Analisis Variansi Satu Arah

Prof. DR. H. Harrizul Rivai, M.S.

Guru Besar Kimia Farmasi
Universitas Andalas
Email: harrizul@gmail.com

1 Harrizul Rivai 5/19/21

 ANOVA
ANOVA (Analysis of Variance), sering juga disebut uji F,
mempunyai tujuan yang sama dengan uji t, yaitu:
 Menguji apakah nilai rata-rata lebih dari satu sampel berbeda
secara signifikan atau tidak
 Menguji apakah nilai variansi kelompok-kelompok sampel
berbeda secara signifikan atau tidak

Perbedaan ANOVA dengan uji t:

Anova menguji lebih dari dua sampel, sedangkan uji t hanya
menguji dua sampel saja.

2 Harrizul Rivai 5/19/21

 Asumsi pada ANOVA
 Data sampel diukur pada skala interval atau skala rasio (tidak skala
nominal atau ordinal)
 Data sampel-sampel diambil dari populasi-populasi yang terdistribusi
normal (rata-rata ~ median ~ mode)
 Populasi-populasi tersebut mempunyai variansi yang sama (variansi
besar/variansi kecil ≤ 4)
 Sampel tidak berhubungan satu dengan yang lain, kecuali untuk
pengujian yang bersifat berulang (repeated measure).
Jika asumsi-asumsi tersebut tidak terpenuhi, bisa dilakukan penambahan
data atau melakukan transformasi data sampel.
Jika banyaknya data dalam sampel sangat besar (≥ 30 data), maka distribusi
data bisa dianggap normal tanpa perlu diuji lagi.
Atau gunakan statistik nonparametrik.

3 Harrizul Rivai 5/19/21

 Jenis-jenis ANOVA
Berdasarkan jumlah variabel dependent dan variabel independent:
1. Analisis univariat  variabel dependent satu
Analisis univariat sering disebut ANOVA:
ANOVA satu arah (One-Way ANOVA)  variabel independent
(faktor) satu
ANOVA dua arah (Two-Way ANOVA)  variabel independent
(faktor) dua
2. Analisis multivariat  variabel dependent lebih dari satu, variabel
independent satu
Analisis multivariat sering disebut MANOVA (Multivariate
Analysis of Variance)

4 Harrizul Rivai 5/19/21

 Tabel ringkasan analisis varian (Anova)
satu arah secara manual
Mean
Sumber Derajat
Jumlah Kuadrat (JK) Kuadrat F
Varian Bebas (db)
(MK)
Antara
Kelompok dbK = K-1
(K)
Dalam dbd = N –
Kelompok JKd = JKT – JKK
(d) K

Total
Total (T)
(T) db
dbTT =
=NN –– 11

Keterangan:
F = nilai F
X = nilai pengamatan
nK = banyaknya objek pada kelompok k
K = banyaknya kelompok
N = banyaknya seluruh objek
5 Harrizul Rivai 5/19/21
 Contoh (pengolahan data secara manual)
Pengaruh metode pembelajaran diskusi, ceramah,
demonstrasi, dan penugasan terhadap hasil belajar
statistika mahasiswa STIFARM Padang diperlihatkan
pada tabel berikut ini. Ujilah dengan analisis varian
satu arah apakah terdapat perbedaan yang nyata (pada
α = 0,05) antara keempat metode pembelajaran
tersebut?

6 Harrizul Rivai 5/19/21

 Data hasil belajar statistika mahasiswa STIFARM
dengan metode diskusi, ceramah, demonstrasi dan
penugasan
Diskusi Ceramah Demonstrasi Penugasan
Nomor
(M1) (M2) (M3) (M4)
1 42 36 34 44
2 46 40 42 46
3 44 39 42 45
4 43 34 41 45
5 50 42 44 46
6 46 41 43 46
7 45 40 42 45
8 42 39 37 44
9 41 34 33 42
10 49 42 43 46

7 Harrizul Rivai 5/19/21

 Tabel bantu Anova satu arah
No (M1) (M1)2 (M2) (M2)2 (M3) (M3)2 (M4) (M4)2
1 42 1764 36 1296 34 1156 44 1936
2 46 2116 40 1600 42 1764 46 2116
3 44 1936 39 1521 42 1764 45 2025
4 43 1849 34 1156 41 1681 45 2025
5 50 2500 42 1764 44 1936 46 2116
Total
6 46 2116 41 1681 43 1849 46 2116
7 45 2025 40 1600 42 1764 45 2025
8 42 1764 39 1521 37 1369 44 1936
9 41 1681 34 1156 33 1089 42 1764
10 49 2401 42 1764 43 1849 46 2166
Jml 448 20152 392 15448 401 16221 449 20175
N 10 10 10 10 40
∑X 448 392 401 449 1690
∑X
2 20152 15448 16221 20175 71996
8 Harrizul Rivai
44,8 39,2 40.1 44,9 5/19/21
 Pengolahan data secara manual
a. Hipotesis
  
H0: μ1 = μ2 = μ3 = μ4 (tidak terdapat perbedaan hasil
belajar antara metode diskusi, ceramah, demonstrasi dan
penugasan)
H1: salah satu tanda ≠ (terdapat perbedaan hasil belajar
antara metode diskusi, ceramah, demonstrasi dan
penugasan).
b.Analisis jumlah kuadrat (JK) dan derajat bebas (db)
sumber varian:

dbT = N – 1 = 40 – 1 = 39
9 Harrizul Rivai 5/19/21
  +- = 274,5
dbK = K – 1 = 4 – 1 = 3
JKd = JKT – JKK = 569,5,5 – 274,5 = 295
dbd = N – K = 40 – 4 = 36

