ANOVA

(Analysis Of Variance)

NADIRAWATI
DISAMPAIKAN PADA MK BIOSTATISTIK
PRODI IKP S1 STIKES JENDERAL
ACHMAD YANI
2021
INTRODUCTION
• Uji Anova adalah bentuk khusus dari analisis
statistik yang banyak digunakan dalam penelitian
eksperimen. metode analisis ini dikembangkan
oleh R.A Fisher
• Uji Anova juga adalah bentuk uji hipotesis
statistik dimana kita mengambil kesimpulan
berdasarkan data atau kelompok statistik
inferentif.
• Hipotesis nol dari uji Anova adalah bahwa
data adalah simple random dari populasi
yang sama sehingga memiliki
ekspektasi mean dan varians yang sama.
• Meskipun uji t adalah statistik yang sering
digunakan, hanya saja uji t  dibatasi untuk
menguji hipotesis dua kelompok
• Uji Anova atau Analisis varians (ANOVA)
dikembangkan untuk memungkinkan peneliti
untuk menguji hipotesis perbandingan lebih dari
dua kelompok.
• Dengan demikian, uji-t dan uji anova adalah
sama-sama metode statistik untuk perbandingan.
• Yang membedakan keduanya adalah hanya
jumlah kelompok yang dibandingkan.
• Sebagai contoh penelitian perbedaan perlakuan
terhadap sampel pasien yang sama. Hipotesis nol
nya adalah semua perlakuan akan memiliki efek
yang sama
Landasan Konseptual ANOVA
• Seperti halnya Uji T, dalam uji Anova harus
menghitung statistik uji (dalam hal ini adalah F- rasio)
untuk menguji pernyataan bahwa apakah kelompok
yang dibandingkan memiliki kesamaan atau tidak.
• statistik hipotesis uji Anova dapat dituliskan sebagai
berikut: H0: μ1 = μ2 = μ3 = 0 , biasanya dengan
harapan bahwa peneliti akan dapat menolak H0 untuk
memberikan bukti bahwa hipotesis alternatif ( H1 :
Tidak H0 ) .
Untuk menguji H0, peneliti mengambil sampel secara
acak kelompok peserta/sampel/responden dan
menetapkan ukuran-ukuran (variabel dependen).
• Kemudian melihat apakah ukuran-ukuran tersebut
berbeda berarti untuk berbagai kondisi.
Landasan Konseptual ANOVA
• Jika berbeda maka H0 ditolak
• Seperti pada uji statistik yang lain, H0 ditolak ketika
mendapati statistik uji yang diukur melalui F-statistik
yang melebihi F tabel dengan tingkat kepercayaan
tertentu.
• Cara lain dapat dilakukan dengan melihat p-value
(nilai probabilitas) yang mana lebih rendah/tinggi
dari 5%, misalnya kita menggunakan tingkat
kepercayaan 95%.
• Prinsip uji Anova adalah kita membandingkan
variansi tiga kelompok sampel atau lebih.
• Lebih dari sekedar membandingkan nilai mean (rata-
rata), uji anova juga mempertimbangkan keragaman
data yang dimanifestasikan dalam nilai varians.
Alasan Penggunaan ANOVA
1. Memudahkan analisa atas beberapa kelompok sampel yang
berbeda dengan resiko kesalahan terkecil.

2. Mengetahui signifikansi perbedaan rata-rata (μ) antara

kelompok sampel yang satu dengan yang lain. Bisa jadi,
meskipun secara numeris bedanya besar, namun
berdasarkan analisa ANOVA, perbedaan tersebut TIDAK
SIGNIFIKAN sehingga perbedaan μ bisa diabaikan.
Sebaliknya, bisa jadi secara numeris bedanya kecil, namun
berdasarkan analisa ANOVA, perbedaan tersebut
SIGNIFIKAN, sehingga minimal ada satu μ yang berbeda dan
perbedaan μ antar kelompok sampel tidak boleh diabaikan.

3. Analisis varians relatif mudah dimodifikasi dan dapat

dikembangkan untuk berbagai bentuk percobaan yang lebih
rumit. Selain itu, analisis ini juga masih memiliki keterkaitan
dengan analisis regresi. Akibatnya, penggunaannya sangat
luas di berbagai bidang, mulai dari eksperimen laboratorium
hingga eksperimen periklanan, psikologi, dan
kemasyarakatan.
Apa saja asumsi yang harus dipenuhi dalam
uji Anova
1. Independensi observasi, setiap observasi
dalam analisis anova harus bersifat
independen.

