Monday, October 25, 2021

Modul Aplikasi Komputer "One Way Anova" Bidang Gizi dan Kesehatan

 

 

 

 

 

 

ONE WAY ANOVA

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.      Landasan Teori One-Way ANOVA

Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori statistik parametric. Sebagai alat statistika parametric, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random sampling (Ghozali, 2009).

Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam jenis dan desain penelitian. Analisis varian banyak dipergunakan pada penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara membandingkannya pada kelompok2 sampel independen yang diamati. Analisis varian saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen.

One-way anova dilakukan untuk menguji perbedaan tiga kelompok atau lebih berdasarkan satu variabel independen. Misalnya ingin mengetahui apakah ada perbedaan rata-rata IQ antara siswa kelas SLTP kelas I, II, dan kelas III.

Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam penelitian eksperimen. Metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana mengambil kesimpulan berdasarkan data atau kelompok statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama.

Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t  dibatasi untuk menguji hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk memungkinkan peneliti untuk menguji   hipotesis perbandingan lebih dari dua kelompok. Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan. Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.

1.      Prinsip ANOVA       

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.

 

2.      Tujuan

Tujuan dari uji One Way Anova adalah untuk membandingkan lebih dari dua rata-rata. Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari signifikansi hasil penelitian (One Way Anova). Jika terbukti berbeda, berarti kedua sampel tersebut dapat digeneralisasikan artinya (data sampel dianggap data mewakili populasinya).

 

3.       Langkah-langkah

Berikut ini disajikan data IPK mahasiswa antara mahasiswa yang berasal dari desa, pinggiran dan kota:

IPK Menurut asal Daerah

Desa

Pinggiran

Kota

3.04

2.95

2.70

3.01

2.77

2.76

2.58

 

3.40

3.16

2.91

3.08

2.96

3.45

3.05

3.30

3.00

3.18

 

3.54

2.82

3.41

3.25

3.36

3.38

3.43

3.66

3.27

 

@        Langkah-langkah dalam menganalisis

@        Rekamlah data tersebut ke dalam dua kolom:

@        Kolom pertama data tentang asal daerah dengan kode 1 untuk desa, 2 pinggiran dan 3 kota @ Kolom kedua data tentang IPK

@        Berilah keterangan data tersebut dengan menggunakan variable view.

@        Baris pertama (Name = Daerah, Label = Asal Daerah, Value = 1 Desa, 2 Pinggiran 3 Kota)

@       


Baris kedua(Name = Nilai, Label = IPK)

 

@        Simpanlah data tersebut, sehingga akan tampak seperti gambar berikut:

 

@       


 Lakukan analisis dengan menggunakan menu Analyze à Compare Means à One Way ANOVA

 

@         Masukkan variabel Nilai ke Dependent List dan Daerah ke Factor sehingga akan terlihat seperti berikut:

 

 

 

 

 

Nilai 

Levene Statistic

df1

df2

Sig.

.014

2

23

.986

 

 

 

 

@        Klik tombol Post Hoc à LSD à Continue

@        Klik tombol Options à Descriptive à Homogeneity of Variances Test à Continue

 

 

 

@        Klik OK sehingga akan muncul hasil analisis seperti berikut:

 

@       


Penafsiran print out hasil analisis:

@        Bagian Descriptive di atas menampilkan hasil analisis statistik deskriptifnya seperti rata per kelompok, standar deviasi, standar error, minimum dan maksimum.

Test of Homogeneity of Variances

Test of Homogeneity of Variances

 

 

 

 

 

 

 

@        Bagian Test of Homogeneity of Variances menampilkan hasil uji homogenitas varians sebagai prasyarat untuk dapat menggunakan ANOVA. Hasil pengujian ditemukan bahwa F hitung = 0,014 dengan sig = 0,986. Oleh karena nilai sig > 0,05 maka dapat disimpulkan bahwa varians antar kelompok bersifat homogen. Dengan demikian prasyarat untuk dapat menggunakan ANOVA terpenuhi.

@         

 

ANOVA

Nilai

 

Sum of Squares

df

Mean Square

F

Sig.

Between Groups

1.056

2

.528

13.111

.000

Within Groups

.926

23

.040

 

 

Total

1.982

25

 

 

 

 

@        Bagian di atas menampilkan hasil uji beda rata-rata secara keseluruhan. Pada tabel tersebut ditemukan harga F hitung sebesar 13,111 dengan sig = 0,000. Oleh karena nilai sig < 0,05 maka Ho ditolak sehingga dapat disimpulkan ada perbedaan rata-rata IPK antara mahasiswa yang berasal dari desa, pinggiran, dan kota. (Jika hasil pengujiannya signifikan maka dilanjutkan ke uji post hoc, tetapi jika tidak signifikan pengujian berhenti sampai di sini).

 

 

Multiple Comparisons

Dependent Variable:   Nilai 

LSD 

(I) Daerah

(J) Daerah

Mean Difference (I-J)

Std. Error

Sig.

95% Confidence Interval

Lower Bound

Upper Bound

Desa

Pinggiran

-.31900*

.09890

.004

-.5236

-.1144

Kota

-.51667*

.10113

.000

-.7259

-.3075

Pinggiran

Desa

.31900*

.09890

.004

.1144

.5236

Kota

-.19767*

.09221

.043

-.3884

-.0069

Kota

Desa

.51667*

.10113

.000

.3075

.7259

Pinggiran

.19767*

.09221

.043

.0069

.3884

*. The mean difference is significant at the 0.05 level.

