Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam penelitian eksperimen. metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana kita mengambil kesimpulan berdasarkan data atau kelompok statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama.
Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t dibatasi untuk menguji hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk memungkinkan peneliti untuk menguji hipotesis perbandingan lebih dari dua kelompok. Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan. Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.
Landasan konseptual ANOVA
Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai berikut: H0 : M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat menolak H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0, Anda mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan ukuran-ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk menolak H0. Seperti pada uji statistik yang lain, kita menolak H0 ketika mendapati statistik uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu. Cara lain dapat dilakukan dengnan melihat p-value (nilai probabilitas) yang mana lebih rendah dari 5%, misalnya kita menggunakan tingkat kepercayaan 95%.
Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih. Lebih dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan keragaman data yang dimanifestasikan dalam nilai varians.
Apa saja asumsi yang harus dipenuhi dalam uji Anova sebagai bentuk dari model linier, berikut diantaranya:
1. Independensi observasi, setiap observasi dalam analisis anova harus bersifat independen.
2. Normalitas, Residual atau error harus mengikuti distribusi normal.
3. Homogenitas varians, varians antara kelompok yang dibandingkan harus homogen.
Mengingat uji Anova ini banyak digunakan dalam penelitian eksperimen, maka uji anova dapat dibagi berdasarkan desainnya.
1. Anova satu arah, digunakan untuk menguji perbedaan diantara dua atau lebih kelompok dimana hanya terdapat satu faktor yang dipertimbangkan. sebagai contoh membandingkan efek dosis obat yang berbeda terhadap kesembuhan pasien.
2. Anova faktorial, merupakan pengembangan dari anova satu arah dimana ada lebih dari satu faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor dosis obat tetapi juga frekuensi pemberian obat. pada anova faktorial, interaksi atau kombinasi diantara faktor juga dipertimbangkan. Pada contoh ini, interaksi antara dosis obat dan frekuensi pemberian obat dapat dihitung pengaruhnya terhadap kesembuhan pasien. Anova dua arah (two way anova) termasuk dalam Anova faktorial.
3. Anova reapeted measures, digunakan ketika dalam desain eksperimen mengijinkan subjek penelitian diikutsertakan pada perlakuan yang berbeda. terkait contoh di atas, misalnya pasien yang sama diberikan obat dengan dosis yang berbeda.
4. Multivariat Anova, berbeda dengan uji Anova yang hanya mengukur satu respon, Manova mengukur lebih dari satu respon dalam satu kali eksperimen. misalnya kita meneliti dampak obat pada beberapa dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida , LDL dan HDL pada pasien.