Kuliah 5,6

Dr. Ir. Rahayu Astuti, M.Kes

ANALYSIS OF VARIAN (ANOVA)

= Analisis Varians (Anava)
= Analisis Ragam
= Sidik Ragam

• Diperkenalkan oleh R.A. Fisher (1925)  disebut uji F

• Pengembangan dari uji t dua sampel bebas (independent samples t test)
• Tujuan untuk mengetahui perbedaan nilai rerata lebih dari 2 kelompok
(uji beda mean lebih dari 2 kelompok )

Berdasarkan banyak faktor (kriteria) yang dipergunakan untuk mengelompokkan data,

dibedakan :
1. Anova satu arah (oneway Anova)
 data dikelompokkan (dibagi menjadi beberapa
kategori) berdasarkan 1 faktor (kriteria)
2. Anova dua arah (twoway Anova)
 data dikelompokkan (dibagi menjadi beberapa kategori)
berdasarkan 2 faktor (kriteria)
 berkembang menjadi multiway Anova

SYARAT ANOVA

1. Normalitas
– skala pengukuran interval atau rasio
– berasal dari populasi dengan distribusi normal
– diuji 2, Kolmogorov-Smirnov satu sampel, Lilliefors, Shapiro-Wilks
atau menguji kurtosis dan skewness distribusi data
2. Homogenitas variansi
 uji Bartlett atau Levene  varians homogen (varians sama)
3. Independensi
- galat atau error bersifat bebas (independen) terhadap sesamanya
 data pengamatan harus bebas satu sama lain
 pada penelitian eksperiment, perlakuan diberikan kepada unit
eksperimen secara acak (random)
 pada penelitian observasional, misalnya membandingkan rata-rata
(mean) data pada lebih dari 2 kelompok yang independent. Misalnya
ingin mengetahui perbedaan mean berat badan bayi untuk daerah
Semarang, Kendal dan Demak. Untuk menganalisis data tersebut
(lebih dari dua kelompok) yang tepat digunakan Uji Anova.

1
 ANOVA SATU ARAH
(Oneway Anova)
• Analisis data yang diperoleh dari penelitian eksperimen dengan desain rancangan
acak lengkap (completely randomized design)
 unit eksperimen homogen
• Perlakuan merupakan satu-satunya kriteria untuk mengklasifikasikan data
• Pada penelitian observasional membandingkan rerata (mean) pada lebih dari 2
kelompok yang independent

Hipotesis :

H0 : 1 = 2 = 3 … = k
H1 : Paling tidak (minimal) ada sepasang  yang tidak sama

Tujuan : untuk menguji beda antara lebih dari dua kelompok (lebih dari 2 mean),
pada kelompok data yang independen.

Prinsip pengujian: melakukan telaah variabilitas data menjadi dua sumber variasi
yaitu variasi dalam kelompok (within) dan variasi antar kelompok (between).

Secara skematis dapat digambarkan :

Varian total

Varian dalam kelompok Varian antar kelompok

2
 Sebagaimana dijelaskan diatas bahwa bila variasi antara kelompok dan variasi
dalam kelompok sama, maka tidak ada perbedaan nilai variabel tersebut secara
keseluruhan. Untuk keadaan ini tentunya akan diperoleh rasio F sama dengan 1 ( F =
variasi antara kelompok / variasi dalam kelompok = 1 ). Nilai rasio F ini akan
menyebar menurut sebaran peluang F.
Konsep Dasar ANOVA
1 2 i

X11 . . . X21 . . . Xi1 . . .

