Sesi 8_Pengantar Uji ANOVA

(Analysis of Variance)
Analisis Varian Satu Faktor = One Way Anova
Pendahuluan
• Uji beda lebih dari dua mean
atau ANOVA (Analysis of Variance)
adalah prosedur statistik yang
digunakan untuk menentukan
adakah perbedaan rata-rata
antara tiga kelompok atau lebih,
berbeda secara bermakna atau
tidak
 Kerangka Konsep Penelitian Uji
Anova
Variabel I :
Variabel II :
Kategorik dengan
Berupa Angka
lebih dari 2
(Numerik)
kelompok
CONTOH :

Berat Badan Bayi

Tingkat Pendidikan :
Waktu Lahir :
Dikategorikan
Berupa Angka
menjadi 4 Kelompok
(Numerik)
Pendahuluan

Dalam menganalisis data

kategorik lebih dari dua
kelompok dengan data
numerik tidak dianjurkan
menggunakan uji t
Pendahuluan
• Kelemahan menggunakan uji t
pada analisa untuk melihat
perbedaan lebih dari dua
kelompok adalah
• kita melakukan pengujian berulang kali
sesuai kombinasi yang mungkin, sesuatu
hal yang tidak praktis,
• bila melakukan uji t berulang akan
meningkatkan (inflasi) nilai , artinya
akan meningkatkan peluang hasil yang
keliru
Prinsip ANOVA

Prinsip uji Anova adalah melakukan

telaah variabilitas data menjadi dua
sumber variasi yaitu:
1. variasi dalam kelompok
(WITHIN) dan
2. variasi antar kelompok
(BETWEEN),
Prinsip ANOVA
• Bila variasi within dan between sama
(nilai perbandingan kedua varian
sama dengan 1), maka rata-rata yang
dibandingkan tidak ada perbedaan

• Sebaliknya bila hasil perbandingan

kedua varian tersebut menghasilkan
nilai lebih dari 1, maka rata-rata yang
dibandingkan menunjukkan ada
perbedaan
Prinsip ANOVA
•Analisis varian (ANOVA)
mempunyai dua jenis yaitu:
1. Analisis varian satu faktor
(one way anova)
2. Analisis varian dua faktor
(two way anova)

→ Pada sesi ini hanya dipelajari One

Way Anova
Kapan Uji ANOVA (F Test)
digunakan ?
• Untuk membandingkan rata-rata
dari suatu variabel kuantitatif
pada tiga atau lebih kelompok
atau kondisi yang berbeda, dan
• ingin mengetahui apakah rata-
rata tersebut berbeda secara
bermakna atau tidak pada tiga
kelompok atau kondisi di atas
Uji Anova/F test
• F test, Tujuan dari uji ini adalah untuk
mengetahui varian antara kelompok data
satu apakah sama dengan kelompok data
yang kedua
2
Sb (between)
F= 2
Sw ( within)
• Numerator df = df (between)
• Denominator df = df (within)
Asumsi pada ANOVA
- Independen variabelnya berskala
nominal atau kategorikal
- Independen variabel ini sering
disebut juga sebagai faktor
- Dependen variabelnya berskala
numerik (rasio atau interval)
- Data berdistribusi normal
Rumus Anova:
Sb2
F=
Sw2

Sw =
2 (n1 − 1)S1 + (n2 − 1)S 2 + ... + (nk − 1)S k
2 2 2

N −k
n1 (x1 − X ) + n2 (x2 − X ) + ... + nk (xk − X )
2 2 2

Sb =
2

k −1
n1  x1 + n2  x2 + ... + nk  xk
X=
N
df between = k − 1 (numerator )
df within = N − k (denominat or)
Contoh :
Terdapat 3 cara dalam memeriksa
kadar Hb darah. Setiap metode
digunakan untuk memeriksa 5 orang,
hasilnya (gr/100ml) adalah sbb:
metode 1 : 10 11 13 14,4 15
metode 2 : 9,8 11,2 13,4 14,2 15
metode 3 : 11 12,2 13,6 14,2 14,4
Apakah ada perbedaan kadar Hb darah
dari tiga metode tsb, dengan  5%
Contoh

Seorang dokter ingin membandingkan

tekanan darah diastolik pada 3
kelompok usia lanjut yang status gizi
kurang, normal atau berlebih,
Pengukuran tersebut dilakukan
terhadap 30 orang lansia, dimana 10
orang statusnya kurang gizi, 10 orang
status gizinya normal dan 10 orang
status gizinya berlebih
Contoh

