KELOMPOK 5:

Desi Anggraini (21066774276)

Furi Estie Honez (2106679040) UJI
ANOVA
Rahma Fadillah Sopha (2006562433)
Sada Ulina Sembiring (2106679476)
Siti Wahyuni (2106774692)
 Pendahuluan

OUTLINE Anova

Prinsip Uji Anova

Asumsi Uji Anova

Jenis Uji Anova

One Way Anova

Langkah-langkah Uji Anova One Way

Rumus Perhitungan Uji Anova

Tabel F

Uji Bonferroni
PENDAHULUAN
● Untuk menguji data dengan dua kelompok baik
independen atau dependen bisa menggunakan
Uji t
● Namun sering dijumpai data lebih dari dua kelompok
● Tidak bisa menggunakan uji t
 KENAPA TIDAK PAKAI UJI - T…??
Kelemahan Uji T adalah

1. Melakukan pengujian berulang kali sesuai kombinasi yang mungkin.

2. Bila melakukan uji T berulang kali akan meningkatkan inflasi nilai 𝜶
artinya meningkatkan peluang nilai keliru. Perubahan inflasi nilai 𝜶
sebesar = 1 – (1-𝜶)n

Uji yang tepat digunakan adalah Uji ANOVA atau Uji F

 ANOVA
● Anova digunakan sebagai alat analisis untuk menguji hipotesis
penelitian dengan 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.
LANJUTAN….
● ANOVA dikembangkan oleh Ronald Fisher
● Analisis ANOVA sering digunakan pada
penelitian eksperimen dimana terdapat beberapa
perlakuan. Peneliti ingin menguji, apakah ada
perbedaan bermakna antar perlakuan tersebut.
 ANALYSIS OF VARIANCE (ANOVA)

Uji hipotesis lebih dari dua mean

Membandingkan varian antara kelompok (Sb ) dengan varian di
2

dalam kelompok (Sw ).

2

Ratio kedua varians mempunyai distribusi probabilitas F atau

tabel F
Anova : menguji perbedaan diantara mean yang dibandingkan
tapi belum dapat diketahui antara mean mana yang berbeda
 PRINSIP UJI ANOVA
Melakukan telaah variabilitas data menjadi 2 sumber variasi :

1. Variasi dalam kelompok (within)

2. Variasi antar kelompok (between).

Jika variasi within sama dengan between maka nilai perbandingan kedua varian
= 1, maka mean mean yang dibandingkan tidak ada perbedaan.

Jika perbandingan> 1, mean yang dibandingkan menunjukkan ada perbedaan.

 ASUMSI PADA UJI ANOVA

Berikut asumsi yang harus dipenuhi pada uji anova:

1. Varian homogen
2. Sampel/kelompok independen
3. Data berdistribusi normal
4. Subjek penelitian dipilih secara random
5. Jenis data yang dihubungkan adalah numerik dengan kategori
(untuk kategori yang lebih dari 2 kelompok)
 JENIS UJI ANOVA
One Way ANOVA
• Jenis analisis varians yang paling
sederhana yang dikenal sebagai analisis
varians satu arah, dimana hanya satu
sumber variasi atau faktor yang
diselidiki.
Two Way ANOVA
• Membandingkan perbedaan rata-rata
antara kelompok yang telah dibagi pada
dua variabel independen yang
selanjutnya disebut faktor. Pada uji Two
Way Anova ini dibutuhkan dua variabel
independen berskala data kategorik dan
satu variabel terikat berskala data
kuantitatif.
• Contoh: pengukuran tingkat kepuasan
pasien pada ruang rawat A, B, C di
rumah sakit swasta yang sama pada
kelima cabangnya
 ONE WAY ANOVA
One Way ANOVA digunakan untuk menguji perbedaan rata-rata lebih
dari dua sampel.
Asumsi-asumsi One Way ANOVA:
- Populasi yang akan diuji berdistribusi normal
- Varians dari populasi-populasi tersebut adalah sama
- Sampel tidak berhubungan satu dengan yang lain
LANGKAH-LANGKAH UJI ANOVA ONE WAY

● Buat hipotesis Ho dan Ha

● Tentukan daerah penerimaan Ho dan Ha
Daerah penerimaan (𝝰) ini ditentukan oleh peneliti, biasanya 0.1, 0.05 atau 0.01 biasa
disebut titik kritis
● Menentukan Uji Statistik yang digunakan (Rumus Perhitungan Anova One way)
● Membandingkan nilai F ratio dengan daerah penerimaan Ho dan Ha
Ho diterima jika F-Ratio lebih kecil dari titik kritis
● Penarikan kesimpulan
Jika Ho diterima artinya kita menerima hipotesis yang menyatakan bahwa rata-rata
populasi tidak berbeda
 RUMUS PERHITUNGAN UJI ANOVA

df = k-1 untuk pembilang

n-1 untuk penyebut
TWO WAY ANOVA

Two Way anova

merupakan uji statistic
yang digunakan untuk
mengetahui pengaruh
dua variable predictor
nominal terhadap
variable hasil
berkelanjutan
Anova dua arah
digunakan untuk
Uji anova dua arah
memperkirakan
mengungkapkan hasil
bagaimana mean
dari dua variable
variable kuantitatif
independen terhadap
berubah sesuai dengan
satu variable dependen
level dua variable
kategorik
ASUMSI ANOVA DUA ARAH TANPA INTERAKSI :

● Variabel dependen berskala interval atau rasio (data continous).