. . X12 . . . . X22 . . . . Xi2 . .
. . . . X13 . . . . X23 . . . . . . . . Xij

X1 X2 Xi

X

Xij = X + (Xi - X ) + (Xij - Xi )

Xij = X + (Xi - X ) + (Xij - Xi )

=  + i + ij

KONSTANTA BEDA RERATA ERROR TERM

TIAP KLP ij = 0 Var = 2
DENGAN
RERATA TOTAL
i = 0 Var = 2

 = Rerata total (semua kelompok)

= X
i = Beda rerata tiap kelompok dengan rerata total
= Xi -X
i = Error term/sisa/residu
= Beda nilai tiap individu dengan rerata kelompoknya
= Xij -Xi
= Xij - (  + i )

Dalam analisis diuji :

H0 : semua i = 0
H1 : paling tidak (minimal) ada satu i  0

3
Model :
Yij =  + i + ij
( i = 1, 2, 3, . . . . . . . . k )
( j = 1, 2, 3, . . . . . . . . n )

( Xij -X ) = (Xi -X ) + ( Xij -Xi )

VARIASI VARIASI
ANTAR DALAM
KELOMPOK KELOMPOK
(BETWEEN) (WITHIN)

BILA VARIASI DALAM KELOMPOK KECIL

VARIASI ANTAR KELOMPOK BESAR
 ADA PERBEDAAN MEAN ANTAR KELOMPOK

BILA VARIASI DALAM KELOMPOK BESAR

VARIASI ANTAR KELOMPOK KECIL
 TIDAK ADA PERBEDAAN MEAN ANTAR KELOMPOK

Bila persamaan sebelumnya dikuadratkan dan dijumlahkan dari semua

pengamatan :

  ( Xij -X )2 =  (Xi -X )2 +   ( Xij -Xi )2

TOTAL SUM BETWEEN WITHIN

OF SQUARES GROUP SUM OF GROUP SUM
(TOTAL SS) SQUARES OF SQUARES
Atau (BETWEEN SS) (WITHIN SS)
Jumlah Kuadrat Atau Atau
Total (JKT) Jumlah Kuadrat Jumlah Kuadrat
Antar Kelompok Dalam Kelompok
(JK Between) (JK Within)

Tabel Anova

Sumber Variasi SS df

Perlakuan (Between group)  (Xi -X )2 k-1

Sisaan/galat/residu (within   ( Xij -Xi )2 ni -k

group)

Total   ( Xij -X )2 ni -1

4
 SS perlakuan / k-1
F = ------------------------
SS galat / N-k

CARA LAIN:
Tabel Pengamatan :
Perlakuan
1 2 . . . . . . . .k Jumlah
Pengamatan ke Y11 Y21 Yk1
Y12 Y22 Yk2
… … …
… … …
… … …
Y1n Y2n Ykn

k
Jumlah J1 J2 Jk J =  Ji
i=1
k
Jumlah pengamatan n1 n2 nk  ni
i=1
J
Rata-rata Y1 Y2 Yk Y = 
 ni

n k
 Y =   Yij 2
2

j=1 i=1

J2
JK Total =  Y2  [  ]
 ni
J1 2 J2 2 Jk 2 J2
JK Between =  +  + . . . . . . .   [  ]
n1 n2 nk  ni

JK Within = Jk Total – JK Between

JKT = JKB + JKW

5
Tabel ANOVA :
Sumber Derajat Jumlah Kuadrat Rata-rata F hitung
keragaman bebas ( JK ) Jumlah Kuadrat
(RJK)
JKB s1 2
Between k–1 JKB s1 = 
2
F hitung = 
(Perlakuan) k–1 s2 2

JKW
Within (n–1) JKW s2 2
= 
(Error)  (n – 1 )

Total  ni – 1 JKT

Kriteria Penolakan H0 :
FSTAT  F k-1 , n-k, 

CARA SINGKAT :

Perhitungan uji anova satu faktor :

n1 .X1 + n2 .X2 + … + nk .Xk
X = 
n

n1 (X1 – X )2 + n2 (X2 – X )2 + … + nk (Xk – X )2

Sb2 = 
k–1

( n1-1 ) S12 + ( n2-1 ) S22 + … + ( nk-1 ) Sk2

Sw2 = 
n–k

Sb2
F =  ; df1 = k – 1 (pembilang)
Sw2 df2 = n – k (penyebut)

Keterangan :
n = Jumlah seluruh data (n1 + n2 + …+ nk)
k = Jumlah kelompok
Sb2 = Varians between (antar kelompok)
Sw2 = Varians within (dalam kelompok)
Pengambilan keputusan Ho ditolak jika :
F hitung  F tabel (df 1=pembilang=k-1, df 2= penyebut=n-k, )
Atau p –value < 

