anova dan kruskal wallis
DESCRIPTION
StatistikaTRANSCRIPT
BAB I
Landasan Teori
Uji ANOVA (Analysis of Variance)
Uji Analysis of Variance digunakan dalam menguji kesamaan mean( rataan) lebih dari dua sample
populasi. Uji ANOVA ini merupakan salah satu uji parametrik dan memiliki beberapa syarat untuk
menggunakannya yaitu :
1.Data harus terdistribusi normal
2.Data harus homogen
3.Memiliki variansi yang sama
4.Sampel yag akan diuji harus independent
Sebelum melakukan analisis menggunakan uji ANOVA pastikan syarat-syarat tersebut terpenuhi, jika
tidak terpenuhi maka dapat digunakan Uji kruskal Wallis.Untuk hipotesis awal dan tandingan dari uji
ini biasanya digunakan Ho:µ1 = µ2 = … = µn dan H1: satu atau lebih dari mean populasi tidak sama
dengan lainnya. Uji ANOVA dapat dibagi menjadi 2 jenis berdasarkan jumlah variable yang diamati,
yaitu one way ANOVA dan two way ANOVA.
One way Anova digunakan bila ada satu variable yang ingin diamati.Langkah-langkah pengujiannya
yaitu:
1. Tentukan hipotesis awal dan tandingannya yaitu Ho: µ1 = µ2 = … = µn dan H1: satu atau lebih
dari mean populasi tidak sama dengan lainnya.
2. Cari nilai rataan, SSA(Sum of Square Among Groups), SSW(Sum of Square Within Groups),
SST(Sum of Square Total), MSA(Mean Square Among Groups), MSW(Mean Square Whitin
Groups), dan Fhitung. Nilai-nilai tersebut dapat ditentukan sbb: SSA=
, SSW= , SST=
, MSA= , MSW= , dan F=
3. Nilai yang telah didapat di atas dapat dimasukkan ke dalam table ANOVA. Bentuk tabel
ANOVA yaitu seperti di bawah ini :
Source Dof (Degree Of
Freedom)
SS (Sum Of Source) MS( Mean
Square)
F
Among groups c – 1
SSA=MSA= F=
Within groups n – c
SSW= MSW=
Total n – 1
SST=
4. Bandingkan hasil F(hitung) dan F(tabel) lalu beri kesimpulan dengan aturan bila Fhitung > Ftabel
maka Ho ditolak begitupun sebaliknya.
Sedangkan two way ANOVA digunakan dalam mengamati dua buah variable.Langkah-langkah
pengujiannya yaitu :
1. Tentukan hipotesis awal dan tandingannya yaitu Ho:µ1 = µ2 = … = µn dan H1: satu atau lebih
dari mean populasi tidak sama dengan lainnya.
2. Cari nilai rataan, SST(Sum of Square Total), SSTR(Sum of Square Treatment), SSBL(Sum of
Square Block),SSE(Sum of Square Error), DoF(Degree of Freedom), MSTR(Mean Square
treatment), MSBL(Mean Square Block), dan Fhitung. Nilai DoF : SST = n total – 1 , SSTR = k – 1
, SSBL = n-1 , SSE = (k-1)*(n-1).Nilai MSTR = SSTR/ (k-1) , MSBL = SSBL / (n-1) dan MSE = SSE /
(k-1)*(n-1).
3. Nilai yang telah didapat di atas dapat dimasukkan ke dalam table ANOVA
4. bandingkan hasil Fhitung dan Ftabel lalu beri kesimpulan dengan aturan bila Fhitung > Ftabel
maka Ho ditolak begitupun sebaliknya.
Uji Kruskal Wallis
Uji Kruskal Wallis merupakan uji non parametric yang digunakan untuk menguji apakah dua atau
lebih mean sample dari populasi memiliki nilai yang sama.Uji ini merupakan alternative dari uji
ANOVA dan digunakan bila salah satu syarat dari uji ANOVA yang telah disebutkan di atas tidak
terpenuhi.
Langkah-langkah yang dilakukan dalam pengujian Kruskal Wallis yaitu :
1. Gabungkan semua sample yang akan diuji.
2. Sample yang telah digabungkan tersebut kemudian diurutkan dari yang terkecil kemudian
diberi ranking mulai dari 1 untuk nilai yang terkecil.
