DISUSU OLEH :
KELOMPOK 10
1.ELISA FITRIA
2.JOKO ANDANI
3.JURIYAH
PENAHULUAN
A. Pengertian
Anova merupakan singkatan dari “analysis of varian“. Analysis of Varian adalah
salah satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data
lebih dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata
IQ antara siswa kelas SLTP kelas I, II, dan kelas III. Ada dua jenis Anova, yaitu analisis
varian satu faktor (one way anova) dan analisis varian dua faktor (two ways anova). Pada
artikel ini hanya akan dibahas analisis varian satu faktor.
Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang tujuannya
untuk menentukan adakah perbedaan signifikan secara statistik antara dua atau lebih
kelompok variabel independen pada variabel dependen yang berskala data numerik
(interval/rasio) dan skala ordinal.
Uji ini identik dengan Uji One Way Anova pada pengujian parametris, sehingga
uji ini merupakan alternatif bagi uji One Way Anova apabila tidak memenuhi asumsi
misal asumsi normalitas. Selain sebagai uji alternatif, kegunaan lain adalah sebagai
perluasan dari uji Mann Whitney U Test, di mana kita ketahui bahwa uji tersebut hanya
dapat digunakan pada 2 kelompok variabel dependen. Sedangkan Kruskall Wallis dapat
digunakan pada lebih dari 2 kelompok misal 3, 4 atau lebih.
Oleh karena uji ini merupakan uji non parametris di mana asumsi normalitas
boleh dilanggar, maka tidak perlu lagi ada uji normalitas misal uji shapiro wilk atau
lilliefors.
PEMBAHASAN
Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data telah
dimasukkan ke komputer. Jika asumsi ini tidak terpenuhi dapat dilakukan transformasi
terhadap data. Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka
uji Anova tidak valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik
misalnya Kruskal Wallis.
B. Prinsip ANOVA
Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber
variasi yaitu variasi di dalam kelompok (within) dan variasi antar kelompok (between). Bila
variasi within dan between sama (nilai perbandingan kedua varian mendekati angka satu),
maka berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai
mean yang dibandingkan tidak ada perbedaan.
Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam kelompok, artinya
intervensi tersebut memberikan efek yang berbeda, dengan kata lain nilai mean yang
dibandingkan menunjukkan adanya perbedaan. Setelah kita pahami sedikit tentang One Way
Anova, maka mari kita lanjutkan dengan mempelajari bagaimana melakukan uji One Way
Anova dengan SPSS.
C. Tutorial Uji ANOVA
Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul
“Perbedaan Pendapatan Berdasarkan Pekerjaan”.
Di mana pendapatan sebagai variabel terikat bertipe data kuantitatif atau numerik.
Sedangkan pekerjaan sebagai variabel bebas berskala data kualitatif atau kategorik. Yaitu
dengan 3 kategori: Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan
apabila variabel terikat adalah interval dan variabel bebas adalah kategorik). (Pelajari
juga tentang Pengertian Data)
Buka SPSS.
Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan.
Ubah Type Pekerjaan ke “Numeric”, Decimals “0”, beri label “Pekerjaan”, ubah
measure menjadi “Nominal” dan isi value dengan kategori: 1 = Tani, 2 = Buruh dan 3
= Lainnya.
Ubah Type Pendapatan ke “Numeric”, Decimals “0”, beri label “Pendapatan”, ubah
measure menjadi “Scale”.
Contoh Data Uji ANOVA
Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela
One-Way ANOVA seperti di bawah ini:
Pilih variabel “Pendapatan” lalu masukkan ke kotak “Dependent List:” Kemudian
pilih variabel “Pekerjaan” lalu masukkan ke kotak “Factor:” Sehingga nampak seperti
di bawah ini:
Klik Continue
Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini:
Centang Bonferroni dan Games-Howell serta biarkan significance level = 0,05.
Klik Continue.
Lalu Klik OK dan Lihatlah hasil!
Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji lanjut
(Post Hoc Test) tidak dilakukan. Sebaliknya jika hasil uji menunjukan Ho ditolak (ada
perbedaan), maka uji lanjut (Post Hoc Test) harus dilakukan.
Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka uji
selanjutnya adalah melihat kelompok mana saja yang berbeda.
Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita lihat tabel Test
of Homogeneity of Variances, bila hasil tes menunjukan varian sama, maka uji lanjut
yang digunakan adalah uji Bonferroni. Namun bilai hasil tes menunjukan varian tidak
sama, maka uji lanjut yang digunakan adalah uji Games-Howell.
Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok tersebut sama,
maka uji lanjut (Post Hoc Test) yang digunakan adalah Uji Bonferroni.
