UJI REPEATED ANOVA

DAN UJI FRIEDMAN

Disusun Oleh :

1. M. Aditya Akbar 21142019023.P

2. Risa Riyani 21142019017.P
3. Risa Miranda 21142019030.P

PROGRAM STUDI ILMU KEPERAWATAN

SEKOLAH TINGGI ILMU KESEHATAN

BINA HUSADA PALEMBANG
2022
 KATA PENGANTAR

Dengan memanjatkan puji syukur kehadirat Tuhan Yang Maha Esa, karena berkat
rahmat dan kemurahannya sehingga kami dapat menyelesaikan tugas makalah ini yang
berjudul “Uji Repeated ANOVA dan Uji Friedman”, walaupun masih jauh dari
kesempurnaan.
Dengan tersusunnya makalah ini diharapkan dapat membantu teman-teman dalam
rangka pemahaman yang lebih seksama dari materi yang disajikan.
Dalam materi ini disajikan secara ringkas hal – hal yang perlu diketahui yang
berkaitan dengan materi Uji Repeated ANOVA dan Uji Friedman. Kami sangat
menyadari bahwa apa yang disajikan ini masih jauh dari kesempurnaan, walaupun kami
yakin bahwa materi ini akan sangat bermaanfaat bagi teman - teman guna membantu
kelancaran dan kemudahan dalam memahami materi yang disajikan. Kami senantiasa
akan berupaya memperbaiki makalah ini sehingga kritik dan saran yang sifatnya
membangun sangat diharapkan penulis guna penyempurnaan makalah ini.
Demikianlah yang dapat kami sampaikan semoga makalah ini dapat bermanfaat
bagi semua pihak.

Palembang, Desember 2022

Kelompok XI
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Dalam uji statistika, dikenal ada 4 macam skala pengukuran data yaitu
nominal, ordinal, interval, dan rasio. Skala nominal merupakan skala yang
paling sederhana yang disusun berdasarkan kategori, dimana fungsi bilangan
yang diterapkan hanya sebagai simbol. Skala ordinal merupakan skala
pengukuran yang didasarkan pada rangking. Skala interval menunjukkan
selang atau jarak yang sama antara objek yang satu dengan objek yang lain.
Sedangkan skala rasio sebagai skala tertinggi yang menggabungkan ketiga
sifat dari tiga skala sebelumnya. Dalam uji parametrik kekuatan pengukuran
pada umumnya dalam skala interval, dan beberapa dalam skala rasio. Adapun
data yang berskala ordinal dan nominal tidak dapat dianalisis menggunakan
uji parametrik tetapi dianalisis dengan metode-metode nonparametrik (Siegel,
1994).
Penggunaan uji statistika parametrik didasarkan pada terpenuhinya
persyaratan tentang parameter-parameter populasinya. Apabila tidak
terpenuhinya salah satu persyaratan tentang parameter populasinya dan tidak
memungkinkan untuk menggunakan uji parametrik maka digunakan uji
statistika nonparametrik. Penggunaan uji statistika nonparametrik secara
khusus dapat digunakan pada saat ukuran sampel penelitiannya terlalu kecil
atau data yang diperoleh berupa kategori. Hal ini dikarenakan tidak ada satu
uji statistika parametrik yang mampu menganalisis data kualitatif (Djarwanto,
1999).
Uji analisis yang termasuk dalam uji statistika parametrik antara lain
uji t, uji regresi, uji korelasi, uji ANOVA. Sedangkan uji statistika
nonparametrik macamnya antara lain uji Chi-Square, uji Mann-Whitney, uji
Komogorov-Smirnov, uji Cochran, uji Friedman. Uji-uji tersebut merupakan
sebagian dari uji-uji yang termasuk dalam uji statistika. Menurut Whitney,
sebagaimana dikutip oleh Siegel (1994), menyebutkan bahwa uji statistika
nonparametrik lebih unggul dalam kekuatan daripada uji parametrik untuk
beberapa distribusi populasi. Hal ini berkaitan dengan penggunaan informasi
yang paling sesuai diantara keduanya.
 Apabila penggunaan uji parametrik dilakukan dengan pengukuran
yang lebih lemah dibandingkan skala interval, maka langkah yang harus
ditempuh yaitu dengan menambah informasi. Langkah ini menyebabkan suatu
penyimpangan yang bahkan dapat merusak informasi. Dengan kata lain,
langkah tersebut sama halnya dengan membuang informasi pada saat
mengubah data menjadi rangking. Selain itu, dibutuhkan anggapan-anggapan
untuk pembenaran dalam penggunaan uji parametrik karena hampir tidak ada
pengetahuan yang menyebutkan tentang parameter- parameter populasinya.
ANOVA dua arah merupakan salah satu dari uji analisis yang
termasuk dalam uji parametrik. ANOVA menguji rata-rata lebih dari dua
kelompok yang independen dengan skala pengukuran interval yang
berdistribusi normal. Apabila diketahui bahwa untuk kasus lebih dari 2
kelompok sampel di atas, skala interval tidak berdistribusi normal meskipun
telah menambah jumlah sampel maka digunakan uji Friedman untuk
menganalisinya. Pertimbangan lain yang menyarankan penggunaan uji
Friedman untuk kasus k sampel berhubungan yaitu diperoleh data dengan
skala ordinal (peringkat). Selain itu, jika dibandingkan dengan uji
nonparametrik yang lain untuk kasus yang sama yaitu uji Cochran, akan lebih
tepat jika menggunakan uji Friedman. Hal ini dikarenakan, uji Cochran
digunakan untuk data dengan skala nominal.
Jika ANOVA dua arah dianalisis dengan uji F, maka uji Friedman
dianalisis dengan uji Xr2. Dalam bukunya Siegel (1994), Friedman
melaporkan hasil yang memberikan gambaran baik tentang efisiensi Xr2 jika
dibandingkan dengan tes parametrik k-sampel yang paling kuat (di bawah
kondisi-kondisi ini) yaitu uji F. Hasil yang ditunjukan yaitu dari 45 diantara
56 kasus, diperoleh bahwa tingkat kemungkinan kedua uji tersebut hakikatnya
sama. Uji Xr2 akan menolak H0 sebanyak 26 kali dan uji F akan menolak H0
sebanyak 24 kali pada taraf signifikansi 0,05 untuk 56 himpunan data.
 BAB II
KAJIAN PUSTAKA