Kelompok status Gizi tersebut,

memiliki nilai:
(I) 85 84 79 86 81 86 88 83 83 83
(II) 87 88 84 84 87 81 86 84 88 86
(iii) 88 93 88 89 85 87 86 89 88 93
 Sesi 9
UJI One Way ANOVA
Pendahuluan
• Uji beda lebih dari dua mean
atau ANOVA (Analysis of Variance)
adalah prosedur statistik yang
digunakan untuk menentukan
adakah perbedaan rata-rata
antara tiga kelompok atau lebih,
berbeda secara bermakna atau
tidak
 Kerangka Konsep Penelitian Uji
Anova
Variabel I :
Kategorik dengan Variabel II :
lebih dari 2 Berupa Angka
kelompok (Numerik)

CONTOH :

Berat Badan Bayi

Tingkat Pendidikan :
Waktu Lahir :
Dikategorikan
Berupa Angka
menjadi 4 Kelompok
(Numerik)
Pendahuluan

Dalam menganalisis data

kategorik lebih dari dua
kelompok dengan data
numerik tidak dianjurkan
menggunakan uji t
Pendahuluan
• Kelemahan menggunakan uji t
pada analisa untuk melihat
perbedaan lebih dari dua
kelompok adalah
• kita melakukan pengujian berulang kali
sesuai kombinasi yang mungkin, sesuatu
hal yang tidak praktis,
• bila melakukan uji t berulang akan
meningkatkan (inflasi) nilai , artinya
akan meningkatkan peluang hasil yang
keliru
Prinsip ANOVA

Prinsip uji Anova adalah melakukan

telaah variabilitas data menjadi dua
sumber variasi yaitu:
1. variasi dalam kelompok
(WITHIN) dan
2. variasi antar kelompok
(BETWEEN),
Prinsip ANOVA
• Bila variasi within dan between sama
(nilai perbandingan kedua varian
sama dengan 1), maka rata-rata yang
dibandingkan tidak ada perbedaan

• Sebaliknya bila hasil perbandingan

kedua varian tersebut menghasilkan
nilai lebih dari 1, maka rata-rata yang
dibandingkan menunjukkan ada
perbedaan
Prinsip ANOVA
•Analisis varian (ANOVA)
mempunyai dua jenis yaitu:
1. Analisis varian satu faktor
(one way anova)
2. Analisis varian dua faktor
(two way anova)

→ Pada sesi ini hanya dipelajari One

Way Anova
Kapan Uji ANOVA (F Test)
digunakan ?
• Untuk membandingkan rata-rata
dari suatu variabel kuantitatif
pada tiga atau lebih kelompok
atau kondisi yang berbeda, dan
• ingin mengetahui apakah rata-
rata tersebut berbeda secara
bermakna atau tidak pada tiga
kelompok atau kondisi di atas
Uji Anova/F test
• F test, Tujuan dari uji ini adalah untuk
mengetahui varian antara kelompok data
satu apakah sama dengan kelompok data
yang kedua
2
Sb (between)
F= 2
Sw ( within)
• Numerator df = df (between)
• Denominator df = df (within)
Asumsi pada ANOVA
- Independen variabelnya berskala
nominal atau kategorikal
- Independen variabel ini sering
disebut juga sebagai faktor
- Dependen variabelnya berskala
numerik (rasio atau interval)
- Data berdistribusi normal
Rumus Anova:
Sb2
F=
Sw2

Sw =
2 (n1 − 1)S1 + (n2 − 1)S 2 + ... + (nk − 1)S k
2 2 2

N −k
n1 (x1 − X ) + n2 (x2 − X ) + ... + nk (xk − X )
2 2 2

Sb =
2

k −1
n1  x1 + n2  x2 + ... + nk  xk
X=
N
df between = k − 1 (numerator )
df within = N − k (denominat or)
Contoh :
Terdapat 3 cara dalam memeriksa kadar Hb darah.
Setiap metode digunakan untuk memeriksa 5
orang, hasilnya (gr/100ml) adalah sbb:
metode 1 : 10 11 13 14,4 15
metode 2 : 9,8 11,2 13,4 14,2 15
metode 3 : 11 12,2 13,6 14,2 14,4