3. Tentukan hipotesis awal dan tandingannya yaitu Ho:µ1 = µ2 = … = µn dan H1: satu atau lebih
dari mean populasi tidak sama dengan lainnya.
4. Tentukan nilai α (biasanya dipakai 0,05)
5. Tentukan daerah kritis (penolakan) h > X² dengan nilai derajat kebebasan v = n – 1 dan n
adalah jumlah data.
6. Pengamatan yang sudah di rank dijumlahkan tiap rank nya.
7.
8. Jika H < daer kritis maka kesimpulannya Ho diterima.
BAB II
PRESENTASI DATA
1. Data view kuisoner 29 responden (kombinasi TI, TE, IF).
2. Tabel Output One Way ANOVA dan analisis tabelnya
Tabel Deskriptives menampilkan data-data deskriptif seperti jumlah data, nilai mean, standar deviasi,
standar error, nilai minimum, nilai maximum, dan 95% CI untuk mean dari masing-masing jurusan.
Tabel Test of Homogeneity of Variances menunjukkan uji Levene untuk mengetahui apakah variansi
kepuasan untuk masing-masing jurusan bernilai sama atau tidak.
Tabel ANOVA:
Sum of Squares
1) Between Groups = SSB
2) Within Groups = SSW
3) Total = SST
df = nilai degrees of freedom untuk masing-masing sumber
1) Between Groups = c – 1 = jumlah jurusan – 1 = 3 – 1 = 2
2) Within Groups = n – c = jumlah data – jumlah jurusan = 17 – 3 = 14
3) Total = n – 1 = jumlah jurusan – 1 = 17 – 1 = 16
Mean Square = nilai rataan kuadrat untuk masing-masing sumber
1) Between Groups = MSB = SSB/df
2) Within Groups = MSW = SSW/df
F = nilai Fhitung = MSB/MSW
Sig. = nilai p-value
H0 : μ1 = μ2 = μ3 = ... = μk
H1 : satu atau lebih dari mean populasi tidak sama dengan lainnya
Sig. pada Gender*Jurusan = 0.29 > = 0.05 maka terima H0 artinya seluruh mean
kepuasan dari masing-masing gender adalah sama
Tabel Multiple Comparisons menampilkan perbandingan nilai rata-rata kepuasan masing-masing
jurusan dan menjelaskan nilai rata-rata kepuasan yang sama berdasarkan nilai Sig., apabila Sig > =
0.05 maka nilai rata-rata kepuasan antara kedua jurusan yang dibandingkan bernilai sama.
Tabel Homogeneous Subsets menunjukkan nilai rata-rata kepuasan untuk ketiga jurusan bernilai
sama apabila terletak pada satu kolom subset.
Grafik Means Plots memplotkan nilai mean rata-rata kepuasan untuk masing-masing jurusan
kedalam grafik.
3. Tabel Output TWO Way ANOVA dan analisis tabelnya
Tabel Between-Subjects Factors menampilkan jumlah data yang valid pada masing-masing variable.
Jumlah data pada gender dan jurusan bernilai sama, yaitu N=17.
Tabel Tests of Between-Subjects Effects
Type III Sum of Squares
1) Corrected Model = SSTR + SSBL
2) Error = SSE
3) Corrected Total = SSTR + SSBL + SSE
df = nilai degrees of freedom untuk masing-masing sumber
Mean Square = nilai rata-rata kuadrat untuk masing-masing sumber
F = nilai uji F untuk masing-masing sumber
Fhitung = F pada Gender*Jurusan
Sig. = nilai p-value
H0 : tidak ada interaksi antara jurusan dengan jenis kelamin
H1 : ada interaksi antara jurusan dengan jenis kelamin
Sig. pada Gender*Jurusan = 0.437 > = 0.05 maka terima H0 artinya rata-rata kepuasan
antar gender di tiga jurusan sama
R Squared = 0.218 artinya 21.8% tingkat kepuasan dipengaruhi oleh gender dan jurusan dan
sisanya 78.2% tingkat kepuasan dipengaruhi oleh faktor lainnya.
4. Tabel Output Kruskall-Wallis dan analisis tabelnya
Tabel Ranks menampilkan jumlah data dan nilai rata-rata rank kepuasan untuk ketiga jurusan.
