ANOVA (Analysis of Variance)

Anda mencoba empat metode mengajar di empat kelas selama satu semester. Rata-rata nilai akhir: 72, 78, 75, dan 82. Kelas dengan metode keempat tampak paling unggul. Tetapi sebelum mengganti seluruh kurikulum, satu pertanyaan menggantung: apakah selisih itu benar-benar karena metode, atau cuma keberuntungan acak — kebetulan kelas keempat berisi mahasiswa yang sedikit lebih rajin?

Godaan pertama adalah membandingkan kelas satu per satu: A lawan B, A lawan C, A lawan D, dan seterusnya. Untuk empat kelas, ada enam pasangan. Masalahnya, makin banyak perbandingan yang Anda lakukan, makin besar peluang salah satunya “kelihatan signifikan” hanya karena kebetulan — seperti melempar dadu berkali-kali sampai akhirnya keluar angka enam.

Yang Anda butuhkan adalah satu uji tunggal yang menimbang keempat kelas sekaligus dan menjawab satu hal: apakah ada perbedaan nyata di antara mereka? Uji itu bernama ANOVA.

Kenapa Bukan Banyak Uji-t

Uji-t membandingkan dua grup. Kalau grunya tiga atau lebih, naluri kita menyuruh menjalankan uji-t untuk setiap pasangan. Inilah jebakannya.

Setiap uji-t kita jalankan pada taraf nyata $\alpha = 0{,}05$ — artinya kita rela menanggung peluang 5% salah menyatakan “ada beda” padahal sebenarnya tidak ada (salah tolak, atau galat tipe I). Untuk satu uji, 5% masih wajar. Tetapi peluang itu menumpuk begitu kita menjalankan banyak uji.

Bayangkan keempat grup sebenarnya identik (tidak ada beda sama sekali). Peluang satu uji tidak salah-tolak adalah $0{,}95$. Untuk enam uji yang saling bebas, peluang tidak satu pun salah-tolak adalah $0{,}95^6$. Jadi peluang setidaknya satu salah-tolak:

$$1 - 0{,}95^{6} = 1 - 0{,}735 = 0{,}265$$

Artinya peluang kita keliru menyatakan “ada metode yang berbeda” melonjak dari 5% menjadi sekitar 26,5% — lebih dari satu banding empat — walaupun semua metode sama persis. Makin banyak grup, makin parah:

ANOVA memotong masalah ini dengan satu uji yang menimbang semua grup bersama-sama, sehingga taraf nyata tetap terkendali di 5%.

Intuisi: Dua Sumber Keragaman

Nama ANOVA — analysis of variance, analisis keragaman — terasa aneh karena tujuannya membandingkan rata-rata, tetapi alatnya justru keragaman. Inilah kunci yang membuat ANOVA masuk akal.

Bayangkan titik-titik nilai dari semua grup ditebar dalam satu gambar. Ada dua jenis sebaran yang bisa kita lihat:

• Keragaman antar-grup: seberapa jauh rata-rata tiap grup saling berjauhan. Kalau metode mengajar benar-benar berbeda, rata-rata grup akan terpencar lebar.
• Keragaman dalam-grup: seberapa berserak titik-titik di dalam satu grup yang sama. Ini cerminan keributan alami — mahasiswa dalam satu kelas pun nilainya tidak persis sama.

ANOVA membandingkan kedua sebaran ini sebagai sebuah rasio:

Logikanya: kalau grup memang berbeda, jarak antar rata-rata grup (keragaman antar) akan jauh lebih besar daripada keributan di dalam tiap grup (keragaman dalam). Rasio yang besar adalah bukti adanya perbedaan. Kalau grup sebenarnya sama, kedua keragaman itu sebanding, dan rasionya mendekati 1.

Hipotesis yang sedang diuji:

• $H_0$: $\mu_1 = \mu_2 = \mu_3 = \ldots = \mu_k$ — rata-rata semua grup sama.
• $H_1$: setidaknya satu rata-rata grup berbeda dari yang lain.

Satu catatan penting sejak awal: ANOVA hanya menjawab “ada beda atau tidak”. Ia tidak menunjuk grup mana yang berbeda. Untuk itu kita perlu uji lanjutan (post-hoc), dibahas di akhir.

