NAMA : AJI FARID
NIM : 21090115130093
Uji Anova, Teori Satu Arah dan Dua Arah
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 kita 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.
Landasan konseptual ANOVA
Seperti halnya Uji T, dalam uji Anova
pun Anda harus menghitung statistik uji (dalam hal ini adalah F- rasio) untuk
menguji pernyataan bahwa apakah kelompok yang dibandingkan memiliki kesamaan
atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai
berikut: H0 : M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat
menolak H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 )
. Untuk menguji H0, Anda mengambil sampel secara acak kelompok
peserta/sampel/responden dan menetapkan ukuran-ukuran (variabel dependen).
Kemudian melihat apakah ukuran-ukuran tersebut berbeda berarti untuk berbagai
kondisi. Jika berbeda maka Anda akan dituntun untuk menolak H0. Seperti pada
uji statistik yang lain, kita menolak H0 ketika mendapati statistik uji yang
diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan
tertentu. Cara lain dapat dilakukan dengnan melihat p-value (nilai
probabilitas) yang mana lebih rendah dari 5%, misalnya kita menggunakan tingkat
kepercayaan 95%.
Prinsip uji Anova adalah kita
membandingkan variansi tiga kelompok sampel atau lebih. Lebih dari sekedar
membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan keragaman
data yang dimanifestasikan dalam nilai varians.
Apa saja asumsi yang harus dipenuhi
dalam uji Anova sebagai bentuk dari model linier, berikut diantaranya:
1. Independensi observasi, setiap
observasi dalam analisis anova harus bersifat independen.
2.
Normalitas, Residual atau error harus mengikuti distribusi normal.
3. Homogenitas varians, varians antara
kelompok yang dibandingkan harus homogen.
Mengingat uji Anova ini banyak digunakan
dalam penelitian eksperimen, maka uji anova dapat dibagi berdasarkan desainnya.
1. Anova satu arah, digunakan untuk
menguji perbedaan diantara dua atau lebih kelompok dimana hanya terdapat satu
faktor yang dipertimbangkan. sebagai contoh membandingkan efek dosis obat yang
berbeda terhadap kesembuhan pasien.
2. Anova
faktorial, merupakan pengembangan dari anova satu arah dimana ada lebih dari
satu faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor
dosis obat tetapi juga frekuensi pemberian obat. pada anova faktorial,
interaksi atau kombinasi diantara faktor juga dipertimbangkan. Pada contoh ini,
interaksi antara dosis obat dan frekuensi pemberian obat dapat dihitung
pengaruhnya terhadap kesembuhan pasien. Anova dua arah (two way anova) termasuk dalam Anova faktorial.
3.
Anova reapeted measures, digunakan ketika dalam desain
eksperimen mengijinkan subjek penelitian diikutsertakan pada perlakuan yang
berbeda. terkait contoh di atas, misalnya pasien yang sama diberikan obat
dengan dosis yang berbeda.
4. Multivariat Anova, berbeda dengan uji
Anova yang hanya mengukur satu respon, Manova mengukur lebih dari satu respon
dalam satu kali eksperimen. misalnya kita meneliti dampak obat pada beberapa
dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida , LDL
dan HDL pada pasien.
Komentar
Posting Komentar