UJI BEDA LEBIH DARI 2

VARIABEL INDEPENDEN

akper ngesti waluyo

Tujuan pembelajaran

 Mahasiswa dapat menjelaskan pengertian uji

beda lebih dari 2 mean parametrik
 Mahasiswa dapat menjelaskan syarat uji
beda lebih dari 2 mean parametrik
 Mahasiswa dapat menguji data riset denga
uni beda lebih dari 2 mean parametrik

akper ngesti waluyo

Sarat Uji Statistika Parametrik

 Statistika
Parametrik didasarkan pada
asumsi distribusi normal, untuk menganalisis
data yang terukur dalam skala interval atau
rasio.

akper ngesti waluyo

Prosedur Test Hipotesa

akper ngesti waluyo

UJI BEDA LEBIH DARI 2 VARIABEL
INDEPENDEN (parametrik)
ANOVA 1 JALAN

akper ngesti waluyo

Analisis Varian Satu Jalan
Digunakan untuk menguji hipotesis komparatip
rata-rata k sampel bila datanya berbentuk
interval atau rasio
Langkah-langkah
1. Cek syarat ANOVA >2 Kelompok tidak
berpasangan
a.Distribusi data harus normal
b. Varian data harus sama
2. Lakukan uji normalitas data
3. Cek kesamaan varian (sekalian pada uji
ANOVA) akper ngesti waluyo
 Contoh
Bila ingin menguji hipotesa ada tidaknya perbedaan
secara signifikan antara kadar HB dari kelompok petani,
pedagang dan pegawai negeri, maka digunakan
ANOVA satu jalan
Tetapi bila ingin menguji hipotesa ada tidaknya
perbedaan asecara signifikan antara kadar HB dari
kelompok petani, pedagang dan pegawai negeri
berdasarkan jenis kelamin (pria dan wanita), maka
digunakan ANOVA dua jalan

akper ngesti waluyo

Hubungan Antar Variabel

SKEMA UJI BEDA

LEBIH DARI 2 VARIABEL

Qualitative Qualitative Quantitative

× × ×
Qualitative Quantitative Quantitative

Chi-Square ANNOVA Correlations

Independence Test

akper ngesti waluyo

ANOVA: ANalysis Of VAriance

 ANOVA merupakan bentuk umum dari uji Student t

 Student Test berlaku untuk dua kategori saja:
 H0: μ1 = μ2
 H1: μ1 ≠ μ2
 ANOVA adalah metode untuk menguji apakah kelompok
mean ini sama atau tidak.
 H0: μ1 = μ2 = μ3 = ... = μn
 H1: Setidaknya satu mean berbeda secara signifikan

akper ngesti waluyo

 Hipotesis ANOVA 1 Jalan

 H0 : μ1  μ2  μ3    μk
 Seluruh mean populasi adalah sama
 Tak ada efek treatment (tak ada keragaman mean
dalam grup)

 H A : Tidak seluruh mean populasi adalah sama

 Minimal ada 1 mean populasi yang berbeda
 Terdapat sebuah efek treatment
 Tidak seluruh mean populasi berbeda (beberapa
pasang mungkin sama)

akper ngesti waluyo

 ANOVA 1 Faktor
H0 : μ1  μ2  μ3    μk
HA : Tidak seluruh μi sama

Semua mean bernilai sama

Hipotesis nol adalah benar
(Tak ada efek treatment)

μ1  μ2  μ3
akper ngesti waluyo
 ANOVA 1 JALAN
(sambungan)
H0 : μ1  μ2  μ3    μk
HA : Tidak semua μi sama
Minimal ada 1 mean yg berbeda
Hipotesis nol tidak benar
(Terdapat efek treatment)

atau

μ1  μ2  μ3 μ1  μ2  μ3
akper ngesti waluyo
 Partisi Variasi

 Variasi total dapt dipecah menjadi 2 bagian:

SST = SSB + SSW

SST = Sum of Squares Total (Jumlah Kuadrat Total)

SSB = Sum of Squares Between (Jumlah Kuadrat Antara)
SSW = Sum of Squares Within (Jumlah Kuadrat Dalam)

akper ngesti waluyo

 Partisi Variasi
(sambungan)

SST = SSB + SSW

Variasi Total = pernyebaran agregat nilai data individu melalui beberapa level
faktor (SST)