2. Normalitas, Residual atau error harus
mengikuti distribusi normal (data
berdistribusi normal).

3. Homogenitas varians, varians antara

kelompok yang dibandingkan harus
homogen
Uji Anova Dapat Dibagi Berdasarkan Desainnya.
1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau
lebih kelompok dimana hanya terdapat satu faktor yang
dipertimbangkan. sebagai contoh membandingkan efek dosis obat yang
berbeda terhadap kesembuhan pasien.

2. Anova faktorial, merupakan pengembangan dari anova satu arah

dimana ada lebih dari satu faktor dan interaksinya yang
dipertimbangkan.

Pada anova faktorial, interaksi atau kombinasi diantara faktor juga

dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan
frekuensi pemberian obat dapat dihitung pengaruhnya terhadap
kesembuhan pasien. Anova dua arah (two way anova) termasuk
dalam Anova faktorial.
3. Anova reapeted measures, digunakan ketika dalam desain
eksperimen mengijinkan subjek penelitian diikutsertakan pada
perlakuan yang berbeda. terkait contoh di atas, misalnya pasien
yang sama diberikan obat dengan dosis yang berbeda.

4. Multivariat Anova, berbeda dengan uji Anova yang hanya

mengukur satu respon, Manova mengukur lebih dari satu respon
dalam satu kali eksperimen. misalnya kita meneliti dampak obat
pada beberapa dosis. Respon yang diteliti lebih dari satu
misalnya kadar Trigleserida , LDL dan HDL pada pasien.
Hipotesis dalam Anova (analysis of variance):
Dalam analysis of variance hanya satu hipotesis
yang digunakan yaitu hipotesis dua arah (two
tail)
 artinyahipotesis ini yaitu apakah ada
perbedaan rata-rata (tidak spesifik yang
mana yang berbeda) Nah kalau mau tahu
kelompok yang benar-benar terdapat
perbedaan rata-rata ada uji lanjutan
dilakukan uji lanjutan.

 H0: μ1 = μ2= μ3 = ... = μn, Tidak ada perbedaan

yang nyata antara rata-rata hitung dari n
kelompok
 H1:μ1 ≠ μ2 ≠ μ3 ≠ ... ≠ μn, Ada perbedaan yang
nyata antara rata-rata hitung dari n kelompok
Jenis-jenis dari Analisis of Variance (Anova).
Pemilihan tipe ANOVA tergantung
dari rancangan percobaan (experiment
design) 

1. Anova satu arah biasa dikenal one way

anova
Maksud dari kasus ini yaitu untuk menguji
perbedaan rata-rata lebih dari dua sampel
dimana dalam melakukan analisis hanya
bisa satu arah. Maksud satu arah ini hanya
bisa menguji antar kelompok yang satu.
Untuk lebih jelasmya kita kasih contoh
kasus saja ya.
Contoh kasus Anova satu arah:

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

Berdasarkan gambar terlihat bahwa ada empat metode

(kolom). Dari empat metode itu dilakukan oleh beberapa
orang tapi tiap metode dilakukan oleh orang yang berbeda.
Pada tabel terlihat data diperoleh dari sampel yang berbeda
perlakuan antar kelompok karena itu kita hanya bisa
membandingkan antar metode tapi tidak bisa membandingkan
antar orang karena setiap tidak melakukan metode yang
sama, oleh karena itu dikatakan satu arah
2. Anova dua arah tanpa interaksi (anova two way without
interaction)

merupakan pengujian hipotesis beda tiga rata-rata atau lebih

dengan dua faktor yang berpengaruh dan interaksi antara
kedua faktor tersebut ditiadakan, berikut contoh kasus.
MK
Mahasiswa
Komunitas 1 Komunitas 2 Gerontik Keluarga

1 68 94 91 86

2 83 81 77 87

3 72 73 73 66

4 55 68 63 61

Dari 4 matakuliah dengan penggunaan 4 kelompok

mahasiswa yang berbeda. Ingin diuji apakah rata-rata hasil
ujian sama untuk matakuliah dan kelompok mahasiswa
3. Anova dua arah dengan interaksi anova two way with
interaction

dikatakan anova dengan interaksi ketika setiap kolom

[perlakuan] dan blok [baris] diulang.
Penurunan Berat Badan (Kg)
Umur
Metode 1 Metode 2 Metode 3 Metode 4

< 20 tahun
5 0 3 4
#1
4 2 4 2
#2
5 1 8 2
#3

20-40 tahun
5 4 2 5
#1
6 2 2 3
#2
2 1 4 2
#3

> 40 tahun
4 5 2 6
#1
4 5 1 4
#2
5 0 2 4
#3
Langkah-langkah melakukan uji hipotesis
dengan ANOVA
 Perhatikan Persyaratan Uji anova

• Independent
• Data katagorik dan numerik
• Normal
• homogen

1. Kumpulkan sampel dan kelompokkan berdasarkan kategori

tertentu.