● Tidak terdapat outlier (pencilan) pada variabel dependen.
● Dua variabel independen terdiri dari tiga atau lebih kelompok kategori.
● Tidak ada hubungan antara observasi di setiap kelompok atau antar kelompok itu sendiri.
● Variabel dependen terdistribusi secara normal.
● Tidak ada hubungan antara kedua variabel independen.
● Pada anova dua arah tanpa interaksi salah satu asumsi yang harus dipenuhi adalah tidak ada
hubungan antara kedua variabel independen yang ada pada penelitian. Misalnya, kita
sedang meneliti jenis pupuk dan kepadatan tanam mana yang menghasilkan hasil panen
terbesar dalam percobaan lapangan. Kita dapat menetapkan plot yang berbeda di suatu
lapangan untuk kombinasi jenis pupuk (1, 2, atau 3) dan kepadatan tanam (1 = kepadatan
rendah, 2 = kepadatan tinggi), dan mengukur hasil panen akhir dalam gantang per hektar pada
saat panen. Kita dapat menggunakan ANOVA dua arah untuk mengetahui apakah jenis pupuk
dan kepadatan tanam berpengaruh terhadap hasil panen rata-rata. Diketahui bahwa variabel
jenis pupuk dan kepadatan tanam tidak memiliki hubungan satu sama lain.
UJI BEDA LEBIH DARI DUA MEAN
TABEL UJI ANOVA
Setelah nilai F hitung didapatkan, langkah selanjutnya dalam uji anova adalah melihat nilai alpha
pada tabel berdasarkan nilai F hitung. Berikut tabel persentil dari distribusi nilai F
Tabel distribusi f terdiri dari tiga
bagian yaitu df numerator, df
denominator dan area.
Area menunjukkan nilai alpha
atau nilai p.
Nilai ini dimulai dari 0,1 sampai
0,001. Semakin ke atas, nilai p-
nya semakin besar.
CARA PENGGUNAAN TABEL F
TENTUKAN NILAI NUMERATOR (DERAJAT KEBEBASAN/DF1).
CARA MENENTUKAN NUMERATOR YAITU JUMLAH KELOMPOK
DIKURANG SATU
DF1 = K-1
TENTUKAN NILAI DENOMINATOR (DF2).
NILAI DENOMINATOR DITENTUKAN DARI JUMLAH SEMUA DATA
DIKURANGI JUMLAH KELOMPOK
DF2 = N-K
JIKA DF DENOMINATOR TIDAK ADA PADA TABEL, AMBIL NILAI YANG
TERDEKAT.
BANDINGKAN NILAI ALPHA YANG SUDAH DITENTUKAN DENGAN NILAI
ALPHA TABEL
CONTOH:
JUMLAH KELOMPOK 3 Numerator
JUMLAH DATA 23 Denomi
NILAI F HITUNG YANG DIDAPAT Area
df 2
4,49 1 2
NILAI (P) ALPHA 5% (0,05)
MAKA NILAI ALPHA PADA TABEL
DF1= K-1 ⇒ 3-1 = 2 20 0.1 2.97 2.59
DF2 = N-K ⇒ 23-3=20 0.05 4.35 3.49
NILAI YANG ADA PADA 0.025 5.87 4.46
DENOMINATOR 20 AREA 2 YANG 0.01 8.10 5.85
MENDEKATI NILAI 4,49 ADALAH 0.005 9.94 6.99
4,46 PADA AREA 0,025 0.001 14.82 9.95

Jadi nilai p tabel 0,025 lebih kecil dari nilai p yang sudah
ditetapkan yaitu 0,05 ⇒ p<0,05 artinya H0 ditolak
UJI BENFERRONI
Apabila pada uji Anova didapatkan nilai Ho ditolak artinya ada perbedaan
makna, maka untuk mengetahui kelompok mana saja yang berbeda nilai
mean-nya perlu dilakukan analisis Multiple Comparison (Posthoc Test)
Berbagai jenis analisis multiple comparison antara lain BENFERRONI,
Honestly Significant Difference (HSD), Scheffe, dll
Yang akan dibahas hanyalah Benferroni
RUMUS BENFERRONI

DF = N-K
LEVEL SIGNIFICANCE :

tij menguji kelompok i dan j

didapatkan nilai p
Lihat nilai p pada tabel t dengan
df = n-k
Jika nilai p > dari nilai 𝞪* artinya
hipotesis nol gagal ditolak artinya tidak
ada perbedaan mean antara kelompok i
dengan kelompok j
TABEL T
DAFTAR PUSTAKA
1. Hidayat Anwar. 2017. Penjelasan Lengkap ANOVA
sebagai Analisis Statistik. downoad 30 September 2021
https://www.statistikian.com/2017/06/anova-sebagai-anali
sis-statistik.html
2. Luknis S. dan Sutanto PH. Statistik Kesehatan. Rajawali
Press. 2006 : cetakan ke-8
3. Daniel, W. W., & Cross, C. L. (2013). Biostatistics: A
Foundation for Analysis in the Health Sciences -
Wayne W. Daniel, Chad L. Cross - Google Books. In
John Wiley & sons.