Oneway anova

statistika

Ini bukan sebuah cerita picisan yang akan saya ceritakan, tetapi ini adalah sebuah materi statistika mengenai Oneway Anova yang akan saya share. Tidak detail memang karena pastinya yang tahu lebih detail adalah yang ahli di bidangnya. Saya hanya ingin berbagi. Semoga bermanfaat.. (:

One way anova adalah seperti uji T tetapi metode ini bisa digunakan untuk lebih dari 2 kelompok dan perbandingan dilakukan secara simultan atau bersamaan.

Secara teori, analisis varian (ANOVA) adalah suatu metode untuk menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman.

ANOVA digunakan apabila terdapat lebih dari dua variabel. 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 menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:

1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya digunakan satu penduga (estimate) untuk varians dalam contoh
3. Masing-masing contoh saling independen, yang harus dapat diatur dengan perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

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.

Dalam kegiatan pembelajaran, metode anova bisa untuk membandingkan beberapa teknik mengajar.

Contoh: ketika menggunakan teknik A, B, C. jika kita menggunakan uji T maka kita hanya membandingkan teknik A denga n B kmdn teknik A dng C lalu B dng C.

Untuk itu kita bisa membandingkan semua teknik metode pembelajaran misalnya dengan metode anova. Contoh tidak ada perbedaan prestasi dng menggunakan teknik mengajar yang berbeda (hipotesis nol).

Tidak ada perbedaan…. (hipotesis alternatif)

Untuk uji anova one way => yang dilihat sig. dan F

Sedangkan untuk uji T => sig. dan T

Hipotesis nihil anova => tidak terdapat perbedaan antar kelompok.

Hipotesis alternative => terdapat perbedaan antar kelompok.

Analyze = > compare means => one way anova => tulisan 1 dipindah ke kotak yang pertama & tulisan ke2 dipindah ke kotak kedua. Kemudian klik “post hoc” sebelah kanan, pilih “scheffe” diklik. Kemudian klik “continue”.

Lalu klik “option”, klik statistics pilih “descriptive” dan “homogeneity of variance test”. Untuk missing values, pilih yang “exclude cases analysis by analysis”. Klik “continue”

Hasil pengolahan data dng anova one way:

F = 54.606

P = 0.000

P < 0,05

=> P lebih kecil dari 0,05 brati signifikan (terdapat perbedaan antar kelompok yang diteli —diajar dengan teknik yang berbeda).

=> Jika sig. <0.005 berarti Ho ditolak dan Ha diterima sehingga bunyi kesimpulan sama dengan Ha. Ini bisa juga diartikan bahwa peneliti berhasil dalam melakukan penelitian.

=> Sig >0,05 è Ho diterima atau peneliti gagal menolak hipotesis nihil. Kesimpulan sama dengan hipotesis nihil yaitu tidak ada perbedaan prestasi belajar antar kelompok yang diajar dengan teknik berbeda.

Kemungkinan terjadinya kesalahan dalam penelitian = signifikansi

Post hoc è signifikansi untuk mengetahui teknik mana yang paling baik.

Syarat menggunakan anova:

  1. Data harus dalam bentuk min. interval (skala), bukan ordinal maupun nominal.
  2. Distribusinya hrs normal.
  3. Haslnya hrs homogeny.

Untuk melihat hasil dari spss (anova one way) sebagai berikut:

Multiple Comparisons

PrestasiScheffe
(I) teknik (J) teknik

Mean Difference (I-J)

Std. Error

Sig.

95% Confidence Interval

Lower Bound

Upper Bound

1 2

-15.00000*

2.77555

.000

-22.1888

-7.8112

3

14.00000*

2.77555

.000

6.8112

21.1888

2 1

15.00000*

2.77555

.000

7.8112

22.1888

3

29.00000*

2.77555

.000

21.8112

36.1888

3 1

-14.00000*

2.77555

.000

-21.1888

-6.8112

2

-29.00000*

2.77555

.000

-36.1888

-21.8112

*. The mean difference is significant at the 0.05 level.

Maka dilihat dari table yang pertama:

=> 1 dibandingkan dengan 2 = 1 dikurangi 2 = -15.00000 maka teknik 2 lebih baik daripada 1 karena 1-2 = -15.00000 (hasilnya minus)

=> 1 dibandingkan dengan 3 = 1 dikurangi 3 = 14.00000 maka teknik 1 lebih baik daripada 3 krn 1-3= 14.000000 (hasilnya bukan minus)

Maka dilihat dari table yang kedua:

=> 2 dibandingkan dengan 1 = 2 dikurangi 1 = 15.00000 maka teknik 2 lebih baik daripada 1 karena mean kelompok 2 dikurangi mean kelompok 1 = 15.00000 (hasilnya tidak minus)

=> 2 dibandingkan dengan 3 = 2 dikurangi 3 = 29.00000 maka teknik 2 lebih baik daripada 3 krn mean kelompok 2 ketika dikurangi mean kelompok 3= 29.000000 (hasilnya bukan minus)

Maka dilihat dari table yang ketiga:

=> 3 dibandingkan dengan 1 = 3 dikurangi 1 = -14.00000 maka teknik 1 lebih baik daripada 3 karena mean kelompok 3 dikurangi mean kelompok 1 = -14.00000 (hasilnya minus)

=> 3 dibandingkan dengan 2 = 3 dikurangi 2 = -29.00000 maka teknik 2 lebih baik daripada 3 krn mean kelompok 3 ketika dikurangi mean kelompok 2= -29.000000 (hasilnya minus)

Descriptives

Prestasi

N

Mean

Std. Deviation

Std. Error

95% Confidence Interval for Mean

Minimum

Maximum

Lower Bound

Upper Bound

1

10

51.0000

5.16398

1.63299

47.3059

54.6941

45.00

55.00

2

10

66.0000

5.67646

1.79505

61.9393

70.0607

55.00

75.00

3

10

37.0000

7.52773

2.38048

31.6150

42.3850

20.00

45.00

Total

30

51.3333

13.45063

2.45574

46.3108

56.3559

20.00

75.00

Mean-nya itu saling dikurangi:

Hasil dari -15.00000 (yang di mean difference) merupakan hasil perhitungan dari 1-2= 51.00000 – 66.00000

Hasil dari 14.00000 (yang di mean difference) merupakan hasil perhitungan dari 1-3= 51.00000 – 37.00000

……….dst.

Sekian.. (:

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s