Uji One Way Anova

Pada artikel kali ini, kita akan membahas tentang melakukan uji One Way Anova atau Anova Satu
Jalurdengan menggunakan software SPSS For Windows.
Anova merupakan singkatan dari (analysis of varian) adalah salah satu uji komparatif yang digunakan untuk
menguji perbedaan mean (rata-rata) data lebih dari dua kelompok. Ada dua jenis Anova, yaitu analisis
varian satu faktor (one way anova) dan analisis varian dua faktor (two ways anova). Pada artikel ini hanya
akan dibahas analisis varian satu faktor.
Untuk melakukan uji Anova, harus dipenuhi beberapa asumsi, yaitu:
1.

Sampel berasal dari kelompok yang independen

2.

Varian antar kelompok harus homogen

3.

Data masing-masing kelompok berdistribusi normal (Pelajari juga tentang uji normalitas)

Asumsi yang pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara random
terhadap beberapa (> 2) kelompok yang independen, yang mana nilai pada satu kelompok tidak tergantung
pada nilai di kelompok lain. Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data
telah dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat dilakukan transformasi terhadap data.
Apabilaproses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova tidak valid untuk
dilakukan, sehingga harus menggunakan uji non-parametrik misalnya Kruskal Wallis.

Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber variasi yaitu variasi di
dalam kelompok (within) dan variasi antar kelompok (between). Bila variasi within dan between sama (nilai
perbandingan kedua varian mendekati angka satu), maka berarti tidak ada perbedaan efek dari intervensi
yang dilakukan, dengan kata lain nilai mean yang dibandingkan tidak ada perbedaan. Sebaliknya bila variasi
antar kelompok lebih besar dari variasi didalam kelompok, artinya intervensi tersebut memberikan efek
yang berbeda, dengan kata lain nilai mean yang dibandingkan menunjukkan adanya perbedaan.
Setelah kita pahami sedikit tentang One Way Anova, maka mari kita lanjutkan dengan mempelajari
bagaimana melakukan uji One Way Anova dengan SPSS.
Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul "Perbedaan Pendapatan
Berdasarkan Pekerjaan". Di mana pendapatan sebagai variabel terikat bertipe data kuantitatif atau numerik
sedangkan pekerjaan sebagai variabel bebas berskala data kualitatif atau kategorik, yaitu dengan 3
kategori: Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan apabila variabel terikat
adalah interval dan variabel bebas adalah kategorik). (Pelajari juga tentang Pengertian Data)

Anava 1 arah / oneway anova

oleh: Prasetyo Hnadrianto, S.Si.
One way anova adalah metode analisis statistika yang tergolong analisis komparatif (perbandingan)
antara lebih dari dua rata-rata. Tujuan uji anova satu jalur adalah menguji kemampuan generalisasi atau
sugnifikansi hasil penelitian. Artinya, jika terbukti berbeda berarti kedua sampel tersebut dapat
digeneralisasi (data sampel dapat dianggap mewakili populasi).
Asumsi Dasar dalam ANOVA :
1. 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 jaln melakukan transformasi.
2. Kesamaan Variansi
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-masimg kelompok tidak sama, maka kesamaan variansi populasi memang sangat
diperlukan.
3. Penamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan merupakan informasi
yang bebas.
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 ).
Langkah-langkah melakukan uji anova 1 arah adalah sebagai berikut :
1. Penuhi asumsi yang terdiri dari kenormalan data, keindependenan data, dan homoskedastisitas.
2. Membuat tabel pengamatan.
3. Melakukan perhitungan.
4. Merumuskan Hipotesis.
5. Taraf signifikasi
6. Memuat hasil perhitungan kedalam tabel Anova dan menentukan
7. Menentukan Wilayah Kritis atau Kriteria Pengujian.
8. Menarik Keputusan.
9. Membuat Kesimpulan.
Kemudian, akan kita bahas satu persatu.
1. Penuhi asumsi yang terdiri dari kenormalan data, keindependenan data, dan homoskedastisitas.
Dalam pengujian Anova ada beberapa asumsi yang harus terpenuhi, yaitu :
1. Sampel berasal dari kelompok yang independent.
2. Variansi antar kelompok harus Homogen (Homoskedastisitas).
3. Data dari masing-masing kelompok harus berdistribusi normal.
Asumsi yang pertama yaitu sampel berasal dari kelompok yang independent artinya bahwa pada saat
pengambilan sampel yang dilakukan secara random terhadap beberapa atau lebih dari 2 kelompok, nilai
pada satu kelompok tidak bergantung pada nilai di kelompok lain. Jadi, data masing-masing kelompok,
harus independent. Untuk Asumsi kedua dan Ketiga yaitu Variansi antar kelompok harus Homogen
(Homoskedastisitas) dan data dari masing-masing kelompok harus berdistribusi normal artinya kita harus
menguji terlebih dahulu varian dari masing-masing kelompok apakah homogen atau tidak dan distribusi
dari data apakah normal atau tidak. Jika keduanya memenuhi asumsi, maka pengujian bisa dilanjutkan.
Tetapi jika keduanya atau salah satunya tidak memenuhi asumsi tersebut, maka data harus

