Uji Anova: Pengertian, Syarat, Fungsi, Tujuan, dan Langkahnya

KOMPAS.com – Dalam bidang industri, genetika, dan bidang kehidupan lainnya, data yang dimiliki harus diuji dan diamati untuk kemajuan industri. Data tersebut biasanya berbentuk kumpulan data yang harus diuji dan diamati melalui metode statistik.

Salah satu metode pengujian statistik yang bisa digunakan adalah uji Anova.

Junri Lasmon Marpaung dalam jurnal Penerapan Metode Anova untuk Analisis Sifat Mekanik Komposit Serabut Kelapa (2017) menyebutkan bahwa uji Anova adalah bentuk khusus dari analisis statistik yang digunakan dalam penelitian eksperimen.

Dilansir dari Investopedia, tes Anova yang dikembangkan R.A Fisher untuk membandingkan rata-rata populasi dari dua kelompok atau lebih sehingga bisa menentukan hubungan di antara mereka.

Analisis ragam atau anova digunakan untuk melihat perbandingan rata-rata dari dua kelompok atau lebih. Hal ini memudahkan analisis beberapa kelompok sampel yang berbeda dengan minimal risiko kesahalan.

Baca juga: Proposal Penelitian: Pengertian, Tujuan, Jenis, Penulisan, dan Cara Membuatnya

Syarat uji Anova

Menurut Donald H Saunders dalam buku Comparison of Three or More Sample Means: Analysis of Variance (1990) ada asumsi yang harus dipenuhi untuk melakukan uji Anova yaitu:

1. Random sampling: sampel bersifat independen dan bebas, artinya individu sampel diambil secara acak (random) dari masing-masing populasi atau kelompok data.
2. Multivariate normality: distribusi gejala tiap populasi atau kelompok data adalah normal. Untuk mendapat data dengan distribusi normal, jumlah sampel bisa diperbanyak atau bisa dilakukan tes normalitas terlebih dahulu.
3. Homogenity of variance: setiap populasi memiliki kesamaan variansi, jika berbedapun hendaknya tidak terlalu signifikan. Kesamaan variansi dapat diketahui melalui pengujian variansi.

Fungsi uji Anova

Uji Anova berfungsi untuk membandingkan rata-rata populasi untuk mengetahui perbedaan signifikan dari dua atau lebih kelompok data. Ada dua jenis uji Anova yaitu uji Anova satu arah dan juga uji Anova dua arah.

Berdasarkan situs Statistics Solutions, Anova satu arah berfungsi menganalisis data yang hanya memiliki satu variabel bebas atau karena satu faktor. Adapun Anova dua arah menganalisis data yang memiliki dua variabel bebas atau memiliki faktor kedua yang memengaruhi kondisi populasi.

Baca juga: Penelitian Geografi: Pengertian, Sifat, Jenis dan Contoh Judulnya

Tujuan uji Anova

Tujuan Anova adalah untuk mengambil kesimpulan dengan cara menemukan kelompok data yang berbeda. Hal ini dilakukan dengan memberikan hipotesis nol kepada populasi data.

Junri Lasmon Marpaung dan teman-teman dalam jurnal Penerapan Metode Anova untuk Analisis Sifat Mekanik Komposit Serabut Kelapa (2017) menyebutkan bahwa hipotesis nol adalah data dari sampel acak dengan populasi yang sama memiliki ekspektasi mean dan varians yang sama pula.

Langkah uji Anova satu arah

Berikut adalah langkah-langkah uji Anova menurut Beth Dawson Saunders dan Robert G Trapp dalam buku Comparing Three or More Means. Basic & Clinical Biostatistics (1998), yaitu:

• Memenuhi asumsi

Langkah awal pengujuan Anova adalah memenuhi ketiga asumsi yang menjadi syarat pengujian.

• Menghitung mean

Langkah selanjutnya adalah menghitung mean masing-masing kelompok. Setelah selesai, maka dapat dihitung juga mean keseluruhan atau mean total.

• Menghitung deviasi

Selanjutnya adalah menghitung deviasi dari nilai mean kelompok juga mean total. Dari sini akan terlihat variabilitas keseluruhan sampel datanya.

Baca juga: Jenis-Jenis Metode Penelitian

• Menghitung mean kuadrat

Lalu dihitung nilai mean kuadratnya dari masing-masing kelompok dan total. Setelah hasil mean kuadrat didapatkan, maka bisa dihitung degree of freedom atau derajat kebebasannya baik variabel antar kelompok dan variabel dalam kelompok.

Nilai mean kuadrat bisa dikuadratkan, namun akan merepotkan jika sampel dalam jumlah banyak. Sehingga mean kuadrat juga dapat dihitung dengan cara membandingkan nilai deviasi kuadrat dibagi dengan nilai derajat kebebasan.

• Menghitung F-ratio

Langkah selanjutnya adalah mencari nilai F-ratio dengan membandingkan nilai mean kuadrat antar kelompok dan nilai mean kuadrat dalam kelompok.

• Membandingkan dengan hipotesis nol

Dari nilai F-ratio yang dihitung kemudian dibandingkan dengan nilai F pada tabel. Jika nilai F-ratio lebih besar daripada nilai F tabel, hipotesis nol ditolak. Sehingga mengartikan bahwa terdapat perbedaan yang signifikan antara mean kelompok data.

Namun jika nilai F-ratio lebih kecil atau sama dengan nilai F tabel, maka hipotesis nol diterima. Hal ini masing-masing kelompok data memiliki nilai mean yang sama, atau tidak ada perbedaan yang signifikan di anatar kelompok-kelompok data tersebut.

Baca juga: Penelitian: Definisi, Ciri, Sikap, Jenis dan Syaratnya