Memecah Keragaman: Dekomposisi SS

Untuk mengubah intuisi tadi menjadi angka, kita ukur tiap sumber keragaman lewat jumlah kuadrat simpangan (sum of squares, disingkat SS) — gagasan yang sama persis dengan yang dipakai pada varians: simpangan dari sebuah pusat, dikuadratkan, lalu dijumlahkan.

Ada tiga jumlah kuadrat. Sebelum rumusnya, kenali dulu lambangnya:

• $x_{ij}$ = nilai data ke-$j$ di dalam grup ke-$i$. Misalnya $x_{23}$ adalah mahasiswa ke-3 di grup ke-2.
• $\bar{x}_i$ = rata-rata grup ke-$i$ (rata-rata satu grup saja).
• $\bar{\bar{x}}$ (dibaca “x-bar-bar”) = rata-rata gabungan semua data dari semua grup digabung jadi satu — sering disebut grand mean.
• $n_i$ = banyak data di grup ke-$i$; $n$ = total data semua grup; $k$ = banyak grup.

SST (total sum of squares) — keragaman total: simpangan tiap nilai dari rata-rata gabungan, dikuadratkan, dijumlahkan untuk semua data.

$$SST = \sum_{i}\sum_{j} (x_{ij} - \bar{\bar{x}})^2$$

SSB (between-groups sum of squares) — keragaman antar-grup: simpangan tiap rata-rata grup dari rata-rata gabungan, dikuadratkan, lalu ditimbang oleh ukuran grup $n_i$.

$$SSB = \sum_{i} n_i\,(\bar{x}_i - \bar{\bar{x}})^2$$

SSW (within-groups sum of squares) — keragaman dalam-grup: simpangan tiap nilai dari rata-rata grupnya sendiri, dikuadratkan, dijumlahkan.

$$SSW = \sum_{i}\sum_{j} (x_{ij} - \bar{x}_i)^2$$

Penjelasan dua lambang penjumlahan: $\sum_{j}$ berarti “jumlahkan untuk semua data di dalam satu grup”, dan $\sum_{i}$ berarti “jumlahkan lagi untuk semua grup”. Jadi $\sum_{i}\sum_{j}$ artinya menyapu setiap nilai di setiap grup.

Keajaiban ANOVA terletak pada satu kesamaan yang selalu berlaku:

$$SST = SSB + SSW$$

Keragaman total persis terbelah menjadi keragaman antar-grup ditambah keragaman dalam-grup. Tidak ada sisa, tidak ada tumpang-tindih. Inilah yang dimaksud “dekomposisi” — memecah satu angka besar (keragaman total) menjadi dua bagian yang punya arti jelas. Persamaan ini juga jadi alat cek hitung: kalau $SSB + SSW$ tidak sama dengan $SST$, ada langkah yang keliru.

Dari SS ke Statistik F

Jumlah kuadrat mentah belum bisa langsung dibandingkan, karena SSB hanya menjumlahkan $k$ suku (satu per grup) sedangkan SSW menjumlahkan $n$ suku (satu per data). Membandingkan keduanya apa adanya tidak adil. Kita ratakan dulu, masing-masing dibagi derajat bebasnya (degrees of freedom, df), menghasilkan rata-rata kuadrat (mean square, MS):

$$MSB = \frac{SSB}{k - 1}, \qquad MSW = \frac{SSW}{n - k}$$

Derajat bebas adalah “banyak potongan informasi yang benar-benar bebas”:

• Antar-grup: ada $k$ rata-rata grup, tetapi karena rata-rata gabungan sudah tetap, hanya $k-1$ yang bebas. Maka $df_1 = k - 1$.
• Dalam-grup: ada $n$ data, tetapi tiap grup “menghabiskan” satu df untuk menentukan rata-ratanya sendiri, jadi tersisa $n - k$. Maka $df_2 = n - k$.

$MSB$ adalah ukuran keragaman antar-grup per derajat bebas; $MSW$ adalah ukuran keributan dalam-grup per derajat bebas. Rasio keduanya adalah statistik F:

$$F = \frac{MSB}{MSW} = \frac{SSB/(k-1)}{SSW/(n-k)}$$

Cara membacanya lugas:

• $F$ mendekati 1 → keragaman antar-grup sebanding dengan keributan dalam-grup. Tidak ada bukti grup berbeda; jangan tolak $H_0$.
• $F$ jauh lebih besar dari 1 → rata-rata grup terpencar jauh melebihi keributan alaminya. Ini bukti grup memang berbeda; tolak $H_0$.

