 Show Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan oleh seorang ahli statistik bernama Ronald Fisher. Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih dari dua kelompok. Berbeda dengan independent sample t test yang hanya bisa menguji perbedaan rerata dari dua kelompok saja.
Dalam kesempatan bahasan kali ini, statistikian akan menjelaskannya secara singkat namun dengan penuh harapan agar para pembaca mudah memahami dan mempraktekkannya dalam penelitian di lapangan nantinya. Kegunaan AnovaAnova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA adalah nilai F test atau F hitung. Nilai F Hitung ini yang nantinya akan dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih dari f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti ada perbedaan bermakna rerata pada semua kelompok. Analisis ANOVA sering digunakan pada penelitian eksperimen dimana terdapat beberapa perlakuan. Peneliti ingin menguji, apakah ada perbedaan bermakna antar perlakuan tersebut. Contoh ANOVAContohnya adalah seorang peneliti ingin menilai adakah perbedaan model pembelajaran A, B dan C terhadap hasil pembelajaran mata pelajaran fisika pada kelas 6. Dimana dalam penelitian tersebut, kelas 6A diberi perlakuan A, kelas 6B diberi perlakuan B dan kelas 6C diberi perlakuan C. Setelah adanya perlakuan selama satu semester, kemudian dibandingkan hasil belajar semua kelas 6 (A, B dan C). Masing-masing kelas jumlahnya berkisar antara 40 sampai dengan 50 siswa. Hasil akhir yang didapatkan adalah nilai f hitung. Nilai tersebut dibandingkan dengan nilai dalam tabel f pada derajat kebebasan tertentu (degree of freedom). Jika F hitung > F Tabel, maka disimpulkan bahwa menerima H1 atau yang berarti ada perbedaan secara nyata atau signifikan hasil ujian siswa antar perlakuan model pembelajaran. Anova Dalam Regresi LinearKadang para pembaca cukup dibingungkan oleh adanya tabel ANOVA pada hasil analisis regresi linear. Tentunya jika anda mengerti maksud sesungguhnya dari uji yang satu ini, maka anda tidak akan bingung lagi. Anova dalam perhitungannya membandingkan nilai mean square dan hasilnya adalah menilai apakah model prediksi linear tidak berbeda nyata dengan nilai koefisien estimasi dan standar error.
Ciri-ciri ANOVACiri khasnya 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.” Dari judul tersebut jelas sekali bahwa bahan bakar adalah faktor penyebab sedangkan umur thorax mesin adalah akibat atau efek dari adanya perlakuan faktor. Ciri lainnya adalah variabel response berskala data rasio atau interval (numerik atau kuantitatif). Anova merupakan salah satu dari berbagai jenis uji parametris, karena mensyaratkan adanya distribusi normal pada variabel terikat per perlakuan atau distribusi normal pada residual. Syarat normalitas ini mengasumsikan bahwa sample diambil secara acak dan dapat mewakili keseluruhan populasi agar hasil penelitian dapat digunakan sebagai generalisasi. Namun keunikannya, uji ini dapat dikatakan relatif robust atau kebal terhadap adanya asumsi tersebut. Jenis ANOVAJenisnya adalah berdasarkan jumlah variabel faktor (independen variable atau variabel bebas) dan jumlah variabel responsen (dependent variable atau variabel terikat). Pembagiannya adalah sebagai berikut: Univariat: Multivariat: 3. Multivariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2, sedangkan variabel terikat jumlahnya lebih dari satu. Jenis lain yang menggunakan prinsip ini adalah: Demikian di atas telah kita bahas secara singkat perihal ANOVA. Tentunya artikel ini sangatlah terbatas dan tidak cukup untuk membuat anda mahir dapat dapat melakukan uji tersebut dalam penelitian anda. Maka dari itu, statistikian telah membuat berbagai artikel yang kiranya dapat membantu para pembaca sekalian. Silahkan baca artikel kami yang berjudul: One Way Analysis of variance dengan SPSS, MANOVA dengan SPSS, Two Way Analysis of variance dengan SPSS dan Two Way MANOVA dengan SPSS serta masih banyak artikel lainnya seputar Analysis of variance terutama tutorialnya dengan berbagai alat komputasi statistik, misalnya tutorial perhitungannya dengan aplikasi excel. Semoga bermanfaat.
