ANALISIS
VARIANSI (ANAVA)
Analysis of Variances
(ANOVA)
A. PENGERTIAN
Apa yang dimaksud dengan Analisis Variansi?
Analisis Variansi (ANAVA) atau Analysis of
Variances (ANOVA) adalah prosedur pengujian kesamaan beberapa rata-rata
populasi.
Dalam Analisis Variansi, dapat dilihat variasi-variasi yang muncul karena
adanya beberapa perlakuan (treatment) untuk menyimpulkan ada atau
tidaknya perbedaan rataan pada k-populasi.
Ahli statistik yang mempunyai kontribusi besar dalam mengembangkan uji
Analisis Variansi ini adalah Sir Ronald A. Fisher (1890 – 1962)
Berdasarkan banyak variable terikat-nya, Analisis Variansi diklasifikasikan
menjadi dua kelompok, yaitu
1. Analisis Variansi Univariate
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat
2.
Analisis Variansi
Mutivatiate
Analisis ini
digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat
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
C. PERSYARATAN ANALISIS VARIANSI
Tidak semua jenis
penelitian dapat dianalisis dengan Analisis Variansi, tetapi penelitian yang
hanya memenuhi persyaratan Analisis Variansi.
Adapun persyaratan untuk Analisis Variansi adalah
1.
Setiap sample
diambil secara random dari populasinya
Dalam statistika, untuk hal pengambilan sample harus dilakukan
secara random (acak) dari populasinya. Hal ini dimaksudkan agar diperoleh
sample yang dapat mewakili populasinya (representative)
2.
Masing-masing
populasi saling independen dan masing-masing data amatan saling independen di
dalam kelompoknya
§
Dipenuhinya persyaratan ini
dimaksudkan agar perlakuan yang diberikan kepada masing-masing sample
independen antara satu dengan yang lainnya. Dengan kata lain antara sample satu
dengan sample yang lain berdiri sendiri dan tidak ada keterkaitan/hubungan.
§
Misalkan
dilakukan eksperimen tindakan kelas yang ditinjau dari prestasi belajar siswa.
Saat dilakukan pengujian, peneliti harus menjamin bahwa antara sample yang satu
yang diperoleh merupakan data yang valid, artinya alat tes yang sudah diberikan
kepada salah satu sample diusahakan jangan sampai diberikan kepada sample yang
lain.
§
Untuk masing-masing populasi
harus saling independen dan masing-masing data amatan harus saling independen
di dalam kelompoknya, dalam arti bahwa kesalahan yang terjadi pada suatu data
amatan harus independen dengan kesalahan yang terjadi pada data amatan yang
lain.
§
Andaikan solusi independen
antar tes dapat diselesaikan dengan memilih sample – sample yang mewakili
populasi-populasi yang berbeda, maka peneliti juga harus menjamin sifat
independen antar data amatan
§
Untuk menguji independence,
dapat digunakan uji kecocokan (goodness – of – fit test).
§ Teorema Goodness – of – fit test
Uji kecocokan antara frekuensi amatan (observed frequencies) dan
frekuensi harapan (expected frequencies) mendasarkan kepada kuantitas
berikut :
Lambang oi menyatakan frekuensi amatan dan lambang ei menyatakan frekuensi data yang diharapkan§ dengan yang lainnya independen/tidak ada hubungan/tidak ada kerjasama sehingga data yang diperoleh merupakan data yang valid, artinya alat tes yang sudah diberikan kepada salah satu sample diusahakan jangan sampai diberikan kepada sample yang lain.§ Untuk masing-masing populasi harus saling independen dan masing-masing data amatan harus saling independen di dalam kelompoknya, dalam arti bahwa kesalahan yang terjadi pada suatu data amatan harus independen dengan kesalahan yang terjadi pada data amatan yang lain.§ Andaikan solusi independen antar tes dapat diselesaikan dengan memilih sample – sample yang mewakili populasi-populasi yang berbeda, maka peneliti juga harus menjamin sifat independen antar data amatan§ Untuk menguji independence, dapat digunakan uji kecocokan (goodness – of – fit test).§ Teorema Goodness – of – fit testUji kecocokan antara frekuensi amatan (observed frequencies) dan frekuensi harapan (expected frequencies) mendasarkan kepada kuantitas berikut :§ Teorema Derajat Kebebasan untuk Uji KecocokanBilangan yang menunjukkan derajat kebebasan pada uji kecocokan chi kuadrat adalah banyaknya sel dikurangi banyaknya kuantitas yang diperoleh dari data amatan yang digunakan untuk menghitung frekuensi harapan.Pada uji ini,yang dirumuskan ialah bahwa data amatan mempunyai distribusi tertentu yang dihipotesiskan dan sebagai daerah kritiknya adalah
Dengan v = derajat kebebasan§ Berdasarkan Teorema Goodness-of-Fit Test diatas dapat dilihat bahwa semakin kecil nilai-nilai menunjukkan data yang diamati semakin mendekati distribusi yang diteorikan.3. Setiap populasi berdistribusi normal (Sifat Normalitas Populasi)
- · Persyaratan normalitas populasi harus dipenuhi karena Analisis Variansi pada dasarnya adalah uji beda rataan, sama seperti uji beda rataan 2 populasi, misal uji t dan uji Z
- · Sebelum dilakukan uji beda rata-rata, harus ditunjukkan bahwa sampelnya diambil dari populasi normal.