Dari tabel Post Hoc Test di atas memperlihatkan bahwa kelompok yang menunjukan
adanya perbedaan rata-rata pendapatan (ditandai dengan tanda bintang “*”) adalah
Kelompok “Tani” dan “Lainnya”.
G. Uji Kruskal Wallis
Uji kruskal Wallis adalah salah satu uji statistik non parametrik yang dapat
digunakan untuk menguji apakah ada perbedaan yang signifikan antara kelompok variabel
independen dengan variabel dependennya. Karena untuk melihat perbedaan yang signifikan
antar kelompok, uji ini jelas digunakan untuk melihat perbandingan lebih dari 2 kelompok
populasi dengan data berbentuk ranking. Umumnya Uji ini juga disebut sebagai uji kruskal-
wallis H, atau H-test.
Daftar Isi:
Kegunaan Uji Kruskal-Wallis
1. Uji kruskal-wallis biasa digunakan sebagai alternatif untuk uji one way Anova, dimana
asumsi kenormalan tidak terpenuhi.
2. Digunakan untuk membuat perbandingan antara dua atau lebih variabel kuantitatif
berbentuk ranking dimana sampelnya merupakan sampel independen, dan asumsi
kenormalan tidak terpenuhi.
3. Merupakan uji pengembangan dari mann Whitney test, dimana variabel yang digunakan
pada uji ini berjumlah lebih dari pada dua variabel.
Catatan : apabila jumlah kelompok variabel hanya 2 maka, uji kruskal Wallis sama dengan uji
Mann Whitney. Umumnya jika terdapat dua kelompok variabel yang saling bebas maka uji yang
lebih cenderung digunakan adalah uji mann-whitney.
Diingatkan kembali bahwa uji non parametrik digunakan untuk melakukan uji statistik
terhadap kelompok data yang tidak memenuhi kriteria untuk dilakukan uji parametrik. Sehingga
tidak perlu dilakukan pengujian normalitas seperti syarat wajib untuk uji parametrik.
Untuk kasus populasi Seperti di atas dan tujuan penelitian yang sama, biasanya
digunakan uji one way Anova. Namun apabila setelah dilakukan pengujian ternyata berat
badan ayam Dari keempat kelompok populasi ayam tersebut tidak berdistribusi normal
maka peneliti tidak dapat melakukan pengujian dengan One Way Anova. Uji kruskal
Wallis dapat digunakan sebagai alternatif one way Anova untuk kasus di mana masing-
masing populasi tidak berdistribusi normal atau asumsi kenormalan tidak terpenuhi.
1. Data yang dianalisis terdiri lebih dari 2 sampel acak (k₁, k₂ … , kₙ)
2. Skala data yang digunakan minimum adalah ordinal
3. Variabel yang diamati harus continue
4. Jenis skala untuk variabel dependen adalah ordinal
Contoh lain;
Dimana;
k = banyaknya sampel
ni= banyaknya kasus pada setiap sampel ke-i
N = ∑ni= banyaknya seluruh kasus
Ri= total ranking untuk setiap sampel ke-i
∑ki=1= menunjukkan penjumlahan seluruh k sampel (kolom-kolom) mendekati distribusi
Chi square dengan db = k-1 untuk ukuran ukuran sampel sebesar n yang cukup besar.
1. Identifikasi data yang akan diuji menggunakan uji kruskal Wallis, Apakah data tersebut
layar untuk dilakukan uji menggunakan uji kruskal Wallis. Maksudnya adalah perhatikan
syarat dan ketentuan untuk uji kruskal Wallis.
2. Ranking seluruh observasi tanpa melihat nilai observasinya. Penentuan rangking untuk
observasi yang sama menggunakan metode median. Misalnya, nilai observasi berturut-
turut sampai ke 3 adalah satu, maka pada saat pemberian ranking seharusnya adalah 1-3,
Namun karena nilai observasinya sama maka digunakan nilai tengahnya yaitu 2.
Sehingga rengking untuk ketiga observasi tersebut adalah sama yaitu masing-masing 2.
Selengkapnya akan kita lihat pada contoh soal.
Soal cerita:
Misalkan, seorang guru olahraga ingin mengetahui mengenai minat muridnya menjadi atlet
olahraga. Diasumsikan bahwa anak-anak yang memiliki minat baik di olahraga akan
mendapatkan nilai yang baik dan memiliki peluang untuk menjadi atlet olahraga yang lebih
besar.
Terdapat tiga kelompok murid yang dibedakan berdasarkan minatnya yaitu, murid yang hanya
menyukai mata pelajaran ilmiah, murid yang menyukai pelajaran ilmiah dan olahraga, dan murid
yang hanya menyukai bidang olahraga. Guru tersebut pun mengambil 14 sampel anak yang
dibagi menjadi 3 kategori di atas.
