Daftar Isi:
- Pengertian Anova
- Format Data Anova
- Asumsi Anova Dua Arah Tanpa Interaksi
- Langkah-langkah Uji Anova Dua Arah Tanpa Interaksi
- Contoh Soal
- Penyelesaian
Pengertian Anova
Anova adalah singkatan dari analysis of variance yang kegunaannya adalah untuk melakukan pengujian perbedaan pengaruh variabel independen terhadap variabel dependen.
Uji anova dua arah atau disebut dengan two way anova yaitu uji statistik yang digunakan untuk mengetahui pengaruh dua variabel prediktor nominal terhadap variabel hasil yang berkelanjutan. Uji anova dua arah mengungkapkan hasil dari dua variabel independen terhadap satu variabel dependen.
Anova dua arah digunakan untuk memperkirakan bagaimana rata-rata (mean) variabel kuantitatif berubah sesuai dengan level dua variabel kategori. Gunakan anova dua arah jika Anda ingin mengetahui bagaimana dua variabel independen, jika digabungkan, mempengaruhi variabel dependen.
Format Data Anova
Agar pengujian anova mudah dilakukan maka datanya disusun ke bentuk tertentu. Berikut disajikan format data untuk pengujian anova dua arah.
Format Data Anova Dua Arah
Perlakuan 1 | Perlakuan 2 | Total | |||
1 | 2 | \(\cdots\) | \(k\) | ||
1 | \(x_{11}\) | \(x_{12}\) | \(\cdots\) | \(x_{1k}\) | \(T_{1.}\) |
2 | \(x_{21}\) | \(x_{22}\) | \(\cdots\) | \(x_{2k}\) | \(T_{2.}\) |
\(\vdots\) | \(\vdots\) | \(\vdots\) | \(\ddots\) | \(\vdots\) | \(\vdots\) |
\(b\) | \(x_{b1}\) | \(x_{b2}\) | \(\cdots\) | \(x_{bk}\) | \(T_{b.}\) |
Total | \(T_{.1}\) | \(T_{.2}\) | \(\cdots\) | \(T_{.k}\) | \(T_{..}\) |
Anova dua arah memiliki dua jenis yaitu
- Anova dua arah tanpa interaksi
- Anova dua arah dengan interaksi
Untuk mengetahui perbedaannya dapat diketahui berdasarkan asumsi anova dua arah yang harus terpenuhi. Pada kasus ini, akan dibahas anova dua arah tanpa interaksi.
Asumsi Anova Dua Arah Tanpa Interaksi
Asumsi anova dua arah tanpa interaksi adalah sebagai berikut:
- Variabel dependen berskala interval atau rasio (data continous).
- Tidak terdapat outlier (pencilan) pada variabel dependen.
- Dua variabel independen terdiri dari tiga atau lebih kelompok kategori.
- Tidak ada hubungan antara observasi di setiap kelompok atau antar kelompok itu sendiri.
- Variabel dependen terdistribusi secara normal.
- Tidak ada hubungan antara kedua variabel independen.
Pada anova dua arah tanpa interaksi salah satu asumsi yang harus dipenuhi adalah tidak ada hubungan antara kedua variabel independen yang ada pada penelitian. Misalnya, Anda sedang meneliti jenis pupuk dan kepadatan tanam mana yang menghasilkan hasil panen terbesar dalam percobaan lapangan. Anda menetapkan plot yang berbeda di suatu lapangan untuk kombinasi jenis pupuk (1, 2, atau 3) dan kepadatan tanam (1 = kepadatan rendah, 2 = kepadatan tinggi), dan mengukur hasil panen akhir dalam gantang per hektar pada saat panen. Anda dapat menggunakan ANOVA dua arah untuk mengetahui apakah jenis pupuk dan kepadatan tanam berpengaruh terhadap hasil panen rata-rata. Diketahui bahwa variabel jenis pupuk dan kepadatan tanam tidak memiliki hubungan satu sama lain.