- · Apabila masing-masing sample berukuran besar dan diambil dari populasi yang berukuran besar, biasanya masalah normalitas ini tidak menjadi masalah yang pelik, karena populasi yang berukuran besar cenderung berdistribusi normal.
- · Terdapat 2 cara yang sering digunakan untuk uji normalitas, yaitu dengan variable random chi kuadrat (dikatakan sebagai uji secara parametrik karena menggunakan penafsir rataan dan deviasi baku) dan dengan metode Lilliefors (uji ini merupakan uji secara non-parametrik).
- · Uji Normalitas dengan Chi Kuadrat
Uji kenormalan dapat dilakukan dengan menggunakan Teorema Goodness – of – fit test dan Teorema Derajat Kebebasan untuk Uji Kecocokan diatas. Pada uji ini, untuk menentukan frekuensi harapan, dilakukan tiga cuantiítas, yaitu frekuensi total, rataan, dan deviasi baku sehingga derajat kebebasannya adalah (k-3).Untuk dapat menggunakan cara ini, datanya harus dinyatakan dalam distribuís frekuensi data bergolong. Prinsip yang dipakai dalam uji ini adalah membandingkan antara histogram data amatan dengan histogram yang kurva poligon frekuensinya mendekati distribusi normal
- · Uji Normalitas dengan Metode Lilliefors
dengan dan = proporsi cacah terhadap seluruhnya.Sebagai daerah kritiknya : dengan n sebagai ukuran populasi· Jika persyaratan normalitas populasi ini tidak dipenuhi, peneliti harus dapat melakukan transformasi data sedemikian hingga data yang baru memenuhi persyaratan normalitas populasi ini dan Analisis Variansi ini dapat diberlakukan pada data yang baru hasil transformasi4. Populasi-populasi mempunyai variansi yang sama (Sifat Homogenitas Variansi Populasi)Ø Persyaratan ini harus dipenuhi karena didalam Analisis Variansi ini dihitung variansi gabungan (pooled varince) dari variansi-variansi kelompokØ Hal ini berkaitan dengan digunakannya uji F pada Analisis Variansi, yang apabila variansi populasi tidak sama maka uji F tidak dapat digunakanØ Salah satu uji homogenitas variansi untuk k-populasi adalah Uji Bartlett. Uji ini mempunyai 2 bentuk.Ø Uji Bartlett bentuk pertamaLangkah komputasinya adalah3. Hitung bilangan b yang dirumuskan dengan yang merupakan nilai dari variabel random B yang mempunyai distribusi BartlettØ Uji Bartlett bentuk kedua
CATATAN
Dalam Analisis Variansi, masing-masing kelompok yang digunakan sebagai sample dari populasinya masing-masing sehingga jika terdapat k-sampel yang diambil dari k-populasi dan setiap sample mendapat perlakuan (treatment) sendiri-sendiri maka dapat dikatakan k-sampel identik dengan k-populasiAtau dengan kata lain,Populasi-populasi pada Analisis Variansi merupakan sub-sub populasi dari populasi penelitianD. Penyimpangan peRsyaratan analisis Variansi
Sejumlah penelitian telah dilakukan untuk mengetahui efek penyimpangan dari asumsi dalam Analisis Variansi. Penelitian ini menunjukkan bahwa terdapat sedikit efek/akibat bila asumsi yang mendasari Analisis Variansi tidak secara pasti memuaskan sehingga sedikit penyimpanagan dari asumsi akan mendapat sedikit perhatian pulaDaftar pustaka :Budiyono. 2004. Statistika untuk Penelitian. Surakarta : Sebelas Maret University Press
Tidak ada komentar:
Posting Komentar