Between-Sample Variation = penyebaran diantara mean sampel faktor (SSB)

Within-Sample Variation = penyebaran yang terdapat diantara nilai data

dalam sebuah level faktor tertentu (SSW)

akper ngesti waluyo

ANOVA residual

  x     x  x    n  x  x 
k nk 2 k nk k 2
2
ij x ij j k j
j i j i j
Total Variance Within-group variance Between-group variance
(Total Sum of Square) (Within sum of Square) (between sum of Square)

SS SS SS
total within between

df = n – 1 df = n – k df = (k – 1)

Penguraian ini menghasilkan Statistik Fisher sebagai berikut :

SSbetween  k  1 explained variance

F  k  1, N  k   F df _ num
 
df _ denom
SSwithin N  k unexplained variance

akper ngesti waluyo

 Partisi Variasi Total
Variasi Total (SST)

Variasi Faktor (SSB) Variasi Random Sampling (SSW)

= +
Mengacu pada:
 Sum of Squares Between
 Sum of Squares Among
 Sum of Squares Explained
 Among Groups Variation
Mengacu pada:
 Sum of Squares Within
 Sum of Squares Error
 Sum of Squares Unexplained
 Within Groups Variation

akper ngesti waluyo

 Jumlah Kuadrat Total
(Total Sum of Squares)
SST = SSB + SSW
k ni
SST   ( x ij  x ) 2

i1 j1

Dimana:
SST = Total sum of squares/Jumlah Kuadrat Total
k = jumlah kelompok (tingkat atau perlakuan)
ni = ukuran sampel dari populasi i
xij = pengukuran ke-j dari kelompok ke-i
x = mean keseluruhan (dari seluruh nilai data)
akper ngesti waluyo
 Variasi Total
(sambungan)

SST  ( x11  x)2  ( x12  x)2  ...  ( xknk  x)2

Response, X

Group 1 Group 2 Group 3

akper ngesti waluyo
 Variasi Total
(sambungan)

SST  ( x11  x)2  ( x12  x)2  ...  ( xknk  x)2

akper ngesti waluyo

Jumlah Kuadrat Antara
(Sum of Squares Between)
SST = SSB + SSW
k
SSB   ni ( x i  x ) 2

i1
Where:
SSB = Sum of squares between
k = jumlah kelompok
ni = ukuran sampel dari kelompok ke i
x¯i = mean sampel dari kelompok ke i
x = mean keseluruhan (dari seluruh nilai data)

akper ngesti waluyo

Variasi Diantara Group/Kelompok

k
SSB   ni ( x i  x ) 2

i1

SSB
Perbedaan variasi antar
MSB 
kelompok
k 1
Mean Square Between =
SSB/degrees of freedom

•degrees of freedom :
i j derajat kebebasan

akper ngesti waluyo

 Variasi Diantara Group/Kelompok
(sambungan)

SSB  n1( x1  x)  n2 ( x 2  x)  ...  nk ( xk  x)

2 2 2

Response, X

X3
X2 X
X1

Group 1 Group 2 Group 3

akper ngesti waluyo
 Jumlah Kuadrat Dalam
(Sum of Squares Within)
SST = SSB + SSW
k nj
SSW    ( x ij  x i ) 2

i1 j1
dimana:
SSW = Sum of squares within
k = jumlah populasi
ni = ukuran sampel dari populasi i
xi = mean sampel dari populasi i
xij = pengukuran ke-j dari populasi ke-i

akper ngesti waluyo

 Variasi Dalam Kelompok
(Within-Group Variation)
k nj
SSW    ( x ij  x i ) 2

i1 j1
SSW
Penjumlahan variasi dalam
MSW 
setiap group dan kemudian
penambahan pada seluruh group Nk
Mean Square Within =
SSW/degrees of freedom

i
akper ngesti waluyo
 Variasi Dalam Kelompok
(Within-Group Variation) (continued)

SSW  ( x11  x1 )  ( x12  x 2 )  ...  ( xknk  xk )

2 2 2

Response, X

X3
X2
X1

Group 1 Group 2 Group 3

akper ngesti waluyo
 Tabel ANOVA 1 Arah
(One-Way ANOVA)

Source of SS df MS F ratio
Variation (mean SQUARE)

