MAKALAH CASE BASED LEARNING

UJI ANOVA

Mata Kuliah: Biostatistik

Dosen Pengampu: Riri Novayelinda, SKp., MNg

Disusun Oleh: Kelompok 3 A 2022 3

Annisa Ramadhani Putri (2211114028) Niken Ayu Pratiwi (2211112304)

Dea Triana Mudri (2211114030) Nurhaliza Maharani (2211112300)
Dinda Rahmadhani (2211114029) Rahmadhani Sahara (2211112305)
Indah Chairunnisa (2211114026) Sevina Azlia (2211112303)
Maharani Karlina (2211114027) Yenifra Mashuri (2211112308)
Natasya Herliza (2211112297)

PROGRAM STUDI ILMU KEPERAWATAN

FAKULTAS KEPERAWATAN

UNIVERSITAS RIAU
2024

i
 KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Allah Swt. yang telah memberikan
karunia-Nya kepada penulis sehingga penulis dapat menyelesaikan makalah ini
tepat pada waktunya. Adapun tujuan penulisan makalah ini adalah untuk
melengkapi nilai tugas pada mata kuliah Biostatistik kelas A 2022 3.

Harapan dari penulis semoga makalah dapat bermanfaat bagi pembaca,

terutama dalam peningkatan pemahaman terhadap mata kuliah Biostatistik.
Penyusunan makalah ini kiranya masih jauh dari kata sempurna. Untuk itu, penulis
mengucapkan permohonan maaf apabila terdapat kesalahan dalam makalah ini.
Penulis pun berharap pembaca makalah ini dapat memberikan kritik dan saran
agar dikemudian hari penulis bisa membuat makalah yang lebih sempurna lagi.

Pekanbaru, 2 Maret 2024

Kelompok 3

ii
 DAFTAR ISI

KATA PENGANTAR....................................................................................................ii
DAFTAR ISI................................................................................................................iii
BAB I............................................................................................................................1
PENDAHULUAN.........................................................................................................1
1.1 Latar Belakang................................................................................................1
1.2 Tujuan.............................................................................................................2
1.3 Manfaat...........................................................................................................2
BAB II...........................................................................................................................3
TINJAUAN PUSTAKA................................................................................................3
2.1 Definisi Anova................................................................................................3
2.2 Prinsip Anova..................................................................................................3
2.3 Klasifikasi Anova............................................................................................4
2.4 Langkah-Langkah Uji Anova..........................................................................5
2.5 Analisis Mutiple Comparison (Posthoc Test).................................................6
2.5 Contoh Soal...................................................................................................11
BAB III........................................................................................................................35
PENUTUP...................................................................................................................35
3.1 Kesimpulan........................................................................................................35
3.2 Saran..................................................................................................................35
DAFTAR PUSTAKA..................................................................................................36

i
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Saat ini, metode statistika inferensial menjadi metode yang sering

digunakan dalam penelitian. Statistika inferensial mampu memberikan cara
yang objektif guna mengumpulkan, mengolah, dan menganalisis data
kuantitatif, serta menarik kesimpulan tentang ciri populasi tertentu
berdasarkan hasil analisis sampel yang dipilih secara acak dari populasi
bersangkutan (Sutopo, 2017). Teknik statistika inferensial dapat digunakan
untuk menganalisis perbedaan rata-rata antara lebih dari dua kelompok
teramati, salah Satunya adalah uji analysis of variance atau ANOVA.
ANOVA mengatasi keterbatasan dari uji-t sampel independen yang
menguji rata-rata antara dua kelompok saja sehingga perbandingan lebih dari
dua kelompok akan membutuhkan dilakukannya uji-t sampel independen
secara berulang kali. Hal ini berdampak pada peningkatan nilai a sehingga
meningkatkan kesalahan tipe I (type I error). ANOVA mengatasi keterbatasan
uji-t sampel independen dengan memperhitungkan semua rata-rata kelompok
dalam satu hipotesis nol (Ho). Jika hasil uji ANOVA menunjukkan penolakan
H. yaitu nilai Fstatistic > Fcritic tau Pvalue < α, akan dilanjutkan dengan uji multiple
comparisons yang digunakan untuk mengetahui perbedaan spesifik rata-rata
antara kelompok.
Uji Anova adalah bentuk khusus dari analisis statistik yang banyak
digunakan dalam penelitian eksperimen. metode analisis ini dikembangkan
oleh R.A Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana
kita mengambil kesimpulan berdasarkan data atau kelompok statistik
inferentif.

1
1.2 Tujuan
Dalam makalah yang berjudul penyajian data ini memiliki beberapa
tujuan penulisan, yaitu:
1. Menjelaskan defenisi dari ANOVA.
2. Menjelaskan Prinsip dari ANOVA.
3. Menjelaskan klasifikasi dari ANOVA.
4. Menjelaskan Langkah-langkah uji ANOVA.
5. Menjelaskan Analisis Mutiple Comparison (Posthoc Test)

1.3 Manfaat
Manfaat teoritis penulisan makalah penyajian data adalah:
a. Meningkatkan pemahaman tentang uji ANOVA dalam pengolahan data.
b. Memberikan pengetahuan tentang cara dan langkah-langkah dari uji
ANOVA.
c. Menjadi referensi bagi mahasiswa yang sedang mempelajari tentang uji
ANOVA untuk proses pembelajaran.

