Selasa, 24 November 2009
Analisis Varian (Anova)
ANALISIS RAGAM (ANALISIS VARIANSI)
(Analysis of Variance = ANOVA)
I. Pendahuluan
Anova diperkenalkan oleh Sir Ronald A. Fisher dan pada dasarnya merupakan proses aritnetika untuk membagi jumlah kuadrat totoal data menjadi komponen-komponen yang berhubungan dengan sumber keragaman yang diketahui.
Analisis ini digunakan untuk menguji kesamaan beberapa nilai rata-rata (mean) dalam senua bidang penelitian yang menggunakan data kuantitatif.
1.1. DistribusiTeoritis
Distribusi teoritis yang digunakan adalah Distribusi F. Nilai F tabel tergantung dari dan derajat bebas. Nilai = luas daerah penolakan H0 = taraf nyata uji
Derajat bebas (db) dalam Distribusi F ada dua (2), yaitu:
1. db numerator (db) = dà db kelompok; db baris; db interaksi
2. db denumerator = d à db galat/error
Contoh Nilai F pada Tabel Distribusi F
Ò Nilai F untuk db numerator = 4; db denumerator = 20 dan = 5 %? (2.87)
Ò Nilai F untuk db numerator = 10; db denumerator = 19 dan = 2.5 %? (2.82)
Ò Nilai F untuk db numerator = 8; db denumerator = 25 dan =1 %? (3.32)
Ò
Bentuk distribusi F à selalu bernilai positif
Perhatikan gambar berikut:
1.2. Penetapan Hipotesis
H0: Semua perlakuan (kolom, baris, interaksi) memiliki rata-rata yang bernilai sama
H1: Ada perlakuan (kolom, baris, interaksi) yang memiliki rata-rata yang bernilai tidak sama (berbeda)
Kelompok kami menggunakan anova dalam program SPSS untuk menguji kesamaan beberapa nilai rata-rata (mean) pada ketiga nilai mata kuliah,
Sebelumnya Kami melakukan penelitian berupa wawancara terhadap 32 orang mahasiswa biologi terhadap nilai Biologi Umum, Morfologi Tumbuhan Dan Pendidikan Lingkungan.
Data hasil wawancara terlampir dalam presentasi
DATA MENTAH
Nilai rata-rata dari ketiga mata kuliah diatas adalah sebagai berikut :
Biologi umum = 2,7
Morfologi tumbuhan = 3
Pend.lingkungan = 2,5
Oneway
Post Hoc Tests
Analisis output 1
Hipotesis
Hasil analisis post hoc
Tabel terakhir adalah tabel yang memberikan hasil analisis post hoc untuk semua kemungkinan perbandingan kelompok. Tabel yang dihasilkan dapat dilihat berikut ini:
Tabel ini memberikan hasil analisis dari dua teknik yang dipilih sebelumnya yaitu Bonferroni dan Games-Howell. Bonferroni dilakukan dengan berasumsi adanya homogenitas varians, sementara Games-Howell dilakukan tanpa asumsi homogenitas varians.
H0 : mmorfologi tumbuhan=mbiologi umum= mpen.lingkungan
(tidak ada perbedaan nilai rata-rata dari ke 3 mata kuliah tersebut)
H1 : morfologi tumbuhan≠biologi umum≠pen.lingkungan
Dalam pengujian kali ini digunakan tingkat signifikansi 0,05 (a=5%) atau dengan kata lain kepercayaan sbesar 0.95(95%)
Penarikan kesimpulan :
F hitung >F tabel ® tolak H0
F hitung < Ftabel ® terima H0
Nilai statistic Ftabel adalah F (3,29,0,05) = 2.93 (dari tabel distribusi F)
terlihat dari tabel Anova diatas bahwa nilai Fhitung = 1.539 dan yang mana nilai ini lebih kecil dari pada F tabel sehingga dapat disimpulkan bahwa kita tidak dapat menolak H0, artinya tidak ada perbedaan nilai rata-rata dari ketiga mata kuliah tersebut.
Oneway
Post Hoc Tests
Univariate Analysis of Variance
Analisis output
pengujian hipotesis
H0 : tidak ada perbedaan rata-rata dari ketiga corrected model
H1 : minimal ada satu corrected model yang berbeda dengan nilai mata kuliah
Dengan taraf signifikasi 5%
Penarikan kesimpulan
F hitung >F tabel ® tolak H0
F hitung < Ftabel ® terima H0
Ftabel = F1;90;5%=6.96
Dari tabel test of between-subject effect, nilai F hitung= 1,539. Untuk F tabel = 6,96, karena nilai F hitung lebih kecil dari F tabel maka kita dapat menerima H0 artinya tidak ada perbedaan nilai rata-rata dari ketiga Corrected model. Hal ini bisa kita lihat dari nilai signifikasi = 0,220 nilai ini lebih besar dari taraf signifikasi 0,05
Kesimpulannya menerima H0 minimal ada satu Corrected model yang berbeda dengan nilai mata kuliah.