6
Contoh 1:
Suatu penelitian ingin mengetahui hubungan kondisi sosial ekonomi keluarga dengan
berat badan bayi yang dilahirkan. Penelitian dilakukan dengan menimbang berat
badan bayi (kg) pada 23 ibu yang baru melahirkan yang terbagi dalam kelompok
sosial ekonomi rendah, sedang dan tinggi. Adapun hasilnya adalah sebagai berikut:

Sosek rendah : 2,4 3,0 2,1 3,0 3,4 2,3 2,3 2,5
Sosek sedang : 3,0 3,1 2,7 2,6 3,1 2,9 3,2
Sosek tinggi : 3,1 2,4 3,5 2,9 3,4 4,0 3,4 3,9

Pada alpha 5% apakah ada perbedaan berat badan bayi diantara tingkat sosial
ekonomi tersebut?

Jawab:
Ho : 1  2 = . . . . .= k

Tidak ada perbedaan mean berat badan lahir bayi pada ketiga tingkat sosial
ekonomi.
Ha : Ada perbedaan mean berat badan lahir bayi pada ketiga tingkat sosial ekonomi.

Perhitungan uji anova (uji F):

Sosek rendah : n1 = 8 , mean (X1 ) = 2,6 , standar deviasi (s1) = 0,45

Sosek sedang : n2 = 7 , mean (X2 ) = 2,9 , standar deviasi (s2) = 0,22
Sosek tinggi : n3 = 8 , mean (X3) = 3,3 , standar deviasi (s3) = 0,50

n1 .X1 + n2 .X2 + … + nk .Xk

X = 
n

( 8 ) ( 2,6 ) + ( 7 ) ( 2,9 ) + ( 8 ) ( 3,3 )

X =  = 2,9
23

n1 (X1 – X )2 + n2 (X2 – X )2 + … + nk (Xk – X )2

Sb2 = 
k–1

8 (2,6 – 2,9 )2 + 7 (2,9 – 2,9 )2 + 8 (3,3 – 2,9 )2

Sb2 =  = 1,00
3–1

(n1-1) S12 + (n2-1) S22 + … + (nk-1) Sk2

Sw2 = 
n–k

7
 (8-1) (0,45)2 + (7-1) (0,22)2 + (8-1) (0,50)2
Sw2 =  = 0,17
23 – 3

( 1,00 )
F =  = 5,88
( 0,17 )

Nilai F pada tabel dengan  = 0,05

df1 = 3 – 1 = 2 (pembilang) dan df2 = 23 – 3 = 20 (penyebut) adalah 3,49
Karena F hitung (5,88) > F tabel (3,49) maka tolak Ho
Jadi kesimpulannya ada perbedaan mean berat badan lahir bayi pada ketiga tingkat
sosial ekonomi.

Contoh 2:
File : data gizi . sav

Tabel 1. Data status gizi balita

No Umur Pendidi- Pendidi- Jumlah Pengetahu- Status St. St. Gizi

ibu kan ibu kan bpk anak an gizi ibu kerja gizi balita
(th) (tahun) balita sesudah
seblm
1 34 2 12 3 80 1 -1.00 -0.78
2 40 1 5 5 70 1 -2.81 -2.55
3 32 2 9 3 75 0 -1.93 -1.64
4 25 1 6 6 62 0 -1.97 -1.59
5 39 1 5 7 70 0 -2.18 -1.86
6 33 1 5 6 68 0 -2.63 -2.34
7 47 0 3 7 65 1 -2.82 -2.54
8 27 0 6 6 76 1 -1.69 -1.55
9 34 1 6 5 77 1 -1.61 -1.48
10 25 2 12 4 88 0 0.19 0.77
11 22 0 0 4 78 1 -1.58 -1.45
12 31 0 0 5 76 1 -1.66 -1.53
13 43 0 2 5 69 1 -2.37 -1.97
14 31 1 6 6 79 0 -1.32 -0.87
15 36 1 5 7 76 0 -1.71 -1.54
16 25 0 3 5 67 1 -2.55 -2.35
17 22 0 6 7 68 0 -2.55 -2.25
18 31 1 9 4 63 0 -2.02 -1.77
19 40 2 12 2 82 1 -0.63 -0.55
20 31 2 10 4 75 1 -1.91 -1.67