2
 BAB II
TINJAUAN PUSTAKA

2.1 Definisi Anova

Anova adalah sebuah analisis statistik yang menguji perbedaan rerata
antar grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Anova
ditemukan dan diperkenalkan oleh seorang ahli statistik bernama Ronald
Fisher Anova merupakan singkatan dari Analysis of variance. Merupakan
prosedur uji statistik yang mirip dengan t test. Namun kelebihan dari Anova
adalah dapat menguji perbedaan lebih dari dua kelompok. Berbeda dengan
independent sample t test yang hanya bisa menguji perbedaan rerata dari dua
kelompok saja. Dalam kesempatan bahasan kali ini, akan dijelaskan secara
singkat namun dengan penuh harapan agar para pembaca mudah memahami
dan mempraktekkannya dalam penelitian di lapangan nantinya.
Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian
yang mana menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari
analisis ANOVA adalah nilai F test atau F hitung. Nilai F Hitung ini yang
nantinya akan dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih
dari f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak H0
atau yang berarti ada perbedaan bermakna rerata pada semua kelompok.
Analisis ANOVA sering digunakan pada penelitian eksperimen dimana
terdapat beberapa perlakuan. Peneliti ingin menguji, apakah ada perbedaan
bermakna antar perlakuan tersebut
2.2 Prinsip Anova
Prinsip uji Anova adalah melakukan telaah variabilitas data menjadi dua
sumber variasi yaitu dalam kelompok pok ( within ) dan variasi
antarkelompok ( between ). Bila variasi within dan between sama ( nilai
perbandingan kedua varian dengan 1), mean-mean dibandingkan tidak ada
perbedaan. Sebaliknya bila hasil perbandingan kedua varian tersebut

3
 menghasilkan nilai lebih dari 1, mean yang dibandingkan menunjukkan
perbedaan
2.3 Klasifikasi Anova
Menurut Montgomery, kk.(2012), ANOVA dapat digolongkan kedalam
beberapa klasifikasi, yaitu:
1. Klasifikasi 1 arah (One Way ANOVA)
Anova klasifikasi 1 arah merupakan ANOVA yang didasarkan pada
pengamatan 1 kriteria atau satu faktor yang menimbulkan variasi.
Misalnya, membandingkan rata-rata gaji antara tiga kelompok pekerja
berdasarkan tingkat pendidikan (faktor kategorikal).
2. Klasifikasi 2 arah (Two Way ANOVA)
ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada
pengamatan 2 kriteria atau 2 faktor yang menimbulkan variasi. Misalnya,
membandingkan rata-rata penjualan produk antara dua kelompok penjual
(faktor A) di tiga wilayah geografis yang berbeda (faktor B).
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada
pengamatan banyak kriteria. Misalnya, membandingkan rata-rata kinerja
siswa antara tiga sekolah (faktor A), dua jenis kelamin (faktor B), dan dua
tingkat pendidikan orang tua (faktor C)

Dikutip dari Hair, dkk. (2014), hasil dari ANOVA klasifikasi dapat
dinterpretasikan berdasarkan beberapa aspek, termasuk:
1. Signifikansi Statistik
Menentukan apakah terdapat perbedaan yang signifikan antara rata-rata
kelompok. Hal ini dapat diketahui dari nilai p yang lebih kecil dari tingkat
signifikansi yang ditetapkan.

4
 2. F-rasio
Mengukur perbandingan variasi antara kelompok dengan variasi dalam
kelompok. F-ratio yang tinggi menunjukkan adanya perbedaan yang
signifikan antara kelompok-kelompok.
3. Confidence Interval (Interval Kepercayaan)
Memberikan estimasi rentang di mana rata-rata populasi sebenarnya
kemungkinan berada. Interval kepercayaan yang tidak tumpang tindih
antara kelompok-kelompok menunjukkan perbedaan yang signifikan
antara rata-rata kelompok tersebut.

2.4 Langkah-Langkah Uji Anova

Berikut adalah langkah-langkah uji Anova menurut Beth Dawson
Saunders dan Robert G Trapp dalam buku Comparing Three or More Means.
Basic & Clinical Biostatistics (1998), yaitu:
1. Memenuhi asumsi
Langkah awal pengujuan Anova adalah memenuhi ketiga asumsi yang
menjadi syarat pengujian.
2. Menghitung mean

Langkah selanjutnya adalah menghitung mean masing-masing kelompok.

Setelah selesai, maka dapat dihitung juga mean keseluruhan atau mean
total.
3 Menghitung deviasi
Selanjutnya adalah menghitung deviasi dari nilai mean kelompok juga
mean total. Dari sini akan terlihat variabilitas keseluruhan sampel
datanya.
4 Menghitung mean kuadrat
Lalu dihitung nilai mean kuadratnya dari masing-masing kelompok dan
total. Setelah hasil mean kuadrat didapatkan, maka bisa dihitung degree

5
 of freedom atau derajat kebebasannya baik variabel antar kelompok dan
variabel dalam kelompok. Nilai mean kuadrat bisa dikuadratkan, namun
akan merepotkan jika sampel dalam jumlah banyak. Sehingga mean
kuadrat juga dapat dihitung dengan cara membandingkan nilai deviasi
kuadrat dibagi dengan nilai derajat kebebasan
5 Menghitung F-ratio
Langkah selanjutnya adalah mencari nilai F-ratio dengan membandingkan
nilai mean kuadrat antar kelompok dan nilai mean kuadrat dalam
kelompok.
6 Membandingkan dengan hipotesis nol
Dari nilai F-ratio yang dihitung kemudian dibandingkan dengan nilai F
pada tabel. Jika nilai F-ratio lebih besar daripada nilai F tabel, hipotesis
nol ditolak. Sehingga mengartikan bahwa terdapat perbedaan yang
signifikan antara mean kelompok data. Namun jika nilai F-ratio lebih
kecil atau sama dengan nilai F tabel, maka hipotesis nol diterima. Hal ini
masing-masing kelompok data memiliki nilai mean yang sama, atau tidak
ada perbedaan yang signifikan di anatar kelompok-kelompok data
tersebut.
2.5 Analisis Mutiple Comparison (Posthoc Test)
Analisi ini bertujuan mengenai lebih lanjut kelompok mana saja yang
berbeda meannya bilamana pada pengujian anova dihasilkan ada perbedaan
bermakna ( H0 ditolak ). Ada berbagai jenis multiple comparison diantaranya
adalah bonferrori, honestly significant diference ( HSD ), scheffe, dan lain-
lain. Pada modul ini akan dibahas modul bonferroni.
1. Bonferroni
Bonferroni atau disebut juga prosedur Dunn’s Multi Comparison
merupakan Analisis Multi Comparison yang sering digunakan. Metoda
Bonferroni adalah metoda yang sangat umum, sederhana dan lebih praktis

