Apa itu uji anova?

• uji anova adalah singkatan dari Analysis of variance. Ini

merupakan salah satu metode yang digunakan untuk
mengetahui perbedaan rerata data antara dua kelompok
atau lebih.

• Metode anova diperkenalkan pertama kali oleh ahli statistik

yang bernama Ronald Fisher. Analisis anova biasanya
digunakan dalam eksperimen dengan prinsip perbandingan
antara dua kelompok atau lebih. Yang mana dalam
prakteknya, anova juga mempertimbangkan keberagaman
data yang dimanifestasikan dalam nilai varians.
jenis Uji Anova Berdasarkan Kebutuhannya
berdasarkan kebutuhannya, uji anova dibedakan menjadi dua
jenis
a) jenis anova satu arah
Anova satu arah merupakan teknik pengujian yang hanya
memperhitungkan satu faktor yang menimbulkan variasi.
Contohnya dalam kehidupan sehari-hari adalah pembandingan
efek dosis obat terhadap kesembuhan pasien.
b) Uji anova dua arah
Uji anova dua arah merupakan metode pengujian yang
mempertimbangkan dua faktor yang menimbulkan variasi.
contohnya, bila seorang guru matematika ingin menguji efektivitas
pemberian soal dengan dua buku paket yang berbeda terhadap
dua kelompok siswa. Yang mana guru kemudian memberikan
perlakuan yang berbeda terhadap dua kelompok siswa tersebut. 
Rumus uji anova

Keterangan:
Sb adalah variansi antar pengulangan
Sw adalah variansi antar replikasi (duplo)
Contoh Kasus dalam perhitungan Analysis of
Variance (Anova) satu arah
Terdapat 4 metode diet dan 3 golongan usia peserta program diet Berikut
data rata-rata penurunan berat peserta keempat metode dalam tiga
kelompok umur.
penurunan berat badan (kg)
sampel
metode 1 metode 2 metode 3 metode 4
sampel 1 4 8 7 6
sampel 2 6 12 3 5
sampel 3 4  -  - 5

Apakah keempat metode diet tersebut memberikan rata-rata penurunan

berat badan yang sama?
Uji pendapat tersebut dengan taraf nyata 5 %
Menghitung Uji Anova Menggunakan Excel
• menghitung uji anova menggunakan excel dapat dilakukan
dengan memperhatikan beberapa tutorial berikut ini:
• Buka aplikasi excel Anda
• Aktifkan Analysis Toolpack pada aplikasi excel
• Isi 3 kolom dengan variasi data yang berbeda.
• Setelah semua data terisi, kemudian klik menu data dan pilih
data ribbon pada pojok kanan.
• Pilih data analysis, lalu klik Anova Single factor.
• Arahkan kursor pada kotak output range dan blok 3 kolom data
yang telah diisi sebelumnya.
• Pilih output option, lalu klik output range. Kemudian klik ok dan
lihat hasilnya.
Contoh Kasus Anova dua arah dengan interaksi:
Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut adalah
data rata-rata penurunan berat badan setelah 1 bulan melakukan diet.
Ujilah apakah penurunan berat badan sama untuk setiap metode diet,
kelompok umur dan interaksi dengan taraf uji 5 %?
Penurunan Berat Badan (Kg)
Umur Total Baris
Metode 1 Metode 2 Metode 3 Metode 4
< 20 tahun        
#1 5 0 3 4
T1** = 40
#2 4 2 4 2
#3 5 1 8 2
  T11* = 14 T12* = 3 T13* = 15 T14* = 8  
20-40 tahun        
#1 5 4 2 5
T2**
#2 6 2 2 3
#3 2 1 4 2
  T21* = 13 T22* = 7 T23* = 8 T24* = 10  
> 40 tahun        
#1 4 5 2 6
T3**=42
#2 4 5 1 4
#3 5 0 2 4
  T31* = 13 T32* = 10 T33* = 5 T34* = 14  
Total Kolom T*1* = 40 T*2* = 20 T*3* = 28 T*4* = 32 Total T***=120
Solusi kasus Anova satu arah
Identifikasi Metode statistik yang digunakan
Pertama. berdasarkan hipotesis yang digunakan yaitu
membandingkan rata-rata lebih dari dua kelompok maka
metode yang mungkin adalah Anova.kedua Sampel yang
digunakan tiap kelompok berbeda perlakuan sehingga tipe
anova yang cocok adalah Anova satu arah.
Solusi kasus Anova dua arah dengan interaksi
Identifikasi Metode statistik yang digunakan
Pertama. berdasarkan hipotesis yang digunakan yaitu membandingkan rata-
rata lebih dari dua kelompok maka metode yang mungkin
adalah Anova. kedua Sampel yang digunakan tiap kelompok sudah
dikategorikan sehingga tipe anova yang cocok adalah Anova dua arah.
kemudian dari tiap kategori tersebut ada pengulangan sehingga kita
menggunakan anova dua arah dengan interaksi.
Pada anova dua arah dengan interaksi terdapat tiga hipotesis
yang digunakan sehingga nanti :
Hipotesis anova kolom
H0: µ*1 = µ*2 = µ*3, Tidak ada perbedaan yang nyata antara rata-rata hitung
dari kategori Metode
H1: µ*1 ≠ µ*2 ≠ µ*3, Ada perbedaan yang nyata antara rata-rata hitung dari
kategori Metode
Hipotesis anova baris
H0: µ1* = µ2* = µ3*, Tidak ada perbedaan yang nyata antara rata-rata hitung
dari kategori kelompok umur
H1: µ1* ≠ µ2* ≠ µ3*, Ada perbedaan yang nyata antara rata-rata hitung dari
kategori Kelompok umur
Hipotesis interaksi
H0: (ab)11 = (ab)12 = ... = (ab)kj, Tidak ada interaksi antara variabel metode
dan umur
H1: (ab)11 ≠ (ab)12 ≠ ... ≠(ab)kj, ada interaksi antara variabel metode dan
umur