Contoh ANOVA Satu Jalur : Pengajaran Sejarah

Sebuah percobaan di mana tiga metode pengajaran digunakan untuk pengajaran sejarah Amerika disimbolkan dengan T1, T2, dan T3. Sampel diambil secara acak dari mahasiswa sejarah yang dibagi kedalam tiga kelas dan setelah diberikan perlakuan, siswa diberikan ujian sejarah umum. Variabel bebas adalah metode pengajaran. Variabel terikat adalah skor ujian sejarah siswa dari ketiga kelas. Ketiga sampel acak berisi 25, 30, dan 33 siswa, masing-masing, untuk T1 , T2, dan T3.

Analisis
Hipotesis null H0: 1 = 2 = 3 , yaitu mean populasi murid yang diajarkan dengan tiga jenis pengajaran adalah sama. Taraf signifikansi ditetapkan pada 0.05. Diperoleh mean sampel 1= 83, 2 = 72, dan 3 = 80, dan rasio-F dari ANOVA adalah F = 4,93. df untuk pembilang rasio-F adalah 2 (k-1) df untuk penyebut rasio-F adalah 85 (N-k) Untuk ANOVA, N adalah total jumlah sampel dalam analisis dan k adalah jumlah mean sampel.

Lanjutan
Rasio-F yang sudah dihitung = 4,93 Derajat kebebasan = 2 dan 85 Rasio-F tabel ? Pada tabel D dalam Lampiran 3, kita menuju ke kolom untuk 2 df (df untuk pembilang) dan untuk 85 df (df untuk penyebut). Tidak ada baris untuk df 85, tetapi ada baris untuk 60 df dan 120 df. Untuk setiap nilai-nilai df ini, sebenarnya ada empat baris diberikan nilai-nilai kritis, satu untuk masing-masing dari empat tingkat signifikansi. Kami pilih satu tingkat 0.05 dan menemukan bahwa nilai kritis untuk df 60 adalah 3.15 dan bahwa untuk 120 df adalah 3.07 Karena kita memiliki 85 df nilai kritis adalah sekitar 3.12 yang didasarkan pada interpolasi langsung antara dua nilai tabel. Perhitungan F-rasio kami melebihi 3.12 oleh karena itu signifikan secara statistik dan hipotesis null ditolak.

www.themegallery.com

Company Name

Lanjutan
Pernyataan Probabilitas: Jika hipotesis null benar, probabilitas rerata sampel mengalami fluktuasi random sampling adalah kurang dari 0.05 Kesimpulan: hipotesis null ditolak, dan dapat disimpukan bahwa rerata populasi tidak semua sama. Ini adalah kesimpulan untuk parameter. Jenis pengajaran tidak semuanya sama efektif, dan kita dapat menyimpulkan, setidaknya T1 adalah lebih efektif daripada T2.

RINGKASAN TABEL ANOVA

* p <0.05 Dalam ANOVA satu jalur variasi total dibagi menjadi dua sumber: (1) antara tingkat kelompok variabel bebas (between), dalam contoh T1, T2 dan T3, dan (2) dalam kelompok-kelompok variabel bebas (within). SS adalah singkatan dari jumlah kuadrat, pembilang dari variansi perkiraan. Pembagian SS oleh df memberikan mean kuadrat, MS, yang merupakan perkiraan varians. nilai-F yang diperoleh dengan membagi MS Antara (between) dengan MS Dalam (within) P < 0.05 (probabilitas kurang dari 0.05) menunjukkan nilai-F 4,93 secara statistik signifikan pada tingkat kesalahan 0.05.