ditransformasi terlebih dahulu kemudian uji ulang datanya yang telah ditransformasi. Jika setelah
transformasi, data tetap tidak memenuhi asumsi, maka uji Anova tidak valid untuk dilakukan. Sehingga
harus menggunakan uji non-parametrik seperti uji Kruskal Wallis yaitu analisis dengan mengabaikan
asumsi.
2. Membuat tabel pengamatan
Dengan mengasumsikan bahwa kita memiliki r blok (misalnya sebagai faktor pertama) dan k perlakuan
(misalnya sebagai faktor kedua) , maka dapat kita susun tabel dimana maisng-masing pasangan
perlakuan-blok dikaitkan dengan sebuah nilai pengamatan.

k (perlakuan)
12iK
X11 X21 Xi1 Xk1
X12 X22 Xi2 Xk2
X13 X23 Xi3 Xk3

X1r X2r Xir Xkr

Dimana :
r : banyaknya baris (blok), i = 1, 2, 3, ,r
k : banyaknya kolom (perlakuan), j = 1, 2, 3, ,k
Xij : data pada baris ke-i dan kolom ke-j

3. Merumuskan Hipotesis
Hipotesis adalah suatu dugaan sementara tentang hal yang akan dianalisis. Hipotesis terdiri dari H0 dan
H1. Pada anova 1 arah, H0nya adalah berisi tentang perbandingan rata-rata kolom atau baris yang
ternyata sama. Sedangkan H1nya yaitu kontradiksi dari H0, yang disini berarti menyatakan bahwa
perbandingan rata-rata kolom atau baris adalah berbeda. Tetapi dalam suatu pengujian H0 dan H1 tidak
selalu seperti itu, tetap harus disesuikan dengan kasus dan uji yang dilakukan.
Secara umum, rumusan hipotesis anova 1 arah yaitu sebagai berikut:
Hipotesis :
H0 :
H1 : paling sedikit terdapat satu pasang
Disini maksudnya adalah sampai populasi atau kelompok data ke-. Seperti yang dijelaskan
dipendahuluan bahwa anova adalah uji rata-rata lebih dari 2 populasi tetapi tidak terbatas. Artinya jika
menerima H0, semua rata-rata blok (baris) adalah sama, berarti tidak ada perbedaan yang signifikan
antara blok satu dengan yang lainnya. Dan jika menolak H0, artinya terdapat perbedaan yang signifikan
antar bloknya.
Tetapi dalam pengaplikasiannya perumusan hipotesis yang paling tepat adalah harus lebih spesifik dan
disesuaikan dengan kasus yang dianalisis.
4. Taraf signifikasi