Tabel Test Statistics
Chi-square = X2hitung
df = nilai degrees of freedom = c – 1 = jumlah jurusan – 1 = 3 – 1 = 2
Asymp. Sig. = nilai p-value
BAB III
ANALISIS
3.1 Jelaskan penggunaan One Way ANOVA dalam praktikum yang dilakukan! Bagaimana
penggunaan ini membangun Hipotesis nol dan hipotesis tandingan ?
Jawab :
Penggunaan One Way ANOVA dalam praktikum yang dilakukan adalah dengan terlebih dahulu
menguji kenormalitasan dan kehomogenitasan data, namun pada data untuk praktikum ini,
diasumsikan bahwa data sudah normal sehingga One Way ANOVA dapat langsung dilakukan.
Pada data, kita pilih Analyze → Compare Means → One Way ANOVA. Pada bagian Dependent
isi dengan Tingkat Kepuasan, sedangkan pada Factor isi dengan Jurusan. Pada bagian Statistic,
pilih Descriptive dan Homogenity of Variance. Pada Post Hoc, Equal Variance Assumed pilih
Bonferroni dan Turkey. Pada Options, kita pilih Listwise di bagian Missing Value.
Penggunaan ini bisa membangun Hipotesis nol dan Hipotesis tandingan, dengan melihat pada:
Output tabel Test Of Homogenity Of Variantes uji hipotesisnya:
H0 : variansi tingkat kepuasan di tiga jurusan adalah sama
H1 : variansi tingkat kepuasan di tiga jurusan adalah beda
Dari tabel dapat dilihat nilai signifikansinya 0,014 < 0,05 artinya tolak H0 ( namun karena
di praktikum ini diasumsikan bahwa tingkat rata – rata kepuasan ketiga jurusan sama,
maka diasumsikan Terima H0).
Output tabel ANOVA uji hipotesisnya:
H0 : rataan tingkat kepuasan di tiga jurusan adalah sama
H1 : rataan tingkat kepuasan di tiga jurusan adalah beda
Dari tabel dapat dilihat nilai signifikansinya 0,29 > 0,05 artinya terima H0 ( artinya tingkat
rata – rata kepuasan ketiga jurusan adalah sama) .
Pada tabel post hoc ditampilkan selisih dari rataan masing-masing jurusan. Selain itu juga
bisa dilakukan uji hipotesis mengenai kesamaan rataan tingkat kepuasan masing-masing
jurusan. Uji hipotesisnya:
H0 : rataan tingkat kepuasan di tiga jurusan adalah sama
H1 : rataan tingkat kepuasan di tiga jurusan adalah beda
Pada tabel Homogeneous Subset kita dapatkan bahwa masing-masing populasi terletak
pada satu subset, subset yang sama. Hal ini rataan tingkat kepuasan di tiga jurusan sama.
3.2 Apa saja syarat – syarat yang diperlukan dalam uji ANOVA? Apakah syarat-syarat yang
diperlukan sudah dilakukan sebelum uji ANOVA dilakukan dalam praktikum!
Jawab :
Syarat yang diperlukan dalam Uji ANOVA adalah:
Data berdistribusi normal
Data homogeny yaitu dengan mengujinya melalui barlett test atau levene test
Minimal data bertipe interval
Syarat pertama dan kedua tidak dilakukan terlebih dahulu dalam praktikum karena pada
praktikum kali ini diasumsikan bahwa data telah berdistribusi normal dan homogeny.
Sedangkan untuk syarat ketiga, tidak dilakukan juga, jadi data yang bertipe nominal tetap
dilakukan pengujian ANOVA.
3.3 Apa perbedaan antara Uji-t dengan Uji One Way ANOVA?
Jawab :
Dalam uji t data yang diperlukan maksimal 30 (n<30), sedangkan pada uji ANOVA data
yang digunakan bebas.
Uji t membandingkan rataan dari dua populasi, sedangkan uji ANOVA bisa lebih dari dua.
3.4 Jelaskan Uji yang dilakukan sebelum mnggunakan One Way ANOVA! Apakah hipotesis yang
digunakan dalam Uji tersebut dan jelaskan kesimpulan dari hasil Uji tersebut! (sebutkan
hipotesis nol dan hipotesis tandingannya)
Jawab :
Uji yang dilakukan adalah uji Levene yang fungsinya untuk mengetahui apakah variansi
kepuasan untuk masing-masing jurusan bernilai sama atau tidak.