1) Apa jenis data pada masing-masing variabel

yang diuji?
2) Uji apakah yang digunakan? Apa alasannya?
3) Apakah ada perbedaan kadar Hb darah dari
tiga metode tsb, dengan  5%
Jawab:
1. Jenis data pada masing-masing variabel
adalah data numerik
2. Uji yang digunakan adalah Uji Anova
karena pada variabel independen
berjenis data numerik dengan 3
kelompok dan variabel dependen
berjenis data numerik

Jenis Metode Kadar Hb

Jawab Poin 3 :
Hipotesis :
Ho : 1=2=3
Tidak ada perbedaan mean tiga
metode

Ha : 1 ≠ 2 = 3
Minimal ada satu pasang yang
memiliki mean berbeda
Sampel Metode 1 Metode 2 Metode 3
ke-
1 10 9,8 11
2 11 11,2 12,2
3 13 13,4 13,6
4 14,4 14,2 14,2
5 15 15 14,4
Rata-rata 12,68 12,72 13,08
Varian2
4,61 4,67 2,09
S
(S2)
1. Cari X Atau rata-rata hitung
ke-3 kelompok tersebut
2. Cari nilai Sb2 dan Sw2
2. Cari nilai Sb2 dan Sw2

Sb2 = 5 (12.68 – 12.82)2 + 5(12.72 – 12.82)2+ 5(13.08- 12.82)2

= 0.098 + 0.05 + 0,338
Sb2 = 0.243
3. Cari nilai Fhitung

0,243
0.06
4. Cari nilai Ftabel

df between = k – 1 (Numerator)
df within = N – k (Denominator)
→ k = kelompok
N = Total jumlah data

df between = 3- 1 = 2 (numerator)
df within = 15 – 3 = 12 (Denominator)
 Tabel Distribusi F
4. Cari Ftabel Numerator (Pembilang) = 3 – 1 = 2;
Denominator (Penyebut) = 15 – 3 = 12

Numerator = Pembilang
Denominator = Penyebut
 5. Bandingkan Fhitung dengan
Ftabel
Critical Region:
Fhitung < F tabel → Ho gagal ditolak

Fhitung = 0.06
Ftabel = 3.89
Dengan demikian:
0.06 < 3.89 → Fhitung < Ftabel
Keputusannya : Ho gagal ditolak
6. Interpretasinya

• Dengan demikian, dengan  5 %

dapat disimpulkan bahwa secara
statistik tidak ada perbedaan rata
rata kadar Hb pada ketiga
kelompok data tersebut
Penyelesaian dengan SPSS
Penyelesaian dengan SPSS
Penyelesaian dengan SPSS
Penyelesaian dengan SPSS
Penyelesaian dengan SPSS
Penyelesaian dengan SPSS

Ho Gagal ditolak
karena P > 0,05
→ Artinya tidak
ada perbedaan
antara kelompok
metode
(Tidak lanjut
pada uji
Bonferroni)
 Jika ada perbedaan (Ho
ditolak/menerima Ha) → Lakukan
Analisis multiple comparison
(Post hoc test)

Analisis multiple comparison (Post Hoc

Test) bertujuan untuk mengetahui lebih
lanjut kelompok mana saja yang
berbeda rata-ratanya bila pada
pengujian Anova dihasilkan ada
perbedaan bermakna (Ho ditolak)
Analisis multiple comparison
(Post hoc test)

Ada berbagai jenis analisis multiple

comparison diantaranya adalah
Bonferroni, Tuckey, Scheffe dan
lain-lain
Perhitungan Bonferroni :
xi - xj
• tij = ------------------------
√Sw2[(1/ni) + (1/nj)]
• df = n-k

Dengan level of significance () sbb:


• * = ---------------
kombinasi
Contoh

Seorang dokter ingin membandingkan

tekanan darah diastolik pada 3
kelompok usia lanjut yang status gizi
kurang, normal atau berlebih,
Pengukuran tersebut dilakukan
terhadap 30 orang lansia, dimana 10
orang statusnya kurang gizi, 10 orang
status gizinya normal dan 10 orang
status gizinya berlebih
Contoh

Kelompok status Gizi tersebut,

memiliki nilai:
(I) 85 84 79 86 81 86 88 83 83 83
(II) 87 88 84 84 87 81 86 84 88 86
(iii) 88 93 88 89 85 87 86 89 88 93
Dari hasil perhitungan data tersebut
didapatkan :