2. Tentukan hipotesis nol (H0) dan hipotesis alternatif

(H1).
 H0: μ1 = μ2 = μ3 = ... = μn, Tidak ada perbedaan yang
nyata antara rata-rata hitung dari n kelompok
 H1: μ1 ≠ μ2 ≠ μ3 ≠ ... ≠ μn, Ada perbedaan yang nyata
antara rata-rata hitung dari n kelompok
3. Menghitung variabilitas dari seluruh sampel.

Pengukuran total variabilitas atas data dapat

dikelompokkan menjadi tiga bagian:
o Total of sum squares (SSt) – jumlah kuadrat total (jkt).

Merupakan jumlah kuadrat selisih antara skor individual dengan rata-rata

totalnya.

o Sum Square Between(SSb) – jumlah kuadrat kolom (jkk).

Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya.

Variansi di sini lebih terpengaruh karena adanya perbedaan perlakuan antar
kelompok.

o Sum Square within(SSw) – jumlah kuadrat galat (jkg).

Variansi yang ada dalam masing-masing kelompok. Banyaknya variansi akan

tergantung pada banyaknya kelompok, dan variansi di sini tidak
terpengaruh / tergantung oleh perbedaan perlakuan antar kelompok.
4. Menghitung derajat kebebasan (degree of freedom).

Derajat kebebasan atau degree of freedom (dilambangkan dengan v, dof,

atau df) dalam ANOVA akan sebanyak variabilitas. Oleh karena itu, ada tiga
macam derajat kebebasan yang akan kita hitung:

o Derajat kebebasan untuk JKT

merupakan derajat kebebasan dari Jumlah kuadrat total (JKT) ini akan kita
lambangkan dengan dof JKT

o Derajat kebebasan untuk JKK

merupakan derajat kebebasan dari Jumlah kuadrat kolom (JKK) ini akan kita
lambangkan dengan dof JKK

o Derajat kebebasan untuk JKG

Merupakan derajat kebebasan dari Jumlah kuadrat galat (JKG) ini akan kita
lambangkan dengan dof JKG

Derajat kebebasan juga memiliki sifat hubungan yang sama dengan sifat
hubungan variabel, yakni:

dof JKT = dof JKK + dof JKG

5. Menghitung variance antar kelompok dan variance dalam kelompok.

Variance dalam ANOVA, baik untuk antar kelompok maupun dalam

kelompok sering disebut dengan kuadrat tengah atau deviasi rata-rata
kuadrat (mean squared deviation) dan dilambangkan
dengan MS atau KT. Dengan demikian, maka mean squared deviation
masing-masing dapat dicari dengan rumus sebagai berikut:

o KTK = JKK/dof jkk

o KTG = JKG/dof jkg

6. Menghitung F hitung

Menghitung nilai distribusi F (Fhitung) berdasarkan

perbandingan variance antar kelompok dan variance dalam
kelompok.Fhitung didapatkan dengan rumus di bawah ini:

Fhitung = KTK/KTG
7. Menghitung F tabel
Selain itu, F berdasarkan tabel (F tabel) juga dihitung, berdasarkan
nilai derajat kebebasan (langkah ke-4) menggunakan tabel distribusi-F.
Jangan lupa untuk mencantumkan gambar posisi Fhitung dan Ftabel
dalam grafik distribusi-F.

8. Membandingkan Fhitung dengan Ftabel :

o Jika Fhitung > Ftabel : tolak H0

o Jika Fhitung ≤ Ftabel : terima H0/ HO gagal ditolak

9. Buat kesimpulan,
Simpulkan, apakah perlakuan (treatment) memiliki efek yang signifikan
pada sampel data atau tidak. Jika hasil tidak signifikan, berarti seluruh
rata-rata sampel adalah sama. Jika perlakuan menghasilkan efek yang
signifikan, setidaknya satu dari rata-rata sampel berbeda dari rata-rata
sampel yang lain.
BAGAN

Sumber
Jumlah Derajat Bebas Kuadrat
Keragaman F hitung
Kuadrat (JK) (db) Tengah (KT)
(SK)

KTK =  F hitung = 
Kolom (K) JKK db JKK
JKK / db JKK KTK / KTG

KTG = 
Galat (G) JKG db JKG
JKG / db JKG

Total (T) JKT db JKT

KORELASI PEARSON
PRODUCT
MOMENT
Pengertian Korelasi dan Analisis Korelasi Pearson
Product Moment

• Istilah “korelasi” artinya saling hubungan.

