MPK 11 (ANAVA) Hidayatullah

 

Essai Metodologi Penelitian Kuantitatif (ANAVA 1 JALUR)

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens[1]Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).

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 kelompok-kelompok sampel independen yang diamati.

Asumsi analisis varian yang harus dipenuhi adalah : 1). Homogeneity of variance: variabel dependen harus memiliki varian yang sama dalam setiap kategori variabel independen. Jika terdapat lebih dari satu variabel independen, maka harus ada homogeneity of variance di dalam cell yang dibentuk oleh variabel independen kategorikal. 2). Random sampling: untuk tujuan uji signifikansi, maka subyek di dalam setiap grup harus diambil secara acak. 3). Multivariate normality: untuk tujuan uji signifikansi, maka variabel harus mengikuti distribusi normal multivariate. Variabel dependen terdistribusi normal dalam setiap kategori variabel independen. ANOVA masih tetap robust walaupun terdapat penyimpangan asumsi multivariate normality. (Ghozali, 2009).

Ciri khas ANOVA adalah adanya satu atau lebih variabel bebas sebagai faktor penyebab dan satu atau lebih variabel response sebagai akibat atau efek dari adanya faktor. Contoh penelitian yang dapat menggambarkan penjelasan ini: “Adakah pengaruh jenis bahan bakar terhadap umur thorax mesin.”  Jenisnya adalah berdasarkan jumlah variabel faktor (independen variable atau variabel bebas) dan jumlah variabel responsen (dependent variable atau variabel terikat). Pembagiannya adalah sebagai berikut: Univariat: 1. Univariate One Way Analysis of Variance. Apabila variabel bebas dan variabel terikat jumlahnya satu. 2. Univariate Two Way Analysis of Variance. Apabila variabel bebas ada 2, sedangkan variabel terikat ada satu. 3. Univariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2, sedangkan variabel terikat ada satu.

ANOVA (Analysis of Variance) dikembangkan oleh Ronal A. Fisher (1924, 1932, 1935). Penelitian di bidang pertanian dengan eksperimen lebih dari 2 kondisi eksperimen tanpa meningkatkan type 1 error dengan ANOVA. ANOVA dapat mencari perbedaan nilai rata-rata dari 2 grup yang berbeda. Semua variable independen ANOVA diperlakukan sebagai skala nominal. ANOVA dapat digunakan untuk menganalisis atau menguji apakah ada perbedaan rata-rata yang signifikan di antara 2 atau lebih kelompok atau grup. Sehingga dapat diambil kesimpulan apakah rata-rata sampel dapat menggambarkan rata-rata populasi yang ada (Dencik, 2019).

Sebagai alat statistika parametrik, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random sampling (Ghozali, 2009). ANOVA dapat digunakan dalam situasi ketika kita memiliki satu variabel interval atau rasio sebagai variabel dependen dan satu atau lebih variabel nominal atau ordinal sebagai variabel dependen.

ANOVA bisa dikatakan sebagai salah satu teknik penelitian statistik yang sering digunakan oleh banyak peneliti karena memiliki dua karakteristik seperti.

      ANOVA untuk menganalisis data dari hasil desain penelitian eksperimental.

      ANOVA untuk melihat hubungan sebab akibat pada variable independen dan dependen. Hal inilah yang membedakan t-test dengan ANOVA dengan correlation dan multi-regretion. ANOVA bisa dikatakan sebagai salah satu teknik penelitian statistik yang sering digunakan oleh banyak peneliti karena memiliki dua karakteristik seperti.

      ANOVA untuk menganalisis data dari hasil desain penelitian eksperimental.

      ANOVA untuk melihat hubungan sebab akibat pada variable independen dan dependen. Hal inilah yang membedakan t-test dengan ANOVA dengan correlation dan multi-regretion.

ANAVA satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas. Secara rinci, ANAVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri berikut :

a)      Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang dipilih dan ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut tidak acak karena peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori lain di luar yang diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya terdiri atas dua ketgori (pria-wanita), atau peneliti hendak membandingkan keberhasilan antara Metode A, B, dan C dalam meningkatkan semangat belajar tanpa bermaksud menggeneralisasikan ke metode lain di luar ketiga metode tersebut.

b)      Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat kualitatif atau kuantitatif.

 

Anova 2 Jalur (Two Way ANOVA) Two Way ANOVA merupakan ANOVA yang didasarkan pada pengamatan dua kritenia atau dua faktor yang menimbulkan variasi

Analisis variansi yang dapat digunakan untuk statistik non paramaterik adalah uji Kruskal-Wallis untuk tiga atau lebih sampel independen dan uji Friedman untuk tiga atau lebih sampel terkait, keduanya untuk digunakan dengan satu variabel kategori dan satu variabel ordinal. Ini memungkinkan kita untuk melihat, misalnya, apakah ada perbedaan antara tiga atau lebih kelompok (misalnya kelas, sekolah, kelompok guru) pada skala penilaian (Cohen, dkk, 2018:797).

Uji Kruskal-Wallis atau Kruskal-Wallis H test adalah alternatif dari ANOVA satu arah. Uji Kruskal-Wallis digunakan untuk membandingkan kelompok atau kondisi yang mengandung skor independen (sampel independen). (Field, 2018:415). Uji ini sering disebut dengan uji H, berkaitan dengan tiga atau lebih sampel acak yang independen dengan tujuan mengetahui apakah sampel-sampel tersebut berasal dari populasi yang memiliki mean sama (Harinaldi, 2005:239).

Field (2018:417-418) menjelaskan tes Kruskal-Wallis digunakan untuk data peringkat atau rangking. Untuk memulainya, skor diurutkan dari yang terendah ke tertinggi, dengan mengabaikan kelompok yang memiliki skor tersebut. Setelah peringkat, skor dikumpulkan kembali ke dalam kelompok mereka dan peringkat mereka ditambahkan dalam setiap kelompok. Jumlah peringkat dalam setiap grup dilambangkan dengan Ri (di mana i menunjukkan grup). Setelah jumlah peringkat telah dihitung dalam setiap kelompok, statistik uji, H, dihitung.