Uji Anova

Kelompok 3

Alexandrie Nanur
Abriyani Winda
Dian Eka P Mangedong
Esri Lintin
Evalin Boli
Ludwina Mitha Bagus
Morion Novita Sari
Yunitha Sanda Toding
 Definisi
Anova merupakan singkatan dari "analysis
of varian" adalah salah satu uji komparatif yang
digunakan untuk menguji perbedaan mean
(rata-rata) data lebih dari dua kelompok.

Ada dua jenis Anova, yaitu analisis varian satu

faktor (one way anova) dan analisis varian dua
faktor (repeated anova).
 Kegunaan dan Asumsi
One Way ANOVA digunakan untuk menguji
perbedaan rata-rata lebih dari dua sampel.

Asumsi-asumsi One Way ANOVA:

1. Populasi yang akan diuji berdistribusi normal.
2. Varians dari populasi-populasi tersebut adalah
sama.
3. Sampel tidak berhubungan satu dengan yang
lain
 Prinsip Uji Anova

-> Melakukan analisis variabilitas data menjadi dua

sumber variasi yaitu :
1. variasi di dalam kelompok (within), dan
2. variasi antar kelompok (between).
Bila variasi within dan between sama (nilai
perbandingan kedua varian mendekati angka satu), maka
berarti tidak ada perbedaan efek dari intervensi yang
dilakukan, dengan kata lain nilai mean yang dibandingkan
tidak ada perbedaan.
Sebaliknya bila variasi antar kelompok lebih besar dari
variasi didalam kelompok, artinya intervensi tersebut
memberikan efek yang berbeda, dengan kata lain nilai
mean yang dibandingkan menunjukkan adanya
perbedaan.
Contoh:
Anda ingin mengetahui apakah ada perbedaan
kadar gula darah antara kelompok ekonomi
rendah, sedang, tinggi. Anda membuat pertanyaan
penelitian sebagai berikut : apakah terdapat
perbedaan kadar gula darah antara kelompo
ekonomi rendah,sedang dan tinggi?
(Ingat bahwa uji One Way Anova dilakukan
apabila variabel terikat adalah interval dan
variabel bebas adalah kategorik).
- Di mana Kadar gula darah sebagai variabel
terikat bertipe data kuantitatif atau numerik
sedangkan
- Tingkat Ekonomi sebagai variabel bebas
berskala data kualitatif atau kategorik, yaitu
dengan 3 kategori: tinggi, sedang, rendah
 Langkah melakukan uji anova
a. Memeriksa syarat anova untuk >2kelompok tdk
berpasangan:
Distribusi data harus normal
Varians data harus sama
b. Jika memenuhi syarat maka pilih uji one way Anova
c. Jika tidak memenuhi syarat, maka diupayakan untuk
melakukan transformasi data supaya distribussi menjadi
normal dan varians menjadi sama.
d. Jika variabel hasil transformasi tidak berdistribusi normal
atau varians ttap tdak sama, maka alternatifnya dipilih uji
kruskal-wallis
e. Jika pda uji Anova atau kruskal-wallis menghasilkan nilai
p<0,05, maka dilanjutkan dgn melakukan analisis Post Hoc.
 Uji normalitas
Variabel view -> data view -> analyze ->
descriptive statistic -> explore-> kadar gula ke
dependent list-> tingkat ekonomi ke factor list->
plots-> aktifkan factor level together &
histogram, dan normality plots with test->
continue->klik OK.
 Transformasi data
Transform->compute->ketik trn_gula pd target
variabel->sqrt dari kotak function ke kotak
numeric expresion dgn klik tanda panah->
tampak ada kolom berkedip -> masukkan
variable gula-> klil tanda panah-> OK
Uji varians dan melihat hasil anova
Analyze->compare means->one way Anova->
kadar gula ke dependent list->variabel tingkat
ekonomi ke factor list->options->pilih descriptive
-> homogeneity of varians test-> exclude cases
analysis by analysis -> continue-> klik Post Hoc -
> Centang Bonferroni dan Games-Howell serta
biarkan significance level = 0,05-> klik OK.
 Interpretasi data
a. Significancy Test homogeneity of variances
menunjukkan angka p<0,05, karena p<0,05
maka dapat ditarik kesimpulan bahwa paling
tidak terdapat dua kelompok yg mempunyai
varians data yg berbeda secara bermakna.
Jika angka p > 0,05 maka dapat diambil
kesimpulan bahwa tidak ada perbedaan
varians antara kelompk data yg dibandingkan
dengan kata lain varians data adalah sama
 Interpretasi Data
Dari tabel Descriptives nampak bahwa responden
yang memiliki tingkat ekonomi tinggi rata-rata
kadar gula darahnya 244. Tingkat ekonomi
sedang rata-rata kadar gula darahnya 178. Tingkat
ekonomi rendah rata-rata kadar gula darahnya
172.
Untuk melihat uji kita lihat di tabel ANOVA.
Sebelum melanjutkan uji perlu diingat bahwa
salah satu asumsi uji Anova adalah variansnya
sama. Dari tabel Test of Homegeneity of Variances
terlihat bahwa hasil uji menunjukan bahwa varian
ketiga kelompok tersebut (P-value = 0,939),
sehingga uji Anova valid untuk menguji hubungan
ini.
 Interpretasi Data
Selanjutnya untuk melihat apakah ada perbedaan kadar
gula darah dari ketiga kelompok pekerja tersebut, kita
lihat tabel ANOVA , dari tabel itu pada kolom Sig. diperoleh
nilai P (P-value) = 0,016. Dengan demikian pada taraf nyata
= 0,05 kita menolak Ho, sehingga kesimpulan yang
didapatkan adalah ada perbedaan yang bermakna rata-
rata kadar gula darah ketiga kelompok tingkat ekonomi
tersebut.
Jika hasil uji menunjukan Ho gagal ditolak (tidak ada
perbedaan), maka uji lanjut (Post Hoc Test) tidak dilakukan.
Sebaliknya ,
jika hasil uji menunjukan Ho ditolak (ada perbedaan), maka uji
lanjut (Post Hoc Test) harus dilakukan.
 Interpretasi Data
Karena hasil uji Anova menunjukan adanya perbedaan yang
bermakna, maka uji selanjutnya adalah melihat kelompok
mana saja yang berbeda.
Untuk menentukan uji lanjut mana yang digunakan, maka
kembali kita lihat tabel Test of Homogeneity of Variances,
bila hasil tes menunjukan varian sama, maka uji lanjut yang
digunakan adalah uji Bonferroni. Namun bilai hasil tes
menunjukan varian tidak sama, maka uji lanjut yang
digunakan adalah uji Games-Howell.
Dari Test of Homogeneity menghasilkan bahwa varian
ketiga kelompok tersebut sama, maka uji lanjut (Post Hoc
Test) yang digunakan adalah Uji Bonferroni.
Dari tabel Post Hoc Test di atas memperlihatkan
bahwa kelompok yang menunjukan adanya perbedaan
rata-rata kadar gula darah (ditandai dengan tanda bintang
"*") adalah Kelompok Tinggi Sedang Rendah
Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari variabel pendidikan yang
memiliki perbedaan.
ada perbedaan signifikan ditandai dengan tanda
bintang (*). Dari tabel di atas, semuanya
ditandai dengan bintang, berarti semuanya ada
perbedaan yang signifikan
 UJI REAPEATED ANOVA
(HIPOTESIS KOMPARATIF VARIABEL NUMERIK
DISTRIBUSI NORMAL LEBIH DRIDUA KELOMPOK
BERPASANGAN)