Keputusan formalnya: bandingkan $F$ hitung dengan nilai kritis $F_{\text{kritis}}(\alpha,\, df_1,\, df_2)$ dari tabel distribusi F, atau lebih praktis lihat p-value-nya. Di Excel, p-value dihitung dengan =F.DIST.RT(F; df1; df2) — peluang memperoleh $F$ sebesar itu atau lebih besar bila $H_0$ benar.

Contoh Hitung dari Nol

Kita kembali ke kasus pembuka: empat metode mengajar, masing-masing diuji pada 5 mahasiswa. Berikut data mentahnya.

Jadi $k = 4$ grup dan $n = 20$ data seluruhnya, dengan $n_i = 5$ tiap grup.

Langkah 1 — rata-rata gabungan. Karena tiap grup berukuran sama, rata-rata gabungan = rata-rata dari keempat rata-rata grup:

$$\bar{\bar{x}} = \frac{72 + 78 + 75 + 82}{4} = \frac{307}{4} = 76{,}75$$

Langkah 2 — SSB (antar-grup). Hitung selisih tiap rata-rata grup dari 76,75, kuadratkan, kalikan $n_i = 5$, jumlahkan.

$$SSB = 273{,}75$$

Langkah 3 — SSW (dalam-grup). Untuk tiap grup, hitung simpangan tiap nilai dari rata-rata grupnya, kuadratkan, jumlahkan. Lalu jumlahkan keempat grup.

$$SSW = 10 + 10 + 10 + 10 = 40$$

Cek dekomposisi. $SST$ seharusnya $SSB + SSW = 273{,}75 + 40 = 313{,}75$. (Bila Anda menghitung $SST$ langsung dari 20 simpangan tiap nilai terhadap 76,75 lalu menjumlahkan kuadratnya, hasilnya juga tepat 313,75 — cocok.)

Langkah 4 — derajat bebas.

$$df_1 = k - 1 = 4 - 1 = 3, \qquad df_2 = n - k = 20 - 4 = 16$$

Langkah 5 — rata-rata kuadrat.

$$MSB = \frac{SSB}{df_1} = \frac{273{,}75}{3} = 91{,}25, \qquad MSW = \frac{SSW}{df_2} = \frac{40}{16} = 2{,}5$$

Langkah 6 — statistik F.

$$F = \frac{MSB}{MSW} = \frac{91{,}25}{2{,}5} = 36{,}5$$

Semua langkah merangkum menjadi tabel ANOVA baku — bentuk yang akan Anda temui di setiap keluaran perangkat lunak:

Menafsirkan Hasil

Statistik $F = 36{,}5$ kita bandingkan dengan nilai kritisnya. Pada $\alpha = 0{,}05$ dengan $df_1 = 3$ dan $df_2 = 16$, nilai kritisnya $F_{\text{kritis}} \approx 3{,}24$. Karena $36{,}5$ jauh melampaui $3{,}24$, kita tolak $H_0$.

P-value-nya =F.DIST.RT(36,5; 3; 16) $\approx 0{,}0000002$ — praktis nol. Artinya: andai keempat metode sebenarnya identik, peluang memperoleh sebaran rata-rata setajam ini hanya sekitar dua per sepuluh juta. Itu terlalu kecil untuk dianggap kebetulan.

Maknanya secara nyata: keragaman antar metode (MSB = 91,25) lebih dari tiga puluh enam kali lebih besar dari keributan alami di dalam tiap kelas (MSW = 2,5). Selisih nilai antar metode jauh melampaui apa yang bisa dijelaskan oleh variasi mahasiswa biasa. Setidaknya satu metode benar-benar berbeda.

Yang belum kita ketahui: metode mana. Apakah hanya D yang menonjol, atau B juga, atau ketiganya berbeda satu sama lain? ANOVA tidak menjawab itu — untuk itu kita butuh uji lanjutan.

Bereksperimen Sendiri

Geser rata-rata dan sebaran tiap grup, lalu amati bagaimana $F$ bereaksi: rata-rata grup yang makin saling menjauh menaikkan $F$ (lewat SSB), sedangkan titik yang makin berserak di dalam grup menurunkan $F$ (lewat SSW).