H0 : 12 = 2
2 = 32 = … = k
2
H1 : satu atau lebih dari variansi populasi tidak sama dengan lainnya
Tolak H0 jika Sig. <
Sig. = 0.014 < = 0.05 maka tolak H0 artinya minimal ada satu variansi populasi yang berbeda
dan data tidak homogeny.
3.5 Jelaskan pengertian SSB dan SSW!
Jawab :
SSB adalah nilai jumlah kuadrat dari selisih antara rata-rata kepuasan per jurusan dengan rata-
rata kepuasan seluruhnya diantara populasi.
SSW adalah nilai jumlah kuadrat dari selisih antara semua data dengan rata-rata kepuasan
seluruhnya dalam populasi.
3.6 Jelaskan pengertian Two Way ANOVA!
Jawab :
Two Way ANOVA digunakan untuk menganalisis kejadian dengan 2 variabel pengamatan, yaitu
blok dan treatment. Maka dari itu, total jumlah kuadrat rata-rata akan terbagi menjadi tiga
partisi, yaitu jumlah kuadrat untuk blok (SSBL), treatment (SSTR), dan error (SSE).
3.7 Bagaimana penggunaan ini membangun Hipotesis nol dan hipotesis tandingan ?
Jawab :
H0 : tidak ada interaksi antara jurusan dengan jenis kelamin
H1 : ada interaksi antara jurusan dengan jenis kelamin
3.8 Jelaskan dengan baik, penggunaan Uji One Way ANOVA dan Two Way ANOVA dalam
kehidupan sehari-hari!
Jawab :
Uji One Way ANOVA :
Untuk mengetahui apakah ada perbedaan rata-rata nilai akhir STATIN mahasiswa dari
tiga kelas.
Uji Two Way ANOVA :
Untuk mengetahui apakah ada interaksi antara merek dengan tempat jual suatu
produk terhadap rata-rata harga jualnya.
3.9 Mengapa perlu dilakukan Uji Kruskal Wallis? Apa yang membedakan Uji Kruskal Wallis dengan
ANOVA?
Jawab :
Uji Kruskal Wallis digunakan untuk mengatasi permasalahan yang tidak dapat diselesaikan
dengan One Way ANOVA. Yang membedakannya dengan ANOVA adalah kondisi yang
memungkinkan digunakannya uji Kruskal Wallis, yaitu :
Tidak ada asumsi tentang bentuk populasi;
Setiap kelompok independen;
Data acak.
3.10 Sebutkan hipotesis yang digunakan dalam uji Kruskall Wallis!
Jawab :
H0 : seluruh sampel dari populasi yang identik
H1 : minimal satu populasi berbeda
3.11 Jelaskan Fungsi Uji Kruskall Wallis dalam kehidupan sehari-hari!
Jawab :
Untuk mengetahui apakah ada perbedaan kandungan nikotin dalam beberapa merk
rokok;
Untuk mengetahui apakah ada perbedaan volume air dalam botol yang dihasilkan dari
beberapa mesin.
Ada 3 jenis analisis data : univariat, bivariat dan multivariat. Bivariat berarti 2 variabel.
Dalam posisi kerangka konsep penelitian, 2 variabel tersebut menempati posisi 1 variabel
sebagai variabel independen (mempengaruhi) dan 1 variabel sebagai dependen variabel
(variabel terpengaruh). Dalama analisis dua sisi (2 side) tidak dapat ditentukan mana variabel
independen dan mana variabel dependen. Peneliti sendiri yang menterjemahkan variabel
tersebut. Analisis data menggunakan komputer, bila kedua variabel tersebut diputar -
letakkan, maka hasilnya akan sama (bukti).
Berdasarkan bentuk data (kategorik/numerik), maka ada 4 kemungkinan pasangan
variabel yang akan diuji dalam analisis bivariate, yaitu :
1. Kategoriikk - kategorik
2. Kategorik - numerik
3. Numerik - kategorik, dan
4. Numerik - numerik
Oleh karena arah pengujian dalam analisis 2 sisi tidak dapat ditentukan, maka jenis ketiga
dan keempat ujinya sama.. Untuk uji kategorik-kategorik disebut uji beda proporsi, untuk uji
no.2 dan 3 disebut uji beda rata-rata, dan uji keempat uji korelasi bivariat. Uji beda rata-
rata terbagi 2 jenis : jika 2 rata-rata uji t-test dan apabila lebih dari 2 rata uji Anova.