6
 digunakan sepanjang nilai k (jumlah kelompok) yang dibandingkan tidak
terlalu besar. Namun dikatakan tingkat kekuatan (power) metoda ini lemah.
Perhitungan metoda Bonferroni sebagai berikut:

Dari contoh kasus 1 dapat ditelusuri lebih lanjut dari keempat kelompok
tingkat pendidikan ibu, kelompok mana saja yang berbeda mean berat badan
lahir bayinya

2. Prosedur Tukey’s HSD

Uji Tukey atau Tukey’s Honestly Significant Different (HSD) dapat
digunakan untuk membandingkan mean semua kelompok pasangan.
Stoline (1981) menemukan bahwa prosedur ini paling akurat dan paling
kuat dalam melihat perbedaan nilai mean antar kelompok pasangan ketika

7
 besar sampel tidak sama atau dibutuhkannya interval kepercayaan bahkan
dengan besar sampel sama tanpa interval kepercayaan. Uji Tukey hampir

sama dengan Bonferroni yaitu berdasarkan jumlah tingkat perlakuan dan

derajat kebebasan (degree of freedom = df) bagi kesalahan mean kuadrat
(Sw) serta dapat digunakan untuk membentuk interval kepercayaan
(confidence intervals) bagi perbedaan mean antar kelompok. Formula
untuk perhitungan pada Metoda Scheffe’s sebagai berikut:

3. Prosedur Scheffe’s
Prosedur Scheffe’s merupakan prosedur paling fleksibel dari semua
prosedur Post Hoc karena memungkinkan peneliti untuk membuat semua
jenis perbandingan, bukan hanya perbandingan berpasangan. Contohnya
membandingkan rata-rata keseluruhan dari dua atau lebih tingkat dosis
dengan plasebo. Karena fleksibilitas metoda ini maka nilai kritis yang lebih
tinggi digunakan untuk menentukan signifikansi. Dengan demikian,
prosedur Scheffe adalah juga yang paling konservatif dari prosedur
perbandingan ganda. Formula untuk perhitungan pada Metoda Scheffe’s
sebagai berikut:

4. Prosedur The Newman-Keuls

8
 Prosedur Newman-Keuls menggunakan pendekatan bertahap untuk
menguji perbedaan antar mean dan hanya dapat digunakan untuk membuat
perbandingan berpasangan. Prosedur ini menyusun rangking nilai mean
dari nilai terendah ke tertinggi, dan jumlah langkah yang memisahkan
pasangan nilai mean dicatat. Contohnya:

Nilai kritis untuk tiga tahapan ini sama dengan nilai kritis pada uji
Tukey’s HSD, tapi nilai kritis untuk dua tahapan lebih lemah. Walaupun
kesimpulan sama dengan tes Tukey’s, namun dengan prosedur Newman-
Keuls pada beberapa kelompok, peneliti dapat menyatakan bahwa adanya
perbedaan antara dua cara yang signifikan ketika perbedaan tidak akan
signifikan dalam uji Tukey’s HSD. Kelemahan utama prosedur ini adalah
tidak dapat membentuk confidence interval bagi perbedaan nilai mean.
5. Prosedur Dunnett’s
Prosedur Dunnet’s berlaku hanya pada situasi dimana peneliti ingin
membandingkan nilai mean beberapa perlakuan dengan nilai mean kontrol
tunggal. Perbandingan antar nilai mean beberapa perlakuan tidak dilakukan
jadi prosedur ini memiliki aplikasi yang sangat khusus. Pada situasi
tertentu, Uji Dunnett’s sangat mudah digunakan karena memiliki nilai kritis
relatif rendah. Besaran multiplier (pengganda) tergantung jumlah
kelompok, termasuk grup kontrol dan derajat kebebasan (degree of

9
 freedom) untuk eror mean kuadrat. Formula untuk prosedur ini sebagai
berikut :

6. Uji Duncan’s New Multiple Range dan Fisher’s Least Significant

Difference (LSD)

Uji Duncan’s New Multiple Range dan Fisher’s Least Significant

Difference (LSD) merupakan dua prosedur yang muncul dalam literatur
medis namun tidak direkomendasikan oleh ahli statistik. Uji Duncan’s New
Multiple Range menggunakan prinsip yang sama dengan tes Newman-
Keuls. Tapi pengganda (multipliers) pada formula ini sangat kecil, jadi
secara statistik perbedaan kemaknaan didapatkan perbedaan nilai mean
yang kecil. Duncan, ahli yang menemukan uji ini berargumen bahwa ada
banyak kemungkinan dalam menemukan perbedaan jika jumlah kelompok
banyak, dan dia meningkatkan kekuatan uji-nya dengan menggunakan
pengganda terkecil. Namun uji tersebut, sebagai hasilnya menolak hipotesis
nol terlalu sering.

