UJI ANOVA

Pada suatu penelitian sering dijumpai

jumlah kelompok data yang lebih dari
dua, misalnya ingin mengetahui perbedaan
mean berat badan bayi lahir dari
keluarga dengan tingkat ekonomi rendah,
ekonomi menengah dan ekonomi tinggi.
Untuk menganalisis data tersebut (lebih
dari dua kelompok) yang tepat digunakan
Uji Anova.
 UJI ANOVA

Prinsip uji anova adl melakukan telaah

variabelitas data menjadi dua sumber variasi
yaitu variasi dlm kelompok (within) dan variasi
antar kelompok (between). Bila variasi within
dan between sama (nilai perbandingan kedua
varian sama dengan 1) maka mean-mean yang
dibandingkan tidak ada perbedaan. Sebaliknya
bila hasil perbandingan kedua varian tersebut
nilainya lebih dari 1, maka mean yang
dibandingkan menunjukkan ada perbedaan.
Analisis of varians (Anova) mempunyai dua jenis
yaitu analisis varian satu faktor (one way) dan
analisis dua faktor (two way).
 UJI ANOVA
1.Analisis varians satu faktor (one way)

Analisis varians satu faktor dipergunakan untuk

menguji signifikansi perbedaan rata-rata
hitung yang hanya mencakup satu klasifikasi
atau satu variabel independen. Contohnya
suatu penelitian eksperimen yang melibatkan
tiga metode pengajaran statistik yang berbeda
di jurusan kebidanan yaitu metode ceramah,
metode diskusi dan metode latihan kasus,
kemudian dilakukan evaluasi efektifitas ketiga
metode pengajaran tersebut.
 UJI ANOVA

Penghitungan efektivitas metode pengajaran

statistik tadi dilakukan berdasarkan rata-rata
hitung nilai yg dicapai tiap metode tersebut, dan
hal itu merupakan satu-satunya klasifikasi yang
diteliti. Artinya, hanya terdapat satu rata-rata
hitung tiap kelompok yang akan diuji
perbedaanya.

Varian total

Varian dlm klpk Varian antar klpk

 UJI ANOVA

Asumsi – Asumsi :
1. Data berdistribusi normal
2. Sampel / kelompok independen
3. Varian homogen
4. Jenis data yang dihubungkan adalah numerik untuk variabel
dependen dan kategorik yang lebih dari 2 kelompok untuk
variabel independen.
Contoh: Penurunan angka kuman dalam
air bersih dengan 3 macam metode
 Metoda A metoda B metoda C

6 5 6
7 4 7
5 6 9
8 6 8
 7 5
Perhitungan uji anava satu factor sebagai berikut :

MK antar kelompok
F hitung = ______ _______

MK dalam kelompok

1. Hitung Mean Kuadrat ( MK)

a. MK antar kelompok = JK antar kelompok
----------------------
db antar kelompok
db antar kelompok= Jumlah kelompok -1

Jumlah Kuadrat antar kelompok=

= ( X 1)2 ( X 2)2 (X total)

2

__________ + __________ +.................. - _______________

n1 n2 N
 b. MK dalam kelompok = JK dalam kelompok
----------------------
db dalam kelompok

db dalam kelompok= Jumlah data - Jumlah kelompok

Jumlah Kuadrat dalam kelompok=

= X2 ( X 1)2 ( X 1)2

total - __________ + ............... + __________
n1 nn

2. Jumlah Kuadrat Total

JK total = X2 - (________

 X total) 2
total

Bandingkan F hitung dengan F tabel dgn db antar kelompok

dan db dalam kelompok
 UJI ANOVA
2. Analisis varians dua faktor (two way)

