Anova

(Analysis of Varians)

TEGUH IMANTO, S. Farm., Apt

 Analisis of Varians
 Menguji hipotesis komparatif
 Datanya harus berbentuk interval atau ratio
 Syarat : a. Randomisasi (acak)
b. Mengikuti kurva normal
c. homogen

Hanya yang bersifat numerik yang bisa diolah dengan anova

Cth teknik randomisasi (teknik sampling) : Tikus 200-250g 100 ekor, diambil 40
ekor
 Macam Anova
 Klasifikasi Tunggal
Single classification
One-Way Anova (variable yg berpengaruh
hanya satu)
 Klasifikasi Ganda
Multiple Classification
Two-way Anova
One-way Anova
Akan dibandingkan daya hambat 3 jenis antibiotika ( sebagai
variable) yaitu Amoksisilin, Cyprofloxacin, dn Erytromysin

Zona hambatan (mm)

Amoksisilin Cyprofloxacin Erytromysin
12 13 18
13 15 18
10 12 14
15 18 20
13 15 15
14 17 19
10 18 20
12 20 21
13 14 18
14 16 17
13 18 17
10 16 19
13 15 16
10 13 17
15 16 14
Program SPSS
Macamnya satu
tapi satuannya lain

Cth:
Satuan mm (zona hambat),
yg satu kecepatan pertumbuhan

Kalau membandingkan
Hanya boleh membandingkan satu variable
Gak boleh membandingkan dua variabel

Karena ini satu variable aj (antibiotik),

Disusun ke bawah aja dalam satu kolom,

Terus diberi nilai (value) utnuk masing-masing data

dari jenis antibiotiknya.
Yang jadi dependent/ tergantung
(yg diukur) adalah hambatan (zona
hambat)

Pada opsi  Perlu data

deskriptive, homogenitas

Posthoc 
tukey = HSD (boleh untuk data
yang jumlahnya sama ataupun
data yang jumlahnya tidak sama)
dan nanti dikelompokkan dalam
subset

LSD (jumlah data harus sama)

sig,. Level 0,05, klo sangat krusial

baru pake 0,01
 Descriptives

Hambatan

95% Confidence Interval for Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum

Amoksisilin 15 12.47 1.767 .456 11.49 13.45 10 15

Cyprofloxacin 15 15.73 2.219 .573 14.50 16.96 12 20

Erytromysin 15 17.53 2.134 .551 16.35 18.71 14 21

Total 45 15.24 2.917 .435 14.37 16.12 10 21

Kalo bicara sampel pake SD, kalo populasi pake SE

Kalo sig. > 0,05 artinya tdk ad perbedaan bermakna antar sampel, artinya homogen
(untuk tes homogenitas)
kalo gak homogen, hrus diblok (pengelompokan, misalnya berdasarkan jenis kelamin, atau umur,
dsb) dan dianalisis bukan pke anava, tapi dibuat factorial

ANOVA

Hambatan

Sum of Squares df Mean Square F Sig.

Between Groups 197.911 2 98.956 23.561 .000

Within Groups 176.400 42 4.200

Total 374.311 44

Kalo < 0,05 pasti ad yang berbeda makna, maka dilanjutkan dgn LSD/ Tukey
Kalo > 0,05 tidak perlu dilanjutkan dengan LSD ato Tukey (tdk perlu posthoc)
 Multiple Comparisons

Hambatan
LSD

95% Confidence Interval

Mean
(I) Antibiotik (J) Antibiotik Difference (I-J) Std. Error Sig. Lower Bound Upper Bound

Amoksisilin Cyprofloxacin -3.267* .748 .000 -4.78 -1.76

Erytromysin -5.067* .748 .000 -6.58 -3.56

Cyprofloxacin Amoksisilin 3.267* .748 .000 1.76 4.78

Erytromysin -1.800* .748 .021 -3.31 -.29

Erytromysin Amoksisilin 5.067* .748 .000 3.56 6.58

Cyprofloxacin 1.800* .748 .021 .29 3.31

*. The mean difference is significant at the 0.05 level.

Utk post hoc dilihat mean difference (klao ad tanda bintang artinya berbeda makna)
Kalo sig > 0,05 tidak berbeda makna

Pilih salah satu, pake tukey apa LSD untuk penarikan kesimpulan berbeda makna atau tidak.