Uji Fisher’s Least Significant Difference (LSD) adalah salah satu

prosedur multi comparison yang paling ‘tua’. Hampir sama dengan
prosedur multi comparison lain, prosedur ini membutuhkan F rasio yang
signifikan dari Anova dalam rangka membuat perbandingan antar pasangan
kelompok data. Karena prosedur ini menggunakan penyesuaian untuk
membuat nilai kritis lebih besar, seperti uji lain gunakan, Uji Fisher’s LSD
menggunakan distribusi t terkait jumlah derajat kebebasan bagi eror mean
kuadrat. Alasan ahli statistik tidak merekomendasikan uji ini adalah dengan
jumlah perbandingan yang besar, derajat 35 alpha tiap perbandingan turun

10
 dan perbedaan menjadi kecil karena tidak benarnya tingkat kemaknaan
yang turun. Formula untuk perhitungan pada Uji Fisher’s LSD sebagai
berikut:

2.5 Contoh Soal

Dari empat jenis obat sakit kepala yang diberikan kepada 20 orang dicatat
berapa lama obat itu dapat mengurangi rasa sakit (menit). Ke-20 orang itu
dibagi secara random ke dalam 4 kelompok dan masing-masing kelompok
diberikan satu jenis obat, Adapun hasil percobaannya adalah sebagai berikut:
Obat Obat B Obat C Obat D
A
10 8 7 8
12 7 4 9
13 7 3 9
9 9 3 10
13 7 4 11

Penyelesaian

11
Ho = tidak ada perbedaan lama mengurangi sakit dari ke 4 jenis obat tersebut
Ha = ada perbedaan lama mengurangi sakit antara ke 4 jenis obat tersebut

Obat X ( x−x ¿ (x−x )

2
Obat X ( x−x ¿ (x−x )
2

A C

10 -1,4 1,96 7 2,8 7,84

12 0,6 0,36 4 -0,2 0,04

13 1,6 2,56 3 -1,2 1,44

9 -2,4 5,76 3 -1,2 1,44

13 1,6 2,56 4 -0,2 0,44

Jml 57 13,2 Jml 21 10,8

Mean 11,4 3,3 Mean 4,2 2,7

S1 1,8 S3 1,6

N1 5 N3 5

Obat B X ( x−x ¿ (x−x )

2
Obat X ( x−x ¿ (x−x )
2

D
8 0,4 0,16
8 -1,4 1,96
7 -0,6 0,36
9 -0,4 0,16
7 -0,6 0,36
9 -0,4 0,16
9 1,4 1,96

12
 7 -0,6 0,36 10 0,6 0,36

11 1,6 2,56

Jml 38 3,2

Mean 7, 0,8 Jml 47 5,2

6
Mean 9, 1,3
S2 0,9 4

N2 5 S4 1,1

N4 5

Maka diperoleh
S1 = 1,8 S2 = 0,9 S3 = 1,6 S4 = 1,1
N1 = 5 N2 = 5 N3 = 5 N4 = 5
X1 = 11,4 X2 = 7,6 X3 = 4,2 X4 = 9,4

x̄ = (n1•x1) + (n2•x2) + (n3•x3) + (n4•x4)

(n1+n2+n3+n4)
= 5(11,4) + 5(7,6) + 5(,4,2) + 5(9,4)
20
x̄ = 8,15

Sw² = (n1-1)(S1)² + (n2-1)(S2)² + (n3-1)(S3)² + (n4-1)(S4)²

N-4
= (5-1)(1,8)² + (5-1)(0,9)² + (5-1)(1,6)² + (5-1)(1,1)²
20-4
= 4(3,2) + 4(0,81) + 4(2,56) + 4(1,21)
16

13
 = 31,12 ÷ 16
Sw² = 1,95

Sb² = n1(X1 – X)² + n2(X2–X)² +n3(X3–X)²+n4(X4–X)²

K–1
Sb² = 5(11,4-8,2)² + 5(4,2 - 8,2)² + 5(9,4 - 8,2)² + 5(9,4–8,2)²
4-1
Sb² = 5(10,24) + 5(0,4) + 5(16) + 5(1,4)
3
Sb² = 46,7

F = Sb²
Sw²
F = 46,7
1,95
F = 23,9

df = k-1 df = n-k
= 4-1 = 20-4
=3 = 16

Nilai F 23,9 dengan nominator 3 dan nominator 16 terletak pada area di

bawah 0,001
Maka nilai p <α (0,05)
Maka Ho ditolak
Kesimpulan: Ada perbedaan lama mengurangi sakit antara ke 4 jenis obat
tersebut

14
Uji Bonferroni

Kelompok T hitung Α Kesimpulan

Obat

A dan B 4,69 > 0,0005 Ho ditolak

15
 A dan C 8,89 > 0,0005 Ho ditolak

A dan D 3,14 0,0005 – 0,001 Ho ditolak

B dan C 4,2 > 0,0005 Ho ditolak

B dan D 2,22 0,025 – 0,01 Ho ditolak

C dan D 6,42 > 0,0005 Ho ditolak

Kesimpulan:
 Ada perbedaan lama mengurangi sakit kepala di antara 4 jenis obat yakni
obat A, B, C dan D
 Semua jenis obat yakni A, B, C dan D terdapat perbedaan dalam hal lama
mengurangi rasa sakit
 Jenis obat C yang paling baik untuk mengurangi rasa sakit karena
memiliki rata-rata waktu paling cepat

1. Suatu penelitian dilakukan untuk 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, 3, 2, 3 3, 2, 2, 2,
4 0 1 , 4 3 3 5
0