8
Keterangan :
Pendidikan ibu : 0. Tidak sekolah, 1. SD, 2 SMP

Status kerja : 0. Tidak bekerja

1. Bekerja

Contoh kasus : Seorang mahasiswa ingin meneliti apakah ada perbedaan status gizi
balita berdasarkan pendidikan ibu. Besar sampel ( n ) = 20 orang.
Kerangka konsep :

Pendidikan ibu Status gizi balita

Variabel Independen :
Pendidikan ibu : Data kategorik ( 0= Tidak sekolah, 1 = SD, 2 = SMP )
Variabel Dependen :
Status gizi balita : Data numerik

Langkah-langkah :
1. Uji kenormalan data
- Buka file data “data gizi sav”
- Uji (KS) Kolmogarof Smirnov 1 sampel :
SPSS Windows  Analyze  Non parametric test  1-sampel-KS

Gambar 1
One-Sample Kolmogorov-Smirnov Test

status gizi
balita
sebelum
diberi pmt
N 20
Normal Parameters a,b Mean -1.8375
Std. Deviation .75203
Most Extreme Absolute .166
Differences Positive .166
Negative -.096
Kolmogorov-Smirnov Z .742
Asymp. Sig. (2-tailed) .640
a. Test distribution is Normal.
b. Calculated from data.

Dari hasil uji KS diketahui bahwa variabel status gizi balita (p=0,640) memenuhi
asumsi yaitu berdistribusi normal sebab nilai p KS > 0,05.

Jika digunakan explore data, hasil uji Kenormalan:

Gambar .2.

9
 Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
status gizi balita sebelum
.166 20 .150 .924 20 .121
diberi pmt
a. Lilliefors Significance Correction

Dari hasil uji KS dan SW diketahui bahwa variabel status gizi balita (p=0,150)
dan (p= 0,121) memenuhi asumsi yaitu berdistribusi normal sebab nilai p > 0,05.

2. Uji Anova One Way

Dari menu utama SPSS, klik Analyze, kemudian pilih sub menu Compare Mean
dan pilih One – Way Anova.
Tampak pada layar :
Gambar 3.

Masukan variabel status gizi balita 1 (numerik) ke kotak dependent list dan
variabel jenjang pendidikan ibu (kategorik) ke kotak factor.
Tampilan dilayar :
Gambar 4.

Klik kotak Option, aktifkan pilihan Descriptive dan Homogeneity-of-variance.

Tampak pada layar :

10
 Gambar 5.

Klik Continue
Klik kota Post Hoc, dan aktifkan pilihan Bonferoni
Tampak pada layar :

Gambar 6.

Lalu klik Continue

Dan terakhir klik OK, untuk melaksanakan prosedur perintah
Hasilnya :
Gambar 7.
Test of Homogeneity of Variances

status gizi balita sebelum diberi pmt

Levene
Statistic df1 df2 Sig.
1.623 2 17 .226

Dari hasil test homogenitas (levene test) diketahui bahwa varian antar kelompok
pendidikan homogen atau varians sama dengan p value = 0,226 atau lebih
besar dari nilai alpha 0,05 (memenuhi syarat uji anova).

11
 Gambar 8.
Descriptives

status gizi balita sebelum diberi pmt

95% Confidence Interval for
Mean
N Mean Std. Deviation
Std. ErrorLower Bound
Upper Bound
MinimumMaximum
tidak sekolah 7 -2.1743 .51474 .19456 -2.6503 -1.6982 -2.82 -1.58
SD 8 -2.0313 .50391 .17816 -2.4525 -1.6100 -2.81 -1.32
SMP 5 -1.0560 .89865 .40189 -2.1718 .0598 -1.93 .19
Total 20 -1.8375 .75203 .16816 -2.1895 -1.4855 -2.82 .19

Sedangkan pada tabel descriptive, terlihat rata-rata status gizi balita dari keempat
jenjang pendidikan ibu tidak berbeda jauh, kecuali untuk ibu yang berpendidikan
SMP, rata-rata status gizi balitanya yaitu -1,0560 dibanding rata-rata status gizi
balita ibu yang Tidak sekolah (-2,1743), dan rata-rata status gizi balita ibu yang
pendidikan SD (-2,0313).