Prinsipnya sama dengan paired t test (

membbandingkan rata-rata dua sampel yang
saling berhubungan)
ASUMSI REPEATED MEASURE
1. Variabel berskala interval atau rasio
2. Dependent variabel memiliki distribusi
normal
3. Asumsi sphericity( kondisi dimana varians
dari perbedaan antarra semua grup terkait
kombinasi adalah sama).
Kasus:
Seorang manager ingin mengetahui tingkat
penjualan sales-salesnya sebelum dilakukan
pelatihan, 3 bulan setelah pelatihan, dan 1
tahun setelah pelatihan. Data dikumpulkan dari
20 orang pegawai dari divisi penjualan.
Interprestasi hasil
a. Pada bagian pertama (multivariate test)
menunjukan hasil keseluruhan uji repeated
ANOVA. Nilai significancy yang diperoleh
adalah < 0,05. dengan demikian dapat ditarik
kesimpulan bahwa paling tidak terdapat
dua pengukuran yang berbeda. Pengukuran
mana yang berbeda? Untuk mengetahuinya
kita lihat pada output bagian kedua (pairwise
comparisons)
b. Pada bagian kedua (pairwise comparison),
dilakukan perbandingan pengukuran ertama
dengan kedua, pertama dengan ketiga , dan
kedua dengan ketiga. Kita melihat significancy
untuk setiap perbandingan adalah sebesar
0,000. dengan demikian dapat ditarik
kesimpulan bahwa perbedaan didapatkan
pada semua pengukuran.
Langkah uji repeated ANOVA
1. Memeriksa syarat uji repeated ANOVA yaitu
distribusi data harus normal
2. Jika distribusi data tidak normal, maka
diupayakan melakukan transformasi data
sampai distribusi data normal
3. Jika transformasi data tidak menghasilkan
distribusi data yang normal maka dipilih uji
Friedman sebagai alternatif
4. Jika pada uji repeated ANOVA atau uji
friedman menghasilkan nilai p< 0,05, maka
dilanjutkan analisis post hoc
UJI NORMALITAS
Variabel view-> data view -> lakukan uji
normalitas unttuk fungsi lutut sebelum
pelatihan, 4 minggu setelah latihan dan 6
minggu setelah latihan
UJI REPEATED ANOVA
Analyze-> general linier model->repeated
measure-> masukkan waktu di kolom Within-
subject Factor Name-> ketik angka 3 kedalam
number of levels( untuk menunjukan bahwa
pengukuran dilakukan 3 kali) -> klik kotak Add
klik kotak define-> masukkan variabel
dtk_sct1,dtk_sct4,dan dtk_sct6 kedalam Within-
subject variabel.-> klik kotak options,pindahkan
variabel waktu kedalam Display Means for-> klik
Continue-> klik OK.