Sosek sedang 3, 3, 2, 2 3, 2, 2,
0 1 7 , 1 9 9
6

Sosek tinggi 3, 2, 163, 2 3, 4, 3, 3,

1 4 5 , 4 0 4 9
9
Penyelesaian:

Hipotesis:
1. Hipotesis nol (H0) = Tidak ada perbedaan rata-rata berat bayi di antara tingkat
sosial ekonomi,
2. Hipotesis alternatif (H1) = Terdapat perbedaan rata-rata berat bayi di antara
tingkat sosial ekonomi,

Langkah 1: Hitung rata-rata dari masing-masing kelompok

● Rata-rata sosek rendah : (2,4+3,0+2,1+3,0+3,4+2,3+2,5)/ 8 = 2,725
● Rata-rata sosek sedang : (3,0+3,1+2,7+2,6+3,1+2,9+2,9)/7 = 2,928
● Rata-rata sosek tinggi : (3,1+2,4+3,5+2,9+3,4+4,0+3,4+3,9)/8 = 3,362

Langkah 2: Hitung rata-rata keseluruhan

Rata-rata keseluruhan = (2,725+2,928+3,362)/3 = 3,0654

Langkah 3: Hitung variansi antar kelompok

Variansi antar kelompok = Σ [(Rata-rata kelompok - Rata-rata
keseluruhan)2 x n ] / (k-1)
Variansi antar kelompok
= [((2,725 - 3,0654¿2 x 8) + ((2,928571 - 3,0654¿2 x7) + ((3,3625 - 3,0654¿2 x
8)] / (3 - 1)
= [(0,089786176 x 8) + (0,022140612 x 7) + (0,069201776 x 8)] / 2
= (0,718289408 + 0,155984284 + 0,553614208) / 2
= 0,71394495

Langkah 4: Hitung variansi dalam kelompok

Kelompok Sosek rendah:
Variansi: (S 1¿¿ 2)¿ = Σ(xi - x̄ 1¿2 / (n1 - 1)

17
= [(2,4 - 2,725¿2 + (3,0 - 2,725¿2 + (2,1 - 2,725¿2 + (3,0 - 2,725¿2 + (3,4 - 2,725¿2
+ (2,3 - 2,725¿2 + (2,3 - 2,725¿2 + (2,5 - 2,725¿2 ] / (8 - 1)
= (0,3025 + 0,0725 + 0,4225 + 0,0725 + 0,6724 + 0,2025 + 0,2025 + 0,4225) / 7
= 2,3699 / 7
= 0,3385571

Kelompok Sosek sedang:

Variansi: (S22) = Σ(xi - x̄ 2¿2 / (n2 - 1)
= [(3,0 - 2,928571¿2 + (3,1 - 2,928571¿2 + (2,7 - 2,928571¿2 + (2,6 - 2,928571¿2 +
(3,1 - 2,928571¿2 + (2,9 - 2,928571¿2 + (2,9 - 2,928571¿2 ] / (7 - 1)
= (0,005204 + 0,005204 + 0,022041 + 0,082932 + 0,005204 + 0,000408 +
0,000408) / 6
= 0,023599

Kelompok Sosek tinggi:

Variansi: (S32) = Σ(xi - x̄ 3¿2 / (n3 - 1)
= [(3,1 - 3,3625¿2 + (2,4 - 3,3625¿2 + (3,5 - 3,3625¿2 + (2,9 - 3,3625¿2 + (3,4 -
3,3625¿2 + (4,0 - 3,3625¿2 + (3,4 - 3,3625¿2 + (3,9 - 3,3625¿2 ] / (8 - 1)
= (0,06955625 + 1,60315625 + 0,09075625 + 0,49815625 + 0,00300625 +
0,26750625 + 0,00300625 + 0,14175625) / 7
= 0,3751429

variansi dalam kelompok = Σ( S2) / (N - k)

= (0,3385571 + 0,023599 + 0,3751429) / (23 - 3)
= 0,0411823

Langkah 5: Hitung nilai F

F = Variansi antar kelompok / Variansi dalam kelompok
F = 0,71394495 / 0,0411823
F = 17,35

18
 Langkah 6: Tentukan tingkat signifikansi (α ), misalnya α = 0,05,

Langkah 7: Tentukan Keputusan berdasarkan nilai p-Value

k = 3 (jumlah kelompok) dan N = 23 (jumlah total sampel),
Dengan,
df1 = k - 1 = 2 dan
df2 = N - k = 23 - 3 = 20

Dapat mencari nilai p-Value dari tabel distribusi F,

Misalnya, jika p-Value kurang dari α (0,05), maka menolak hipotesis nol dan
menyimpulkan bahwa terdapat perbedaan signifikan dalam rata-rata berat bayi di
antara tingkat sosial ekonomi.

2. Sembilan belas orang mengalami kelebihan berat badan (kegemukan) mengikuti

program penurunan berat badan, Subjek dibagi tiga kelompok dengan cara
randomisasi, Setiap kelompok mendapat metode program yang berbeda, Pada
akhir program, penurunan berat badan (kilogram) dicatat dan hasilnya sebagai
berikut :

Metode 6,2 8,4 5,5 4,5 5,5 6

A

Metode B 7,2 6,7 5,6 6,6 7 5,5

Metode C 8 9,5 9,9 8,7 9,8 10, 11,9

8

Penyelesaian:

Metode A
Metode ( x−x ¿ 2
(x−x )

