Kapan kita harus menggunakan uji anova?

Analisis variansi satu arah adalah salah satu dari uji ANOVA (Analysis of Varians). Pada penelitian kuantitatif menggunakan software statistik uji ANOVA ini umum digunakan. Lalu, apa sebenarnya uji ANOVA satu arah serta apa syarat dan langkah pengujiannya? Simak ulasan berikut ini.

Uji Anova sendiri dapat diartikan sebagai salah satu metode atau uji hipotesis yang digunakan pada statistika parametrik, dimana pengujian dilakukan pada interaksi dua faktor dengan membandingkan rata-rata dua sampel atau lebih.

ANOVA satu arah ialah uji hipotesis dengan memakai varian serta data hasil pengamatan terhadap satu faktor. Pada setiap populasi independen diambil sampel acak dengan ukuran n1 untuk populasi satu, n2 untuk populasi 2 dan seterusnya. Sementara data sampel dinyatakan dalam Yij.

Tujuan dilakukannya uji anova satu arah adalah untuk membandingkan dua rata-rata atau lebih yang akan digunakan untuk menguji kemampuan generalisasi. Jika hasil pengujian ditemukan kedua sampel tersebut berbeda, maka bisa digeneralisasikan. Sampel dianggap bisa mewakili populasi.

Syarat Pengujian ANOVA Satu Arah

Analisis pada uji ANOVA ditegakkan pada beberapa asumsi. Pertama, populasi harus independen dan data yang diamati juga independen pada kelompoknya. Artinya, setiap sampel tidak berhubungan dengan sampel yang lain.

Kedua, populasi yang diteliti dalam uji ini haruslah berdistribusi normal. Normalitas ini harus terpenuhi dikarenakan pada prinsipnya uji ANOVA merupakan uji beda rataan. Sama halnya dengan uji t atau uji Z. Sampel tentu saja harus diambil dari populasi normal dan usahakan sampel berukuran besar. Normalitas bisa diukur dengan uji-uji normalitas seperti chi square atau lilliefors.

Ketiga, populasi harus memiliki standar deviasi atau variansi yang sama. Kesamaan variansi ini akan berhubungan dengan uji F yang akan dilakukan nantinya. Jika variansi pada populasi tidak sama, maka tidak dapat dilakukan uji F. Syarat yang terakhir adalah apabila sampel yang diambil dari sebuah populasi adalah bersifat bebas maka sampel diambil secara acak.  

Langkah Pengujian ANOVA Satu Arah

Hal pertama yang harus dilakukan ketika melakukan analisis anova satu arah adalah membuat asumsi bahwa data diambil secara random, distribusinya normal, serta variansi homogen. Selanjutnya, buat kalimat hipotesis (H0 dan H1), misalnya :

Ho: tidak ada perbedaan antara rata-rata hitung n kelompok

H1: ada perbedaan antara rata-rata hitung n kelompok

Kemudian, ukur semua variabilitas keseluruhan sampel dan hitung juga degree of freedom-nya. Umumnya, degree of freedom akan dilambangkan dengan dof, db, atau v. Selanjutnya, lakukan penghitungan untuk varian antar kelompok dan varian dalam kelompok. Hitung F hitung, F tabel, lalu bandingkan F hitung dengan F tabel dan terakhir buat kesimpulan.

Analisis variansi satu arah bisa dilakukan dengan bantuan konsultan statistik atau penelitian. Peneliti bisa menggunakan jasa Patra Statistika untuk melakukan uji ini pada software-software statistik. Semua informasi ada di laman resmi Patra Statistika.

Uji Hipotesis dengan ANOVAAnalisis ragam atau analysis of variance (ANOVA) adalah suatu metode untuk menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman.suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).-TUJUAN - UNTUK MENGETAHUI APAKAH ADA PERBEDAAN YANG SIGNIFIKAN (NYATA) ANTARA RATA-RATA HITUNG (MEAN) BEBERAPA KELOMPOK DATAAlasan penggunaan ANOVA

Uji hipotesis dengan ANOVA digunakan, setidaknya karena beberapa alasan berikut:

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.

-PENGGUNAAN

- UNTUK PENGUJIAN LEBIH DARI 2 SAMPEL

ASUSMSI

1)POPULASI  YANG AKAN DIUJI BERDISTRIBUSI NORMAL

2)VARIANS DARI POPULASI-POPULASI TERSEBUT ADALAH SAMA

3)SAMPEL TIDAK BERHUBUNGAN SATU SAMA LAIN

JENIS

a)ONE WAY ANOVA

b)UJI ANOVA INTERAKSI 2 FAKTOR

ONE WAY ANOVA

KASUS:

SEBUAH PABRIK MEMPERKERJAKAN KARYAWANNYA DALAM 4 SHIFT ( SETIAP SHIFT TERDIRI DARI SEKELOMPOK PEKERJA YG BERLAINAN). MANAJER PABRIK INGIN MENGETAHUI APAKAH ADA PERBEDAAN PRODUKTIVITAS DIANTARA 4 KELOMPOK SHIFT.