Between SSB MSB

Samples SSB k-1 MSB = F=
k-1 MSW
Within SSW
Samples SSW N-k MSW =
N-k

SST =
Total N-1
SSB+SSW

k = jumlah kelompok
N = jumlah ukuran sampel dari seluruh populasi
df = degrees of freedom/derajat kebebasan
akper ngesti waluyo
 Uji F ANOVA 1 Faktor

H0: μ1= μ2 = … = μ k
HA: Minimal 1 mean populasi berbeda

 Stastistik Uji : MSB

F
MSW
MSB : jumlah kuadrat diantara variansi
MSW : jumlah kuadrat dalam variansi
 Degrees of freedom/derajat kebebasan :
 df1 = k – 1 (k = jumlah kelompok)
 df2 = N – k (N = jumlah ukuran sampel seluruh populasi)
akper ngesti waluyo
 Interpretasi Uji F

 Statistik Uji F adalah rasio antara taksiran

variansi dengan taksiran dalam variansi
 Rasio harus selalu positif
 df1 = k -1 berukuran kecil
 df2 = N - k berukuran besar

Rasio akan mendekati 1 jika :

H0: μ1= μ2 = … = μk Benar

Rasio akan lebih besar dari 1 jika :

H0: μ1= μ2 = … = μk Salah

akper ngesti waluyo

 Contoh Kasus
Terdapat 3 Kelompok
Penderita Obesitas masing-
Kel 1 Kel 2 Kel 3
masing diambil secara acak 254 234 200
5 orang dan diukur kadar 263 218 222
Kolesterolnya dalam kondisi 241 235 197
237 227 206
yang sama. Dengan tingkat 251 216 204
signifikansi 5%, apakah
terdapat perbedaan rata-
rata(mean) Kadar kolesterol
ketiga kelompok tersebut
tsb.?

akper ngesti waluyo

 Prosedur pengujian hipotesa
1. Hipotesa
Ho: rata-rata Kadar kolesterol ke tiga kelompok
sama
Ha: rata-rata Kadar kolesterol ke tiga kelompok
tidak sama
2. Statistik uji: Annova
3. α=0,05
4. Nilai F tabel (db=12 dan 2) F =3.885
5. Hasil perhitungan F
6. Kesimpulan Ho ditolak bila F Hitung> Ftabel
akper ngesti waluyo
 Scatter Diagram
Diameter
Kel 1 Kel 2 Kel 3 270
254 234 200 •
260
263 218 222 •
•
241
237
235
227
197
206
250 X1
240 •
251 216 204 • ••
230
•
220 •• X 2
• X
210
••
x1  249.2 x 2  226.0 x 3  205.8 200 • X3
•
x  227.0 190

1 2 3
akper ngesti waluyo
kelompok
 Perhitungan

x1 = 249.2 n1 = 5
Kel 1 Kel 2 Kel 3 x2 = 226.0 n2 = 5
254 234 200
263 218 222 x3 = 205.8 n3 = 5
241 235 197 N = 15
237 227 206 x = 227.0
251 216 204 k=3

SSB = 5 [ (249.2 – 227)2 + (226 – 227)2 + (205.8 – 227)2 ] = 4716.4

SSW = (254 – 249.2)2 + (263 – 249.2)2 +…+ (204 – 205.8)2 = 1119.6

MSB = 4716.4 / (3-1) = 2358.2 2358.2

F  25.275
MSW = 1119.6 / (15-3) = 93.3 93.3
akper ngesti waluyo
 Solusi

H0: μ1 = μ2 = μ3 Statistik Uji:

HA: μi not all equal
MSB 2358.2
 = .05 F   25.275
MSW 93.3
df1= 2 df2 = 12

Critical Keputusan:
Value:
Tolak H0 at  = 0.05
F = 3.885
 = .05 Kesimpulan:
Terdapat minimal 1 mean yang
berbeda dari ketiga Kelompok
0 Do not Reject H0
reject H0 F = 25.275
F.05 = 3.885
akper ngesti waluyo
 Output Excel
SUMMARY
Groups Count Sum Average Variance
Kel 1
Kel 2
Kel 3
ANOVA
Source of
SS df MS F P-value F crit
Variation
Between
Groups
Within
Groups
Total

akper ngesti waluyo

 Output Excel
SUMMARY
Groups Count Sum Average Variance
Kel 1 5
Kel 2 5
Kel 3 5
ANOVA
Source of
SS df MS F P-value F crit
Variation
Between
Groups
Within
Groups
Total

akper ngesti waluyo

 Tabel Bantu Menghitung F

SW = SB(Squar
(Squares x es
xi x¯ var xi-x¯ Within) x¯-x= Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4
akper ngesti waluyo
sum 1120 4716
 Tabel Bantu Menghitung F

