ANOVA

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-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).

Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan

Ada tiga kelas konseptual model seperti:
• Model efek tetap berasumsi bahwa data berasal dari populasi normal yang mungkin berbeda hanya dalam kemampuan mereka. (Model 1)
• Model efek acak berasumsi bahwa data yang menggambarkan hierarki populasi yang berbeda yang perbedaan dibatasi oleh hirarki. (Model 2)
• Model efek campuran menggambarkan situasi di mana baik tetap dan efek acak hadir. (Model 3)

Sesuai dengan kebutuhannya Anova dibedakan menjadi 2 yaitu Anova satu arah dan Anova dua arah. Anova satu arah hanya memperhitungkan 1 faktor yang menimbulkan variasi, sedangkan Anova dua arah memperhitungkan dua faktor yang menimbulkan variasi.

Pada dasarnya pola sampel dapat dikelompokan menjadi dua kelompok, yaitu:

1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada di kelompok lain, berasal dari populasiyang sama. Untuk kondisi ini hipotesis nol terbatas pada tidak ada efek dari treatment (perlakuan).
2. Sampel yang ada di kelompok satu berasal dari populasi yang bebeda dengan populasi sampel dengan populasi sampel yang ada di kelompok lainnya.

Mengingat Anova berkaitan dengan pengujian hipotesis multipel (ganda). Pada saat melakukan pengujian hipotesis (perbedaan dua rata-rata) dengan menggunakan t tes selalu menanggung kesalahan tipe 1 sebesar alpha. Untuk ANOVA kesalahan tipe 1 disebut dengan experiment wise alpha level yang besarnya:
1-(1-α)N
N Merupakan banyaknya tes jika menggunakan t tes (dilakukan satu per satu)

PERBANDINGAN ANOVA SATU ARAH DENGAN ANOVA DUA ARAH

Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi kasus variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per satu, sehingga akan menghadapi banyak kasus ( N semakin banyak ).
Dengan melakukan Anova dua arah akan dihindari pula pula terjadinya noise (suatu kemungkinan yantg menyatakan terdapat suatu efek karena bercampurnya suatu analisis data). Noise ini dapat dihindari pada ANOVA dua arah karena analis disini melibatkan kontor terhadap perbedaan(katagorikal) variabel bebas.
Interaksi suatu kebersamaanantar fektor dalam mempengaruhi variabel bebas, dengan sendirinyapengaruh faktor-faktor secara mandiri telah dihilangkan. Jika terdapat interaksi berarti efek faktor satu terhadap variabel terikatakan mempunyai garis yang tidak sejajar dengan efek faktor lain terhadap variabel terikatsejajar (saling berpotongan), maka antara faktor tidak mempunyai interaksi.
Anova dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan masing-masing variabel terdiri dari beberapa kelompok. Anova dua arah merupakan penyempurnaan Anova satu arah.
Anova dua arah lebih efisien daripada anova satu arah, karena:

• kasus yang dihadapi lebih sedikit yaitu sejumlah sampel .
• noise dapat dihilangkan.
• dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi variabel terikat.

Bagikan Artikel ini ke : Facebook Google+ Twitter Digg