You're Reading a Free Preview
Pengertian dan Manfaat ANAVA Analisis Varians ( Analysis of Variance) , merupakan sebuah teknik inferensial yang digunakan untuk menguji perbedaan rerata nilai . Sebagai sebuah teknik analisis , analisis varians atau yang sering disebut dengan anava saja mempunyai banyak kegunaan . Pertama : anava dapat digunakan untuk menentukan apakah rerata nilai dari dua atau lebih sampel berbeda secara signifikan atau tidak .Kedua : perhitungan anava menghasilkan harga F yang secara signifikan menunjukkan kepada peneliti bahwa sampel yang diteliti berasal dari populasi yang berbeda , walaupun anava tidak dapat menunjukkan secara rinci yang manakah diantara rerata nilai dari sampel –sampel tersebut yang berbeda secara signifikan satu sama lain . Ujilah yang menyempurnakan tugas ini . Keuntungan anava yang ketiga adalah bahwa anava yang ketiga adalah bahwa anava dapat digunakan untuk menganalisis data yang dihasilkan dengan disain factorial jamak ( complex factorial design ) . Dalam desain factorial yang menghasilkan harga F ganda , anava inilah peneliti dapat mengetahui antarvariable manakah yang memang mempunyai perbedaan secara signifikan , dan variabel-variabel manakah yang berinteraksi satu sama lain .Keuntungan lain dari anava adalah kemampuannya untuk mengetes signifikansi dari kecendrungan yang dihipotesisnya. Sebagai contoh peneliti mengelompokkan siswa dalam empat kelompok berdasarkan tingkat kedisiplinannya . Dalam pada itu merumuskan hipotesis bahwa semakin tinggi kedisiplinan seseorang akan semakin tinggi prestasi belajarnya . Untuk menguji hipotesis seperti ini peneliti dapat menggunakan anava . Manfaat terakhir dari anava adalah bahwa teknik ini dapat digunakan untuk mengujii signifikansi perbedaan varians dua rerata atau lebih .Di dalam situasi tertentu , anava masih terbatas kemampuannya jika peniliti meragukan apakah ada variabel-variabel lain yang mungkin berpengaruh terhadap hasil perbandingan rerata yang diolah . Sebagai contoh misalkan peneliti ingin menguji perbedaan rerata nilai prestasi belajar dua kelompok siswa dengan tingkat kedisiplinan yang berbeda . Peneliti masih diganggu pikirannya jangan –jangan perbedaan prestasi tersebut dipengaruhi oleh latar belakang keluarga dan jenis kelamin siswa . Dalam keadaan seperti ini analisisnya dapat disempurnakan dengan Analisi Kovarians ( Analysis of Covariance ) . Dengan modal anava dan regresi, kita dapat menggunakan teknik gabungannya yang dikenal dengan analisis regresi .Analisis varians sering dikacaukan dengan desain factorial oleh banyakpeneliti . Ada yang menyamakan rancangan factorial dengan anava . Memang keduanya erat hubungannya , tetapi tidak sama . Faktorial adalah sesuatu yang menunjuk kepada model atau rancangan penelitian . Oleh karena itu dikenal istilah “ rancangan factorial “ atau “desain factorial “. Model , desain atau rancangan menunjuk pada sesuatu yng sama . Disain factorial adalah disain penelitian yang mendasarkan diri pada factor , dan kalau kita berbicara tentang factor, kita berfikir tentang sesuatu penyebab . Dlam kalimat : “ Dia tidak dapat diterima sebagai calon mahasiswa karena faktor tahun kelulusan “ . Kalimat ini mengandung pengertian bahwa tahun kelulusan menjadi penyebab dia tidak dapat diterima sebagai calon mahasiswa .Di dalam disai factorial penelitian mendasarkan diri pada asumsi bahwa satu atau dua variabel lain . Disai factorial dikembangkan untuk penelitian eksperimen yang disainnya dapat diatur sedemikian rupa sehingga berpengaruh sesuatu factor memang dapat ditelusuriakibatnya . Analisis data penelitian dengan disain factorial tentu saja dimaksudkan oleh penelitiannya untuk menguji apakah sesuatu factor yang dijadikan perlakuan dalam eksperimen betul-betul mempunyai pengaruh seperti yang diduga semula . Oleh karena itu peneliti juga menguji perbedaan rerata nilai dari sampel .Di alam penelitian dengan disain factorial peneliti dapat saja menentukan berapa macam factor yang akan diuji pengaruhnya . Dengan demikian dikenal ada “disain factorial dengan hanya satu factor saja yang diuji pengaruhnya “ , selanjutnya disain tersebut dikenal dengan “ disain satu factor “ . Dengan sebutan tersebut peneliti atau orang lain sudah memahami bahwa penelitian yang dilakukan oleh peneliti tersebut adalah disain factorial dengan memperhatikan sebuah factor yang diuji pengaruhnya . Meskipun semula disain factorial ini merupakan bentuk dari eksperimen , namun di dalam perkembangannya teknik-teknik analisis penelitian eksperimen yang dimanfaatkan oleh peneliti non eksperimen , dan sekaligus disain penelitiannya diambil oper juga . Dengan adanya jenis penelitian PSK ( Pengukuran Sesudah Kejadian –Ex Post Facto Design )maka penelitian bukan eksperimen lalu dianggap sebagai peneliti eksperimen . |
Apakah yang dimaksud dengan analisis varians dan jelaskan kegunaannya?
Pos Terkait
Copyright © 2024 apakahyang Inc.
