UJI ANOVA

DISUSUN OLEH :
- ANDRE LAURENZA
- ANGGIA SAPTA OKTORA
- ANISSA SHIRATUL KHIYARI
- DESY AGUSTIA
- DINA HIDAYAH
- FARIDA
- IIF RIFA’I
- LARASATI
- LINDA SARI
- LUYTA MUSTIKA CANDRA
PENGERTIAN 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 test yang hanya
bisa menguji perbedaan rerata dari dua kelompok saja.
FUNGSI ANOVA
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.
CONTOH ANOVA
Contohnya adalah seorang peneliti ingin menilai adakah perbedaan
model pembelajaran A, B dan C terhadap hasil pembelajaran mata pelajaran
fisika pada kelas 6. Dimana dalam penelitian tersebut, kelas 6A diberi
perlakuan A, kelas 6B diberi perlakuan B dan kelas 6C diberi perlakuan C.
Setelah adanya perlakuan selama satu semester, kemudian dibandingkan
hasil belajar semua kelas 6 (A, B dan C). Masing-masing kelas jumlahnya
berkisar antara 40 sampai dengan 50 siswa.

Hasil akhir yang didapatkan adalah nilai f hitung. Nilai tersebut

dibandingkan dengan nilai dalam tabel f pada derajat kebebasan tertentu
(degree of freedom). Jika F hitung > F tabel, maka disimpulkan bahwa
menerima H1 atau yang berarti ada perbedaan secara nyata atau signifikan
hasil ujian siswa antar perlakuan model pembelajaran.
ANOVA DALAM REGRASI LINEAR

Anova dalam perhitungannya membandingkan nilai mean

square dan hasilnya adalah menilai apakah model prediksi linear
tidak berbeda nyata dengan nilai koefisien estimasi dan standar
error.
CIRI-CIRI ANOVA
Ciri khasnya adalah adanya satu atau lebih variabel bebas
sebagai faktor penyebab dan satu atau lebih variabel response
sebagai akibat atau efek dari adanya faktor. Contoh penelitian
yang dapat menggambarkan penjelasan ini: “Adakah pengaruh
jenis bahan bakar terhadap umur thorax mesin.” Dari judul
tersebut jelas sekali bahwa bahan bakar adalah faktor penyebab
sedangkan umur thorax mesin adalah akibat atau efek dari
adanya perlakuan faktor. Ciri lainnya adalah variabel response
berskala data rasio atau interval (numerik atau kuantitatif).
NEXT
Anova merupakan salah satu dari berbagai jenis uji parametris,
karena mensyaratkan adanya distribusi normal pada variabel
terikat per perlakuan atau distribusi normal pada residual. Syarat
normalitas ini mengasumsikan bahwa sample diambil secara
acak dan dapat mewakili keseluruhan populasi agar hasil
penelitian dapat digunakan sebagai generalisasi. Namun
keunikannya, uji ini dapat dikatakan relatif robust atau kebal
terhadap adanya asumsi tersebut.
JENIS ANOVA
Jenisnya adalah berdasarkan jumlah variabel faktor (independen variable
atau variabel bebas) dan jumlah variabel responsen (dependent variable atau
variabel terikat). Pembagiannya adalah sebagai berikut:

Univariat:
1. Univariat one way analysis of variance, Apabila variabel bebas dan
variabel terikat jumlahnya satu.
2. Univariat two way analysis of variance, Apabila variabel bebas ada 2,
sedangkan variabel terikat ada satu.
3. Univariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2,
sedangkan variabel terikat ada satu.
NEXT
Multivariat :
1. Multivariat one way analysis of variance. Apabila variabel
bebas dan variabel terikat jumlahnya lebih dari satu.
2. Multivariate Two Way Analysis of Variance. Apabila variabel
bebas ada 2, sedangkan variabel terikat jumlahnya lebih dari
satu.
3. Multivariate Multi way Analysis of Variance. Apabila variabel
bebas ada > 2, sedangkan variabel terikat jumlahnya lebih dari
satu.
JENIS LAIN YANG
MENGGUNAKAN PRONSIP INI :
Repeated Measure Analysis of variance.
1. Analysis of covariance (ANCOVA)
2. Multivariate analysis of covariance (MANCOVA)
CONTOH KASUS
Apakah terdapat perbedaan skor hasil test keterampilan
komunikasi personal antara mahasiswa berdasarkan kualifikasi
semester (1, 2, 3, dan 4) dan berdasarkan kualifikasi background
mata pencaharian orang tua mahasiswa?\
Data ambil dari
1. Data Hasil Ujian adalah variabel Dependent
2. Data Semester dan Background adalah variabel Independent
NEXT
Langkah-langkah Uji ANOVA dengan program SPSS
NEXT
1. Klik Analyze > General Liniear Model > Univariate, sehingga
muncul jendela sbb:
NEXT
2. Masukkan variabel Hasil Tes Keterampilan ke kotak Dependent
Variable, dan masukkan variabel Kelas Mahasiswa dan Latar
Belakang ke dalam kotak Fixed Factor (s) seperti terlihat pada
gambar di bawah ini:
NEXT
3. Klik Plots, maka akan muncul jendela sbb; kemudian masukkan
Semester ke kotak Horizintal Axis dan Background ke kotak
Separate Lines.
NEXT
4. Klik Add, maka akan muncul jendela sbb; lalu klik Continue.
NEXT
5. Klik Post Hoc, maka akan muncul jendela sbb; kemudian
masukkan semester ke kotak Post Hoc Test for -> centang Tukey
-> Klik Continue.
NEXT
6. Klik Options, maka akan muncul jendela sbb; masukkan
Semester, Background dan Semester*Background ke dalam
kotak Display Means for. Pada Display centang Descriptive
statistics dan Homogenity tests.
NEXT
7. Kemudian Klik continue -> Klik OK -> Lihat hasil

( next slide )
HASIL DAN
INTERPRETASI
Tests of Between-Subjects Effects

Dependent Variable: Hasil Tes Keterampilan Komunikasi Personal

Type III Sum of Partial Eta Noncent. Observed

Source Squares df Mean Square F Sig. Squared Parameter Powerb

Corrected Model 30672,729a 15 2044,849 36,603 ,000 ,710 549,052 1,000

Intercept 1239412,537 1 1239412,537 22185,898 ,000 ,990 22185,898 1,000

SEMESTER 30044,946 3 10014,982 179,272 ,000 ,706 537,815 1,000

BACKGROUND 125,279 3 41,760 ,748 ,525 ,010 2,243 ,209

SEMESTER * BACKGROUND 502,504 9 55,834 ,999 ,441 ,039 8,995 ,492

Error
12513,733 224 55,865

Total
1282599,000 240

Corrected Total
43186,462 239

a. R Squared = ,710 (Adjusted R Squared = ,691)

b. Computed using alpha = ,05

INTERPRETASI
Dari tabel output diatas dapat dilihat bahwa:
1. Pada baris Background terlihat nilai signifikan 0.525 yaitu nilai
> 0.05, jadi tidak ada perbedaan yang signifikan antara skor hasil
test keterampilan komunikasi personal dengan latar belakang
mahasiswa.
2. Pada baris Semester terlihat nilai signifikan 0.000 yaitu nilai <
0.05, jadi terdapat perbedaan yang signifikan pada skor hasil test
keterampilan komunikasi personal dengan mahasiswa semester I,
II, III dan IV.
THANK YOU FOR UR
ATTENTION