A. Definisi Statistika
Menurut Anderson and Bancroft sebagaimana dikutip oleh Supranto
(1984:22) bahwa “statistics is the science and art of the development and
application of the most effective methods of collecting, tabulating, and
interpreting quantitative data in such a manner that the fallibility of
conclusions and estimates may be assessed by means of inductive reasoning
based on the mathematics of probability.” Berdasarkan Webster's New
Collegiate Dictionary sebagaimana dikutip oleh Wackerly (1945:1)
mendefinisikan statistika adalah "a branch of mathematics dealing with the
collection, analysis, interpretation, and presentation of masses of numerical
data." Sedangkan pandangan Fraser mengenai statistika sebagaimana dikutip
oleh Wackerly (1945:2) menyatakan bahwa "statistics is concerned with
methods for drawing conclusions from results of experiments or processes."
Berdasarkan definisi di atas, dapat disimpulkan bahwa statistika adalah ilmu
tentang cara atau metode yang sistematis untuk mengumpulkan, mengolah atau
menganalisis data dan menarik kesimpulan berdasarkan pengumpulan dan
penganalisisan data tersebut.

B. Statistika Parametrik dan Statistika Nonparametrik

Teknik statistika yang digunakan dalam menguji hipotesis suatu penelitian
yaitu statistika parametrik atau statistika nonparametrik. Keduanya bekerja
dengan data sampel, dimana sampel sebagai sumber data harus diambil
secara random. Ini berarti dalam pengambilan sampel diberikan peluang yang
sama untuk seluruh anggota populasi (Sugiyono, 2010).
Menurut Siegel (1994) statistika parametrik merupakan teknik
statistika yang menghendaki adanya syarat-syarat tertentu tentang parameter
populasinya. Namun, seringkali syarat-syarat tersebut tidak diuji dan dianggap
sudah dipenuhi. Hasil pengukuran dari data yang dianalisis minimal
berkekuatan skala interval. Selain menghendaki hasil pengukuran dengan
skala interval, dalam statistika parametrik (Sugiyono, 2010) sering juga
digunakan skala rasio. Keduanya menetapkan syarat-syarat tertentu, misal data
yang dianalisis tersebut harus mengikuti sebaran normal.
 Berbeda dengan statistika parametrik, pada statistika nonparametrik
tidak menetapkan syarat-syarat tertentu tentang parameter populasinya.
Anggapan-anggapan mengenai observasi-observasi yang independen serta
variabel yang kontinyu masih dianggap lemah dari anggapan statistika
parametriknya. Hal ini diperkuat dengan adanya tes pada statistika
nonparametrik tidak menghendaki pengukuran sekuat statistika parametrik.
Statistika nonparametrik dapat digunakan untuk data dalam skala ordinal dan
beberapa untuk data skala nominal (Siegel, 1994).

