You are on page 1of 17

PENDAHULUAN

Analisis varian (ANOVA) adalah suatu metode untuk menguraikan


keragaman total data menjadi komponen-komponen yang mengukur berbagai
sumber keragaman.
ANOVA digunakan apabila terdapat lebih dari dua variabel. 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 praktek, analisis
varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun
pendugaan (estimation, khususnya di bidang genetika terapan).
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 praktek,
analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun
pendugaan (estimation, khususnya di bidang genetika terapan).

PEMBAHASAN
1.DEFINISI ANOVA
Analisis varian (ANOVA) adalah suatu metode untuk menguraikan
keragaman total data menjadi komponen-komponen yang mengukur berbagai
sumber keragaman.
Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama
adalah varians antarcontoh (among samples) dan varians kedua adalah
varians di dalam masing-masing contoh (within samples). Dengan ide
semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang
sama dengan uji-t untuk dua rerata (mean)
Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians
menggantungkan diri pada empat asumsi yang harus dipenuhi dalam
perancangan percobaan:
1. Data berdistribusi normal, karena pengujiannya menggunakan uji FSnedecor
2. Varians atau ragamnya homogen, dikenal sebagai
homoskedastisitas, karena hanya digunakan satu penduga
(estimate) untuk varians dalam contoh
3. Masing-masing contoh saling independen, yang harus dapat
diatur dengan perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling
menjumlah).
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.
sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata).
apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut satu
persatu (dengan t test) akan memakan waktu, tenaga yang banyak. di
samping itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah
ditemukan cara analisis yang mengandung kesalahan lebih kecil dan

dapat menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys of


variances) pada dasarnya pola sample dapat dikelompokkan menjadi:
1.

seluruh sample, baik yang berada pada kelompok pertama sampai


dengan yang ada di kelompok lain, berasal dari populasi yang sama.
untuk kondisi ini hipotesis nol terbatas pada tidak ada efek dari
treatment (perlakuan).

2.

sample yang ada di kelompok satu berasal dari populasi yang


berbeda dengan populasi sample yang ada di kelompok lainnya.
untuk kondisi ini hipotesis nol dapat berbunyi: tidak ada efek
treatment antar kelompok.

2. ASUMSI DASAR DALAM ANOVA


A. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga
distribusi skor sampel dalam kelompok pun hendaknya normal. Kenormalan
dapat diatasi dengan memperbanyak sampel dalam kelompok, karena
semakin banyak n maka distribusi akan mendekati normal. Apabila sampel
tiap kelompok kecil dan tidak dapat pula diatasi dengan jalan melakukan
transformasi.
B. Kesamaan Variasi
Masing-masing kelompok hendaknya berasal dari populasi yang
mempunyai variansi yang sama. Untuk sampel yang sama pada setiap
kelompok, kesamaan variansi dapat diabaikan. Tetapi jika banyaknya
sampel pada masing-masing kelompok tidak sama, maka kesamaan
variansi populasi memang sangat diperlukan. Kalau hal ini diabaikan bisa
menyesatkan (terutama dalam pengambilan keputusan). Apabila variansi
berbeda dengan banyaknya sampel tiap kelompok tidak sama, diperlukan
langkah penyelamatan yaitu dengan jalan melakukan transformasi
(misalnya, dengan mentransformasikan dengan logaritma).
C. Pengamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap
pengamatan merupakan informasi yang bebas. Asumsi ini merupakan
asumsi yang tidak bisa ditawar lagi, dengan kata lain tidak ada cara untuk
mengatasi tidak terpenuhinya asumsi ini. Dengan demikian maka setiap
peneliti harus merencanakan secara cermat dalam pengambilan sampel.
Asumsi-asumsi diatas hendaknnya dipenuhi oleh data yang akan dianalisis
dengan ANOVA. Ketidakterpenuhinya asumsi ini dapat menimbulkan
kesimpulan yangsalah. Hal ini mengandung arti bahwa kesimpulan
penelitian yang dianalisis dengan ANOVA tidak memberi arti apa-apa.
Walaupun ada asumsi yang sifatnya tidak kaku. Artinya dapat diatasi
dengan jumlah sampel namun pengujian atas terpenuhinya asumsi
merupakan tindakan yang disarankan.
3. JENIS ANOVA
Sesuai dengan kebutuhannya Anova dibedakan menjadi 2 yaitu:

1. Anova satu arah, hanya memperhitungkan 1 faktor yang menimbulkan


variasi
2. Anova dua arah, yang mana memperhitungkan dua faktor yang
menimbulkan variasi.