SW = SB(Squar
(Squares x
es
xi x¯ var xi-x¯ Within) x¯-x= Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4
akper ngesti waluyo
sum 1120 4716
 Tabel Bantu Menghitung F

SW SB(
xi x¯ var xi-x¯ (Squares x= x¯-x= Squares
Within) Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4
akper ngesti waluyo
sum 1120 4716
 Tabel Bantu Menghitung F

SW SB
xi x¯ var xi-x¯ (Squares x= x¯-x= (Squares
Within) Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4

sum 1120
akper ngesti waluyo 4716
 Tabel Bantu Menghitung F

SW SB
xi x¯ var xi-x¯ (Squares x= x¯-x= (Squares
Within) Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4
akper ngesti waluyo
sum 1120 4716
 Tabel Bantu Menghitung F

SW SB
xi x¯ var xi-x¯ (Squares x= x¯-x= (Squares
Within) Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4
akper ngesti waluyo
sum 1120 4716
 Tabel Bantu Menghitung F

SW SB
=
xi x¯ var xi-x¯ (Squares x x¯-x= (Squares
Within) Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4

sum 1120
akper ngesti waluyo 4716
 Tabel Bantu Menghitung F

SW =
SB
xi x¯ var xi-x¯ (Squares x x¯-x= (Squares
Within) Between)
254 249 108,2 4,8 23,04 227 22,2 492,8
263 249 108,2 13,8 190,4 227 22,2 492,8
241 249 108,2 -8,2 67,24 227 22,2 492,8
237 249 108,2 -12,2 148,8 227 22,2 492,8
251 249 108,2 1,8 3,24 227 22,2 492,8
234 226 77,5 8 64 227 -1 1
218 226 77,5 -8 64 227 -1 1
235 226 77,5 9 81 227 -1 1
227 226 77,5 1 1 227 -1 1
216 226 77,5 -10 100 227 -1 1
200 206 94,2 -5,8 33,64 227 -21,2 449,4
222 206 94,2 16,2 262,4 227 -21,2 449,4
197 206 94,2 -8,8 77,44 227 -21,2 449,4
206 206 94,2 0,2 0,04 227 -21,2 449,4
204 206 94,2 -1,8 3,24 227 -21,2 449,4

sum 1120
akper ngesti waluyo 4716
 Output Excel
SUMMARY
Groups Count Sum Average Variance
Kel 1 5 1246 249.2 108.2
Kel 2 5 1130 226 77.5
Kel 3 5 1029 205.8 94.2
ANOVA
Source of P-
SS df MS F F crit
Variation value
Between 4.99E-
4716.4 2 2358.2 25.275 3.885
Groups 05
Within
1119.6 12 93.3
Groups
Total 5836.0 14

akper ngesti waluyo

 Output Excel
SUMMARY
Groups Count Sum Average Variance
Kel 1 5 1246 249.2 108.2
Kel 2 5 1130 226 77.5
Kel 3 5 1029 205.8 94.2
ANOVA
Source of
SS df MS F P-value F crit
Variation
Between
4716.4 2 2358.2 25.275 4.99E-05 3.885
Groups
Within
1119.6 12 93.3
Groups
Total 5836.0 14

akper ngesti waluyo

Menentukan F Kritis

akper ngesti waluyo

akper ngesti waluyo
Menentukan α hitung berdasarkan F Hitung

akper ngesti waluyo

akper ngesti waluyo
 Prosedur pengujian hipotesa
1. Hipotesa
Ho: rata-rata Kadar kolesterol ke tiga kelompok
sama
Ha: rata-rata Kadar kolesterol ke tiga kelompok
tidak sama
2. Statistik uji: Annova
3. α=0,05
4. Nilai F tabel (db=12 dan 2) F =3.885
5. Hasil perhitungan F=25.275
6. Kesimpulan F Hitung> Ftabel Ho ditolak artinya
rata-rata Kadar kolesterol ke tiga kelompok tidak
sama akper ngesti waluyo
 MENGERJAKAN ANNOVA
DENGAN SPSS
Langkah-langkah utk membuat uji ANNOVA adalah
sbb:
1. Buat variabel Group
Mendefinisikan variabel pada Variabel View
Nama : Group
Decimal :0
Label :
Measure : Scale
2. Buat variabel kolesterol