Uji ANOVA dengan Komputer

Contoh : Penelitian yang ingin mengetahui pengaruh faktor ekonomi siswa terhadap hasil belajarnya. Penelitian dilakukan dengan cara membagi siswa secara acak dari 123 siswa kelas IX kedalam 3 kelompok, Kelompok 1 terdiri dari siswa yang berhak untuk makan siang gratis (ekonomi rendah). Kelompok 2 berhak mendapat pengurangan harga makan siang (ekonomi menengah) kelompok 3 tidak berhak mendapatkan pengurangan harga maupun makan siang gratis (ekonomi tinggi).

 hipotesis null adalah : Ho: 1 = 2 = 3 yaitu, mean populasi pada tes ilmu pengetahuan adalah sama untuk tiga kelompok siswa. Gambar. Output SPSS untuk ANOVA Deskriptif SCISS05
Lunch
F N R Total

Mean
782.6186 801.2000 797.0833 785.6387

N
97 10 12 119

Std. Deviation
30.2429 13.0111 9.2781 28.3969

ANOVA SSISS05
Sum of Squares 4878.059 90275.403 95153.462 df 2 116 118 Mean Square 2439.029 778.236 F
3.134

Between Groups Within Groups Total

Sig. 0.047

Perbandingan multiple Variabel terikat : SCISS05 LSD

(I) FRL (J) FRL Mean Difference (I -J) -14.4648 -18.5814* 14.4648 -4.1167 18.5814* 4.1167 Std. Error Sig 95% Confidence Interval Lower Bound Upper Bound 8.5367 9.2653 8.5367 11.9447 9.2653 11.9447 0.093 0.047 0.093 0.731 0.047 0.731 -31.3729 2.4433 -36.9326. -.2303 -2.4433 31.3729 -27.7747 19.5414 .2303 36.9326 -19.5414 27.7747

1..00 2.00 3.00

2.00 3.00 1.00 3.00 1.00 2.00

*Perbandingan mean signifikan pada level 0.05

Siswa yang mendapatkan makan siang gratis (Kelompok 1) memiliki rerata terendah, siswa yang mendapat pengurangan harga (Kelompok 2) memiliki rerata tengah-tengah, dan siswa yang tidak berhak keduaduanya (Kelompok 3) memiliki rerata tertinggi. Dengan kata lain, para siswa yang miskin secara ekonomis (rerata terendah) pada tes ilmu pengetahuan. Kelompok dengan tingkat ekonomi paling tinggi (tidak berhak gratis ataupun mendapat pengurangan harga makan siang) memiliki rerata tertinggi.

Hasil ANOVA
Rasio-F pada 3,134 dan "Sig" pada 0.047. Nilai Sig adalah probabilitas perbedaan sampel jika hipotesisi null benar. Kita membandingkan nilai Sig ke tingkat signifikan untuk memutuskan apakah akan menolak hipotesis null atau tidak. Membuat keputusan secara statistik aturannya adalah : Tolak Ho jika nilai sig < tingkat signifikansi. Nilai 0.047 kurang dari tingkat signifikansi 0.05. Oleh karena itu, kita menolak hipotesis null dan menyimpulkan bahwa rerata populasi tidak semua sama.

Lanjutan
Dengan menggunakan metode LSD , terlihat bahwa hanya satu pasang perbandingan yang memiliki harga sig < 0.05 yaitu Grup 1 dan 3. Jadi, dapat disimpulkan bahwa rerata populasi dari siswa yang layak untuk gratis makan siang berbeda dengan rerata populasi siswa yang tidak layak mendapatkan potongan harga maupun makan siang gratis.

Analisis Nonparametik
Pengujian non parametrik merupakan pengujian yang tidak

membutuhkan asumsi mengenai bentuk distribusi sampling

statistika atau bentuk distribusi populasinya.

Uji dan Distribusi Chi-Kuadrat X2

Dapat digunakan untuk menguji hipotesis tentang seberapa baik distribusi sampel cocok dengan beberapa distribusi teoretis atau distribusi hipotesis. Contohnya goodness-of-fit test yaitu tes untuk menguji seberapa baik distribusi sampel sesuai dengan hipotesis.

Lanjutan
Pada Hipotesis null dianggap "Tidak ada perbedaan antara distribusi populasi dan distribusi normal." Uji statistik menguji apakah sampel pengamatan berada dalam fluktuasi sampling acak berasal dari distribusi normal. Jika nilai X2 secara statistik signifikan, hipotesis null ditolak. Salah satu penggunaan umum tes X2 ini adalah dengan tabel kontingensi, tabel dua dimensi dengan satu variabel pada masing-masing dimensi. Setiap variabel memiliki dua atau lebih kategori yang memiliki data frekuensi sampel.