C. Analisis Variansi (ANOVA)

ANOVA merupakan analisis statistika untuk menguji signifikansi
perbedaan lebih dari dua rata-rata. ANOVA merupakan pengembangan lebih
lanjut dari uji t, dimana uji t hanya menguji perbandingan dua kelompok
data
sedangkan ANOVA lebih dari dua kelompok data. Uji ANOVA pada
prinsipnya adalah melakukan analisis variabilitas data menjadi dua sumber
variasi yaitu variasi didalam kelompok (within) dan variasi antar kelompok
(between) (Riduwan, 2011).
Menurut (Hakim, 2002) ANOVA menggunakan distribusi Fisher (F)
yang mempunyai ciri-ciri sebagai berikut :
1. Merupakan distribusi kontinyu dimana variabel yang diukur
dinyatakan dalam skala kontinyu.
2. Bentuk kurva tergantung dari jumlah derajat bebas db, yaitu derajat
bebas pembilang (numerator) dan derajat bebas penyebut (denumerator)
3. Skala yang digunakan hanya skala positif.
4. Meningkatnya derajat bebas db, puncak kurva distribusi F bergerak ke
kanan sehingga kemiringannya berkurang
Dalam menggunakan ANOVA harus terpenuhi asumsi dasarnya, agar
kesimpulan yang diambil tidak menimbulkan kesalahan atau kurang akurat.
Adapun asumsi dasar yang harus dipenuhi (Hakim, 2002) adalah:
a. Sampel berasal dari kelompok yang independen. Asumsi ini harus
dipenuhi pada saat pengambilan sampel yang dilakukan secara random
terhadap beberapa (> 2) kelompok yang independen.
b. Varian antar kelompok harus homogen.
c. Data masing-masing kelompok berdistribusi normal. agar data
berdistribusi normal dapat dengan menambah jumlah sampel pada
masing-masing kelompok.
D. Uji Repeated ANOVA
Analysis of variannce (ANOVA) atau dikenal juga sebagai analisis ragam
adalah teknik statistika ang digunakan untuk mendeteksi adanya perbedaan rata-
rata antara kelompok/ populasi amatan. ANOVA secara luas digunakan untuk
menganalisis data penelitian dari berbagai bidang, baik yang dilakukan melalui
eksperimen maupun survei. Analisis ini tergolong dalam analisis parametrik,
sehingga membutuhkan pemenuhan asumsi kenormalan data. Selain itu, variabel
respon yang diamati harus bersifat kuantitatif dengan skala pengukuran interval
dan rasio.
ANOVA dipandang sebagai perluasan dari uji t karenaa umumnya dipakai
untuk menguji adanya perbedaan rata-rataa dari dua atau lebih
kelompok/populasi. Misalnya diasumsikan akan dilakukan pengujian kesamaan
rata-rata terhadap 3 kelompok yang berbeda. Jika ketigaa kelompok tiddak begitu
berbeeda, maka ragam antarkelompok (ragam untuk ketiga nili rata-rata) akan
sangat kecil. Namun demikian, perlu juga diperhatikan ragam dalam kelompok
(ragam masing-masing kelompok).
Apabila ragam antarkelompok cukupp besar bila dibbandingkan ragam
dalam kelomppok, makaa dapat dikaataakan bahwa rata-rata ketiga kelompok
berbea signifikan. Untuk menguji hipoteis, maka dilakukan perhitungan rasio
ragam antarkelompok terhadap ragam dalam kelompok atau nilai F.
ANOVA juga dapat diindentik dengan anlisis regresi yang
mengellompokkan variabel-variabel yang akan dianalisis menjadi independen dan
depende. Dalam analisis regrsi, keduaa jenis variabel (dependen dan independen)
bersifat kualitatif/kategorik. Adapun variabel dependen (respon) yang dimaksud
dalam ANOVA adalah hasil pengukurn yang diamati dari objek pennelitian dan
bersifat kuantitatif. Adapun variabel indepeenden dalam analissis ini adalah
vvariabel kuaalitatif (kategorik) yang menjadi pembeda antar objek/unit
penelitian. Dalam penelitiann ekperimental, variabel kualitatif ini dikenal jugaa
sebagai perlakuan, yang mana padda setiaap perlakuan terdapat level atau taraf
yang ddiujikaan.
Pemilihan jenis perlakuan, metode penentuan perlakuan terhadap unit
eksperimen dan tata letak unit ekperimen diikenaal sebagai proses untuk
mendessainn tau merancang eksperimen. Prosedur ini bertujuan untuk
mempelajari pengaruh perubahan suatu vaariabel terhadap vaariabel lainya.
 Repeated measures adalah pengukuran berulang terhadap sekumpulan
obyek atau partisipan yang sama. Pada prinsipnya Repeated Measures ANOVA
sama dengan paired t-test untuk membandingkan rata-rata dua sampel yang
saling berhubungan. Perbedaannya dengan ANOVA adalah sampel uji ini adalah
sampel pengukuran berulang, sementara ANOVA mensyaratkan sampel bebas.
Uji Repeated ANOVA digunakan untuk menguji sebuah rancangan
eksperimen dengan rancangan lebih dari dua kelompok dependen atau kelompok
berpasangan. Uji Repeated ANOVA dapat digunakan apabila syarat terpenuhi
yaitu data berdistribusi normal, varian data homogen dan sampel diambil secara
acak.