Penjelasan lebih lengkapnya adalah sebagai berikut:


A. Anova Satu Arah Dengan Rank
Apabila variabel terikat mempunyai skala ordinal, maka analisys of
varience mempunyai langkah yang agak berbeda dengan yang telah kita
pelajari di muka. Setelah kita menghadapi data berskala ordinal, maka
masalah normalitas tidak lagi menjadi persyaratan. Hal ini disebabkan
karena asumsi yang dupakai disini, bahwa data sampel diperoleh dari
populasi yang berdistribusi frekuensi. ANOVA satu arah unutk menghadapi
data yang berskala ordinal adalah Kruskal-Walles.
Kruskal-Walles menggunakan asumsi bahwa masing-masing kelompok
sampel doambil dari populasi yang sama. Sedangkan distribusi KruskalWalles (H) dapat ditaksir memalui distribusi chisquare dengan derajat
kebebasan sebesar k 1.
Langkah-langkah pengujian hipotesis dengan skala ordianal adalah :
1. Menyusun Hipotesis.
2. Menyusun Rank.
3. Menghitung Kruskal-Walles
4. Membandingkan hasil perhitungan H dengan table (Chisquare
distribution) berdasarkan alPha dan derajat kebebasan = k 1.
5. Mengambil Kesimpulan.

B. Anova Pengukuran Ulang


Dalam dunia pendidikan sering kita menghadapi perubahan perilaku siswa
setelah diajar / dididik. Perubahan tersebut dapat diikuti dengan suatu tes
yang berulang-ulang. Dengan demikian akan terkumpul beberapa skor
untuk setiap individu untuk satu variabel terikat. Dengan melakukan
pengujian / pengukuran yang berulang-ulang kita dapat mengetahui

perkembangan perilaku / kemampuan subjek penelitian atas efek


eksperimen.
Sumber variabilitas yang mempengaruhi variabilitas antar kelompok adalah
:
1. Efek kesperimen
2. Kesalahan eksperimen
Sedangkan sumber kesalahan variabilitas antar kelompok tanpa
pengulangan pengukuran terdiri dari:
1. Efek eksperimen
2. Kesalahan eksperimen
3. Perbedaan individual
Sumber variabilitas dalam kelompok tetap sama, yaitu :
1. Perbedaaan Individu (between subject variability)
2. Kesalahan eksperimen (error variability)

C. Anova Dua Arah


Apabila design yang dikembangkan untuk mencari ada tidaknya perbedaan
dari 2 variabel bebas, dan masing-masing variable bebas dibagi dalam
beberapa kelompok, maka design yang dikembangkan tersebut sering
disebut dengan two factorial design.
Asumsi dalam anova dua arah
Ada beberapa asumsi yang dipakai dalam Anova dua arah :
1. Setiap skor dalam sel harus berdistribusi normal. Asumsi ini dapat sedikit
diabaikan jika sample tiap sel cukup banyak .
2. Variasi Skor pada setiap sel hendaknya homogen atau sama
3. Skor yang ada bebas dari pengaruh variable yang tidak teliti. Hal ini
dapat dicapai dengan mengambil sample acak dari populasi yang sudah
diklasifikasikan sesuai dengan sel yang ada. Disamping itu perlu

dilakukan control atas terjadinya pengaruh factor lain maupun antar


kelompok itu sendiri.
Seperti halnya Anova satu arah, anova dua arah pun bias dilakukan untuk
jumlah sample yang tidak sama antar sel yang satu dan yang lainnya. Tetapi
anova dua arah dengan jumlah sample berbeda.
Pada dasarnya pola sampel dapat dikelompokan menjadi dua kelompok,
yaitu:
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai
dengan yang ada di kelompok lain, berasal dari populasiyang sama. Untuk
kondisi ini hipotesis nol terbatas pada tidak ada efek dari treatment
(perlakuan)
2. Sampel yang ada di kelompok satu berasal dari populasi yang bebeda
dengan populasi sampel dengan populasi sampel yang ada di kelompok
lainnya.

4. PERBANDINGAN ANOVA SATU ARAH DENGAN ANOVA DUA ARAH


Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi kasus
variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per satu,
sehingga akan menghadapi banyak kasus (N semakin banyak ).
Dengan melakukan Anova dua arah akan dihindari pula pula terjadinya noise
(suatu kemungkinan yantg menyatakan terdapat suatu efek karena
bercampurnya suatu analisis data). Noise ini dapat dihindari pada ANOVA dua
arah karena analis disini melibatkan kontor terhadap perbedaan(katagorikal)
variabel bebas.
Interaksi suatu kebersamaanantar fektor dalam mempengaruhi variabel
bebas, dengan sendirinya pengaruh faktor-faktor secara mandiri telah
dihilangkan. Jika terdapat interaksi berarti efek faktor satu terhadap variabel
terikatakan mempunyai garis yang tidak sejajar dengan efek faktor lain
terhadap variabel terikatsejajar (saling berpotongan), maka antara faktor
tidak mempunyai interaksi.
Anova dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel
terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan
masing-masing variabel terdiri dari beberapa kelompok. Anova dua arah
merupakan penyempurnaan Anova satu arah.
Anova dua arah lebih efisien daripada anova satu arah, karena:

kasus yang dihadapi lebih sedikit yaitu sejumlah sampel .


