-F harus lebih besar
dari penyebut, dan harus mendapatkan rasio-F yang secara substansial lebih besar dari
1,00. Ada perbedaan antara treatment karena penyebut ukuran F rasio hanya acak dan
tidak sistematis variabilitas, itu disebut error term.

DEFINISI
Penyebut rasio-F disebuterror term. Istilah kesalahan memberikan ukuran varians
yang disebabkan acak, tidak sistematis perbedaan. Bila efek treatmentnya nol (H0 benar),
istilah kesalahannya mengukur varians yang sama dengan pembilang rasio F, sehingga nilai
F-ratio diperkirakan hampir sama dengan 1,00.

3. ANOVA NOTATION AND FORMULAS

ANOVA FORMULAS

1. Perhitungan akhir untuk ANOVA adalah F-ratio, yang terdiri dari dua varians:

variance between treatments

F=
variance within treatments

2. Masing-masing dari kedua varians dalam rasio-F dihitung dengan menggunakan rumus
dasar untuk varians sampel
2 SS
Sample Variance=s =
df
 ANALYSIS OF THE SUM OF SQUARES (SS)

1. Jumlah Jumlah Kuadrat, SStotal. Sesuai namanya, SStotal adalah jumlah dari kotak untuk
keseluruhan nilai N. ANOVA biasanya melibatkan sejumlah besar skor dan Berarti sering
bukan bilangan bulat. menghitung SStotal menggunakan rumus :
2
( X)
SS= X 2−
N
Untuk membuat formula ini sesuai dengan notasi ANOVA, ganti huruf G di tempat X
maka rumusnya
2 G2
SSTotal =Σ X −
N

2. Within- treatment Sum of Square, SSwithin treatment.

Mencari variabilitas di dalam masing-masing kondisi treatment. Untuk menemukan
keseluruhan jumlah treatment di dalam kuadrat, rumusnya:

SSwithin treatment = SSinside each treatment

3. Between-Treatment Sum of Square, SSwithin treatments

Dengan demikian, Nilai untuk SS within Treatmentsdapat ditemukan hanya dengan
pengurangan:

SSbetween = SStotal - SSwithin

THE ANALYSIS OF DEGREES OF FREEDOM (DF )

Analisis degrees of freedom(df) mengikuti pola yang sama dengan analisis SS.
Pertama, menemukan nilai total N, dan kemudian membagi nilai ini menjadi dua komponen:
degrees of freedomantara treatment dan degrees of freedom di dalam treatment. Dalam
menghitung degrees of freedom, ada dua pertimbangan penting mengingat:
1. Setiap nilai df dikaitkan dengan nilai SS tertentu.
2. Biasanya, nilai df diperoleh dengan menghitung jumlah item yang ada digunakan untuk
menghitung SS dan kemudian mengurangkan 1. Misalnya, jika menghitung SS untuk satu set
nilai n, lalu df = n - 1.

Dengan pemikiran ini, memeriksa level kebebasan untuk setiap bagian analisis.
1. Total Degrees of freedom, dftotal. Untuk menemukan df yang terkait dengan SStotal,
nilai SS ini mengukur variabilitas untuk keseluruhan rangkaian N skor. Oleh karena itu,
nilai df:
dftotal = N - 1

2. Within- treatment Degrees of freedom, dfwithin. Saat semua treatment individual ininilai
ditambahkan;
dfwithin = (n – 1) = df in each treatment

3. Between- treatment Degrees of freedom, dfbetween. Df yang terkait dengan Antara dapat
ditemukan dengan mempertimbangkan bagaimana nilai SS diperoleh. SS ini Formula
mengukur variabilitas untuk himpunan treatment (total atau mean). Untuk temukan
dfbetween, cukup hitung jumlah treatment dan kurangi 1. Karena jumlah perlakuan
ditentukan oleh huruf k, rumus untuk df adalah

dfbetween = N – k

Saat menghitung nilai SS dan df untuk ANOVA, ingatlah bahwa

label yang digunakan untuk setiap nilai dapat membantu memahami rumusnya,secara khusus;

1. Istilah total mengacu pada keseluruhan rangkaian nilai. menghitung SS secara

keseluruhan set nilai N, dan nilai df hanya N - 1.
2. Istilah dalam treatment mengacu pada perbedaan yang ada di dalam individukondisi
treatment. Jadi, menghitung SS dan df di dalam masing-masing terpisah treatment.
3. Istilah antara treatment mengacu pada perbedaan dari satu perlakuan kelain.