Pengujian / analisis data mengacu kepada tujuan penelitian. Dengan demikian, analisis
data adalah sebuah upaya menggunakan statistik untuk menjawab tujuan penelitian. Ada
beberapa langkah melakukan pengujian data yang mengacu kepada tujuan penelitian pada uji
bivariate. Langkah-langkah pengujian ini disusun oleh penulis untuk memperkuat pemahaman
bahwa statistik hanyalah sebuat alat bantu untuk mengambil keputusan atau kesimpulan.
Artinya, tanpa statistik sebenarnya kesimpulan bisa diambil. Akan tetapi untuk lebih
meyakinkan atau apabila secara visuals sulit mengambil kesimpulan, maka digunakanlah
statistik (uji). Dengan kata lain pemilihan jenis uji statistik disesuaikan dengan bentuk
data, bukan sebaliknya data yang menyesuaikan dengan uji yang akan digunakan. Pada
penjelasan berikut ini, tujuan penelitian sudah ada sebelumnya (pada proposal penelitian).
Anova (analysis of varian) digunakan untuk menguji perbedaan mean (rata-rata) data lebih
dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata lama hari
dirawat antara pasien kelas VIP, I, II, dan kelas III. Anova mempunyai dua jenis yaitu analisis
varian satu faktor (one way anova) dan analsis varian dua faktor (two ways anova). Pada
kesempatan ini hanya akan dibahas analisis varian satu faktor.
Uji Beda 2-Rata-rata (t-test)1.1. Pengertian
Di bidang kesehatan sering kali kita harus membuat kesimpulan apakah suatu
intervensi berhasil atau tidak. Untuk mengukur keberhasilan tersebut kita harus melakukan uji
untuk melihat apakah parameter (rata-rata) dua populasi tersebut berbeda atau tidak.
Misalnya, apakah ada perbedaan rata-rata tekanan darah populasi intervensi (kota) dengan
populasi kontrol (desa). Atau, apakah ada perbedaan rata-rata berat badan antara
sebelumdengan sesudah mengikuti program diet. Sebelum kita melakukan uji statistik dua
kelompok data, kita perlu perhatikan apakah dua kelompok data tersebut berasal dari dua
kelompok yang independen atau berasal dari dua kelompok yang dependen/berpasangan.
Dikatakan kedua kelompok data independen bila populasi kelompok yang satu tidak
tergantung dari populasi kelompok kedua, misalnya membandingkan rata-rata tekanan darah
sistolik orang desa dengan orang kota. Tekanan darah orang kota adalah independen (tidak
tergantung) dengan orang desa. Dilain pihak, dua kelompok data dikatakan
dependen/pasangan bila datanya saling mempunyai ketergantungan, misalnya data berat
badan sebelum dan sesudah mengikuti program diet berasal dari orang yang sama (data
sesudah dependen/tergantung dengan data sebelum).
Konsep Uji Beda Dua Rata-rata
Uji beda rata-rata dikenal juga dengan nama uji-t (t-test ). Konsep dari uji beda rata-rata
adalah membandingkan nilai rata-rata beserta selang kepercayaan tertentu
(confidenceinterval) dari dua populasi. Prinsip pengujian dua rata-rata adalah melihat
perbedaan variasikedua kelompok data. Oleh karena itu dalam pengujian ini diperlukan
informasi apakah varian kedua kelompok yang diuji sama atau tidak. Varian kedua kelompok
data akan berpengaruh pada nilai standar error yang akhirnya akan membedakan rumus
pengujiannya.Dalam menggunakan uji-t ada beberapa syarat yang harus dipenuhi.
Syarat/asumsi utama yang harus dipenuhi dalam menggunakan uji-t adalah data harus
berdistribusi normal.Jika data tidak berdistribusi normal, maka harus dilakukan transformasi
data terlebih dahulu untuk menormalkan distribusinya. Jika transformasi yang dilakukan tidak
mampu. menormalkan distribusi data tersebut, maka uji-t tidak valid untuk dipakai, sehingga
disarankan untuk melakukan uji non-parametrik seperti Wilcoxon (data berpasangan)
atauMann-Whitney U (datindependen).Berdasarkan karakteristik datanya maka uji beda dua
rata-rata dibagi dalam dua kelompok, yaitu: uji beda rata-rata independen dan uji beda rata-
rata berpasangan.
