ANALISIS RAGAM ATAU VARIANS/VARIASI

(ANALYSIS OF VARIANCE = ANOVA )

ANALISIS RAGAM ATAU VARIANSI ( ANALYSIS OF VARIANCE = ANOVA )
Latar belakang dikembangkan metoda ini karena ingin dilakukan testing terhadap rata-rata populasi yg
mengalami “perlakuan” yg berbeda-beda. Pertanyaannya : apakah perbedaan rata-rata antara berbagai
grup yg mengalami perlakuan berbeda tsb signifikan atau tidak.
• Anova digunakan untuk membandingkan rata-rata populasi bukan ragam populasi.
• Menurut banyaknya faktor (kriteria) yang menjadi pusat perhatian, ANOVA dibagi menjadi Anova satu arah, Anova dua
arah dan Anova multi arah.
• Ide dasar test ANOVA adalah perbedaan rata-rata populasi ditentukan oleh dua faktor yaitu variasi data dalam 1 sampel dan
variasi data antar sampel. Perbedaan rata-rata antar populasi nyata jika variasi data antar sampel besar sedangkan variasi
data dalam 1 sampel kecil.
• Dapat menguji rata-rata dengan uji Z atau t
• Masing-masing uji mempunyai kesalahan tipe I
• Asumsi untuk uji ANOVA adalah: μA μB μC
1. Populasi semuanya normal
2. Standard deviasi populasi sama
3. Populasi independen

• Misal ada 4 grup A,B,C dan D dengan rata-rata sampel x A, xB, xC dan xD. Ingin diketahui apakah rata-rata populasi yg terkait
dengan sampel tsb sama? Tentu saja kita bisa melakukan uji statistik bagi tiap sepasang mean, misal μA=μB lalu μA=μC dst.
Semuanya ada 6 pasangan yg mungkin, jadi ada 6 uji yg harus dilakukan. Untuk masing-masing dilakukan test-t
• Apa kelemahan test-t sepasang-sepasang ini?
1. Banyak test harus dilakukan
2. Kesalahan tipe-1 yg besar

• Misal tiap-tiap test-t diuji dengan tingkat signifikan 0.05, berarti probabilitas H0 diterima dan keputusan benar 0.95.
Karena ada 6 pasangan test (dalam contoh sebelumnya) maka probabilitas telah dibuat keputusan benar karena
menerima H0 yg benar adalah 0.95*0.95*0.95*0.95*0.95*0.95 = 0.735
• Jadi probabilitas melakukan error tipe I, yaitu H0 benar tapi ditolak adalah 1-0.735 = 0.265
Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.

ONE WAY ANOVA

Satu variabel dependen (numerik) dan satu variable independent kelompok (kategori)
Contoh : apakah nilai rerata ujian Biostat mhs (numerik) berbeda berdasarkan jenjang
Pendidikan orangtuanya (kategori : SMP, SMA, PT)

Satu variabel dependen tetapi kelompok berbeda

UNIVARIAT ANOVA Contoh : apakah rata-rata ulangan berbeda berdasar
kan klasifikasi sekolah dan kelompok penelitian

Variabel dependen lebih dari satu tetapi

kelompok sama
Contoh : apakah rata-rata ulangan dan pandangan siswa
terhadap IPS berbeda untuk tiap daerah
MULTIVARIAT ANOVA
Variabel dependen lebih dari satu dan kelompok berbeda
Contoh : apakah rata-rata ulangan dan pandangan siswa
terhadap IPS berbeda berdasarkan klasifikasi
Sekolah dan kelompok penelitian
Hipotesa ANOVA satu arah
• H 0 : 1   2     c
• Semua rata-rata populasi sama
• Tidak ada pengaruh perlakuan/treatmen ( tidak ada perbedaan diantara rata-rata grup)
• H1 : Tidak semua  i sama
• Minimal satu rata-rata populasi berbeda (Yang lainnya sama)
• Ada efek atau pengaruh perlakuan/treatment
• Tidak berarti bahwa semua populasi berbeda
ANOVA Satu arah (ada efek perlakuan )
ANOVA Satu arah (Tidak ada efek perlakuan ) H 0 : 1   2     c
H0 Diterima H1 : Tidak semua  i sama
H 0 : 1   2     c H0 Ditolak
H1 : Tidak semua  i sama

1   2  3 1   2  3
1   2  3

• Bila faktor yang menjadi perhatian berupa satu faktor, misalnya pengaruh bentuk kemasan pada tingkat penjualan, maka Anova
yang kita gunakan adalah satu arah. Di sebut satu arah arah karena pusat perhatian kita hanya satu; dalam hal ini bentuk kemasan.
Praktekum Pengolahan ANOVA dengan
spss dan excel
 Contoh (2):
Apakah ada perbedaan rata-rata penghasilan sesudah sertifikasi jika dilihat dari asal wilayah ?
Ho = rata-rata penghasilan tidak berbeda dilihat dari asal wilayah
Descriptives
One way anova output spss penghasilan sesudah lulus sertifikasi
95% Confidence Interval for
Mean
Lower
N Mean Std. Deviation Std. Error Bound Upper Bound Minimum Maximum
jabar 19 3094736,84 269719,369 61877,867 2964736,27 3224737,42 2400000 3700000
jateng 14 3057142,86 194992,251 52113,871 2944557,68 3169728,03 2600000 3400000
jatim 18 3194444,44 285888,136 67384,480 3052275,62 3336613,27 2800000 3800000
NTT 19 3152631,58 368734,203 84593,428 2974907,38 3330355,78 2100000 3700000
Papua 20 3325000,00 297135,447 66441,506 3185936,33 3464063,67 2700000 3800000
Total 90 3172222,22 301691,031 31801,027 3109034,26 3235410,19 2100000 3800000

Test of Homogeneity of Variances

penghasilan sesudah lulus sertifikasi

ANOVA
Levene Statistic df1 df2 Sig.
penghasilan sesudah lulus sertifikasi
1,263 4 85 ,291

Ho : varians populasi identik

Probabilitas (0.291) > 0.05 Ho diterima Sum of Squares df Mean Square F Sig.
Between Groups
(antar kelompok) 782483291562,238 4 195620822890,560 2,272 ,068

Within Groups
(dalam Kelompok) 7318072263993,310 85 86094967811,687

Total
8100555555555,550 89

F hitung (2.272) < F tabel (2.48) maka Ho diterima penghasilan tidak

berbeda Berdasarkan asal wilayah
 Ho : varians usia identik
Probabilitas (0.237) > 0.05 Ho diterima

Selanjutnya klik tombol PostHoc, pilih LSD,

Continue, Ok, untuk mendapatkan hasil uji
multiple comparison

Karena hasil uji Anova nya tidak ada beda,

F hitung (0.606) < F tabel (2.01) maka Ho diterima penghasilan tidak p=0,788, maka hasil uji post hoc tidak perlu
berbeda Berdasarkan asal wilayah dibaca
SEKIAN