Analysis of Variance (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. Anova 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 praktik, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan). 

Dalam analysis of variance hanya satu hipotesis yang digunakan yaitu hipotesis dua arah (two tail) yang artinya apakah ada perbedaan rata-rata atau tidak.

H0: μ1 = μ2 = μ3 = ... = μn, Tidak ada perbedaan yang nyata antara rata-rata hitung dari n kelompok
H1: μ1 ≠ μ2 ≠ μ3 ≠ ... ≠ μn, Ada perbedaan yang nyata antara rata-rata hitung dari n kelompok

Anova digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok. Anova mempunyai dua jenis yaitu analisis varian satu faktor (one way anova) dan analsis varian dua faktor (two ways anova).

Asumsi-asumsi yang harus dipenuhi dalam analisis varians (anova):

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 bebas, yang harus dapat diatur dengan perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara random terhadap beberapa (> 2) kelompok yang independen, 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. 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 hipotesis dengan ANOVA digunakan, setidaknya karena beberapa alasan berikut:

1. Memudahkan analisa atas beberapa kelompok sampel yang berbeda dengan resiko kesalahan terkecil.

2. Mengetahui signifikansi perbedaan rata-rata (μ) antara kelompok sampel yang satu dengan yang lain. Bisa jadi, meskipun secara numeris bedanya besar, namun berdasarkan analisa ANOVA, perbedaan tersebut TIDAK SIGNIFIKAN sehingga perbedaan μ bisa diabaikan. Sebaliknya, bisa jadi secara numeris bedanya kecil, namun berdasarkan analisa ANOVA, perbedaan tersebut SIGNIFIKAN, sehingga minimal ada satu μ yang berbeda dan perbedaan μ antar kelompok sampel tidak boleh diabaikan.

3. 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.

Jenis-jenis dari Analisis of Variance (Anova).
Pemilihan tipe ANOVA tergantung dari rancangan percobaan (experiment design) yang kita pilih .

1. Anova satu arah biasa dikenal one way anova

Maksud dari kasus ini yaitu untuk menguji perbedaan rata-rata lebih dari dua sampel dimana dalam melakukan analisis hanya bisa satu arah. Maksud satu arah ini hanya bisa menguji antar kelompok yang satu. Untuk lebih jelasmya kita kasih contoh kasus saja ya.

Contoh kasus Anova satu arah:

Sampel	Penurunan Berat Badan (Kg)
	Metode 1	Metode 2	Metode 3	Metode 4
Sampel 1	4	8	7	6
Sampel 2	6	12	3	5
Sampel 3	4	-	-	5

Terdapat 4 metode diet dan 3 golongan usia peserta program diet Berikut data rata-rata penurunan berat peserta keempat metode dalam tiga kelompok umur.

Berdasarkan gambar di atas terlihat bahwa ada empat metode (kolom). Dari empat metode itu dilakukan oleh beberapa orang tapi tiap metode dilakukan oleh orang yang berbeda. pada tabel diatas terlihat data diperoleh dari sampel yang berbeda perlakuan antar kelompok karen itu kita hanya bisa membandingkan antar metode tapi tidak bisa membandingkan antar orang karena setiap tidak melakukan metode yang sama. Oleh karena itu dikatakan satu arah saja.

2. Anova dua arah tanpa interaksi anova two way without interaction

Jenis anova yang kedua yaitu anova dua arah tanpa interaksi. Artinya bahwa bisa dilakukan interaksi antara kelompok dan perlakuan. maksdunya bisa membandingkan antar antar kelompok atau kah antar perlakuan. berikut contoh kasus.

Contoh kasus Anova dua arah tanpa interaksi:

Umur	Penurunan Berat Badan (Kg)
	Metode 1	Metode 2	Metode 3	Metode 4
< 20 tahun	5	6	2	3
20-40	2	7	5	3
> 40 tahun	7	3	4	3

Terdapat 4 metode diet dan 3 golongan usia peserta program diet Berikut data rata-rata penurunan berat peserta keempat metode dalam tiga kelompok umur.

Berdasarkan gambat tersebut terlihat bahwa setiap metode memiliki perlakuan yang sama sehingga bisa dikatakan ada hubungan dua arah. tapi tidak ada interaksi.

3. Anova dua arah dengan interaksi anova two way with interaction

Sebelum ini dijelaskan anova dua arah tanpa interaksi. dikatakan anova dengan interaksi ketika setiap kolom [perlakuan] dan blok [baris] diulang. Langsung kecontoh aja ya.

Contoh kasus Anova dua arah dengan interaksi:

Umur	Penurunan Berat Badan (Kg)
	Metode 1	Metode 2	Metode 3	Metode 4
< 20 tahun #1 #2 #3	5 4 5	0 2 1	3 4 8	4 2 2
20-40 tahun #1 #2 #3	5 6 2	4 2 1	2 2 4	5 3 2
> 40 tahun #1 #2 #3	4 4 5	5 5 0	2 1 2	6 4 4

Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut adalah data ata-rata penurunan berat badan setelah 1 bulan melakukan diet. Ujilah apakah penurunan berat badan sama untuk setiap metode diet, kelompok umur dan interaksi dengan taraf uji 5 %?