Aplikasi Uji-t Dependen pada Data Berpasangan
Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya sebelum
dan sesudah dilakukannya suatu intervensi atau pengukuran yang dilakukan terhadap
pasangan orang kembar. Dalam contoh ini akan membandingkan data sebelum dengan
sesudah intervensi. Dalam BAYI95.SAV sudah ada data berpasangan yaitu pengukuran berat
badan ibu yang dilakukan sebelum hamil. Sebelum merencanakan kehamilan,
subjek melakukan penyesuaian diet (mengikuti program makanan tambahan) selama 2
bulan.Pengukuran berat badan yang pertama (BBIBU_1) dilakukan sebelum kegiatan
penyesuaian diet dilakukan, dan pengukuran berat badan yang kedua (BBIBU_2) dilakukan
setelah dua bulan menjalani penyesuaian diet.Kita akan melakukan uji hipotesis untuk menilai
apakah ada perbedaan berat badan ibu antara sebelum dengan sesudah mengikuti program
diet, langkah-langkahnya sebagaiberikut.1. Bukalah file BAYI95.SAV, sehingga data tampak
di Data editor window.
2. Dari menu utama, pilihlah: (pada SPSS 10.0)
< Compare Mean
< Paired-Sample T-test
3.Pilih variabel BBIBU_1 danBBIBU_2
dengan cara mengklik masing-masing variable tersebut.
Kemudian klik tanda
<untuk memasukkannya ke dalam kotak Paired-Variables.
4. Pada menu “
Options
pilihlah derajat kepercayaan yang diinginkan, misalnya 95%.Kemudian pilih
Continue
Klik OK
Aplikasi Uji-t pada Data Independen
Uji-t untuk data independen dilakukan terhadap dua kelompok data yang tidak saling
berkaitan antara satu dengan lainnya. Misalnya membandingkan kelompok intervensi dengan
kelompok kontrol atau kelompok ibu-ibu perokok dengan ibu-ibu bukan perokok adalah dua
kelompok yang tidak saling berkaitan.Pada analisis ini kita akan melihat apakah ada
perbedaan berat bayi yang lahir dari ibu perokok dengan bayi yang lahir dari ibu bukan
perokok. Kita akan melakukan uji hipotesis apakah ada perbedaan rata-rata berat bayi yang
lahir dari ibu bukan perokok dengan rata-rata berat bayi yang lahir dari ibu perokok, dengan
langkah-langkah sebagai berikut.1. Bukalah file BAYI95.SAV, sehingga data tampak di Data
editor window.2.
UJI ANALISIS VARIANSI (ANOVA)
Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:
1. Sampel berasal dari kelompok yang independen
2. Varian antar kelompok harus homogen
3. Data masing-masing kelompok berdistribusi normal
Asumsi 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. Apabila proses transformasi tidak
juga dapat memenuhi asumsi ini maka uji Anova tidak valid untuk dilakukan, sehingga harus
menggunakan uji non-parametrik misalnya Kruskal Wallis.
Uji Anova pada prinsipnya adalah melakukan analisis variabilitas data menjadi dua
sumber variasi yaitu variasi didalam 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.
Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga
kelompok yaitu
1. Analisis Variansi Univariate Satu Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu
variabel bebas
2. Analisis Variansi Univariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua
variabel bebas
3. Analisis Variansi Univariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga
variabel bebas
Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Multivariate juga dibagi
menjadi 3 bagian yaitu
1. Analisis Variansi Multivariate Satu Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan
satu variabel bebas
2. Analisis Variansi Multivariate Dua Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan
dua variabel bebas
3. Analisis Variansi Multivariate Tiga Jalan
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan
tiga variabel bebas
Rumus uji Anova adalah sebagai berikut :
DF = Numerator (pembilang) = k-1, Denomirator (penyebut) = n-k
Di mana varian between :
Dimana rata-rata gabungannya :
Sementara varian within :
KETERANGAN :
Sb = varian between
Sw = varian within
Sn2 = varian kelompok
X = rata-rata gabungan
Xn = rata-rata kelompok
Nn = banyaknya sampel pada kelompok
k = banyaknya kelompok