Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS - Hallo sahabat Chord Gitar Indonesia, Pada sharing Kunci gitar kali ini yang berjudul Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS, saya telah menyediakan lirik lagu lengkap dengan kord gitarnya dari awal lagi sampai akhir lagu. mudah-mudahan isi postingan kunci gitar yang saya tulis ini dapat anda pahami. okelah, ini dia chord gitarnya.

Penyanyi : Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS
Judul lagu : Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS

Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS

|Portal Statistik| Malam yang sepi, semua teman-teman kontrakan sudah balik ke kampung halaman masing-masing, hehe.. Ok pada postingan kali ini saya akan memberikan tutorial atau penjelasan tentang uji anova dengan spss.

Anova (analysis of varians) digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok, kata kunci untuk anova ini adalah "lebih dari dua kelompok".  Misalnya untuk mengetahui apakah ada perbedaan rata-rata lama hari dirawat antara pasien kelas VIP, I, II, dan kelas III. Anova mempunyai dua jenis yaitu analisis varian satu faktor (one way anova) dan analsis varian dua faktor (two ways anova). Pada kesempatan ini hanya akan dibahas analisis varian satu faktor atau One Way Anova.

Beberapa asumsi yang harus dipenuhi pada uji Anova adalah: 

1. Sampel berasal dari kelompok yang independen
2. Data masing-masing kelompok berdistribusi normal
3. Varian antar kelompok harus homogen

Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara random terhadap beberapa  (> 2) kelompok yang independent, yang mana nilai pada satu kelompok tidak tergantung pada nilai di kelompok lain. Sedangkan pemenuhan terhadap asumsi kedua dan ketiga dapat dicek jika data telah dimasukkan ke komputer, jika asumsi ini tidak terpenuhi dapat dilakukan transformasi terhadap data (cara transformasi data dapat dilihat disini). Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova tidak valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik misalnya Kruskal Wallis.

Uji Anova pada prinsipnya adalah melakukan analisis variabilitas data menjadi dua sumber variasi yaitu variasi didalam kelompok (within) dan variasi antar kelompok (between). Bila variasi within dan between sama (nilai perbandingan kedua varian mendekati angka satu), maka berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai mean yang dibandingkan tidak ada perbedaan. Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam kelompok, artinya intervensi tersebut memberikan efek yang berbeda, dengan kata lain nilai mean yang dibandingkan menunjukkan adanya perbedaan.

Analisis Perbandingan Ganda ( Multiple Comparison [MCA]):

1. Jika dalam ANOVA H0 tidak ditolak, maka pekerjaan selesai dengan kesimpulan semua rata-rata relatif sama.
2. Jika dalam ANOVA H0 ditolak, maka masih ada pekerjaan untuk melihat ratarata populasi mana yang benar-benar berbeda dengan menggunakan MCA.
3. Syarat MCA =  jumlah level faktornya (perlakuan) lebih dari dua.

Macam-macam metode yang dapat digunakan untuk analisis ini adalah sbb:

1. Tukey: untuk ukuran sampel yang sama pada setiap perlakuan (equal )
2. Bonferroni : untuk ukuran sampel yang sama dan beda pada setiap perlakuan (equal & unequal)
3. Scheffe: untuk ukuran sampel yang sama dan beda pada setiap perlakuan (equal & unequal)
4. Fisher (LSD = Least Square Differences): yang paling umum digunakan

Skema untuk penggunaan analisi Perbandingan Ganda dapat dilihat dibawah ini:

STUDI KASUS DALAM TUTORIAL INI DAPAT DILIHAT DISINI

Setelah asumsi normalitas telah terpenuhi, maka selanjutnya adalah melakukan pengujian variansi dan uji lanjutan yaitu uji perbandingan ganda, langkah-langkahnya adalah:

1. Klik menu Analyze - Compare Means - One-Way ANOVA, kemudian masukkan variabel Berat ke kotak Dependent List dan variabel RAS ke kotak Factor, selanjutnya klik Option kemudian pilih/centang Homogeneity of variance test dan Continue, selanjutnya adalah klik Post Hoc dan centang metode Tukey kemudian klik Continue dan OK.
   