Dalam uji hipotesis, probabilitas meksimum dnegan mana kita bersedia menanggung resiko terjadinya
Error tipe 1 (menolak hipotesis yang seharusnya diterima) disebut sebagai taraf signifikasi (level of
significance). Probabbilitas ini sering disimbolkan sebagai . Biasanya dispesifikasikan sebelum suatu
sampel diambil dari suatu poplasi sehingga hasil-hasil yang diperoleh tidak akan mempengaruhi pilihan
kita.
Dalam praktiknya, tingkat signifikasi 0.05 atau 0.01 adalah taraf signifikasi yang umum. Meskipun nilainilai yang lain dapat juga digunakan. Sebagai conoh, jika taraf signifikasi 0.05 (5%) dipilih dalam
mendesain suatu aturan keputusan, maka terdapat sekitar 5 dalam 100 kesempatan atau peluang bahwa
kita akan menolak hipotesis ketika seharusnya hipotesis tersebut diterima. Jadi, kita memiliki keyakinan
95% bahwa kita telah membuat keputusan yang benar. Dalam kasus ini, kita katakana bahwa hipotesis
ditolak pada taraf signifikasi 5%, yang berarti hipotesis memiliki probabilitas 0.05 untuk salah.
Sehingga, dapat disimpulkan dnegan singkat, bahwa taraf signifikasi adalah batas toleransi tingkat
kesalahan salam suatu pengujian data. Semakin tinggi taraf signifikasinya, maka semakin besar
probabilitas terjadinya kesalahan. Dan sebaliknya, semakin kecil suatu taraf signifikasinya, makan akan
semakin kecil tingkat kesalahannya.
5. Menarik Keputusan.
Keputusan adalah hal yang terpenting dari seuatu analisis. Keputusan bukan lagi sedekar dugaan
sementara seperti hipotesis, tetapi keputusan adalah suatu hasil yang sebenarnya, baik hasil yang
diharapkan ataupun hasil yang sebenarnya tidak diharapkan. Keputusan diambil berdasarkan
perhitungan hasil observasi yang ada. Keputusan diambil dengan membandingkan nilai F hitung dengan
F tabelnya seperti yang dirumuskan dalam kriteria pengujian. Dalam hal ini, berarti perhitunagn akan
sngat mempengaruhi terhadap hasil analisisnya. Perhitungan harus benar-benar akurat dan teliti, karena
jika salah dalam perhitungan maka akan salah juga keputusan sehingga kesimpulannya tidak akan
seperti kenyataan yang sebenarnya.
6. Membuat Kesimpulan.
Membuat Kesimpulan harus disesuaikan dengan rumusan hipotesisnya. Jika dalam penarikan keputusan,
ternyata menerima H0, berarti kesimpulannya adalah seperti rumusan hipotesis H0 itu sendiri. Tetapi, jika
dalam penarikan keputusan, ternyata menolak H0, maka kesimpulannya adalah kontradiksi dari H0 itu
sendiri yaitu H1nya.

Pengertian Oneway ANOVA (Analisis Varian)

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).
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 F-Snedecor

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 ratarata (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 ditemikan cara analisis yang mengandung kesalahan
lebih kecil da 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.

Anova Satu Arah (One-Way Anova) Program SPSS

Anova merupakan singkatan dari (analysis of varian) adalah salah satu uji komparatif yang
digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok. Ada dua
jenis Anova, yaitu analisis varian satu arah (one way anova) dan analisis varian dua arah (two
ways anova).
One way anova adalah metode analisis statistika yang tergolong analisis komparatif
(perbandingan) antara lebih dari dua rata-rata. Tujuan uji anova satu jalur adalah menguji
kemampuan generalisasi atau sugnifikansi hasil penelitian. Artinya, jika terbukti berbeda berarti
kedua sampel tersebut dapat digeneralisasi (data sampel dapat dianggap mewakili populasi).
Tujuan utama dari ANOVA adalah untuk membandingkan mean dari tiga kelompok atau lebih,
untuk memberikan informasi apakah perbedaan yang teramati (observed differences) antar
kelompok tersebut terjadi karena kebetulan (chance) atau karena suatu pengaruh tertentu yang
bersifat sistematis (systematic effect). Analisis Varians (ANOVA) mensyaratkan adanya Variabel
Dependen (DV) yang memiliki skala interval atau rasio dan satu atau lebih Variabel Independen
(IV) yang seluruhnya bersifat kategori atau yang merupakan kombinasi dari variabel bersifat
kategorik dengan variabel berskala interval atau rasio. ANOVA berusaha membandingkan
variabilitas skor yang terjadi dalam suatu kelompok (within group, yakni variabilitas yang
disebabkan oleh sampling error itu sendiri) dengan variabilitas yang terjadi antar kelompok
(between group, yakni variabilitas yang disebabkan karena efek dari suatu perlakuan/treatment
dan variabilitas yang disebabkan karena sampling error).