19
 A

6,2 0,18 0,03

8,4 2,38 5,66

5,5 -0,52 0,27

4,5 -1,52 2,31

5,5 -0,52 0,27

6 -0,02 0,0001

x = 6,02 ∑ ¿ 8 ,54

=√
∑ (X
√
A −X A)2 8 ,54
SA = = 1,31
N A−1 6−1

Metode B
Metode B ( x−x ¿ (x−x )
2

7,2 0,77 0,59

6,7 0,27 0,07

5,6 -0,83 0,69

6,6 0,17 0,03

7 0,57 0,32

5,5 -0,93 0,86

x = 6,43 ∑ ¿2 , 56

20
 √∑ ( X
√
b −X b ) 2 2 , 56
SB = = = 0,72
N b−1 6−1

Metode C
Metode C ( x−x ¿ 2
( x−x )

8 -1,8 3,24

9,5 -0,3 0,09

9,9 0,1 0,01

8,7 -1,1 1,21

9,8 0 0

10,8 1 1

11,9 2,1 4,41

x = 9,8 ∑ ¿ 9 ,96

√∑ ( X
√ √
c −X c ) 2 1 , 91 1 , 91
SC = = = = 0,52
N c −1 8−1 7

Rataan Keseluruhan
n 1, x 1+ n2 , x 2+ n3 , x 3
x total =
N
6 , 6 , 02+ 6 , 6 , 43+7 , 9 , 8
=
19
36 ,12+38 , 58+68 , 6
=
19
143 ,3
= = 7,54
19

21
 2 2 2
n 1(X 1−X total ) + n2( X 2−X total ) + n3 (X 3− X total )
Sb2 =
k −1
2 2 2
6 ,(6 , 02−7 ,54 ) +6 ,(6 , 43−7 , 54) +5 ,(9 , 8−7 ,54)
=
3−1
13 ,86 +7 , 38+35 , 75
=
2
56 , 99
= = 28,5
2

2( n 1−1 ) S 12 + ( n 2−1 ) S 22 + ( n 3−1 ) S 32

Sw =
N −k
( 6−1 ) 1 , 312+ ( 6−1 ) 0 , 722+ ( 7−1 ) 1 ,292
=
19−3
8 ,58+ 2 ,59+ 9 ,98
=
16
21 ,15
= = 1,32
16

2
Sb 28 ,5
F= 2 = = 21,59
Sw 1 ,32
Df 1= K −¿1 = 3 – 1 = 2 (Numerator)
Df2 = N – K = 19 – 3 = 16 (Denumerator)
Fhitung ¿ Ftabel
21,59 ¿ 3,63 jadi H0 Ditolak

Analisis Multiple Compersion

3! 3 ,2 , 1
C2K = C23 = = =3
2! (3−2)! 2 ,1 , 1
α = 5% = 0,05

22
 α 0 , 05
α* = = = 0,0167
K2 3

Uji Kelompok A Dan B

X A −X B
Tab =
√ Sw
2
( N1 + N1 )
A B

6 , 02−6 , 43
−0 , 41 −0 , 41
=
√ ( )
1 1 =
1 , 32 +
6 6
√ 1 , 32 ( 0 ,33 )
=
0 , 66
= 0,621 (Ho gagal ditolak)

Uji Kelompok A Dan C

X A −X c
Tab =
√ Sw
2
( N1 + N1 )
A c

6 , 02−9 ,8
−3 , 78 −3 ,78
=
√ ( )
1 1 =
1 , 32 +
6 7
√ 1 , 32 ( 0 ,31 )
=
0 , 41
= 9,21 (Ho ditolak)

Uji Kelompok B Dan C

X B− X C
Tab =
√ Sw
2
( N1 + N1 )
B C

6 , 43−9 , 8
−3 , 37 −3 ,37
=
√ ( )
1 1 =
1 , 32 +
6 7
√ 1 , 32 ( 0 ,31 )
=
0 , 41
= 8,21 (Ho ditolak)

3. Dua puluh satu responden yang mengalami hipertensi diberikan perlakuan dengan
cara pemberian obat tradisional yaitu rebusan daun salam, rebusan daun seledri
dan rebusan daun bawang putih, Responden diberikan perlakuan selama 2

23
minggu, Sebelum dan sesudah perlakuan dilakukan pengecekan tekanan darah,
Penurunan tekanan darah (mmHg) dapat dilihat pada tabel sebagai berikut:

Penyelesaian:

a. H0 : tidak ada perbedaan penurunan tekanan darah sebelum dan sesudah

pemberian rebusan daun salam, seledri, dan bawang putih,
H1: ada perbedaan penurunan tekanan darah sebelum dan sesudah pemberian
rebusan daun salam, seledri, dan bawang putih,
H0= µ1= µ2 = µ3
H1= µ1 ≠µ2≠ µ3

b. Taraf signifikansi
α= 5%
Nilai Ftabel

c. Menetapkan uji yang akan digunakan

Uji anova satu arah (one way anova)
Fhitung >Ftabel, H0 ditolak
Fhitung ≤ Ftabel, H0 diterima

d. Menetapkan perhitungan dengan uji statistik yang telah ditetapkan

Rebusan Rebusan Rebusan

NO Daun Salam Daun Daun Bawang X12 X22 X3
2

(X1) Seledri (X2) Putih (X3)

24
 1 15 10 3 225 100 9

2 14 9 4 196 81 16

3 16 11 5 256 121 25

4 18 13 3 324 169 9

5 19 12 4 361 144 16

6 16 15 5 256 225 25

7 16 12 6 256 144 36

Jumlah 114 82 30 1874 984 136

Sigma
114+82+30 = 226
XT

Sigma
1874+984+136 = 2994
XT2

nT =n1+n2+n3
=21
JKT = 2994 – (226)2 = 561,809
21
JKA= (114)2+(82)2+(30)2- (226)2
7 7 7 21
= 20,620 – 51,076