   
2. Sehingga muncul output berikut:
   
   
   
   

Sebelum melanjutkan untuk menguji anova, terdapat satu syarat lagi yang harus dipenuhi yaitu asumsi bahwa variansi populasi sama, untuk pengujian terhadap asumsi populasi sama tersebut dapat dilihat pada tabel Test of Homogeneity of Variances.

• hipotesis
  H0 : Semua variansi populasi sama
  H1 : Semua variansi populasi tidak sama / berbeda
• Tingkat Signifikansi
  α = 5%
• Daerah Kritis
  Jika Sig. ≤α : tolak H0
• Statistik Uji
  Sig. = 0.577     >    α = 0.05
• Keputusan Uji
  Karena nilai Sig.  > α maka keputusannya adalah gagal tolak H0
• Kesimpulan
  Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa ketiga berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu memiliki variansi populasi yang sama (gagal tolak H0).

Karena ketiga asumsi yaitu sampel berasal dari kelompok yang independen, data masing-masing kelompok berdistribusi normal, dan varian antar kelompok homogen telah terpenuhi sebagai syarat dilakukannya uji anova untuk mengetahui hubungan anatara berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu telah terpenuhi, maka pengujian dengan anova valid untuk dilakukan.

• Hipotesis
  H0 : Rata-rata berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu adalah sama.
  H1 : Paling tidak terdapat dua rataan yang berbeda antara berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu.
• Tingkat Signifikansi
  α = 5%
• Daerah Kritis
  Jika Fhitung ≥ Ftabel : tolak H0
  Jika Sig. ≤α : tolak H0
• Statistik Uji
  Fhitung = 3.494     >    Ftabel = 3.119
  Sig. = 0.035     <    α = 0.05
• Keputusan Uji
  Karena nilai Sig.  < α atau Fhitung > Ftabel maka keputusannya adalah tolak H0
• Kesimpulan
  Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa terdapat atau paling tidak terdapat dua rataan yang berbeda antara berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu  (tolak H0) atau bisa dikatakan bahwa terdapat hubungan antara berat badan bayi yang dilahirkan dengan warna kulit sang ibu (putih, hitam, lainnya).

Perhatikan Output Multiple Comparisons

Uji perbandingan ganda merupakan analisis lanjutan dari analisis variansi satu arah apabila H0 ditolak. Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna / H0 ditolak, maka uji selanjutnya adalah melihat kelompok mana saja yang berbeda, disini menggunakan metode Tukey karena ukuran sampel yang sama pada setiap perlakuan.

• Hipotesis
  H0 : μ_i = μ_j
  H1 : μ_i ≠ μ_j
  Untuk i ≠ j, dan i,j : 1= Putih, 2=Hitam, 3=Lainnya/
• Tingkat Signifikansi
  α = 5%
• Daerah Kritis
  Jika Sig. ≤α : tolak H0
• Keputusan
  μ_1 dan μ_2 (0.028<0.05): tolak H0
  μ_1 dan μ_3         (0.555>0.05): gagal tolak H0
  μ_2 dan μ_3 (0.258>0.05): gagal tolak H0
• Kesimpulan
  Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa terdapat perbedaan rata-rata berat badan bayi antara ibu dengan warna kulit hitam dan putih, dan tidak terdapat perbedaan rata-rata berat badan bayi anatara ibu dengan warna kulit putih dan lainnya, serta tidak terdapat perbedaan rata-rata berat badan bayi antara ibu dengan warna kulit hitam dan lainnya. Sehingga μ_1  > μ_3 > μ_2

Ya,,, seperti itulah cara untuk melakukan Uji Anova dan Uji Perbandingan Ganda dengan menggunakan SPSS.

Semoga Bermanfaat.
Have FUN.

Demikianlah Artikel Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS

Sekian Kunci gitar Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS, mudah-mudahan bisa memberi manfaat untuk anda semua. baiklah, sekian postingan Chord gitar lagu kali ini.

Anda sedang membaca artikel Uji ANOVA (Analisys Of Variance) dan Uji Perbandingan Ganda dengen SPSS dan artikel ini url permalinknya adalah https://ikazumdammahum.blogspot.com/2014/02/uji-anova-analisys-of-variance-dan-uji.html Semoga artikel ini bisa bermanfaat.

Tweet