ASUMSI ANOVA yang harus dipenuhi:

1. Multivariate Normality : ANOVA merupakan bagian dari statistika
parametrik karena mensyaratkan adanya distribusi normal pada variabel
dependen per kelompok variabel independen-between subject (atau perlakuan-
within subject). Keunikan dari uji ini adalah relatif robust atau kebal terhadap
asumsi normalitas atau robust meski terdapat penyimpangan asumsi
multiavariate normality. SPSS menyediakan Liliefors (Kolmogorov Smirnov)
dan Shapiro Wilk test
 Hipotesis yang diajukan:
Hipotesis nol (H0) : Data di dalam grup atau antar grup terdistribusi secara
normal
Hipotesis Alternatif (Ha) : Data di dalam grup atau antar grup tidak
terdistribusi secara normal

Kriteria pengambilan keputusan:

Jika sig. (p value) ≤ 0,05 (5%) maka Ha diterima atau H0 gagal diterima
artinya Data di dalam grup atau antar grup tidak terdistribusi secara normal.
Sebaliknya jika sig. (p value) > 0,05 (5%) maka H0 diterima atau Ha gagal
diterima artinya Data di dalam grup atau antar grup terdistribusi secara
normal.
Apabila asumsi normalitas ini tidak terpenuhi, maka dengan kondisi
serupa dengan ANOVA dapat menggunakan uji inferensial non parametrik
yaitu Kruskal Wallis.

2. Random sampling: Atas dasar syarat dari asumsi normalitas maka sampel
diambil secara acak atau random dan dapat mewakili populasi agar hasil
penelitian dapat digeneralisasi.

3. Homogeneity of variance: Variabel dependen dalam tiap kategori atau

kelompok atau perlakuan (dari variabel independen) harus memiliki varian
yang sama. Apabila terdapat lebih dari satu variabel independen maka varian
variabel dependen di dalam grup (within) atau varian antar grup (between)
harus sama. SPSS menyediakan Levene test of homogeneity of variance untuk
melihat apakah grup memiliki varian sama atau berbeda.
 Hipotesis yang diajukan:
Hipotesis nol (H0) : Varian grup bersifat homogen (sama) atau Equal
variance assumed
Hipotesis Alternatif (Ha) : Varian grup bersifat heterogen (berbeda) atau
Equal variance not assumed

Kriteria pengambilan keputusan:

Jika sig. (p value) ≤ 0,05 (5%) maka Ha diterima atau H0 gagal diterima
artinya varian grup bersifat heterogen (berbeda) atau Equal variance not
assumed. Sebaliknya jika sig. (p value) > 0,05 (5%) maka H0 diterima atau
Ha gagal diterima artinya varian grup bersifat homogen (sama) atau Equal
variance assumed.
Box (1954) menyatakan bahwa ketika hasil levene test signifikan (p ≤
0,05) atau varian grup bersifat heterogen (berbeda), ANOVA masih tetap
dapat digunakan oleh karena ANOVA robust untuk penyimpangan kecil dan
moderat dari pengujian homogenitas varian. Perhitungan rasio terbesar ke
terkecil dari grup varian adalah 3 atau ≤ 3 (Ghozali, 2016)
TEST OF BETWEEN-SUBJECT EFFECTS (ANOVA - UJI F)
Ciri dari ANOVA adalah terdapat satu atau lebih variabel independen
sebagai faktor penyebab dan satu variabel dependen sebagai response atau akibat
atau efek dari adanya faktor.
 Contoh: Adakah pengaruh jenis metode penyusutan aset terhadap nilai buku
aset? . Jenis metode penyusutan (garis lurus, saldo menurun, jumlah angka tahun,
saldo menurun ganda) merupakan faktor sedangkan nilai buku aset merupakan
response. Output dari ANOVA pada Test of Between Subject Effects adalah Nilai
F dan Probabilitas (tingkat signifikansi).
Prinsip Uji F pada ANOVA adalah analisis variabilitas data dari variabel
dependen yang dibagi menjadi dua sumber variasi (variance) yaitu variance yang
berasal dari variabel independen yang diteliti/variance antar kelompok (between
group) atau explained variance dan variance yang berasal dari faktor
lainnya/variance dalam kelompok (within group) atau residual variance.