• Dalam analisis statistika, digunakan untuk
mencari hubungan antara dua variabel.
• Hubungan yang banyak dipahami adalah
hubungan sebab-akibat, namun tidak semua
hubungan itu bersifat sebab-akibat (kausal).
Dalam hubungan sebab akibat, variabel
bebas (X) menentukan vaiabel terikat (Y).
Dengan demikian, tidak bisa dibalik bahwa
variable Y menentuk variabel X.
• Dalam hubungan yang bukan sebab-akibat
(nonkausal), hubungan antarvariabel
bersifat asosiatif.
contoh
• Dua variabel dikatakan berkolerasi apabila
perubahan pada variabel yang satu akan diikuti
perubahan pada variabel yang lain secara teratur
dengan arah yang sama (korelasi positif) atau
berlawanan (korelasi negatif).
• Hubungan positif contohnya hubungan antara
frekensi membaca (jam/minggu) umur dengan
kemampuan menulis, bahwa semakin banyak
membaca akan semakin mampu menulis. Contoh
lainnya, bahwa semakin aktif dalam perkuliahan,
akan semakin tinggi prestasi mahasiswa.
• Hubungan negatif misalnya hubungan anatara
kondisi fisik dengan kemampuan membaca, bahwa
semakin lelah badan, semakin kurang mampu
mencerna isi bacaan. Semakin jarang berpartisipasi
dalam perkuliahan, akan semakin kurang bisa
berkonsentrasi dalam belajar
Beberapa jenis analisis korelasi
antara dua variable:

(1)KorelasiPearson Product Moment

untuk variabel berskala interval atau
rasio,
(2)KorelasiRank Spearman untuk
variabel berskala ordinal, dan
(3)KaiKuadrat (Chi-Quadrat) untuk
variabel berskala nominal.
Tujuan Analisis korelasi Pearson Product Moment

Analisis korelasi Pearson Product Moment, dengan

koefisien yang dilambangkan dengan r merupakan salah
satu analis korelasi yang digunakan untuk:
1. mengetahui tingkat kekuatan hubungan antara dua
variable
2. menyatakan besarnya sumbangan variabel satu
terhadap yang lainnya yang dinyatakan dalam persen.

Asumsi atau persyaratan korelasi product moment:

3. Data kedua variabel berskala interval atau rasio.
4. Data kedua variabel berdistribusi normal.
5. Kedua yariabel memilihi hubungan linear.
6. Data kedua variabel dipilih secara acak.
Koefisien Korelasi Pearson Product Moment
• Nilai koefisien korelasi Pearson Product Moment berkisar antara
-1 dan +1.
• Nilai r = - 1 artinya terdapat korelasi negatif yang sempurna. Nilai
r = 0 artinya tidak ada korelasi, dan nilai r = +1 artinya ada
korelasi positif yang sempurna.
• Tanda positif atau negatif pada nilai korelasi menunjukkan bahwa
hubungan sifat hubungannya.
• Nilai korelasi positif berarti bahwa hubungan itu sejalan, misalnya
semakin tinggi nilai variabel X semakin pula nilai variabel Y.
• Sebaliknya, nilai korelasi negatif berarti bahwa hubungan itu
berlawanan, misalnya semakin tinggi nilai variabel X semakin
rendah nilai variabel.
• Contoh : Peneliti mempunyai data nilai siswa teori dan
nilai praktik dalam pembelajaran Biostat. Berdasarkan
teori, kemampuan praktik berhubungan dengan
kemampuan teori, karena keterampilan merupakan
penerapan dari pengetahuan. Semakin tinggi
kemampuan teori, semakin tinggi pula kemampuan
praktiknya.
Jika digambarkan dalam scatter plot (diagram pencar), dihasilkan pencaran
titik-titik berikut : (X: Bebas; Y : Dependen)
Jika digambarkan dalam scatter plot (diagram pencar), dihasilkan pencaran
titik-titik berikut :
Lanjutan…

Keterangan :
Rumus dan Kriteria Korelasi Pearson Product Moment

Keterangan
Aplikasi dengan SPSS :
Uji Anova Dengan SPSS
https://www.youtube.com/watch?v=2aRuIO6cWxE&
t=1045s

Uji Kruskal Wallis

https://www.youtube.com/watch?v=ohTw47iGFGI

Pearson
Uji Analisis Korelasi Pearson dengan
SPSS Sangat Jelas - YouTube