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).
Varian total
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
X
3
Model :
Yij = + i + ij
( i = 1, 2, 3, . . . . . . . . k )
( j = 1, 2, 3, . . . . . . . . n )
VARIASI VARIASI
ANTAR DALAM
KELOMPOK KELOMPOK
(BETWEEN) (WITHIN)
Tabel Anova
Sumber Variasi SS df
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
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 :
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.
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 )
Contoh 2:
File : data gizi . sav
8
Keterangan :
Pendidikan ibu : 0. Tidak sekolah, 1. SD, 2 SMP
Contoh kasus : Seorang mahasiswa ingin meneliti apakah ada perbedaan status gizi
balita berdasarkan pendidikan ibu. Besar sampel ( n ) = 20 orang.
Kerangka konsep :
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.
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.
Masukan variabel status gizi balita 1 (numerik) ke kotak dependent list dan
variabel jenjang pendidikan ibu (kategorik) ke kotak factor.
Tampilan dilayar :
Gambar 4.
10
Gambar 5.
Klik Continue
Klik kota Post Hoc, dan aktifkan pilihan Bonferoni
Tampak pada layar :
Gambar 6.
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
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
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
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.
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 :
Apakah ada perbedaan rata-rata total mikroba pada ikan rebus yang disimpan 0
hari, 4 hari dan 8 hari ?
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).
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 . 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)
Kerangka konsep :
Pendidikan
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.
Gambar 12
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
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
18
Pada tabel diatas dapat diinterpretasi :
Multiple Comparisons
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.
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
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