Gambar 9
ANOVA

status gizi balita sebelum diberi pmt

Sum of
Squares df Mean Square F Sig.
Between Groups 4.148 2 2.074 5.344 .016
Within Groups 6.598 17 .388
Total 10.746 19

Hasil uji anova terlihat p value sebesar 0,016 (< alpha 0,05). Hal ini berarti pada
alpha 5 % dapat disimpulkan bahwa ada perbedaan rata-rata status gizi balita
pada ibu yang tidak sekolah, SD dan SMP.

Untuk melihat pasangan mana yang berbeda, maka digunakan uji lanjut sesudah
anova, yaitu post hoc test pada latihan ini digunakan uji Bonferroni

12
Gambar 10
Multiple Comparisons

Dependent Variable: status gizi balita sebelum diberi pmt

Bonferroni

Mean
Difference 95% Confidence Interval
(I) jenjang pendidikan (J)
ibu jenjang pendidikan ibu(I-J) Std. Error Sig. Lower BoundUpper Bound
tidak sekolah SD -.1430 .32242 1.000 -.9991 .7130
SMP *
-1.1183 .36477 .021 -2.0868 -.1498
SD tidak sekolah .1430 .32242 1.000 -.7130 .9991
SMP *
-.9753 .35515 .041 -1.9182 -.0323
SMP tidak sekolah 1.1183
* .36477 .021 .1498 2.0868
SD .9753
* .35515 .041 .0323 1.9182
*. The mean difference is significant at the .05 level.

Hasil uji Bonferoni menunjukkan bahwa kelompok yang berbeda secara

signifikan adalah :
* pendidikan tidak sekolah dengan SMP, p value 0,021 (< alpha 0,05),
* pendidikan SD dengan SMP, p value 0,041 (< alpha 0,05).

LATIHAN SOAL:
1. Dari 4 macam PMT yang diberikan kepada 20 balita gizi kurang . PMT A 100
Kalori, PMT B 200 Kalori, PMT C 300 Kalori dan PMT D 400 Kalori. Ke 20 balita
gizi kurang itu dibagi secara random kedalam 4 kelompok dan masing-masing
kelompok diberi satu jenis PMT. Adapun hasil pertambahan berat badannya adalah
sebagai berikut:
Hasil peningkatan berat badan balita setelah program PMT
PMT A PMT B PMT C PMT D
1,5 2 1 2,5
1 1,5 1,5 3
0,5 1,5 2 1,5
1 2 2 2,5
1 1 2 2

Pertanyaan :
a. Ujilah pada  = 5% apakah ada perbedaan peningkatan berat badan diantara 4
macam PMT tersebut?
b. Bila ada perbedaan kelompok mana saja yang berbeda?
c. PMT mana yang paling baik untuk meningkatkan berat badan ?

13
2. Sebanyak 19 orang kelebihan berat badan (kegemukan) mengikuti program
penurunan berat badan. Subyek dibagi 3 kelompok dengan cara randomisasi. Setiap
kelompok mendapat metode program yang berbeda. Pada akhir program penurunan
berat badan (kg) dicatat dan hasilnya sebagai berikut:
Metode A : 6,2 8,4 5,5 4,5 5,5 6,0
Metode B : 7,2 6,7 5,6 6,6 7,0 5,5
Metode C : 8,0 9,5 9,9 8,7 9,8 10,8 11,9
Pertanyaan :
a. Ujilah dengan  = 5%, apakah ada penurunan berat badan diantara tiga
metode tersebut?
b. Bila ada perbedaan kelompok mana saja yang berbeda?
c. Metode mana yang paling baik untuk digunakan dalam menurunkan berat
badan?