akper ngesti waluyo

 MENGERJAKAN ANNOVA
DENGAN SPSS
2. Buat variabel Kolesterol
Mendefinisikan variabel pada Variabel View
Nama :Kolesterol
Decimal : 0
Label :
Measure : Scale
Setelah variabel didefinisikan masukkan data
group dan kolesterol

akper ngesti waluyo

 Prosedur pengujian hipotesa
1. Hipotesa
Ho: rata-rata Kadar kolesterol ke tiga kelompok
sama
Ha: rata-rata Kadar kolesterol ke tiga kelompok
tidak sama
2. Statistik uji: Annova
3. α=0,05
4. Hasil SPSS Sig =
5. Kesimpulan Ho ditolak bila Sig SPSS<0,05

akper ngesti waluyo

KOLES

akper ngesti waluyo

KOLESTEROL

akper ngesti waluyo

Langkah uji anova

Sebelum dilanjutkan dengan uji ANOVA, data

variabel KOLESTEROL diuji dulu dengan uji
normalitas data (dapat menggunakan uji
Kolmogorov Smirnof)
Jika data normal maka lanjutkan uji ANOVA
Uji kesamaan varian dilakukan bersama
denganm Uji ANOVA, Jika varian SAMA
maka Uji ANOVA dapat dipakai, Jika Hasi Uji
varians tidak sama, maka dilakukan
transformasi
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
 Sing >0,05 = semua group
berdistri busi normal

akper ngesti waluyo

 Karena semua data group berdistribusi
normal maka sarat pertama terpenuhi,
sehingga dapat dilanjukan uji Anova,
 Sedangkan sarat kedua homoginitas varian
diuji bersamaan dengan uji Anova

akper ngesti waluyo

akper ngesti waluyo
KOLESTEROL

KOLESTEROL

akper ngesti waluyo

kolesterol

akper ngesti waluyo

 Hasil uji varian
sig >0,05
artinya varian sama

KOLESTEROL

Hasil uji ANNOVA

valid( memenuhi
syarat)

KOLESTEROL

akper ngesti waluyo

 Prosedur pengujian hipotesa
1. Hipotesa
Ho: rata-rata Kadar kolesterol ke tiga kelompok
sama
Ha: rata-rata Kadar kolesterol ke tiga kelompok
tidak sama
2. Statistik uji: Annova
3. α=0,05
4. Hsil SPSS sig=0,000 (Sig SPP<0,05)
5. Kesimpulan Ho ditolak artinya : rata-rata rata-rata
Kadar kolesterol ke tiga kelompok tidak sama