Data minat siswa dituliskan dalam tabel berikut (data fiktif) beserta score minatnya terhadap
olahraga.
96 82 115
83 132 166
61 135 147
101 109
1. Hipotesis
H₀ = tidak ada perbedaan antara nilai rata-rata kelompok murid dari ketiga kategori
tersebut
H₁ = rata-rata nilai dari kelompok murid tersebut adalah berbeda
2. Uji statistik
Karena data yang digunakan adalah 3 kelompok independen sehingga diperlukan suatu
uji statistik untuk k sampel independen. Karena minat dapat diukur dengan skala data paling
sedikit tidak skala ordinal sehingga statistik pengujian kruskal Wallis cocok untuk kasus ini.
3. Tingkat signifikansi
Umumnya nilai Alpha ditetapkan sebesar 0,05, Dalam kasus ini kita juga menggunakan Apha
0,05. Dengan total sampel sebesar 14, dimana n₁=5, n₂=5 dan n₃=4.
4. Distribusi Sampling
5. Daerah penolakan
Daerah penolakan adalah semua nilai H yang mungkin terjadi di bawah H-nol dengan nilai
kurang dari alpha=0.05.
Membuat ranking untuk setiap observasi di dalam kelompok. Dalam pembentukan ranking
seluruh data digabungkan dan di rengking secara keseluruhan.
3 2 7
9 8 13
3 10 14
1 11 12
5 6
Setelah kita dapatkan nilai R₁R₂ dan R₃, selanjutnya kita dapat menghitung nilai H dengan
menggunakan rumus berikut:
H=12N(N+1)∑kj=1R2jnj−3(N+1),maka;
H=1214(14+1)[(22)25+3725+4624]−3(14+1),
=6,4(H-hitung)
6. Keputusan
Dalam contoh ini kita menggunakan referensi dari buku Sidney siegel yaitu menggunakan tabel
O, dalam kasus lain akan kita bahas mengenai contoh uji kruskal Wallis menggunakan
perbandingan dengan tabel Chi square.
Mungkin contoh kasus ini tidak terlalu rasional, namun saya berharap anda paham
maksud dan bisa mengembangkan dengan contoh lainnya.
Dalam kasus tertentu, terkadang nilai observasi ada beberapa yang sama. Untuk memberi
rangking perlu membuat nilai rata-rata rangkingnya, sehingga observasi yang sama akan
memiliki ranking yang sama. Aturan pengurutan tetap seperti biasa, artinya yang di rata-ratakan
adalah rangking-rangking yang sama saja, misal rangking yang sama adalah rangking 2,3,4,5,
maka rangking tersebut dijumlahkan dan dibagi jumlah rangking yang sama. (2+3+4+5)/4=3.5.
Misalkan;
Observasi: 80,90,90,90,90,95
Rangking: 1, 3.5, 3.5, 3.5, 3.5, 6
1−∑TN3−N
Dimana,
T=t-1 (t menunjukkan observasi observasi yang berangka sama dalam serangkaian skor
berangkat sama)
H∗=12N(N+1)∑ki=1r2ini−3(N+1)1−∑TN3−N
Dengan faktor koreksi tersebut diharapkan dapat memberikan nilai yang lebih signifikan
dibandingkan tanpa adanya faktor koreksi.
BAB III
KESIMPULAN
Analisis varians atau ANOVA merupakan salah satu teknik analisis multivariat
yang berfungsi untuk membedakan rerata lebih dari data dua kelompok dengan cara
membandingkan variansinya . Sebelum diuji dengan ANOVA, data harus
berdistribusi normal dan memiliki varian yang sama serta diambil dari populasi yang
homogen . One-way Anova digunakan untuk menganalisis varians variabel dependen
yang kuantitatif dari satu faktor yang bervariabel independen. Dalam teknik One-Way
ANOVA menggunakan metode pengujian hubungan antara satu variabel yang
tergantung interval atau rasio rasio (parametrik) dengan satu atau lebih variabel skala
nominal (non-parametrik).
Uji kruskal wallis adalah uji nonparametric berbasis peringkat yang menentukan
adakah perbedaan signifikan secara stasistik antara dua atau lebih kelompok variabel
independen pada variabel dependen yang berskala numeric, karna uji merupakan uji
non parametris dimana asumsi normalitas maka tidak perlu lagi ada uji normalitas
misal uji Shapiro wilk atau lilliefors.
DAFTAR PUSTAKA
https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html?amp
https://www.statistikian.com/2014/07/uji-kruskall-wallis-h.html?amp
https://www.statmat.net/uji-kruskal-wallis /
https://lab_adrk.ub.ac.id/id/one-way-anova-dalam-pengujian-hipotesis /