Uji One Way Anova

Pada artikel kali ini, kita akan membahas tentang melakukan uji One Way
Anova atau Anova Satu Jalurdengan menggunakan software SPSS For Windows.

Anova merupakan singkatan dari "analysis of varian" adalah salah satu uji
komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih
dari dua kelompok. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata
IQ antara siswa kelas SLTP kelas I, II, dan kelas III. Ada dua jenis Anova, yaitu
analisis varian satu faktor (one way anova) dan analisis varian dua faktor (two ways
anova). Pada artikel ini hanya akan dibahas analisis varian satu faktor.

Untuk melakukan uji Anova, harus dipenuhi beberapa asumsi, yaitu:

1. Sampel berasal dari kelompok yang independen
2. Varian antar kelompok harus homogen
3. Data masing-masing kelompok berdistribusi normal (Pelajari juga tentang uji
normalitas)

Asumsi yang 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. Apabilaproses transformasi tidak juga dapat
memenuhi asumsi ini maka uji Anova tidak valid untuk dilakukan, sehingga harus
menggunakan uji non-parametrik misalnya Kruskal Wallis.

Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber
variasi yaitu variasi di dalam 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.

Setelah kita pahami sedikit tentang One Way Anova, maka mari kita lanjutkan
dengan mempelajari bagaimana melakukan uji One Way Anova dengan SPSS.

Sebagai bahan uji coba, maka kita gunakan contoh sebuah penelitian yang berjudul
"Perbedaan Pendapatan Berdasarkan Pekerjaan". Di mana pendapatan sebagai
variabel terikat bertipe data kuantitatif atau numerik sedangkan pekerjaan sebagai
variabel bebas berskala data kualitatif atau kategorik, yaitu dengan 3 kategori: Tani,
Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan apabila variabel
terikat adalah interval dan variabel bebas adalah kategorik). (Pelajari juga
tentang Pengertian Data)

Langsung Saja:

Tutorial One Way Anova

Buka SPSS

Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan

Ubah Type Pekerjaan ke "Numeric", Decimals "0", beri label "Pekerjaan", ubah
measure menjadi "Nominal" dan isi value dengan kategori: 1 = Tani, 2 =
Buruh dan 3 = Lainnya

Ubah Type Pendapatan ke "Numeric", Decimals "0", beri label "Pendapatan",

ubah measure menjadi "Scale".

Buka Data View dan isikan data sebanyak 24 responden sebagai berikut:

Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul
jendela One-Way ANOVA seperti di bawah ini:

Pilih variabel "Pendapatan" lalu masukkan ke kotak "Dependent List:"

Kemudian pilih variabel "Pekerjaan" lalu masukkan ke kotak "Factor:"
Sehingga nampak seperti di bawah ini:

Klik tombol Options, akan muncul jendela ini: Centang "Descriptive" dan
"Homogenity of variance test"

Klik Continue

Masih dijendela One Way ANOVA, klik tombol Post Hoc, sampai muncul
jendela ini: Centang Bonferronidan Games-Howell serta biarkan significance
level = 0,05.

Klik Continue

Lalu Klik OK dan Lihatlah hasil!

Hasil terilhat sebagai berikut:

Interprestasi Baca adalah sebagai berikut:

Dari tabel Descriptives nampak bahwa responden yang bekerja sebagai Tani
rata-rata berpendapatan sebesar 195497,50, Buruh rata-rata berpendapatan
sebesar 265080,75 dan Lainnya rata-rata berpendapatan 326423,25.
Selanjutnya untuk melihat uji kita lihat di tabel ANOVA.

Sebelum melanjutkan uji perlu diingat bahwa salah satu asumsi uji Anova
adalah variansnya sama. Dari tabel Test of Homegeneity of
Variances terlihat bahwa hasil uji menunjukan bahwa varian ketiga
kelompok tersebut sama (P-value = 0,357), sehingga uji Anova valid untuk
menguji hubungan ini.

Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga

kelompok pekerja tersebut, kita lihat tabel ANOVA , dari tabel itu pada kolom
Sig. diperoleh nilai P (P-value) = 0,037. Dengan demikian pada taraf nyata =
0,05 kita menolak Ho, sehingga kesimpulan yang didapatkan adalah ada

perbedaan yang bermakna rata-rata pendapatan berdasarkan ketiga

kelompok pekerjaan tersebut.

Jika hasil uji menunjukan Ho gagal ditolak (tidak ada perbedaan), maka uji
lanjut (Post Hoc Test) tidak dilakukan. Sebaliknya jika hasil uji menunjukan
Ho ditolak (ada perbedaan), maka uji lanjut (Post Hoc Test) harus dilakukan.

Karena hasil uji Anova menunjukan adanya perbedaan yang bermakna, maka
uji selanjutnya adalah melihat kelompok mana saja yang berbeda.

Untuk menentukan uji lanjut mana yang digunakan, maka kembali kita lihat
tabel Test of Homogeneity of Variances, bila hasil tes menunjukan varian
sama, maka uji lanjut yang digunakan adalah ujiBonferroni. Namun bilai
hasil tes menunjukan varian tidak sama, maka uji lanjut yang digunakan
adalah uji Games-Howell.

Dari Test of Homogeneity menghasilkan bahwa varian ketiga kelompok

tersebut sama, maka uji lanjut (Post Hoc Test) yang digunakan adalah Uji
Bonferroni.

Dari tabel Post Hoc Test di atas memperlihatkan bahwa kelompok yang
menunjukan adanya perbedaan rata-rata pendapatan (ditandai dengan tanda
bintang "*") adalah Kelompok "Tani" dan "Lainnya".

Uji Normalitas dengan Kolmogorov Smirnov

Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah
dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu
mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia
banyak sekali alat bantu berupa program statistik yang tinggal pakai. Berikut adalah
salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov
Smirnov.

Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai,

terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji
ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu
pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas
dengan menggunakan grafik.

Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah

dengan membandingkan distribusi data (yang akan diuji normalitasnya)
dengan distribusi normal baku. Distribusi normal baku adalah data yang
telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal.
Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang
diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika
signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika
signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan
pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti
data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal
baku, berarti data tersebut tidak normal.

Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan
yang signifikan antara data yang akan diuji dengan data normal baku, artinya.ya
berarti data yang kita uji normal, kan tidak berbeda dengan normal baku.

Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa
menentukan transformasiseperti apa yang harus kita gunakan untuk normalisasi.
Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan
atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan
transformasi seperti apa yang paling tepat dipergunakan.

Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSS

Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan
menu Analyze, kemudian klik pada Nonparametric Test, lalu klik Legacy Dialogs,
Klik 1-Sample K-S. K-S itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul
kotak One-Sample Kolmogorov-Smirnov Test.

Normalitas Kolmogorov SPSS

Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah.
Centang Normal pada Test Distribution.
Lalu tekan OK saja.
Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.
(2-tailed).

Output Normalitas Kolmogorov SPSS

Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data

dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka
diinterpretasikan sebagai tidak normal.
Untuk Uji Kolmogorov Smirnov dengan Excel, Baca Artikel kami yang berjudul
"Normalitas Excel".
Baca Juga Tentang: "Uji Homogenitas".
Untuk Pengujian Normalitas Metode Lilliefors dan Shapiro-Wilk Serta Metode Grafik
dalam SPSS, Baca: Normalitas Pada SPSS.