Langkah-langkah melakukan uji hipotesis dengan ANOVA

1. Kumpulkan sampel dan kelompokkan berdasarkan kategori tertentu.
   Untuk memudahkan pengelompokkan dan perhitungan, buat tabel data sesuai dengan kategori berisi sampel dan kuadrat dari sampel tersebut. Hitung pula total dari sampel dan kuadrat sampel tiap kelompok. Selain itu, tentukan pula hipotesis nol (H0) dan hipotesis alternatif (H1).


2. Menentukan tipe anova
   apakah masuk tipe satu arah, tipe dua arah tanpa interaksi atau tipe dua arah dengan interaksi. karena akan berpengaruh pada perhitungan. Menentukan tipe seperti pada penejalasan diatas.


3. Menghitung variabilitas dari seluruh sampel.
   
   Pengukuran total variabilitas atas data dapat dikelompokkan menjadi tiga bagian:
   
   
   
   • Total of sum squares (SSt) – jumlah kuadrat total (jkt).
     Merupakan jumlah kuadrat selisih antara skor individual dengan rata-rata totalnya.
   
   
   • Sum Square Between(SSb) – jumlah kuadrat kolom (jkk).
     Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya. Variansi di sini lebih terpengaruh karena adanya perbedaan perlakuan antar kelompok.
   
   
   • Sum Square within(SSw) – jumlah kuadrat galat (jkg).
     Variansi yang ada dalam masing-masing kelompok. Banyaknya variansi akan tergantung pada banyaknya kelompok, dan variansi di sini tidak terpengaruh / tergantung oleh perbedaan perlakuan antar kelompok.
4. Menghitung derajat kebebasan (degree of freedom).
   
   Derajat kebebasan atau degree of freedom (dilambangkan dengan v, dof, atau df) dalam ANOVA akan sebanyak variabilitas. Oleh karena itu, ada tiga macam derajat kebebasan yang akan kita hitung:
   
   
   
   • Derajat kebebasan untuk JKT
     merupakan derajat kebebasan dari Jumlah kuadrat total (JKT) ini akan kita lambangkan dengan dof JKT
   
   
   • Derajat kebebasan untuk JKK
     merupakan derajat kebebasan dari Jumlah kuadrat kolom (JKK) ini akan kita lambangkan dengan dof JKK
   
   
   • Derajat kebebasan untuk JKG
     Merupakan derajat kebebasan dari Jumlah kuadrat galat (JKG) ini akan kita lambangkan dengan dof JKG
     
     Derajat kebebasan juga memiliki sifat hubungan yang sama dengan sifat hubungan variabel, yakni:
     
     
     dof JKT = dof JKK + dof JKG
5. Menghitung variance antar kelompok dan variance dalam kelompok.
   
   Variance dalam ANOVA, baik untuk antar kelompok maupun dalam kelompok sering disebut dengan kuadrat tengah atau deviasi rata-rata kuadrat (mean squared deviation) dan dilambangkan dengan MS atau KT. Dengan demikian, maka mean squared deviation masing-masing dapat dicari dengan rumus sebagai berikut:
   
   
   
   • KTK = JKK/dof jkk
   
   
   • KTG = JKG/dof jkg
6. Menghitung F hitung
   
   Menghitung nilai distribusi F (Fhitung) berdasarkan perbandingan variance antar kelompok dan variance dalam kelompok.Fhitung didapatkan dengan rumus di bawah ini:
   
   
   Fhitung = KTK/KTG


7. Menghitung F tabel
   
   Selain itu, F berdasarkan tabel (Ftabel) juga dihitung, berdasarkan nilai derajat kebebasan (langkah ke-4) menggunakan tabel distribusi-F. Jangan lupa untuk mencantumkan gambar posisi Fhitung dan Ftabel dalam grafik distribusi-F.


8. Membandingkan Fhitung dengan Ftabel :
   
   
   
   
   • Jika Fhitung > Ftabel : tolak H0
   
   
   • Jika Fhitung ≤ Ftabel : terima H0
9. Buat kesimpulan,
   sesuai dengan kasus awal yang ditanyakan. Simpulkan, apakah perlakuan (treatment) memiliki efek yang signifikan pada sampel data atau tidak. Jika hasil tidak signifikan, berarti seluruh rata-rata sampel adalah sama. Jika perlakuan menghasilkan efek yang signifikan, setidaknya satu dari rata-rata sampel berbeda dari rata-rata sampel yang lain.

Contoh penghitungan Analysis of variance (Anova) dengan tabel.

Sumber Keragaman (SK)	Jumlah Kuadrat (JK)	Derajat Bebas (db)	Kuadrat Tengah (KT)	F hitung
Kolom (K)	JKK	db JKK	KTK = JKK / db JKK	F hitung = KTK / KTG
Galat (G)	JKG	db JKG	KTG = JKG / db JKG
Total (T)	JKT	db JKT

 Untuk lebih jelas bisa juga unduh file : ANOVA

Referensi:

1. http://statistikceria.blogspot.kr/2013/12/uji-hipotesis-dengan-analisis-ragam-analysis-of-variance-anova.html

2. http://statistik-kesehatan.blogspot.kr/2011/03/uji-anova.html