LANGKAH-LANGKAH

Pilih menu ANALYZE → COMPARE-MEANS → ONE WAY ANOVA…

• DEPENDENT LIST atau variabel yang akan diuji. Masukkan VARIABEL PRODUK
• FACTOR atau grup. Masukkan VARIABEL SHIFT

LANGKAH-LANGKAH

• Klik OPTIONS à Pilih DESCRIPTIVE dan HOMOGENEITY-OF-VARIANCE
• Klik POST-HOC à pilih BONFERRONI dan TUKEY
• OK

OUTPUT 1 : TABEL DESCRIPTIVES

→ Terlihat ringkasan statistik dari keempat sampel

→ Sebagai contoh adalah deskripsi dari kelompok kerja shift 1

• Rata-rata produktivitas : 35.58 unit
• Produk minimum : 32 unit dan maksimum : 39 unit
• Dengan tingkat kepercayaan 95%, rata-rata produksi ada pada range 33.88 unit sampai 37.29 unit

OUTPUT 2 : TABEL TEST OF HOMOGENEITY OF VARIANCE

Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi untuk ANOVA, yaitu apakah keempat sampel mempunyai varians yang sama

Jika probabilitas >0.05, maka keempat varians adalah sama

→ hasil tes : probabilitas 0.331

→ disimpulkan varians ke-4 sampel adalah sama karena >0.05, sehingga asumsi kesamaan varians terpenuhi

• Untuk mengetahui apakah ke-4 sampel mempunyai rata-rata (mean) yang sama
• Jika nilai probabilitas <0.05 maka mean dianggap berbeda
• Hasil tabel, nilai probabilitas 0.000, maka disimpulkan rata-rata produksi ke-4 kelompok shift tsb memang berbeda

OUTPUT 4 : POST HOC TEST

• Setelah diketahui ada perbedaan yang signifikan diantara ke-4 kelompok shift, maka selanjutnya ingin diketahui mana saja kelompok shift yang berbeda dan mana yang tidak berbeda
• Jika nilai probabilitas <0.05 maka perbedaan rata-rata benar2 nyata (signifikan)
• Kesimpulan:

→ mean dari shift 1 berbeda secara nyata dengan shift 2, 3 dan 4

→ mean dari shift 2 berbeda secara nyata dengan shift 4

→ mean dari shift 3 berbeda secara nyata dgn shift 4

→ mean dari shift 4 berbeda secara nyata dengan shift 1,2, 3

OUTPUT 5 : TABEL HOMOGENEOUS SUBSETS

Jika test Turkey dan Benferroni untuk menguji kelompok mana saja yang memiliki perbedaan nyata, maka dalam output ke-5 ini akan dicari grup/subset mana saja yg tidak berbeda secara signifikan pengaruhnya

→ subset 1 : hanya grup dgn anggota klpk kerja shift 4 saja, artinya bisa dikatakan klpk shift 4 punya perbedaan dgn yg lainnya

→ subset 2 : hanya grup 1 saja, artinya klpk kerja shift 1 punya perbedaan dgn yg lainnya

→ subset 3 : hanya grup shift 2 dan 3, artinya klpk shift 2 dan 3 tidak punya perbedaan signifikan satu dgn yg lain

UJI ANOVA INTERAKSI ANTARA 2 FAKTOR

• Digunakan bila ada >1 faktor
• Sekaligus untuk menguji apakah ada interaksi antara ke-2 faktor tsb

LANGKAH-LANGKAH

• Buat data jadi tampilan 3 variabel : PRODUK, SHIFT, dan GENDER
• Untuk variabel GENDER : lakukan coding dan aktifkan value label
• Buka ANALYZE à GENERAL-LINEAR MODEL à UNIVARIATE…

→ Kolom DEPENDENT  VARIABLE : masukkan variabel PRODUK

→ FIXED FACTOR(S) atau grup : masukkan VARIABEL SHIFT dan GENDER

• OK

OUTPUT 1: BETWEEN SUBJECTS FACTORS

• Terlihat ringkasan data yg diproses
• Lihat kelengkapan data yang diproses apakah sesuai dg jumlah data yang dimasukkan

OUTPUT 2: ANOVA

Jika nilai probabilitas <0.05 maka rata-rata produksi kedua kelompok gender (pria dan wanita) memang berbeda scr nyata : nilai 0.019

Sumber:

YOLANITA  SEPTRIUMI, MSc.PH

Kirim ke teman | Versi cetak

Berita "Berita Kampus" Lainnya

Kapan harus menggunakan uji ANOVA?

Kenapa pakai uji ANOVA?

Apa syarat untuk analisis data dengan ANOVA?

Kapan menggunakan uji ANOVA dua arah?