25
 7 21
= 2,945,714 + 2,432,190
= 513,528
JKD= 48,281

Nilai derajat kebebasan

DKT = nT-1 = 21 – 1 = 20
DKA = k-1 = 3 -1 = 2
DKD = DKT - DKA = 20 – 2 = 18

Menentukan nilai variansi

VARD = 48,281: 18 = 2,682

VARA = 513,528: 2 = 256,764

Fhitung = 256,764 : 2,682 = 95, 736

Ftabel = F(α )(DKA,DKD)= F(0,05)(2,18)= 3,55

e. Menarik kesimpulan
Fhitung = 95, 736
Ftabel = 3,55
Fhitung > Ftabel maka H0 ditolak artinya ada perbedaan penurunan tekanan darah
sebelum dan sesudah pemberian rebusan daun salam, seledri, dan bawang
putih,

26
4. Di sebuah klinik, terdapat empat dokter (A, B, C, dan D) yang melayani pasien.
Untuk mengetahui apakah terdapat perbedaan rata-rata waktu proses pemeriksaan
pasien oleh keempat dokter tersebut, dilakukan pengamatan terhadap waktu
proses pemeriksaan pasien oleh masing-masing dokter.
Dokter A Dokter B Dokter Dokter D
C

62 63 68 56

60 67 66 62

63 71 71 60

59 64 67 61

65 68 63

69 68 64

63

59

Penyelesaian:
a) Hipotesis
H0 : tidak ada perbedaan waktu proses pemeriksaan pasien oleh keempat
dokter
H1: ada perbedaan waktu proses pemeriksaan pasien oleh keempat dokter
H0= µ1= µ2 = µ3
H1= µ1 ≠µ2≠ µ3 ≠ µ4

b) Taraf signifikansi
α= 5%

27
 Nilai Ftabel

v1 = k – 1 = 4 – 1 = 3
v2 = N – k = 24 – 4 = 20
Ftabel = 3,1

c) Nilai F0
Dokter Dokter B Dokter C Dokter D x̄
A

62 63 68 56

60 67 66 62

63 71 71 60

59 64 67 61

65 68 63

69 68 64

63

59

Mean 61 66,5 68 61 64,125

Jumlah kuadrat antar sampel

JKK = n Σ(X̄ j - X̄ )²
= 6 [(61 - 64,125)² + (66,5 – 64,125)² + (68 – 64,125)² + (61 – 64,125)²]
= 241,125
Jumlah Kuadrat total
JKT = Σ Σ (Xj - X̄ )²

28
 = ((62 – 62,125)² + (60 – 62,125)² +(63 – 62,125)² + (59 – 62,125)²
+ (63 – 62,125)² + ... + (63 – 62,125)² + (59 – 62,125)²)
= 360,625

Jumlah Kuadrat dalam sampel

JKE = JKT – JKK = 360,625 – 241,125 = 119,5

Rata-rata kuadrat antar sampel

A = 241,125 = 80,375
3
Rata-rata kuadrat dalam sampel
B= 119,5 = 5,975
20
Nilai F0 = A = 80,375 = 13,452
B 5,975
d) Tabel ANOVA
Derajat
Jumlah Rata-rata
Sumber variasi Kebebasa F0
kuadrat kuadrat
n

Antar Sampel 3 241,125 80,375 13,452

Dalam sampel 20 119,5 5,975

Total 23 360,25

e) Kesimpulan
Karena F0 > Ftabel maka H0 ditolak. Artinya terdapat perbedaan rata-rata waktu
proses setiap dokter untuk memeriksa pasien dengan tingkat keyakinan 95%.

29
5. Seorang peneliti ingin mengetahui apakah terdapat perbedaan kadar kolesterol
rata-rata pada kelompok pasien dari 3 daerah berbeda. Peneliti mengambil sampel
data kadar kolesterol (mg/dL) dari lima pasien dari masing-masing kelompok.
Daerah 1 Daerah 2 Daerah 3

254 234 200

263 218 222

241 235 197

237 227 206

251 216 204

Penyelesaian:
a) Hipotesis
- H0: Rata-rata kadar kolesterol di ketiga daerah tidak berbeda.
- H1: Rata-rata kadar kolesterol di ketiga daerah berbeda.
b) Taraf signifikansi
α= 5%
H0 ditolak jika Fhitung > 3,885

c) Melakukan perhitungan dengan uji statistik yang telah ditetapkan

X1 X2 X3 x̄

a 254 234 200

b 263 218 222

c 241 235 197

d 237 227 206

30
 e 251 216 204

Mean 249,2 226 205,8 227

Dapat diketahui:
n1 = 5 n2 = 5 n3 = 5
k=3 N = n1 + n2 + n3 = 15

Menghitung SSB
SSB = n1(x̄ 1 - x̄ )² + n2(x̄ 2 - x̄ )² + n3(x̄ 3 - x̄ )²
= 5(249,2 – 227)² + 5(226 – 227)² + 5(205,8-227)²
= 4716,4

Menghitung SSW
SSW = (X1a - x̄ 1)² + (X1b - x̄ 1)² + (X1c - x̄ 1)² + ... + (X3e - x̄ 3)²
= (254 – 249,2)² + (263 – 249,2)² + (241 – 249,2)² + ... + (204 – 205,8)²
= 1119,6

Menghitung mSB
mSB = SSB / (k-1)
= 4716,4 / 2
= 2358,2

Menghitung MSW
MSW = SSW / (N-k)
= 1119,6 / 12
= 93,3
Fhitung = MSB / MSW = 2358,2 / 93,3 = 25,275
d) Kesimpulan
Fhitung (25,275) > Ftabel (3,885)

31
 Maka H0 ditolak

6. Sebuah penelitian ingin mengetahui pengaruh program belajar dan tingkat

pendidikan terhadap rata-rata jam belajar mahasiswa selama seminggu. Data
dikumpulkan dari 3 program belajar berbeda (A, B, dan C) dan 4 tingkat
pendidikan berbeda (I, II, III, dan IV).
Tingkat Program Studi

Pendidikan A B C

I 25 30 10

II 10 35 24

III 35 15 20

IV 20 25 17,5

Pertanyaan:
1) Apakah rata-rata jam belajar mahasiswa selama seminggu berbeda di antara
ketiga program belajar?
2) Apakah rata-rata jam belajar mahasiswa selama seminggu berbeda di antara
keempat tingkat pendidikan?