Setelah ANOVA: Uji Lanjutan

Bila ANOVA menolak $H_0$, langkah berikutnya menunjuk pasangan grup mana yang berbeda — tetapi kita kembali menghadapi masalah banyak perbandingan. Uji lanjutan (post-hoc) mengatasinya dengan mengendalikan taraf nyata gabungan:

• Tukey HSD (honestly significant difference) — membandingkan semua pasangan sekaligus dengan kendali galat menyeluruh. Pilihan baku saat ukuran grup sama.
• Bonferroni — sederhana dan ketat: bagi $\alpha$ dengan banyak perbandingan. Mudah tetapi cenderung terlalu hati-hati.
• Scheffé — paling konservatif; cocok untuk kontras rumit, bukan sekadar pasangan.
• Dunnett — khusus saat tiap grup hanya dibandingkan dengan satu grup kendali.

Excel tidak menyediakan uji lanjutan bawaan; gunakan R (TukeyHSD()) atau perangkat statistik lain.

Besar Pengaruh: Eta-Kuadrat

P-value memberi tahu apakah perbedaan itu nyata, tetapi tidak seberapa besar. Untuk itu ada eta-kuadrat ($\eta^2$): proporsi keragaman total yang dijelaskan oleh perbedaan antar-grup.

$$\eta^2 = \frac{SSB}{SST} = \frac{273{,}75}{313{,}75} \approx 0{,}87$$

Jadi sekitar 87% keragaman nilai dijelaskan oleh perbedaan metode — pengaruh yang sangat besar. Patokan kasar: $\eta^2 \approx 0{,}01$ kecil, $0{,}06$ sedang, $0{,}14$ besar. (Untuk ANOVA dua-arah, pakai partial eta-kuadrat, $\eta_p^2$.)

Asumsi ANOVA

ANOVA satu-arah sahih bila tiga syarat terpenuhi:

1. Kebebasan pengamatan — tiap data berdiri sendiri; nilai satu mahasiswa tidak memengaruhi yang lain.
2. Kenormalan dalam tiap grup — nilai di tiap grup kira-kira berbentuk lonceng. Toleransinya tinggi untuk $n$ besar (berkat teorema limit pusat).
3. Keragaman setara (homoskedastisitas) — sebaran dalam tiap grup kurang lebih sama. Diperiksa dengan uji Levene.

Bila asumsi rusak parah, ada penggantinya:

• Kenormalan rusak dan $n$ kecil → uji Kruskal-Wallis (tanpa asumsi sebaran).
• Keragaman antar-grup jelas tidak setara → ANOVA Welch.

Sekilas ANOVA Dua-Arah

Kasus di atas hanya melibatkan satu faktor (metode mengajar) — itulah ANOVA satu-arah. Bila ada dua faktor sekaligus, misalnya metode mengajar (4 pilihan) dipadu waktu kuliah (pagi atau sore), kita pakai ANOVA dua-arah. Keragaman total dipecah lebih halus menjadi empat bagian:

• pengaruh utama faktor A (metode),
• pengaruh utama faktor B (waktu),
• pengaruh interaksi A × B (apakah efek metode bergantung pada waktu),
• sisa (residual).

ANOVA dua-arah lebih rumit tetapi lebih kuat, dan satu-satunya cara mendeteksi interaksi. Itu topik tersendiri; di sini cukup tahu bahwa kerangka “pecah keragaman, bandingkan lewat F” yang sama tetap berlaku.

Rumus di Excel

Toolpak Data Analysis: Data → Data Analysis → ANOVA: Single Factor
(menghasilkan seluruh tabel ANOVA otomatis)

Manual (dari data mentah):
=AVERAGE(grup)                                  → rata-rata tiap grup
=AVERAGE(semua data)                            → rata-rata gabungan
SSB = SUMPRODUCT(n; (mean_grup - mean_gabungan)^2)
SSW = SUMPRODUCT((x - mean_grup_masing)^2)
MSB = SSB/(k-1)        MSW = SSW/(n-k)
F   = MSB/MSW
p   = F.DIST.RT(F; k-1; n-k)
eta2 = SSB/(SSB+SSW)

⬇ Unduh 23-anova.xlsx

Berkas pendamping memuat ANOVA satu-arah langkah-demi-langkah dengan formula hidup (kolom simpangan antar dan dalam grup), contoh dua-arah, dan perhitungan besar pengaruh.