3. Hasil pengamatan penelitian tentang pengaruh lama simpan terhadap total mikroba
pada ikan rebus sebagai berikut :

Nomor Lama simpan (hari) Total mikroba (kali 1000)

1 0 0
2 0 0
3 0 0
4 0 0
5 0 0
6 4 16
7 4 24
8 4 18
9 4 18
10 4 20
11 8 49
12 8 55
13 8 69
14 8 60
15 8 52

Apakah ada perbedaan rata-rata total mikroba pada ikan rebus yang disimpan 0
hari, 4 hari dan 8 hari ?

Gunakan program SPSS untuk mengerjakannya

14
 UJI ANOVA TWO WAY
Analisis varians dua faktor
Jika dalan anova satu faktor hanya dimaksudkan menguji signifikansi
perbedaan rata-rata hitung satu klasifikasi saja, maka dalam anova dua faktor yang
diuji lebih dari satu macam klasifikasi, bisa 2, 3 atau lebih klasifikasi tergantung dari
desain penelitian yang direncanakan. Pengujian banyak kelompok yang melibatkan
klasifikasi ganda akan menjanjikan perolehan informasi yang lebih banyak dan lebih
teliti.
Prinsip dasar anova dua faktor tidak berbeda dengan anova satu faktor. Hanya
saja, pada anova dua faktor terdapat lebih dari satu variabilitas antar kelompok
(faktor), dan tiap kelompok (variabel independen) itu dapat saling berinteraksi.
Namun variabilitas dalam kelompok hanya tetap satu, yaitu menunjukkan kesalahan
varian.
Contohnya suatu penelitian eksperimen yang melibatkan tiga kelompok (I, II
dan III) mahasiswa dari 4 fakultas yaitu FKM, FIKKES, FISIP DAN FK yang
masing-masing diberi metode belajar statistik yang berbeda yaitu metode ceramah,
diskusi dan praktikum, kemudian dilakukan evaluasi efektifitas ketiga metode belajar
tersebut. Dalam hal ini maka penghitungan varian antar kelompok tidak lagi hanya
satu seperti pada anova satu faktor, tetapi ada tiga varian antar kelompok yaitu faktor
metode belajar (faktor A), faktor fakultas (faktor B) dan faktor interaksi metode
belajar dengan fakultas (faktor C).

Secara skematis dapat digambarkan :

Varian total

Varian dalam kelompok Varian antar kelompok

Varian Faktor A Varian Faktor B Varian Faktor C

Asumsi – Asumsi :
1. Data berdistribusi normal
2. Sampel / kelompok independen
3. Varian homogen
4. Jenis data yang dihubungkan adalah numerik untuk variabel dependen dan
kategorik lebih dari 2 kelompok untuk variabel independen.

Perhitungan uji anova dua faktor :

Sb2 Faktor A
F Factor A = ; df1 = k – 1 (pembilang)
2
Sw Faktor A df2 = n – k (penyebut)

Sb2 Faktor B
F Factor B = ; df1 = k – 1 (pembilang)
Sw2 Faktor B df2 = n – k (penyebut)

15
 Sb2 Faktor C
F Factor C = ; df1 = k – 1 (pembilang)
Sw2 Faktor C df2 = n – k (penyebut)

(n1-1) S12 + (n2-1) S22 + …+ (nk-1) Sk2

Sw2 =
n-k

n1 (X1 – X)2 + n2 (X2 – X)2 + … + nk (Xk – X)2

2
Sb =
k–1

n1 . X1 + n2 . X2 + … + nk . Xk
X =
n
Keterangan :
n = Jumlah seluruh data (n1 + n2 + …+ nk)
k = Jumlah kelompok
Sb2 = Varians between (antar kelompok)
Sw2 = Varians within (dalam kelompok)

Contoh: Uji Anova Two Way

Contoh kasus : Seorang mahasiswa ingin meneliti apakah ada perbedaan status gizi
balita berdasarkan pendidikan ibu dan berdasarkan status bekerja serta interaksi
variabel pendidikan dengan variabel status bekerja. Besar sampel yang digunakan n =
20 orang.