Kalo pake tukey ada homogeneus subset (membantu dalam penarikan kesimpulan)

Kalo kesimpulan statistik : ad perbedaan yang signifikan/bermakna

Kalo kesimpulan penelitian : 
 Kesimpulan
 Daya hambat Ertromisin sama besar
dengan Cyprofloxasin dan lebih besar dari
Amoksisilin
 Two-way Anova
Akan dibandingkan daya hambat 3 jenis antibiotika
yaitu Amoksisilin, Cyprofloxacin, dn Erytromysin
pada pH=3 dan pH=5

pH Zona Hambatan (mm)

Amoksisilin Cyprofloxacin Erytromysin
pH = 3 14 27 29
18 24 25
21 25 30
pH = 5 24 28 27
19 27 32
25 20 28

Ada 2 variable, zona hambat antibiotik dan pH

Datanya disusun ke bawah, sesuaikan
dengan pengelompokan
Dipake kalo variable dependennya satu
Untuk pH gk bisa pke post hoc krna hanya 2, kurang dari 3 grup
sig, < 0,05 artinya homogen
pH*antibiotika, adalah interaksi,
Dalam outpot, tidak ad interaksi yang menyebabkan perbedaan zona hambatan
Sig > 0,05 tidak berbeda makna
Hambatan cipro dan eritromisin
 Analisis ANOVA
•Analyze General Linier Model
 Univariate
• Dependent Variable: Zona
Hambatan (yang diukur)
• Fix Factor: pH dan antibiotika
•Posthoc : pH hanya 2  dilihat
dari signifikansinya
 Penelitian
KORELASIONAL

TEGUH IMANTO, S. Farm., Apt

 Penelitian KORELASIONAL
 Hubungan antara 2 variabel atau lebih
 2 variabel : Bivariate correlation
 Lebih dari 2 variabel : Multivariate correlation
 Kuat lemahnya korelasi dinyatakan dalam koefisien
korelasi ρ (rho) untuk populasi dan r untuk sampel.
 Koefisien korelasi berkisar antara 0,00-1,00.
 0,00 artinya tidak ada korelasi yang linier
 1,00 artinya korelasi liniernya sangat kuat
 Tanda pada r
 Tanda + (positif) menunjukkan arah korelasi
satu arah. Contoh : Kenaikan harga BBM
akan menyebabkan kenaikan ongkos
angkutan
 Tanda - (negatif) menunjukkan arah korelasi
berlawanan arah. Contoh : Semakin tinggi
tingkat kedisiplinan siswa, semakin rendah
tingkat kegagalan studinya.
 Jenis uji korelasi
 Jika data interval/ratio:
Pearson product moment
 Jika data ordinal/nominal:
Spearman rank (rho) atau
Kendall rank (tau)
 Contoh Pearson Product
Moment
 Ingin diketahui hubungan antara tinggi badan
(height) dengan rasa percaya diri (self esteem)

 Hipotesis:
TINGGI BADAN mempengaruhi rasa PERCAYA
DIRI seseorang
DATA PENGUKURAN
Person Height Self Esteem
1 68 4.1
2 71 4.6
3 62 3.8
4 75 4.4
5 58 3.2
6 60 3.1
7 67 3.8
8 68 4.1
9 71 4.3
10 69 3.7
11 68 3.5
12 67 3.2
13 63 3.7
14 62 3.3
15 60 3.4
16 63 4.0
17 65 4.1
18 67 3.8
19 63 3.4
20 61 3.6
 DISKRIPTIF

Variable Mean StDev Variance Sum Minimum Maximum Range

Height 65.4 4.40574 19.4105 1308 58 75 17

Self Esteem 3.755 0.426090 0.181553 75.1 3.1 4.6 1.5

Sebaran Korelasi
Menggunakan Rumus Korelasi
Hasil Perhitungan
Korelasi (8)
 Hasil regresi dengan Excel
4.8
4.6 y = 0.0707x - 0.8663
2
R = 0.5338
4.4
4.2
4
3.8
3.6
3.4
3.2
3
55 60 65 70 75 80

r2 = 0.5338  r = 0,73
 Korelasi (9)
 Setelah diperoleh koefisien korelasi, dapat
ditentukan apakah korelasi tersebut terjadi
karena kebetulan (by chance) atau suatu
korelasi yang riil.
 Dalam hal ini, ingin diuji hipotesis berikut:
Null Hypothesis: r = 0
Alternative Hypothesis: r ≠ 0
 Uji signifikansi nilai r
 Selanjutnya lihat tabel nilai kritis r
 Tetapkan terlebih dahulu:
– Tingkat signifikansi (α), misalnya 0,05 (5%,
artinya peluang bahwa korelasi terjadi karena
kebetulan adalah tidak lebih dari 5 dari 100.
– Derajat bebas = N-2 (dalam contoh kita: 20-
2=18)
– Lihat baris 18 kolom ke-2, nilai r tabel = 0,444
 Uji signifikansi nilai r
 Di tabel ditemukan bahwa nilai kritis untuk r Product
Moment tersebut adalah: 0,444

 Artinya jika koefisien korelasi hitung >0,444 maka

korelasi tersebut dapat dikatakan “secara statistik
signifikan” atau “bermakna secara statistik”