Langkah-langkah Uji Anova Dua Arah Tanpa Interaksi
Uji Anova Dua Arah tanpa Interaksi berdasarkan pada:
1. Menetukan Hipotesis
Perlakuan 1
- \(\text{H}_0\) : \(\alpha_1 = \alpha_2 = \cdots = \alpha_b\)
- (Tidak ada perbedaan mean dalam kategori Perlakuan 1)
- \(\text{H}_0\) : \(\alpha_i \neq \alpha_j\)
- (Sedikitnya ada satu mean yang berbeda dalam kategori Perlakuan 1
Perlakuan 2
- \(\text{H}_0\) : \(\beta_1 = \beta_2 = \cdots = \beta_k\)
- (Tidak ada perbedaan mean dalam kategori Perlakuan 2)
- \(\text{H}_1\) : \(\alpha_i \neq \alpha_j\)
- (Sedikitnya ada satu mean yang berbeda dalam kategori Perlakuan 2)
2. Melakukan Uji Statistik
Tabel ANOVA Dua Arah tanpa Interaksi
Sumber Varian | Jumlah Kuadrat | Derajat Bebas | Rata-rata Kuadrat | \(F_{hitung}\) |
---|---|---|---|---|
Rata-rata Baris | \(SS_B\) | \(b-1\) | \(MS_B\) | \(F_{hB}\) |
Rata-rata Kolom | \(SS_K\) | \(k-1\) | \(MS_K\) | \(F_{hK}\) |
Galat | \(SS_G\) | \((b-1)(k-1)\) | \(MS_G\) | |
Total | \(SS_T\) | \(bk-1\) | \(MS_T\) |
Uraian rumus:
\[\begin{aligned} SS_T &= \sum_{i=1}^b \sum_{j=1}^k x_{ij}^2 - \frac{T_{..}^2}{bk}\\ SS_B &= \frac{1}{b} \sum_{i=1}^b T_{i.}^2 - \frac{T_{..}^2}{bk}\\ SS_K &= \frac{1}{k} \sum_{j=1}^k T_{.j}^2 - \frac{T_{..}^2}{bk}\\ SS_G &= SS_T - SS_B - SS_K \end{aligned}\] \[\begin{aligned} MS_B &= \frac{SS_B}{b-1}\\ MS_K &= \frac{SS_K}{k-1}\\ MS_G &= \frac{SS_G}{(b-1)(k-1)} \end{aligned}\] \[\begin{aligned} F_{hB} &= \frac{MS_B}{MS_G}\\ F_{hK} &= \frac{MS_K}{MS_G} \end{aligned}\]dimana \(b\) adalah jumlah baris, \(k\) adalah jumlah kolom dan \(T\) adalah total nilai pengamatan.
3. Mengambil Keputusan
Perlakuan 1
Jika nilai \(F_{hB}\) < nilai tabel \(F_{\alpha(b-1,(b-1)(k-1))}\), maka \(\text{H}_0\) diterima
Jika nilai \(F_{hB}\) ≥ nilai tabel \(F_{\alpha(b-1,(b-1)(k-1))}\), maka \(\text{H}_0\) ditolak
Perlakuan 2
Jika nilai \(F_{hK}\) < nilai tabel \(F_{\alpha(k-1,(b-1)(k-1))}\), maka \(\text{H}_0\) diterima
Jika nilai \(F_{hK}\) ≥ nilai tabel \(F_{\alpha(k-1,(b-1)(k-1))}\), maka \(\text{H}_0\) ditolak
4. Menarik Kesimpulan
Perlakuan 1
Jika \(\text{H}_0\) diterima maka tidak ada perbedaan mean dalam kategori Perlakuan 1
Jika \(\text{H}_0\) ditolak maka setidaknya ada satu mean yang berbeda dalam kategori Perlakuan 1
Perlakuan 2
Jika \(\text{H}_0\) diterima maka tidak ada perbedaan mean dalam kategori Perlakuan 2
Jika \(\text{H}_0\) ditolak maka setidaknya ada satu mean yang berbeda dalam kategori Perlakuan 2
Contoh Soal
Seorang analis mempelajari premi untuk asuransi mobil yang dibebankan oleh sebuah perusahaan asuransi di enam kota. Enam kota dipilih untuk mewakili ukuran yang berbeda (Faktor A: kecil, sedang, besar) dan daerah yang berbeda di negara bagian (Faktor B: timur, barat, selatan). Hanya ada satu kota untuk setiap kombinasi ukuran dan wilayah. Jumlah premi yang dibebankan untuk jenis pertanggungan tertentu dalam kategori risiko tertentu untuk masing-masing dari enam kota diberikan dalam tabel berikut.
