Professional Documents
Culture Documents
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.
2.
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)
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
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.
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.
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.