Jika dalam anova satu faktor hanya

dimaksudkan menguji signifikansi perbedaan
rata-rata hitung satu klasifikasi saja, maka
dalam anova dua faktor yang diuji lebih dari
satu macam klasifikasi, bisa 2, 3 atau lebih
klasifikasi tergantung dari desain penelitian
yang direncanakan. Pengujian banyak kelompok
yang melibatkan klasifikasi ganda akan
menjanjikan perolehan informasi yang lebih
banyak dan lebih teliti.
 UJI ANOVA
Prinsip dasar anova dua faktor tidak berbeda dg
anova satu faktor. Hanya saja, pada anava dua
faktor terdpt lebih dari satu variabilitas antar
klpk (faktor), dan tiap klk (variabel independen)
itu dpt saling berinteraksi. Namun variabilitas
dlm kelpk hanya tetap satu, yaitu menunjukkan
kesalahan varian. Dlm contoh penerapan metode
pengajaran statistik diatas (anova satu faktor),
kini tidak hanya diterapkan untuk satu jurusan,
melainkan lebih dari itu misalnya 2 jurusan yang
lain yaitu jurusan kebidanan dan keperawatan.
 UJI ANOVA

Dalam hal ini maka penghitungan varian antar

kelompok tidak lagi hanya satu seperti pada
anova satu faktor, tetapi ada tiga varian antar
klpk yaitu faktor metode pengajaran (faktor A),
faktor jurusan (faktor B) dan faktor interaksi
metode dengan jurusan (faktor C).
Secara skematis dapat digambarkan :
Varian total

Varian dlm klpk Varian antar klpk

Var Faktor A Var Faktor C Var Faktor B

Asumsi – Asumsi : UJI ANOVA
1. Data berdistribusi normal
2. Sampel / kelompok independen
3. Varian homogen
4. Jenis data yang dihubungkan adalah numerik untuk variabel
dependen dan kategorik > 1 untuk variabel independen.
Perhitungan uji anova dua faktor sebagai berikut :

Sb2 Faktor A Sb2Faktor C

F Factor A = Ffaktor C =
Sw2 Faktor A Sw2Faktor C

Sb2 Faktor B dimana :

F Factor B = Faktor C = Interaksi A dan B

Sw2 Faktor B
 UJI ANOVA

3. Analisis Multiple Comparison (Posthoc Test)

Analisis ini bertujuan untuk mengetahui lebih

lanjut kelompok mana saja yg berbeda meannya
bilamana pd pengujian Anova dihasilkan ada
perbedaan bermakna. Ada berbagai jenis
analisis multiple comparison diantaranya
Bonferroni, Honestly Significant Difference
(HSD), Scheffe dan lain-lain. Tetapi pd
materi ini hanya akan dipelajari metode
Bonferroni.
Perhitungan Bonferroni sebagai berikut :

Xi - Xj
Tij = df = n - k
√ Sw2 (1/ni) + (1/nj)

Level of significance (alpha) sbb: * =
( k2 )
Keterangan :
ni dan nj = jumlah sampel kelompok i dan j
Sw2 = Varians within (dalam kelompok)
df = degree of freedom (derajat kebebasan)
k2 = Kombinasi data yg mungkin
k = Kelompok data
n = Jumlah sampel
 UJI ANOVA
Contoh Kasus : Uji Anova One Way

Seorang mahasiswa ingin meneliti rata-rata perbedaan kadar

Hb2 responden berdasarkan status gizi. Besar sampel yang
dambil dengan rumus didapatkan n = 30 orang.
Kerangka konsep :

Status gizi Kadar Hb2

Variabel Independen :
Status gizi : Skala kategorik
(0= kurang, 1 = normal, 2 = lebih)
Variabel Dependen :
Kadar Hb2 : Skala numerik
Langkah-langkah :
1. Uji kenormalan data
- Buka file data “anemia.sav”
- Uji (KS) Kolmogarof Smirnov 1 sampel :
SPSS Windows  Analyze  Non parametric test 
1-sampel-KS --> masukan variabel numerik yg akan diuji
(tekanan darah) Klik OK.
 UJI ANOVA
2. Langkah-2 Uji Anova One Way
- Buka file data “Anemia.Sav”
- Klik Analyze, kemudian pilih sub menu Compare
Mean dan pilih One – Way Anova.
- Masukan variabel Kadar Hb2 (numeric)
ke kotak dependent list dan variabel Status
Gizi (kategorik) ke kotak factor.
- Klik Option, dan aktifkan pilihan Descriptive.
- Klik Continue
- Klik Post Hoc, dan aktifkan pilihan Bonferoni
- Lalu klik Continue
- Dan terakhir klik OK,
 UJI ANOVA