akper ngesti waluyo

Latihan soal
Seorang perawat ingin mengetahui
apakah kadar gula darah dari golongan
ekonomi rendah, sedang dan tinggi
sama?
Sampel diambil secara acak masing-
masing 100 orang dari kelompok
tingkat ekonomi rendah, sedang dan
tinggi dengan data sebagai berikut:
akper ngesti waluyo
 Kadar gula darah dengan ekonomi tinggi
202,50 289,80 202,50 289,80
180,00 295,20 180,00 295,20
252,00 240,30 211,50 240,30
240,30 250,20 240,30 250,20
270,00 268,20 270,00 268,20
252,00 199,80 207,00 199,80
252,00 208,80 252,00 208,80
207,00 212,40 207,00 212,40
252,00 257,40 252,00 252,00
288,90 310,50 288,90 310,50
271,80 318,60 289,80 318,60
288,90 328,50 288,90 270,00
252,00 338,40 210,60 338,40
252,00 350,10 252,00 270,00
291,60 358,20 291,60 358,20
279,00 348,30 279,00 270,00
388,80 318,60 388,80 318,60
318,60 289,80 318,60 289,80
270,00 240,30 345,60 240,30
291,60 233,10 291,60 233,10
233,10 265,50 233,10 265,50
311,40 228,60 311,40 228,60
340,20 290,70 340,20 290,70
321,30 299,70
akper ngesti waluyo 270,00 299,70
291,60 313,20 291,60 313,20
 Kadar gula darah dengan ekonomi sedang
160,00 210,00 180,00 195,00
170,00 220,00 160,00 239,00
200,00 190,00 210,00 198,00
190,00 200,00 195,00 214,00
210,00 190,00 220,00 194,00
210,00 210,00 210,00 165,00
190,00 180,00 210,00 175,00
200,00 180,00 180,00 167,00
200,00 185,00 210,00 158,40
260,00 244,00 250,00 250,00
210,00 250,00 210,00 240,00
200,00 232,00 210,00 210,00
195,00 222,00 190,00 216,00
186,00 254,00 190,00 250,00
250,00 240,00 220,00 243,00
200,00 250,00 210,00 265,00
260,00 240,00 260,00 245,00
280,00 220,00 220,00 229,00
230,00 190,00 220,00 222,00
180,00 210,00 180,00 222,00
190,00 201,60 220,00 212,00
245,00 190,00 220,00 211,00
256,00 220,00 259,00 211,00
235,00 236,00 243,00 231,12
210,00 220,00 akper ngesti waluyo 214,00 195,00
 Kadar gula darah dengan ekonomi rendah
158,40 200,00 170,20 190,00
142,56 230,40 150,00 230,40
200,88 180,00 200,88 180,00
187,20 194,40 187,20 194,00
214,56 180,00 214,56 180,00
198,00 190,00 198,00 154,80
190,80 170,10 190,80 158,40
190,00 170,00 165,60 158,40
198,72 170,00 198,72 158,40
250,00 244,80 240,00 244,80
208,80 236,88 208,80 236,88
200,00 216,00 200,00 190,00
180,00 216,00 180,00 216,00
180,00 248,40 180,00 248,40
250,00 230,40 216,00 230,40
201,60 260,00 201,60 260,00
252,00 231,12 252,00 231,12
200,00 216,00 216,00 216,00
212,40 180,00 212,40 210,00
170,00 210,00 170,00 210,00
184,32 201,60 210,20 201,60
240,00 174,96 216,00 174,96
244,80 216,00 244,80 216,00
230,40 231,12
akper ngesti waluyo 230,40 231,12
208,80 216,00 208,80 190,00
 Prosedur pengujian hipotesa
1. Hipotesa
Ho: rata-rata kadar gula dara ke tiga tingkatan
ekonomi sama
Ha: rata-rata kadar gula dara ke tiga tingkatan
ekonomi tidak sama
2. Statistik uji: Annova
3. α=0,05
4. Hasil SPSS Sig =
5. Kesimpulan Ho ditolak bila Sig SPSS<0,05

akper ngesti waluyo

 MENGERJAKAN ANNOVA
DENGAN SPSS
Langkah-langkah utk membuat uji ANNOVA adalah
sbb:
1. Buat variabel class
Mendefinisikan variabel pada Variabel View
Nama : class
Decimal :0
Label : 1=Tinggi 2= Sedang 3= rendah
Measure : Scale
2. Buat variabel gula

akper ngesti waluyo

 MENGERJAKAN ANNOVA
DENGAN SPSS
2. Buat variabel gula
Mendefinisikan variabel pada Variabel View
Nama : gula
Decimal : 0
Label :
Measure : Scale
Setelah variabel didefinisikan masukkan data
group dan kemapuan membuat lubang

akper ngesti waluyo

akper ngesti waluyo
akper ngesti waluyo
Langkah selanjutnya adalah menguji
normalitas data kadar gula darah per
glas ekonomi

akper ngesti waluyo

akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
 α> 5% DISTRIBUSI DATA NORMAL
Kesimpulan setiap clas ekonomi kadar gula darahnya
berdistribusi normal
akper ngesti waluyo
LANGKAH SELANJUTNYA
1. Setelah data kadar gula darah
untuk semua kelas ekonomi
diketahui berdistribusi normal
selanjutnya dilakukan uji anova
2. Uji homoginitas varian kadar gula
menurut kelas ekonomi dilakukan
bersama uji anova

akper ngesti waluyo

akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
 Hasil uji varian
sig <0,05
artinya varian TDK
sama/ TDK
homogen

akper ngesti waluyo

Langkah langkah berikutnya
Setelah tahu bahwa VARIAN KADAR GULA
TIDAK HOMOGEN, maka harus melakukan
transformasi data kadar gula darah agar
mempunyai nilai varian sama.
Mencari bentuk transformasi:
1. Analyze  deskritives Statistics Explore
2. Masukkan variabel gula ke dalam
Dependen List
3. Masukkan variabel Class kedalam faktor
list.
4. Pilih Plot pada kotak display list
akper ngesti waluyo
Mencari bentuk transformasi:
5. Aktipkan kotak Plot
6. Pilih Power Estimation ( untuk mencari
bentuk transformasi terbaik)
7. Ketik continue, klik Ok

akper ngesti waluyo

akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
Tabel Panduan Mencari Bentuk Transformasi
Dengan Memperhitungkan Faktor Slopedan Power