Cek Pemahaman

1. Dengan data pada contoh, didapat $SSB = 273{,}75$ dan $SSW = 40$. Tanpa menghitung ulang dari data mentah, tentukan $MSB$, $MSW$, dan $F$. Ingat $k = 4$ grup dan $n = 20$ data.

Lihat jawaban

Derajat bebas: $df_1 = k - 1 = 3$ dan $df_2 = n - k = 20 - 4 = 16$. Rata-rata kuadrat: $MSB = 273{,}75 / 3 = 91{,}25$ dan $MSW = 40 / 16 = 2{,}5$. Statistik F: $F = 91{,}25 / 2{,}5 = 36{,}5$.

2. (Transfer) Tiga lini produksi diukur waktu rakit (detik), masing-masing 2 sampel. Lini X: 2, 4. Lini Y: 6, 8. Lini Z: 10, 12. Hitung tabel ANOVA dari nol ($SSB$, $SSW$, df, $MS$, $F$), lalu putuskan apakah ada beda nyata bila $F_{\text{kritis}}(0{,}05; 2; 3) \approx 9{,}55$.

Lihat jawaban

Rata-rata grup: $\bar{x}_X = 3$, $\bar{x}_Y = 7$, $\bar{x}_Z = 11$. Rata-rata gabungan $\bar{\bar{x}} = (3+7+11)/3 = 7$.

SSB (antar, $n_i = 2$): $2[(3-7)^2 + (7-7)^2 + (11-7)^2] = 2[16 + 0 + 16] = 64$.

SSW (dalam): tiap lini simpangannya ±1 dari rata-ratanya, jadi $1^2 + 1^2 = 2$ per lini → $SSW = 2 \times 3 = 6$.

Cek: $SST = 64 + 6 = 70$. Derajat bebas: $df_1 = 3-1 = 2$, $df_2 = 6-3 = 3$.

$MSB = 64/2 = 32$; $MSW = 6/3 = 2$; $F = 32/2 = 16$.

Karena $F = 16 > 9{,}55$, tolak $H_0$ — ada perbedaan waktu rakit yang nyata antar lini. (Eta-kuadrat $= 64/70 \approx 0{,}91$ — pengaruh sangat besar.)

Kesalahan Umum

Menjalankan banyak uji-t tanpa koreksi. Membandingkan semua pasangan dengan uji-t satu per satu menggelembungkan galat tipe I (sampai 26,5% untuk empat grup). Pakai ANOVA dulu, baru uji lanjutan bila perlu.

Melewatkan cek keragaman setara. ANOVA mengandaikan sebaran tiap grup serupa. Periksa dengan uji Levene; bila keragaman jelas berbeda, beralih ke ANOVA Welch.

Mengaku signifikan tanpa besar pengaruh. $F$ besar dan p-value kecil hanya bilang “ada beda”, bukan “bedanya penting”. Laporkan $\eta^2$ untuk menunjukkan seberapa besar.

Salah hitung derajat bebas. $df_1 = k-1$ memakai banyak grup, sedangkan $df_2 = n-k$ memakai total data. Tertukar adalah penyebab tabel ANOVA paling sering keliru.

Memakai ANOVA untuk dua grup. Tidak salah — hasilnya identik dengan uji-t (dan $F = t^2$) — tetapi untuk dua grup, uji-t lebih ringkas dan langsung memberi arah selisihnya.

Dipakai di Dunia Nyata

• Uji klinis. Membandingkan efek tiga dosis obat (placebo, rendah, tinggi) terhadap penurunan tekanan darah dalam satu uji terkendali.
• Pemasaran (uji A/B/n). Menguji beberapa varian halaman situs atau iklan sekaligus untuk melihat mana yang menghasilkan konversi berbeda.
• Manufaktur dan kendali mutu. Membandingkan keluaran beberapa mesin atau lini produksi untuk mendeteksi mesin yang menyimpang.
• Penelitian pertanian. Justru di sinilah ANOVA lahir (Ronald Fisher) — membandingkan hasil panen lintas perlakuan pupuk atau varietas benih.

Lanjutan

ANOVA adalah pintu masuk membandingkan banyak kelompok sekaligus. Beberapa arah lanjutan:

• Uji-z dan uji-t — fondasi dua grup yang diperluas ANOVA.
• Analisis Daya (Power) — menentukan ukuran sampel yang cukup untuk ANOVA.
• Besar Pengaruh (Effect Size) — pendalaman eta-kuadrat dan ukuran besar pengaruh lain.