=

10 Harrizul Rivai 5/19/21

 c. Tentukan nilai F tabel
Gunakan lampiran (Tabel F) untuk menentukan nilai F
tabel pada dbK = K – 1 = 4 – 1 = 3 dan dbd = N – K = 40 –
4 = 36.
Nilai F tabel dirumuskan sebagai Ftabel (dbK, dbd, α)  Ftabel
(3, 36, 0,5) artinya kolom 3 baris 36 pada Tabel F dengan
tingkat kepercayaan 5 % atau 0,05.
Jadi Ftabel (3, 36, 0,5) = 2,86
d. Daerah penolakan
Jika F hitung < F tabel  H0 diterima
Jika F hitung ≥ F tabel  H0 ditolak

11 Harrizul Rivai 5/19/21

 e. Kesimpulan
Karena nilai F hitung = 11,17 lebih besar daripada F
tabel = 2,86, maka H0 ditolak. Dengan demikian
dapat disimpulkan bahwa terdapat perbedaan yang
nyata hasil belajar antara metode diskusi, ceramah,
demonstrasi dan penugasan.

12 Harrizul Rivai 5/19/21

 Contoh (Penolahan data dengan MS Excel)

Efek pemberian satu dosis obat tunggal

empat macam obat benzimidazol terhadap
jumlah cacing dewasa dalam lambung hewan
coba diperlihatkan dalam tabel di bawah ini.
Obat A Obat B Obat C Obat D
229 378 199 358
238 289 165 304
330 400 100 340
208 286 145 451
201 298 198 384
262 350 225 351
287 365 204 316

13 Harrizul Rivai 5/19/21

 Langkah-langkah perhitungan Anova Satu
Arah dengan Microsoft Excel

1. Memasukkan data ke lembaran kerja MS Excel.

14 Harrizul Rivai 5/19/21

 2. Pilih menu Data, lalu buka pilihan Data
Analysis.

15 Harrizul Rivai 5/19/21

 3. Pilih Anova: Single Factor

16 Harrizul Rivai 5/19/21

 4. Masukkan range data secara keseluruhan pada kolom
Input Range, pilih Colomn pada pilihan Grouped by, klik
pilihan Labels in First Row.
5. Klik pilihan Output Range, klik pada kolom dan klik
sembarang sel yang kosong.
6. Klik tombol OK sehingga bentuk outputnya seperti
gambar sebelah.

17 Harrizul Rivai 5/19/21

 Dari hasil output MS Excel
dapat disimpulkan:
1. Rata-rata jumlah cacing
dengan obat A = 250,7143
dan variansi 2109,905, obat
B = 338 dan variansi
2170,333, obat C =
176,5714 dan variansi
1842,256, obat D =
357,7143 dan variansi
2396,238.
2. Nilai F hitung = 22,96025 >
F kritis = 3,008787
sehingga Ho ditolak dan
dapat disimpulkan bahwa
jumlah cacing yang diberi
Harrizul Rivai
obat A, B, C dan D berbeda
18 5/19/21
nyata.
 Contoh 2.
Efek komposisi pelarut terhadap kekuatan regang akhir
(MPa) selaput polimer yang dengan penguapan dari tiga
macam pelarut diperlihatkan dalam tabel berikut ini.
Ujilah dengan ANOVA satu arah apakah komposisi
pelarut itu mempengaruhi kekuatan regang akhir selaput
polimer itu?

Etanol Kloroform Diklorometana

230 248 245
245 235 257
231 257 265
240 256 248
255 261 251
234 244 261

19 Harrizul Rivai 5/19/21

 Dari hasil output MS Excel dapat
Jawaban contoh 2 dengan disimpulkan:
menggunakan Microsoft Excel 1. Rata-rata kekuatan regang
akhir (MPa) dengan pelarut
etanol = 239,1667 dan variansi
= 92,56667, kloroform =
250,1667 dan variansi =
94,16667, diklorometana =
254,5 dan variansi = 60,7.
2. Nilai F hitung = 4,545332 > F
kritis = 3,68232 sehingga Ho
ditolak dan dapat disimpulkan
bahwa kekuatan regang akhir
dari polimer yang dibuat dari
pelarut etanol, kloroform dan
diklororometana berbeda
nyata.

20 Harrizul Rivai 5/19/21

 Latihan
Fluoresensi larutan obat yang disimpan dalam kondisi yang
berbeda-beda adalah sbb:
Kondisi
Ulangan
A B C D
1 102 101 97 90
2 100 101 95 92
3 101 104 99 94

Kondisi A = baru dibuat; B = disimpan 1 jam ditempat gelap; C =

disimpan 1 jam dalam cahaya redup; D = disimpan 1 jam ditempat
terang.
Ujilah apakah fluoresensi larutan obat itu berbeda dalam keempat
kondisi penyimpanan itu?

21 Harrizul Rivai 5/19/21

 Tugas
Buatlah pengolahan data contoh dan latihan di atas dan
tafsirkan hasilnya.
Kirim hasil pengolahan data dan hasil penafsiran
tersebut ke surat elektronik harrizul@gmail.com
Kirim harrizul@yahoo.co.id

22 Harrizul Rivai 05/19/2021