Kelompok Nilai Mean Nilai Standard

Deviasi
(I) 83.80 2.62
(II) 85.50 2.22
(III) 88.60 2.63
Jawab
Ho : 1=2=3
Tidak ada perbedaan mean tekanan
darah diastolik pada tiga kelompok
lansia

Ha : 1 ≠ 2 = 3
Minimal ada satu pasang mean
yang berbeda kadar tekanan darah
diastolik
1. Cari X Atau rata-rata hitung
ke-3 kelompok tersebut
2. Cari nilai Sb2 dan Sw2
3. Cari nilai Fhitung

F hitung
= 59,223 = 9.491
6,24
4. Cari nilai Ftabel

df1(between) = K – 1 = 3 – 1 = 2
(Numerator)
df2 (within) = N – K = 30 – 3 = 27
(Denominator)
 df1(between) 2
3. Cari nilai Ftabel (Numerator)
Df2 (within) = 27
5. Bandingkan Fhitung dengan Ftabel

Critical Region:
Fhitung > Ftabel → Ho ditolak

Fhitung = 9.491
Ftabel = 3.35

Fhitung > F tabel

Keputusannya : Ho ditolak
6. Interpretasi
Dengan  5 % dapat
disimpulkan bahwa secara
statistik ada perbedaan rata
rata tekanan darah diastolik
pada ketiga kelompok lansia
tersebut
→ Karena keputusannya adalah ada
perbedaan maka lanjut pada perhitungan
Bonferroni
 Perhitungan Bonferroni:
Misalnya untuk soal diatas kita akan coba
telusuri lebih lanjut kelompok mana saja
yang tekanan darah diastoliknya berbeda:
Kombinasi uji t yang mungkin adalah

(32) = 3! = 3X2X1 = 3
2! (3 – 2)! 2X1X1
• Pada soal diatas digunakan alpha 5 %
maka  bonferroni adalah menjadi:

* =  = 0.05
3 3

* = 0.0167
Uji kelompok I dan II :

t12 = 83.80 – 85.50 =

V6.241[(1/10) + (1/10)]

t12 = 1.52
→ Cari nilai t tsb pada tabel distribusi t dengan
df = N – k → df = 30 – 3 = 27
 Tabel Distribusi t (t = 1.57; df = 27)

Dengan nilai t = 1.52 dan df = 27, maka nilai p yang

didapat adalah > 0.05 (karena terletak antara 1.314 –
1.703 (tidak dikali dua karena arah uji)→ nilai
0.05<p<0.10
Sehingga nilai 0.05<p<0.10 lebih besar dari nilai *
Dengan demikian keputusannya adalah Ho gagal
ditolak
Interpretasinya
Secara statistik tidak ada
perbedaan rata-rata tekanan
darah diastolik antar kelompok I
dan II (P>0.05)
 Uji kelompok I dan III :

t13 = 83.80 – 88.60 =

√6.241[(1/10) + (1/10)]

t13 = 4.29

→ Cari nilai t tersebut pada tabel distribusi t dengan

df = N – k → df = 30 – 3 = 27
Tabel distribusi t
(t = 4.29 ; df = 27)

Dengan nilai t = 4, 29 dan df = 27, maka nilai

p<0.005 → karena nilai 4,27 diasumsikan
berada pada sebelah kanan nilai 2,771.
P<0.005 itu lebih kecil dari nilai * = 0.0167.
Dengan demikian keputusannya: Ho ditolak
Interpretasinya
Secara statistik ada perbedaan
rata-rata tekanan darah
diastolik antar kelompok I dan
III (p < 0.005)
Uji kelompok II dan III

t23 = 85.5 – 88.6 =

V6.241[(1/10) + (1/10)]

t23 = -2.77

→ Cari nilai t tersebut pada tabel distribusi t dengan

df = N – k → df = 30 – 3 = 27
Tabel distribusi t
(t = -2,77; df = 27)

Dengan nilai t = -2.77 dan df = 27,

maka nilai p nya adalah 0.005. nilai p
tersebut < * 0.0167.
Dengan demikian, keputusannya
adalah Ho ditolak
Interpretasinya
Secara statistik ada perbedaan
rata-rata tekanan darah
diastolik antar kelompok II dan
III (p = 0.005)