Contoh Penggunaan Tabel Kontingen pada Uji X2

Di sebuah perguruan tinggi seni liberal, seorang peneliti tertarik pada sikap mahasiswa terhadap kehadiran di kuliah wajib. Sebuah sampel acak dari mahasiswa diambil dari masing-masing empat kelas sarjana di kampus. Tidak dibutuhkan jumlah sampel yang sama dari setiap kelas. Para mahasiswa dalam sampel kemudian menjawab "setuju" "ragu," atau "tidak setuju" untuk wajib hadir. Hipotesis null : bahwa keempat populasi kelas tidak berbeda dalam sikap mereka terhadap kehadiran di kuliah wajib.

Tabel 17.2 Observasi Respon Frekuensi Sampel terhadap Kehadiran di Kuliah Wajib
Kelas Freshman Setuju 12 Ragu-ragu 48 Tidak Setuju 20 Total 80

Sophomore Junior
Senior Total

7 6
5 30

20 19
3 90

33 35
32 120

60 60
40 240

Untuk menghitung sebuah uji X2, diperlukan frekuensi teoretis. Frekuensi yang diharapkan tersebut dihitung dari data sampel dengan menggunakan jumlah marjinal Frekuensi yang diharapkan ditemukan oleh rumus ini: E = (Row total) (Column total) / Grand total

Contd
Ada frekuensi yang diharapkan untuk setiap baris-kolom kombinasi. Secara umum, tabel kontingensi memiliki (r - 1) kali (c - 1) derajat kebebasan, di mana r dan c adalah jumlah baris (row) dan jumlah kolom (column), masing-masing, di dalam tabel kontingensi. Sebagai contoh, tes ini mempunyai 6 derajat kebebasan. Misalkan kita mengatur tingkat signifikansi pada level 0,05. Rumus untuk menghitung nilai X 2 diberikan oleh:

dimana: 0 = frekuensi yang diamati E = frekuensi yang diharapkan k = jumlah kategori, kelompok, atau sel ketika sebuah tabel kontingensi digunakan, k = r x c, jumlah sel dalam tabel, sebagaimana contoh adalah 12

Tabel 17.3 Frekuensi Harapan dari Respon Sampel terhadap Kehadiran di Kulah Wajib
Kelas Freshman Sophomore Junior Senior Total Setuju (12) 10 (7) 7,5 (6) 7,5 (5) 5 30 Ragu-ragu (48) 30 (20) 22,5 (19) 22,5 (3) 15 90 Tidak Setuju (20) 40 (33) 30 (35) 30 (32) 20 120 Total 80 60 60 40 240

E = (Row total) (Column total) / Grand total

Analisis Data
Nilai X2 dihitung untuk menguji hipotesis null adalah 33,59 berdasarkan data pada Tabel 17.3. Kita beralih ke Tabel C dari Lampiran 3, yang berisi distribusi X2. Tabel ini mengandung nilai-nilai kritis. Daerah mewakili kolom di sebelah kanan titik nilai kritis Deretan berbeda-beda menurut derajat kebebasan. Gambar dari distribusi menunjukkan bagaimana kawasan ini dibagi. Kami mengatur tingkat signifikansi pada 0,05, jadi kita turun 0,05 menuju kolom ke baris yang sesuai dengan 6 df dan menemukan nilai kritis 12,59.

Lanjutan
Dengan demikian, uji statistik signifikan dan probabilitas pernyataan dan kesimpulan adalah sebagai berikut:

Pernyataan Probabilitas: Probabilitas bahwa tanggapan sampel akan terjadi secara kebetulan jika kelas dan sikap terhadap kehadiran di kuliah wajib adalah bebas dalam
populasi kurang dari 0,05. Kesimpulan: Kelas dan sikap terhadap kehadiran kuliah wajib di perguruan tinggi saling mempengaruhi . Hipotesis null ditolak

Analisis Korelasi
1. Statistika deskriptif yang merupakan pengukuran hubungan antara dua variable 2. Analisis korelasi yang dilakukan adalah korelasi inferensial pada koefisien korelasi dan koefisien regresi untuk menguji hipotesis