F = Between Group s E stimated Variances atau explained variance Within

groups Estimated Variances atau residual variance

 Jika between group (explained) variance lebih besar within group (residual)
variance, maka nilai rasio F akan tinggi yang berarti perbedaan antara nilai
means terjadi secara acak atau adanya pengaruh variabel independen
terhadap variabel dependen.
 Jika hasil uji F signifikan (p ≤ 0,05) maka dikatakan setiap kelompok
berbeda dalam variabel dependen, namun tidak diketahui kelompok mana
yang memberikan perbedaan tersebut. Oleh karena itu, dilakukan pengujian
selanjutnya yaitu Post Hoc Test untuk mengetahui kelompok mana yang
memberikan perbedaan.
 Sebaliknya, jika hasil uji F tidak signifikan (p > 0,05) maka dikatakan
bahwa setiap kelompok tidak berbeda dalam variabel dependen, sehingga
tidak perlu dilakukan pengujian Post Hoc Test.

POST HOC TEST

Konsep ANOVA hampir sama dengan t-test, hanya saja ANOVA
membandingkan rerata tiga atau lebih kelompok sampel yang tidak berhubungan.
Pengujian pembandingkan rerata atau uji beda dari ANOVA disebut Post Hoc
Test. Dalam modul ini hanya akan membahas dua metode saja yang menjadi
bagian dari Post Hoc Comparison yaitu :
 1. Tamhane’s T 2 Test
Metode ini digunakan ketika hasil Homogeneity of Variance test
menunjukkan hasil varian grup bersifat heterogen (berbeda) atau equal
variance not assumed.
2. Tukey’s HSD Test
Tukey‟s HSD (Honestly Significant Difference) digunakan ketika hasil
Homogeneity of Variance test menunjukkan hasil varian grup bersifat
homogen (sama) atau equal variance assumed.

E. Uji Friedman
Analisis variansi rangking dua arah Friedman atau biasa disebut Uji
Friedman digunakan untuk menguji hipotesis komparatif bila k sampel data
berpasangan berbentuk ordinal (rangking). Uji Friedman sebagai pengganti
uji ANAVA dua arah jika tidak terpenuhinya persyaratan dari uji statistika
parametriknya yaitu data tidak berdistribusi normal (Sugiyono, 2010).
Dasar pemikiran uji Friedman disajikan dalam tabel dua arah denga n
baris dan k kolom. Baris menyatakan subjek dan kolom menyatakan
perlakuan. Data yang dianalisis adalah rangking, dimana skor-skor pada tiap
baris diberikan rangking yang terpisah sebanyak n perlakuan (Siegel, 1994).
Asumsi yang terdapat pada uji Friedman antara lain :
1. Data diukur paling sedikit dalam skala ordinal
2. Pengamatan-pengamatan antar blok independen.
3. Sampel-sampel yang mendapat perlakukan tidak independen
(berhubungan). Hal ini dapat dijumpai pada keadaan: sebuah sampel
mengalami beberapa (n) kali pengukuran (n repeated measures), atau
beberapa sampel mengalami pencocokan (matching).

Langkah-langkah penggunaan uji Friedman (Siegel, 1994) sebagai berikut :

a. Skor-skor yang telah dituangkan dalam tabel dua arah, selanjutnya diberi
rangking 1-n pada masing-masing baris.
b. Jumlahkan rangking di tiap kolom.
c. Menghitung harga X𝑟2.
d. Jika banyak baris atau kolom kurang dari minimal, yaitu untuk n = 3, k =
 2-9, dan n = 4, k = 2-4 maka metode untuk memberikan kemungkinan
berkaitan dengan tabel ANAVA Friedman. Tetapi jika banyak baris atau
kolom tidak terlalu kecil, metode untuk memberikan kemungkinan
berkaitan dengan tabel Chi-Kuadrat.
e. Menolak H0 pada taraf signifikansi yang telah ditentukan