Dari hasil test homogenitas (levene test) diketahui

bahwa varian antar kelompok pendidikan
homogen dengan nilai p value = 0,146 atau lebih
besar dari nilai alpha 0,05 (memenuhi syarat uji
anova).
Sementara pada tabel descriptive, terlihat rata-rata
berat bayi lahir dari keempat jenjang pendidikan
ibu tidak berbeda jauh, kecuali untuk ibu yang
berpendidikan SMP, rata-rata berat badan bayinya
paling tinggi yaitu 3787,50 gram dibanding ibu
yang berpendidikan SD (3008,33 gram), SMU
(3105,88 gram) dan PT (3170,00 gram).
 UJI ANOVA

ANOVA

Berat bayi lahir dalam gram

Sum of
Squares df Mean Square F Sig.
Between Groups 3714595 3 1238198.215 4.378 .009
Within Groups 13010405 46 282834.899
Total 16725000 49

Hasil uji statistik dengan pada tabel diatas,

terlihat nilai p value sebesar 0,009 (< alpha 0,05).
Hal ini berarti pada alpha 5 % dapat disimpulkan
bahwa ada perbedaan rata-rata berat bayi lahir
diantara keempat jenjang pendidikan tersebut.
 UJI ANOVA
Multiple Comparisons

Dependent Variable: Berat bayi lahir dalam gram

Bonferroni

95% Confidence
(J) Mean Interval
Pendidikan Difference Std. Lower Upper
(I) Pendidikan responden responden (I-J) Error Sig. Bound Bound
SD SMP -779.17* 242.74 .015 -1448.45 -109.88
SMU -97.55 200.52 1.000 -650.41 455.31
PT -14.74 212.90 1.000 -601.74 572.26
SMP SD 779.17* 242.74 .015 109.88 1448.45
SMU 681.62* 228.02 .027 52.94 1310.30
PT 764.42* 238.98 .015 105.52 1423.33
SMU SD 97.55 200.52 1.000 -455.31 650.41
SMP -681.62* 228.02 .027 -1310.30 -52.94
PT 82.81 195.94 1.000 -457.45 623.06
PT SD 14.74 212.90 1.000 -572.26 601.74
SMP -764.42* 238.98 .015 -1423.33 -105.52
SMU -82.81 195.94 1.000 -623.06 457.45
*. The mean difference is significant at the .05 level.
 UJI ANOVA

Hasil analisis lebih lanjut membuktikan bahwa

kelompok yang berhubungan signifikan adalah
antara jenjang pendidikan SMP dengan SD
dengan p value 0,015 (< alpha 0,05), antara
pendidikan SMP dengan SMU dengan p value
0,027 (< alpha 0,05) dan antara jenjang
pendidikan SMP dengan PT dengan p value
0,015 (< alpha 0,05).
 UJI ANOVA
Contoh Kasus : Uji Anava Two Way

Seorang mahasiswa FKM ingin meneliti

hubungan (perbedaan) berat bayi lahir dengan
pendidikan ibu. Dalam penelitian ini juga akan
dilihat perbedaan berat bayi lahir pada ibu
yang bekerja dengan berat bayi lahir pada ibu
yang tidak bekerja (ditambah satu variabel
status bekerja) dan interaksi variabel jenjang
pendidikan dengan variabel status bekerja.
Besar sampel yang dambil dengan rumus
didapatkan n = 50 orang.
Kerangka konsep : UJI ANOVA

Pendidikan

Berat bayi lahir

Status bekerja

Variabel Independen :
Pendidikan : Skala kategorik
(1= SD, 2 = SMP, 3 = SMU dan 4 = PT)
Status bekerja : Skala kategorik
(0= Bekerja dan 1 = Tidak Bekerja)
Variabel Dependen :
Berat bayi lahir : Skala numerik
Langkah-langkah : UJI ANOVA
1. Uji kenormalan data
- Buka file data “Eksklusif.Sav”
- Uji (KS) Kolmogarof Smirnov 1 sampel :
SPSS Windows  Analyze  Non parametric test 
1-sampel-KS