Slope Power Bentuk Tranformasi

-1 2 Square (kuadrat)
0 1 Tidak perlu transformasi
0,5 0,5 Square root (akar)
1 0 Logaritma
1,5 -0,5 1/Square root
2 -1 Reciprocal (1/n)
Sumber: Dahlan,MS, 2008

akper ngesti waluyo

 Langkah berikutnya adalah transformasi data
1. Transform  compute
2. Ketik Trm_gula pada target variabel ( variabel baru)
3. Pindahkan sqrt dari kotak Function ke kotak Numeric
expression dengan mengKlik tanda panah
4. Tampak ada kolom berkedip
5. Masukkan variabel gula ke dalam kolom berkedip dengan
mengKlik tanda panah sehingga tampil expresi sebagai
berikut; sqrt(gula)
6. Lakukan ketik 1/sebelum sqrt (gula) sehingga tertulis:
1/SQRT (gula) yang berarti 1/square root

akper ngesti waluyo

akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
 Setelah dilakukan
transpformasi data, langkah
berikutnya adalah UJI
ANOVA dengan variabel
gula darah yg sudah
ditransformasi

akper ngesti waluyo

akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
 VARIAN SAMA
BERARTI MEMENUHI
SYARAT KEDUA UJI
ANOVA

akper ngesti waluyo

 Prosedur pengujian hipotesa
1. Hipotesa
Ho: rata-rata kadar gula dara ke tiga tingkatan
ekonomi sama
Ha: rata-rata kadar gula dara ke tiga tingkatan
ekonomi tidak sama
2. Statistik uji: Annova
3. α=0,05
4. Hasil SPSS Sig =0,000
5. Sig SPSS=0,000<0,05
6. Kesimpulan Ho ditolak artinya rata-rata kadar gula
darah ke tiga tingkatan ekonomi tidak sama , paling
tidak terdapat perbedaan kadar gula darah pada
akper ngesti waluyo
dua kelompok
Hasil Uji beda rata-rata Anova

 Kalau dalam ANOVA menunjukkan bahwa F

hitung > F tabel atau Sig SPSS<0,05
yang berarti bahwa menolak Ho yang
menyatakan rata-rata antar perlakuan yang
dicobakan sama (menolak penyataaan yg
mengatakan tidak ada pengaruh dari
perlakuan yang dicobakan).
 Maka analisis lebih lanjut yaitu menguji
perlakuan mana saja yang berbeda/sama
terhadap satu dengan lainnya.
Untuk menjawab kadar gula darah dari kelompok
mana yang tidak sama perlu dilakuklan uji lanjutan
dengan melakukan analisis Post Hoc.
Langkah-langkah analisis Post Hoc adalah sbb:
1. Analyze Compare means one way ANNOVA
2. Masukkan data variabel tran_gula ke dalam
dependen list
3, Masukkan variabel class kedalam variabel Faktor
list.
4. Aktifkan Post Hoc
5. Pilih LSD pada kotak Equal variances
Assumed(memilih alternatip manapun hasilnya sama)
6 Klik OK
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
akper ngesti waluyo
Kesimpulan perbedaan kadar gula darah berbeda
pada semua kelompok tingkatan ekonomi
akper ngesti waluyo
akper ngesti waluyo
Uji beda rata-rata

 Kalau dalam ANOVA menunjukkan bahwa F

hitung > F tabel yang berarti bahwa menolak
hipotesis yang menyatakan rata-rata antar
perlakuan yang dicobakan sama (tidak ada
pengaruh dari perlakuan yang dicobakan).
 Maka analisis lebih lanjut yaitu menguji
perlakuan mana saja yang berbeda/sama
terhadap satu dengan lainnya.
Metode uji rata-rata

