UJI ANOVA
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.
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
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
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.
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
7
besar sampel tidak sama atau dibutuhkannya interval kepercayaan bahkan
dengan besar sampel sama tanpa interval kepercayaan. Uji Tukey hampir
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:
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 :
10
dan perbedaan menjadi kecil karena tidak benarnya tingkat kemaknaan
yang turun. Formula untuk perhitungan pada Uji Fisher’s LSD sebagai
berikut:
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
A C
S1 1,8 S3 1,6
N1 5 N3 5
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
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
13
= 31,12 ÷ 16
Sw² = 1,95
F = Sb²
Sw²
F = 46,7
1,95
F = 23,9
df = k-1 df = n-k
= 4-1 = 20-4
=3 = 16
14
Uji Bonferroni
15
A dan C 8,89 > 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
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
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,
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
18
Langkah 6: Tentukan tingkat signifikansi (α ), misalnya α = 0,05,
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.
Penyelesaian:
Metode A
Metode ( x−x ¿ 2
(x−x )
19
A
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 0,57 0,32
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
9,8 0 0
10,8 1 1
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
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
22
α 0 , 05
α* = = = 0,0167
K2 3
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)
6 , 02−9 ,8
−3 , 78 −3 ,78
=
√ ( )
1 1 =
1 , 32 +
6 7
√ 1 , 32 ( 0 ,31 )
=
0 , 41
= 9,21 (Ho ditolak)
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:
b. Taraf signifikansi
α= 5%
Nilai Ftabel
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
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
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
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
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
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
30
e 251 216 204
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
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
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)
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
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