Faktor A | Faktor B | ||
---|---|---|---|
Timur | Barat | Selatan | |
Kecil | 135 | 175 | 180 |
Sedang | 150 | 180 | 160 |
Besar | 155 | 195 | 165 |
Penyelesaian
Persoalan di atas dapat diselesaikan dengan langkah seperti yang telah disebutkan sebelumnya yaitu menentukan hipotesis, menghitung statistik uji, menetapkan kaidah keputusan dan menarik kesimpulan.
1. Menetapkan Hipotesis
Faktor A
\(\text{H}_0\) : \(\alpha_1 = \alpha_2 = \alpha_3\)
\(\text{H}_1\) : Sedikitnya ada satu mean yang berbeda
Faktor B
\(\text{H}_0\) : \(\beta_1 = \beta_2 = \beta_3\)
\(\text{H}_1\) : Sedikitnya ada satu mean yang berbeda
2. Statistik Uji
Tabel Statistik Uji
Faktor A | Faktor B | Jumlah | ||
---|---|---|---|---|
Timur | Barat | Selatan | ||
Kecil | 135 | 175 | 180 | 490 |
Sedang | 150 | 180 | 160 | 490 |
Besar | 155 | 195 | 165 | 515 |
Jumlah | 440 | 550 | 515 | 1495 |
Tabel Anova Dua Arah Tanpa Interaksi
Sumber Varian | Jumlah Kuadrat | Derajat Bebas | Rata-rata Kuadrat | \(F_{hitung}\) |
---|---|---|---|---|
Rata-rata Baris | 138,889 | 2 | 69,444 | 0,544 |
Rata-rata Kolom | 2038,889 | 2 | 1019,444 | 7,978 |
Galat | 511,111 | 4 | 127,778 | |
Total | 2688,889 | 8 |
3. Kaidah Keputusan
Perlakuan 1
Jika nilai \(F_{hB}\) < nilai tabel \(F_{0\text{,}05(2,4 )},\) maka \(\text{H}_0\) diterima
Jika nilai \(F_{hB}\) ≥ nilai tabel \(F_{0\text{,}05(2,4 )},\) maka \(\text{H}_0\) ditolak
Perlakuan 2
Jika nilai \(F_{hK}\) < nilai tabel \(F_{0\text{,}05(2,4 )},\) maka \(\text{H}_0\) diterima
Jika nilai \(F_{hK}\) ≥ nilai tabel \(F_{0\text{,}05(2,4 )},\) maka \(\text{H}_0\) ditolak
4. Kesimpulan
Faktor A
Berdasarkan hasil diatas dapat disimpulkan bahwa nilai \(F_{hB} = 0\text{,}544\) dan \(F_{0\text{,}05(2,4)} = 6\text{,}944\) sehingga \(F_{hB} < F_{0\text{,}05(2,4)}\) maka \(H_o\) diterima yang berarti bahwa tidak ada perbedaan mean dalam tiga jenis Faktor A.
Faktor B
Berdasarkan hasil diatas dapat disimpulkan bahwa nilai \(F_{hK} = 7\text{,}978\) dan \(F_{0\text{,}05(2,4)} = 6\text{,}944\) sehingga \(F_{hK} \geq \) nilai \(F_{0\text{,}05(2,4)}\) maka \(H_o\) ditolak yang berarti bahwa ada perbedaan mean dalam tiga jenis Faktor B.