CALCULATION OF VARIANCES (MS) AND THE F-RATIO

Langkah selanjutnya dalam prosedur ANOVA adalah menghitung varians antara perlakuan dan
varians dalam treatment, yang digunakan untuk menghitung rasio-F. Di ANOVA digunakan
istilah mean square, atau hanya MS, di tempat dari istilah varians tersebut didefinisikan sebagai
mean dari penyimpangan kuadrat. Dengan cara yang sama, menggunakan SS untuk
menentukan jumlah dari jumlah Penyimpangan kuadrat, sekarang menggunakan MS untuk rata-
rata penyimpangan kuadrat. Untuk F-ratio akhir membutuhkan MS (varians) antara treatment
untuk pembilang dan sebuah MS (varians) dalam treatment untuk penyebut. Dalam setiap kasus
sekarang memiliki ukuran varians (atau perbedaan) antara treatment dan ukuran varians dalam
treatment. F-ratio hanya membandingkannya
dua varians:
SS
MS (varians)=S 2=
df
ukur varians treatments dan ukuran within the treatments. F-ratio membandingkan dua varians:
2
s between
F=
MS between
s wit h ∈¿ =
2 ¿
MS wit h∈¿ ¿

4. THE DISTRIBUTION OF F-RATIOS

Dua hal yang perlu diketahui:

1. Karena F-rasio dihitung dari dua varian (pembilang dan penyebut dari rasio), nilai F selalu
adalah bilangan positif.
2. Bila H0 benar, pembilang dan penyebut dari F-rasio mengukur varians yang sama Dalam
kasus ini, dua varians sampel seharusnya berukuran sama, jadi rasionya harus dekat 1.

5. POST HOC TESTS

Secara khusus, bila mendapatkan F-ratio signifikan (tolak H0), hanya menunjukkan bahwa di
suatu tempat di antara keseluruha rangkaian Perbedaan berarti setidaknya ada satu yang
signifikan secara statistik. Dengan kata lain, F-ratio keseluruhan hanya memberi tahu bahwa
ada perbedaan yang signifikan; itu tidak tahu persis yang berarti berbeda secara signifikan dan
mana yang tidak. Anggaplah, misalnya, sebuah penelitian yang menggunakan tiga sampel untu
membandingkan tiga kondisi perawatan. Misalkan tiga sampel berarti M1 = 3, M2 = 5, dan
M3 = 10. Dalam studi hipotetis ini ada tiga perbedaan yang berarti:

1. Ada perbedaan 2 titik antara M1 dan M2.

2. Ada perbedaan 5 poin antara M2 dan M3.
3. Ada perbedaan 7 poin antara M1 dan M3.

Defenisi
Tes post hoc (atau posttests) adalah tes hipotesis tambahan yang dilakukan setelahnya ANOVA
untuk menentukan secara tepat perbedaan mana yang signifikan dan yang tidak signifikan

Test ini dilakukan bila H0 ditolak dan ketika banyak perlakuan ada tiga atau lebih (k ≥ 3).
Dalam uji post hoc terdapat sebuah metode, yaitu tukey’s Honestly Significant Difference (HSD)
test.
 Uji Tukey’s Test dipilih karena ini merupakan tes yang paling umum digunakan dalam
penelitian psikologis. Uji tukey memungkinkan untuk menghitung satu nilai yang disebut
perbedaan yang sangat signifikan kemudian digunakan untuk membandingkan dua kondisi
treatment. Jika perbedaan rata-ratanya melebihi tukey HSD, maka dapat disimpulkan bahwa ada
perbedaan signifikan diantara perlakuan tersebut. Rumus untuk tukeys HSD adalah: (Nilai q
dapat dicari di table appendix B.)

HSD=q
√ MSW ithin
n