 Uji berpasangan (pair comparison)

untuk membandingkan rata-rata antar
perlakuan
 Uji kontras (contrast comparison):
- group comparison
untuk membandingkan antar
kelompok perlakuan
- ortogonal polinomial contrast
untuk menduga arah/trend
PAIR COMPARISON

 Uji LSD (Least Significantly Difference) atau

BNT (Beda Nyata Terkecil).
 Uji Tukey (HSD=Honest Significantly
Difference) atau BNJ (Beda Nyata Jujur).
 DMRT (Duncan Multiple Range Test)
Uji BNT

 Nilai kritis BNT:

 Bila ulangan sama
BNT = t(/2 ;db galat)  KTG ( 2/r)

 Bila ulangan tak sama

BNT = t(/2 ;db galat)  KTG ( 1/ri + 1/rj)

t(/2 ;db galat)  dgn MS-EXCEL =tinv(prob,db)

Kriteria pengujian

 Kriteria pengambilan keputusan uji BNT:

 jika beda dari dua perlakuan lebih besar dari
BNT maka kedua perlakuan tersebut berbeda
nyata pada taraf .
 jika beda dari dua perlakuan lebih kecil atau
sama dengan BNT maka kedua perlakuan
tersebut tidak berbeda nyata pada taraf .
Contoh: hasil anova RAL sebagai
berikut:
 ANOVA
---------------------------------------------------
Sumber db JK KT F-hitung
---------------------------------------------------
Perlakuan 4 79.44 19.86 6.90
Galat 20 57.60 2.88
----------------------------------------------------
Data hasil rata-rata perlakuan

Perlakuan Rata-rata
----------------------------------
A 5.2
B 4.0
C 7.8
D 6.6
E 2.8
----------------------------------
Uji BNJ

 Nilai kritis BNJ:

 Bila ulangan sama
BNJ = q;p,db galat  KTG/r
 Bila ulangan tak sama r didekati dengan
rataan harmonik Rh
Rh = t /  1/ri
 q;p,db galat dari Tabel untuk BNJ
Tabel untuk BNJ pada taraf nyata
 = 5 % (q,p,db galat)
db galat p

… 4 5 6

6 …. 4.90 5.31 5.63

12 …. 4.20 4.51 4.75

Prosedur pembandingan BNJ
1. urutkan rataan perlakuan dari terkecil ke terbesar atau
sebaliknya
2. Nilai awal i=1 dan j=1
3. Hitung beda rataan antara perlakuan terkecil ke-i dengan
terbesar ke-j, kemudian bandingkan dengan nilai BNJ,
jika beda rataan perlakuan lebih kecil dari BNJ
lanjutkan ke langkah 5 dan jika tidak lanjutkan ke
langkah 4
4. Berikan j=j+1, jika j<p kembali ke langkah 3
5. Garis mulai rataan perlakuan ke-i sampai ke perlakuan
ke-j
6.Berikan i=i+1, jika i<p kembali ke langkah 3.
7.Stop
 Dengan menggunakan data yang sama pada
uji BNT, bagaimana hasil uji BNJ pada taraf
5% ?
Uji DMRT

 Nilai ktitis DMRT:

 Rp= r;p;db.galat  KTG/r
 Bila ulangan tak sama r didekati dengan rata-
rata harmonik rh
 rh = t /  1/ri
 r;p;db.galat dari Tabel uji wilayah
berganda baru
Tabel wilayah berganda baru taraf nyata
=5%
p p p
db galat ….. 4 5 6
…. … …. …. ….
6 3.64 3.68 3.68
12 3.33 3.36 3.40
Prosedur uji DMRT
1. Urutkan rataan perlakuan dari terkecil ke terbesar atau
sebaliknya
2. Nilai awal i=1 dan j=1
3. Hitung beda antara rataan perlakuan terkecil ke –i
dengan terbesar ke-j, kemudian bandingkan dengan
nilai Rp, jika beda rataan perlakuan lebih kecil
lanjutkan ke langkah 5 dan jika tidak lanjutkan ke
langkah 4
4.Berikan j=j+1, jika j<p kembali ke langkah 3
5.Garis mulai rataan perlakuan ke-i sampai ke perlakuan
ke-j
6.Berikan i=i+1, jika i<p kembali ke langkah 3
7.Stop
.

 Dengan menggunakan data yang sama pada

uji BNT, bagaimana hasil uji DMRT pada
taraf 5% ?
akper ngesti waluyo