 Jadi ada hubungan positif antara TB dan rasa PD:

semakin tinggi TB semakin PD
 ILUSTRASI ANALISIS
KORELASI dengan 3 variabel

Ingin diketahui adakah korelasi

(hubungan) antara gaji, usia dan
pengalaman karyawan pada suatu
perusahaan tertentu

Gunakan SPSS
 ILUSTRASI ANALISIS
KORELASI
Gaji Usia Pengalaman Gaji Usia Pengalaman

 635.00 30.00 4.00

 115.00 23.00 2.00  695.00 30.00 7.00
 245.00 21.00 2.00  785.00 30.00 7.00
 315.00 21.00 4.00  402.50 30.00 4.00
 365.00 22.00 3.00  612.50 31.00 6.00
 425.00 20.00 4.00
 575.00 24.00 5.00
 680.00 24.00 6.00
 385.00 25.00 4.00  623.00 27.00 6.00
 425.00 25.00 4.00  651.50 29.00 5.00
 350.50 26.00 3.00  620.00 31.00 6.00
 587.00 29.00 5.00
 985.00 30.00 7.00
 Langkah - langkah
 Masukkan data pada SPSS Data Editor
 Pilih Analyze > Correlate > Bivariate
1. Pilih variabel yang akan dikorelasikan
2. Pada Correlation Coefficients, pilih Pearson (data
parametrik) atau Spearman (data nonparametrik)
3. Aktifkan Flag significant correlation (untuk
mengetahui signifikansi koefisien korelasi
4. Klik OK
 HASIL ANALISIS

Corre lations

GAJI USIA P_ALAMAN

GAJI Pearson Correlation 1.000 .676** .910**
Sig. (2-tailed) . .001 .000
N 20 20 20
USIA Pearson Correlation .676** 1.000 .652**
Sig. (2-tailed) .001 . .002
N 20 20 20
P_ALAMAN Pearson Correlation .910** .652** 1.000
Sig. (2-tailed) .000 .002 .
N 20 20 20
**. Correlation is significant at the 0.01 level (2-tailed).
 INTERPRETASI
1. Antara gaji dan usia terdapat korelasi positif yang signifikan (nilai sig.
0.001 < 0.05) dengan koefisien korelasi sebesar 0.676 (lemah karena
kurang dari 0.75). Artinya semakin besar usia maka semakin besar
pula gajinya
2. Antara gaji dan pengalaman terdapat korelasi positif yang signifikan
(nilai sig. 0.000 < 0.05) dengan koefisien korelasi sebesar 0.910 (kuat
karena lebih dari 0.75). Artinya semakin lama pengalaman maka
semakin besar gajinya
3. Antara usia dan pengalaman terdapat korelasi positif yang signifikan
(nilai sig. 0.002 < 0.05) dengan koefisien korelasi sebesar 0.652
(lemah karena kurang dari 0.75). Artinya semakin tua usia maka
semakin lama pengalaman
 Contoh
 Suatu perusahaan Farmasi akan meneliti apakah
terdapat hubungan antara sikap indisipliner
karyawan sehari-hari dengan kinerjanya. Untuk
maksud tersebut diambil sampel 15 orang karyawan
dan dilakukan penilaian terhadap sikap dan
kinerjanya di kantor.

Statistik Non Parametrik

 Data Ordinal
NAMA SIKAP KINERJA
KARYAWAN INDISIPLIN
A 94 51
B 83 63
C 62 65
D 58 97
E 94 53
F 72 68
G 72 70
H 69 81
I 62 90
J 80 53
K 75 62
L 70 63
M 68 65
N 85 58
O 90 55
 Hasil
Correlations

SIKAP KINERJA

Correlation Coefficient 1.000 -.735**

SIKAP Sig. (2-tailed) . .000

N 15 15
Kendall's tau_b
Correlation Coefficient -.735** 1.000

KINERJA Sig. (2-tailed) .000 .

N 15 15

Correlation Coefficient 1.000 -.867**

SIKAP Sig. (2-tailed) . .000

N 15 15
Spearman's rho
Correlation Coefficient -.867** 1.000

KINERJA Sig. (2-tailed) .000 .

N 15 15

**. Correlation is significant at the 0.01 level (2-tailed).

 INTERPRETASI
1. Antara Sikap dan Kinerja Karyawan terdapat
korelasi positif yang signifikan (nilai sig. 0.000 <
0.05) dengan koefisien korelasi Kendal Tau sebesar
-0.735 (lemah karena kurang dari 0.75) dan
Spearman -0,867 (kuat karena lebih dari 0,75) .
Artinya semakin indisipliner sikapnya maka semakin
rendah kinerjanya