noise dapat dihilangkan.
dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi
variabel terikat.
5. HIPOTESIS DALAM ANOVA (ANALYSIS OF VARIANCE):
Dalam analysis of variance hanya satu hipotesis yang digunakan yaitu
hipotesis dua arah (two tail). artinya hipotesis ini yaitu apakah ada perbedaan
rata-rata. kita cuma pengen tahu itu, tidak spesifik yang mana yang berbeda.
Nah kalau mau tahu kelompok yang benar-benar terdapat perbedaan ratarata ada uji lanjutan dilakukan uji lanjutan. kalau tentang itu akan dibahas di
lain tempat. Berikut hipotesis dalam Anova.
H0: 1 = 2 = 3 = ... = n, Tidak ada perbedaan yang nyata antara ratarata hitung dari n kelompok
H1: 1 2 3 ... n, Ada perbedaan yang nyata antara rata-rata
hitung dari n kelompok
Langkah-langkah melakukan uji hipotesis dengan ANOVA
1. Kumpulkan sampel dan kelompokkan berdasarkan kategori tertentu.
Untuk memudahkan pengelompokkan dan perhitungan, buat tabel data
sesuai dengan kategori berisi sampel dan kuadrat dari sampel tersebut.
Hitung pula total dari sampel dan kuadrat sampel tiap kelompok. Selain
itu, tentukan pula hipotesis nol (H0) dan hipotesis alternatif (H1).
2. Menentukan tipe anova
Untuk menentukan tipe anova. terlebih dahulu bertanya apakah dari
hipotesis tersebut cocok untuk anova? jika tujuannya membandingkan
rata-rata tiga kelompok atau lebih maka boleh pakai Anova. Pertanyaan
kedua apakah sampel tiap kelompok diambil dari sampel yang
berbeda? jika berasal dari sampel yang berbeda maka
menggunakan Anova satu arah/one way.
3. Memeriksa apakah sudah memenuhi asumsi-asumsi sehingga bisa
digunakan anova
o
Normalitas,
adalah Menguji apakah data tiap kelompok memiliki distribusi normal.
hal ini bisa dilakukan dengan uji kolmogorov smirnov, shapira wilk.
o
Homogenitas
adalah Menguji apakah varians tiap kelompok sama. Dalam
menghitung homogenitas bisa digunakan uji bartlett dan uji levene.
o
Saling bebas
Menunjukkan bahwa setiap kelompok tidak saling berhubungan.
Biasanya yang digunakan logika apakah saling bebas atau tidak.
o

Aditif (Saling menjumlahkan).


Artinya data yang dianalisis merupakan data interval/rasio

4. Menghitung variabilitas dari seluruh sampel.


Pengukuran total variabilitas atas data dapat dikelompokkan menjadi tiga
bagian, berikut rumus dalam Anova:
o
Total of sum squares (SSt) jumlah kuadrat total (jkt).
Merupakan jumlah kuadrat selisih antara skor individual dengan ratarata totalnya.

Keterangan: k = banyaknya kolom N = Banyaknya pengamatan/


keseluruhan data
ni = banyaknya ulangan di kolom ke-i xij = data pada kolom ke-i ulangan
ke-j T** = Total (jumlah) seluruh pengamatan
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.

Keterangan
T*i = Total (jumlah) ulangan pada kolom ke-i
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.
JKG = JKT - JKK
5. Menghitung derajat kebebasan (degree of freedom).
Derajat kebebasan atau degree of freedom (dilambangkan dengan v, dof,
atau db) 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.
db JKT = N - 1
o
Derajat kebebasan untuk JKK
merupakan derajat kebebasan dari Jumlah kuadrat kolom (JKK) ini
akan kita lambangkan dengan dof JKK.
db JKK = k-1
o
Derajat kebebasan untuk JKG
Merupakan derajat kebebasan dari Jumlah kuadrat galat (JKG) ini akan
kita lambangkan dengan dof JKG
db JKG = N - k
Derajat kebebasan juga memiliki sifat hubungan yang sama dengan sifat
hubungan variabel, yakni:
db JKT = db JKK + db JKG

6. 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 / db JKK
o
KTG = JKG / db JKG
7. 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
8. Menghitung F tabel
Selain itu, F berdasarkan tabel (Ftabel) 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.
9. Membandingkan Fhitung dengan Ftabel :
o
Jika Fhitung > Ftabel : tolak H0
o
Jika Fhitung Ftabel : terima H0
10.Buat kesimpulan,
Sesuai dengan kasus awal yang ditanyakan. 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.
11.Contoh penghitungan Analysis of variance (Anova) dengan tabel.
Berdasarkan langkah-langkah diatas untuk mempermudah perhitungan
dibuat tabel seperti berikut:

6. CONTOH KASUS
1. Perhitungan Analysis of Variance (Anova) satu arah
Contoh Kasus 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.