Penyelesaian:
a) Menetapkan Hipotesis
1. Program Belajar:
H0: Rata-rata jam belajar mahasiswa selama seminggu sama di antara
ketiga program belajar.
H1: Rata-rata jam belajar mahasiswa selama seminggu berbeda di antara
ketiga program belajar.

32
 2. Tingkat Pendidikan:
H0: Rata-rata jam belajar mahasiswa selama seminggu sama di antara
keempat tingkat pendidikan.
H1: Rata-rata jam belajar mahasiswa selama seminggu berbeda di antara
keempat tingkat pendidikan.
b) Menetapkan Tingkat Kemaknaan (α)
Tingkat kemaknaan yang dipilih adalah α = 5% = 0,05
c) Menetapkan uji yang akan digunakan
Program Belajar (F1)
Menolak H0 jika F1 > Fα
F1 > 4,76
Tingkatan Kelas (F2)
Menolak H0 jika F2 > Fα
F2 > 5,14
d) Menghitung uji statistik
Tingkat Program Studi Ti

Pendidikan A B C

I 25 30 10 65

II 10 35 24 69

III 35 15 20 70

IV 20 25 17,5 62,5

Tj 90 105 71,5 T..= 266,5

Menghitung JKTotal
JKQ = (25² + 30² + ... + 17,5²) – (266,5)² = 788,7292
4(3)

33
 JKF1 = (65² + 69² + 70² + 62,5²) - (266,5)² = 12,2292
3 4(3)

JKF2 = (90² + 105² + 71,5²) - (266,5)² = 140,7916

4 4(3)

Menghitung JKG
JKG = JKQ - JKF1 - JKF2
= 788,7292 – 12,2292 – 140,7916
= 635,7083

Mencari Fhitung
F1 = S1² = JKF1 / R -1 = 12,2292 / 3 = 4,0764 = 0,0385
S3² JKG / (R-1) (C-1) 635,7083 / 6 105,9514
F tabel F1 = 4,76

F1 = S2² = JKF2 / C -1 = 140,7916 / 2 = 70,3958 = 0,6644

S3² JKG / (R-1) (C-1) 635,7083 / 6 105,9514
F tabel F2 = 5,14

e) Kesimpulan
1. F1 (0,0385) < Ftabel (4,76)
Maka H0 gagal ditolak
2. F2 (0,6644) < Ftabel (5,14)
Maka H0 gagal ditolak

34
 BAB III
PENUTUP

3.1 Kesimpulan
Adapun simpulan dari makalah ini antara lain:
1. Definisi Anova: Anova adalah sebuah analisis statistik yang menguji perbedaan
rerata antar grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Anova
ditemukan dan diperkenalkan oleh seorang ahli statistik bernama Ronald Fisher
Anova merupakan singkatan dari Analysis of variance.
2. Prinsip Anova: Prinsip uji Anova adalah melakukan telaah variabilitas data
menjadi dua sumber variasi yaitu dalam kelompok pok ( within ) dan variasi
antarkelompok ( between ).
3. Klasifikasi ANOVA: 1) Klasifikasi 1 arah (One Way ANOVA), 2) Klasifikasi 2
arah (Two Way ANOVA), 3) Klasifikasi banyak arah
4. Definisi Multiple Comparison: Analisis ini bertujuan untuk mengetahui lebih
lanjut kelompok mana saja yang berbeda meannya bila mana pada pangujian
anova dihasilkan ada perbedaan bermakna (Ho) ditolak. Ada berbagai jenis
analisis multiple comparison diantaranya adalah BonJerroni, Honestly
Significant difference (HSD), Scheffe dan lain-lain.
5. Langkah-Langkah Uji Anova: 1) Memenuhi asumsi, 2) Menghitung mean, 3)
Menghitung deviasi, 4) Menghitung mean kuadrat, 5) Menghitung F-ratio, 6)
Membandingkan dengan hipotesis nol.

3.2 Saran
Dengan adanya makalah ini penulis sarankan hal-hal sebagai berikut:
1. Makalah selanjutnya bisa membahas tentang bagaimana rumusan hipotesis
dalam ANOVA

35
 DAFTAR PUSTAKA

Septiadi, A., & Ramadhani, W. K. (2020). Penerapan metode anova untuk analisis
rata-rata produksi donat, burger, dan croissant pada toko roti Animo Bakery.
Bulletin of Applied Industrial Engineering Theory, 1(2).
Sutopo, E. Y., & Slamet, A. (2017). Statistik inferensial. Penerbit Andi.
Anwar Hidayat. 2017. Penjelasan Lengkap ANOVA (Diakses pada 5 Maret 2024)
https://www.statistikian.com/2017/06/anova-sebagai-analisis-statistik.html
Mikrobiologi, P.P., Sederhana, P. and Bahan, A.D.A.N. (2018) Politeknik kesehatan
kemenkes bandung.
Hastono, Sutanto Priyo, and Luknis Sabri. "Statistik kesehatan." (2017).

36