Kerangka konsep :

Pendidikan

Status gizi balita

Status bekerja

Variabel Independen :
Pendidikan : Data kategorik (0= Tidak sekolah, 1 = SD, 2 = SMP)
Status bekerja : Data kategorik (0= Tidak bekerja dan 1 = Bekerja)

Variabel Dependen :
Status gizi: Data numerik

Langkah-langkah :

1. Telah diuji kenormalan data status gizi sebelum diberi PMT berdistribusi normal
Sehingga langsung ke uji anova two way

16
2. Uji Anova Two Way
Dari menu utama SPSS, klik Analyze, kemudian pilih sub menu General Linier
Model dan pilih Univariat. Tampak pada layar :

Gambar 11.

Masukan variabel status gizi balita (numerik) ke kotak Dependent Variable,

kemudian variabel pendidikan (kategorik) dan Status bekerja ke kotak Fixed
Factor(s). Tampilan dilayar :

Gambar 12

Pada option pilih : - Descriptive statistics dan

- Homogeneity tests
- Klik ‘continue’
Pada post hoc, masukkan variable pendidikan dan status kerja ke kotak kanan
lalu pilih uji Bonferoni lalu klik ‘continue’
Pada ’plots’ masukkan variabel pendidikan ke kotak ’Horizontal axis” dan
masukkan variabel status kerja ke ’separate lines’
Lalu klik ’add’ lalu klik ‘continue’

17
 Dan terakhir klik OK, untuk melaksanakan prosedur perintah
Hasilnya :
Gambar 13.
Between-Subjects Factors

Value Label N
jenjang 0 tidak
pendidikan ibu 7
sekolah
1 SD 8
2 SMP 5
status bekerja 0 tidak
9
ibu bekerja
1 bekerja 11

Pada tabel diatas, menunjukkan data yang diikutsertakan dalam uji, untuk variabel
pendidikan terdiri atas 3 kategori yaitu Tidak sekolah (7 orang), SD (8 orang),
SMP (5 orang) sedangkan untuk variabel status bekerja terdiri 2 kategori yaitu
yang tidak bekerja (9 orang) dan yang bekerja (11 orang). Jadi jumlah seluruh data
20 data yang diikutkan dalam proses uji.

Gambar 14
Levene's Test of Equality of Error Variancesa

Dependent Variable: status gizi balita sebelum diberi pmt

F df1 df2 Sig.
4.588 5 14 .011
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept+DIDIK_BU+STKERJA+DIDIK_BU *
STKERJA

Pada test varians diperoleh hasil p-value = 0,011 < alpha (0,05) sehingga
disimpulkan varians tidak sama (Catatan: seharusnya untuk uji anova yang
baik yaitu harus memenuhi asumsi varians sama.

Gambar 15
Tests of Between-Subjects Effects

Dependent Variable: status gizi balita sebelum diberi pmt

Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 4.513a 5 .903 2.028 .137
Intercept 44.499 1 44.499 99.960 .000
DIDIK_BU 4.355 2 2.177 4.891 .024
STKERJA .005 1 .005 .010 .921
DIDIK_BU * STKERJA .330 2 .165 .371 .697
Error 6.232 14 .445
Total 78.274 20
Corrected Total 10.746 19
a. R Squared = .420 (Adjusted R Squared = .213)

18
 Pada tabel diatas dapat diinterpretasi :

a. Perbedaan rata-rata status gizi balita berdasarkan jenjang pendidikan ibu

Dari tabel terlihat bahwa F hitung 4,891 dengan p value sebesar 0,024 (< alpha
0,05) yang berarti ada perbedaan signifikan rata-rata status gizi balita diantara
ketiga jenjang pendidikan tersebut.

b. Perbedaan rata-rata status gizi balita berdasarkan status bekerja

Dari tabel terlihat bahwa F hitung 0,010 dengan p value sebesar 0,921 (> alpha
0,05) yang berarti tidak ada perbedaan signifikan rata-rata status gizi balita pada
ibu yang tidak bekerja dengan rata-rata status gizi balita pada ibu yang bekerja.

c. Interaksi dua faktor yaitu jenjang pendidikan dengan status bekerja

Dari tabel terlihat bahwa F hitung 0,371 dengan p value sebesar 0,697 (> alpha
0,05) yang berarti tidak ada interaksi antara faktor jenjang pendidikan dengan
faktor status bekerja.
Gambar 16