Sampel
Sampel 1
Sampel 2
Sampel 3

Penurunan Berat Badan (Kg)


Metode 1
Metode 2
4
8
6
12
4
-

Metode 3
7
3
-

Metode 4
6
5
5

Apakah keempat metode diet tersebut memberikan rata-rata penurunan


berat badan yang sama?
Uji pendapat tersebut dengan taraf nyata 5 %
Solusi kasus Anova satu arah
Merumuskan Hipotesis
H0 :
(Setiap metode memberikan rata-rata penurunan berat
badan yang sama)
H1 : Ada suatu metode yang memberikan rata-rata penurunan berat
badan yang tidak sama
2.
Identifikasi model.
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.
3.
Memeriksa asumsi Anova.
Dalam metode anova yang perlu diperhatikan ada empat seperti pada
keterangan diatas. asumsi normal dan homogenitas antar varians
kelompok harus terpenuhi. dalam contoh ini kita asumsikan asumsi
terpenuhi karena kita fokus pada langkah-langkah anova satu arah.
kemudian kelompok yang dianalisis berasal dari kelompoksaling bebas.
dan data yang digunakan merupakan data rasio. Setelah asumsi ini
terpenuhi maka bisa lanjut ke perhitungan selanjutnya. kalau tidak ganti
metode.
4.
Menghitung F hitung melalui Variabilitas, Derajat bebas dan Kuadrat
tengah
o Jumlah Kuadrat Total (JKT)
JKT = (42+62+42+82+122+72+32+62+52+52)-(602/10)=420-360=60
o Jumlah Kuadrat Kolom (JKK)
JKK=(142/3+202/2+102/2+162/3)-(602/10)
=(65.33+200+50+85.33)-360 =40.67
1.

10

o
o
o
o

5.

Jumlah Kuadrat Galat (JKG)


JKG = JKT - JKK = 60-40.67 = 19.33
Kuadrat Tengah Kolom (KTK)
KTK = JKK / k-1 = 40.67/3 = 13.55
Kuadrat Tengah Galat (KTG)
KTG = JKG / N - k = 19.33/6 = 3.22
f hitung
f hitung =KTK / KTG = 13.55/3.22 = 4.21

Perhitungan Tabel anova

6. Menghitung F

tabel

F table pada = 0.05 db1=3 dan dk2=6 adalah 4.76


7. Kesimpulan :
Karena F

hitung

ada di daerah penerimaan (F

hitung

< F

tabel

) maka H0 terima,

sehingga bisa disimpulkan setiap metode memberikan dampak rata-rata


penurunan berat badan yang sama.

2. Perhitungan Analysis of Variance (Anova) dua arah


Contoh Kasus Anova dua arah:
Seorang konsultan mesin dari perusahan penyalur atau DEALER kendaraan
diminta untuk mengkaji apakah ada perbedaan rata-rata efisiensi pemakaian
BBM (kilometer/liter) antara tiga merek mobil. Di samping itu, ia diminta juga
untuk mengkaji apakah ada perbedaan rata-rata efisiensi pemakaian BBM
yang disebabkan oleh kapasitas mesin. Dari hasil pengumpulan data yang
dilakukan konsultas tersebut diperoleh data sebagai berikut.

11

Langkah penyelesaian analisis varians dua-arah:


1. Penentuan hipotesis nol (H) baik antar-kolom (antar-merek mobil) maupun
antar-baris (antar-kapasitas mesin)
Hipotesis nol-kolom (H0-kolom): Rata-rata efisiensi pemakaian BBM ketiga
merek mobil adalah sama
Hipotesis nol-baris (H0-baris): Rata-rata efisiensi pemakaian BBM kedua
kapasitas mesin adalah sama.
2. Penentuan tingkat signifikansi ( )
Tingkat signifikansi () yang dipilih adalah 0,05 (5%).
3. Penghitungan jumlah kuadrat antar-kolom (between columns sum of
squares)
Jumlah kuadrat antar-kolom atau antar-merek mobil dihitung dengan
persamaan
berikut:

12

13

14

15

16

DAFTAR PUSTAKA

17

http://statistikceria.blogspot.com/
http://exponensial.wordpress.com/
http://analisispertanian.wordpress.com/
http://statistikkelasakelompok9anova.blogspot.com/