 

@        Bagian ini menampilkan hasil uji lanjut untuk mengetahui perbedaan antar kelompok secara spesifik sekaligus untuk mengetahui mana di antara ketiga kelompok tersebut yang IPKnya paling tinggi. Untuk melihat perbedaan antar kelompok dapat dilihat pada kolom sig. Misalnya untuk melihat perbedaan IPK antara mahasiswa yang berasal dari Desa dan Pinggiran diperoleh nilai sig = 0,004, Oleh karena nilai sig < 0,05 dapat disimpulkan bahwa ada perbedaan IPK antara mahasiswa yang berasal dari Desa dan Pinggiran. Dalam hal ini IPK mahasiswa yang berasal dari desa lebih rendah daripada IPK mahasiswa yang berasal dari pinggiran.

 

4.      Contoh Kasus

 

1.      Seorang peneliti melakukan penelitian tentang pengaruh jarak tanam terhadap produksi tanaman cabe. Maka dilakukan penelitian dengan menggunakan 5 macam jarak tanam:

A= 15cm x15cm ; B= 15cm x 20cm; C= 15cm x 25cm; D= 20cm x 20cm. Maka, didapatkan data sebagai berikut:

PERLAKUAN

ULANGAN

1

2

3

4

5

A

5,2

6,2

5,9

5,7

6,5

B

5,7

6,1

6,2

7,5

6,2

C

6

7,3

6,5

7,1

7,5

D

5,1

8,5

9,2

7,3

8,7

 

            Hasil SPSS:

ONEWAY produksi_cabai BY perlakuan

/STATISTICS DESCRIPTIVES HOMOGENEITY

/MISSING ANALYSIS

/POSTHOC=LSD ALPHA(0.05).

Oneway

Descriptives

produksi_cabai

 

N

Mean

Std. Deviation

Std. Error

95% Confidence Interval for Mean

Minimum

 

Lower Bound

Upper Bound

 

jarak A

5

5.9000

.49497

.22136

5.2854

6.5146

5.20

 

jarak B

5

6.3400

.68044

.30430

5.4951

7.1849

5.70

 

jarak C

5

6.8800

.61806

.27641

6.1126

7.6474

6.00

 

jarak D

5

7.7600

1.64256

.73457

5.7205

9.7995

5.10

 

Total

20

6.7200

1.14184

.25532

6.1856

7.2544

5.10

 

 

 

 

Descriptives

 

produksi_cabai

 

 

Maximum

jarak A

6.50

 

jarak B

7.50

 

jarak C

7.50

 

jarak D

9.20

 

Total

9.20

 

 

Test of Homogeneity of Variances

produksi_cabai

Levene Statistic

df1

df2

Sig.

3.036

3

16

.060

 

ANOVA

produksi_cabai

 

Sum of Squares

df

Mean Square

F

Sig.

Between Groups

9.620

3

3.207

3.386

.044

Within Groups

15.152

16

.947

 

 

Total

24.772

19

 

 

 

 

 

 

 

 

 

 

 

 

Post Hoc Tests

Multiple Comparisons

Dependent Variable:   produksi_cabai

LSD

(I) perlakuan

(J) perlakuan

Mean Difference (I-J)

Std. Error

Sig.

95% Confidence Interval

Lower Bound

Upper Bound

jarak A

jarak B

-.44000

.61547

.485

-1.7447

.8647

jarak C

-.98000

.61547

.131

-2.2847

.3247

jarak D

-1.86000*

.61547

.008

-3.1647

-.5553

jarak B

jarak A

.44000

.61547

.485

-.8647

1.7447

jarak C

-.54000

.61547

.393

-1.8447

.7647

jarak D

-1.42000*

.61547

.035

-2.7247

-.1153

jarak C

jarak A

.98000

.61547

.131

-.3247

2.2847

jarak B

.54000

.61547

.393

-.7647

1.8447

jarak D

-.88000

.61547

.172

-2.1847

.4247

jarak D

jarak A

1.86000*

.61547

.008

.5553

3.1647

jarak B

1.42000*

.61547

.035

.1153

2.7247

jarak C

.88000

.61547

.172

-.4247

2.1847

 

*. The mean difference is significant at the 0.05 level.

 


 

Interpretasi Hasil:

            H0= Tidak ada perbedaan antara jarak tanam terhadap produksi tanaman cabe.

            H1= Ada perbedaan antara jarak tanam terhadap produksi tanaman cabe.

            P-value < α. = H0 ditolak

            p-value = 0,05 (tingkat kepercayaan 95%)

            Signifikansi= 0,04

Kesimpulan:

            Jarak tanam memberikan pengaruh yang signifikan terhadap produksi cabai dengan menggunakan empat macam jarak tanam yang dilakukan.

           

 


 

 

DAFTAR PUSTAKA

Fajar, Ibnu, dkk. 2009. Statistika Untuk Praktisi Kesehatan. Yogyakarta : Graha Ilmu

Hidayat, A. 2012. Uji ANOVA – One Way Anova dalam SPSS. (https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html). Diakses pada 21 Agustus 2019.

Huang, H. 2017. Uji Anova, Teori Satu Arah dan Dua Arah. (http://www.globalstatistik.com/uji-anova-satu-dua-arah/). Diakses pada 21 Agustus 2019.

Imam Ghozali. 2009. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang : BP UNDIP

Hendry. 2011. ONE WAY ANOVA (ANALYSIS OF VARIANCE). (https://teorionline.wordpress.com/2011/02/06/one-way-anova-analysis-of-variance/). Diakses pada 21 Agustus 2019

 

 

 

 

No comments:

Post a Comment

KATALOG MENU BALITA

  KATALOG A.       Nasi -Nasi merah -Nasi tim - Nasi tim beras merah - Bubur nasi B.       Ayam -Bola-bola ayam kuah -Siomay...