One-Sample Kolmogorov-Smirnov Tes t

Berat ba yi
lahi r dalam
gram
N 50
Normal Parameters a,b Mean 3170.00
Std. Deviati on 584.23
Most Extreme Absol ute .114
Differences Positi ve .114
Negative -.094
Kolmogoro v-Smirnov Z .809
Asymp. Sig . (2-taile d) .529
a. Test distrib ution i s No rma l.
b. Calcul ated from data.
 UJI ANOVA
2. Langkah-2 Uji Anova Two Way

- Buka file data “Eksklusif.Sav”

- Klik Analyze, pilih sub menu General Linier
Model dan pilih Univariat.
- Masukan variabel berat bayi lahir
(numerik) ke kotak Dependent Variable,
lalu variabel pendidikan (kategorik) dan
Status bekerja ke kotak Fixed Factor(s).
- Abaikan yang lain
- Klik OK,
Hasilnya UJI ANOVA

Between-Subjects Factors

Value Label N
Pendidikan 1 SD 12
res ponden 2 SMP 8
3 SMU 17
4 PT 13
Status kerja 0 Tidak
25
res ponden bekerja
1 Bekerja 25

Pada tabel diatas, menunjukkan data yang

diikutsertakan dalam uji, untuk variabel pendidikan
terdiri atas 4 kategori yaitu SD (12 orang), SMP (8
orang), SMU (17 orang) dan PT (13 orang) sedangkan
untuk variabel status bekerja terdiri 2 kategori yaitu
yang tidak bekerja (25 orang) dan yang bekerja (25
orang). Jadi jumlah seluruh data 50 data yang
diikutkan dalam proses uji.
 UJI ANOVA

Tests of Between-Subjects Effects

Dependent Variable: Berat bayi lahir dalam gram

Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 7808190.476a 7 1115455.782 5.254 .000
Intercept 465739908 1 465739907.9 2193.730 .000
DIDIK 2572708.134 3 857569.378 4.039 .013
KERJA 77325.734 1 77325.734 .364 .549
DIDIK * KERJA 4004122.409 3 1334707.470 6.287 .001
Error 8916809.524 42 212304.989
Total 519170000 50
Corrected Total 16725000.0 49
a. R Squared = .467 (Adjusted R Squared = .378)
 UJI ANOVA
Pada tabel diatas dapat dilihat
a. Perbedaan rata-rata berat bayi lahir berdasarkan
jenjang pendidikan. Dari tabel terlihat bahwa F hitung
4,039 dg p-value sebesar 0,013 (< alpha 0,05) yang
berarti ada perbedaan signifikan rata-rata berat bayi
lahir diantara keempat jenjang pendidikan tersebut.
b. Perbedaan rata-rata berat bayi lahir berdasarkan
status bekerja. Dari tabel terlihat bahwa F hitung
0,364 dg p-value sebesar 0,549 (> alpha 0,05) yang
berarti tidak ada perbedaan signifikan rata-rata berat
bayi lahir pada ibu yang tidak bekerja dengan rata-
rata berat bayi lahir pada ibu yang bekerja.
c. Interaksi dua faktor yaitu jenjang pendidikan dengan
status bekerja. Dari tabel terlihat bahwa F hitung
6,287 dg p-value sebesar 0,001 (< alpha 0,05) yang
berarti ada interaksi antara faktor jenjang pendidikan
dengan faktor status bekerja.
 UJI ANOVA

Catatan : Kondisi tersebut diatas bisa saja

terjadi yaitu meskipun variabel didik tidak
memperlihatkan perbedaan signifikan karena
perbandingan antara variasi within dan
between pada variabel tersebut  1 sehingga
p-value tidak signifikan, tetapi setelah
ditambahkan variabel kerja ternyata
perbandingan antara within dan between
pada kedua variabel > 1 sehingga terdapat
interaksi antara keduanya yang pada
akhirnya menunjukkan nilai yang signifikan.