Multiple Comparisons

Dependent Variable: status gizi balita sebelum diberi pmt

Bonferroni

Mean
Difference 95% Confidence Interval
(I) jenjang pendidikan ibu
(J) jenjang pendidikan ibu (I-J) Std. Error Sig. Lower Bound Upper Bound
tidak sekolah SD -.1430 .34531 1.000 -1.0815 .7954
SMP *
-1.1183 .39068 .038 -2.1801 -.0565
SD tidak sekolah .1430 .34531 1.000 -.7954 1.0815
SMP -.9752 .38037 .067 -2.0090 .0585
SMP tidak sekolah *
1.1183 .39068 .038 .0565 2.1801
SD .9752 .38037 .067 -.0585 2.0090
Based on observed means.
*. The mean difference is significant at the .05 level.

Pada post hoc test diperoleh hasil :

Rata-rata status gizi balita pada ibu yang berpendidikan:

Tidak sekolah dengan SD  p=1,000 (karena 1,000>0,05 maka tidak ada perbedaan)
Tidak sekolah dengan SMP  p=0,038 (karena 0,038< 0,05 maka ada perbedaan)
SD dengan SMP  p=0,067 (karena 0,067> 0,05 maka tidak ada perbedaan)
Jadi pasangan yang berbeda hanya pasangan tidak sekolah dengan SMP (p value =
0,038)

LATIHAN UJI ANOVA 2 FAKTOR

1. Mahasiswa melakukan percobaan tentang pengaruh lama penyimpanan dan tempat

peyimpanan terhadap total mikroba ikan pindang. Perlakuan yang diberikan ada
dua yaitu lama simpan dan tempat penyimpanan. Lama penyimpanan adalah 0

19
 hari, 4 hari dan 8 hari sedangkan tempat penyimpanan adalah dikulkas dan di
ruangan terbuka (lemari). Sehingga terdapat 6 taraf perlakuan. Replikasi atau
pengulangan tiap taraf perlakuan sebanyak 5 kali. Hasil pengamatan adalah
sebagai berikut :
Tabel pengamatan total mikoroba berdasarkan lama simpan dan tempat simpan:
Lama penyimpanan Tempat penyimpanan
( hari ) kulkas Ruangan terbuka (lemari)
0 2
0 1
0 0 1
0 0
0 1

16 24
12 18
4 18 22
18 32
20 36
49 84
61 66
8 75 71
60 59
52 82

a). Ujilah dengan menggunakan uji anova 2 faktor :

- apakah ada pengaruh lama simpan terhadap total mikroba pada ikan pindang?
- apakah ada pengaruh tempat simpan terhadap total mikroba pada ikan pindang?
- apakah ada pengaruh interaksi antara lama simpan dan tempat simpan terhadap
total mikroba pada ikan pindang?

b). Jika ada pasangan mana saja yang berbeda?

Daftar Pustaka
1. Budiarto. Biostatistika untuk kedokteran dan kesehatan masyarakat. EGC. Jakarta. 2002
2. Chandra, B. Pengantar Statistik Kesehatan. Penerbit Buku Kedokteran EGC.
Jakarta.1995.
3. Dawson B, Trapp RG. Basic and Clinical Biostatistics. Third Edition. McGraw-Hill
International Editions. Lange Medical Books, The McGraw-Hill Companies. 2001.
4. Furqon. Statistika Terapan untuk Penelitian. Alfabeta. Bandung. 2002..
5. Kuzma. Basic Statistics for the Health Sciences. Mayfield Publishing Company.
1984
6. Norman and Streiner. Biostatistics : The Bare Essentials, Mosby. 1994.
7. Pagano, M dan K. Gaureau. Principles of Biostatistics. Belmont, Duxury
Press.1993.
8. Sabri dan Hastomo. Statistika kesehatan. PT Raja Grafindo Persada. Jakarta. 2006.
9. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Prosedures.
Third Edition. Chapman & Hall/CRC. Florida. 2004.
10. Sugiyono. Statistika untuk Penelitian. Alfabeta. Bandung. 2005.

20