Dalam penelitian kuantitatif, peneliti sering kali perlu membandingkan nilai rata-rata dari beberapa kelompok. Jika kelompok yang dibandingkan hanya dua, uji t dapat digunakan dalam kondisi yang sesuai. Namun, ketika kelompok yang dibandingkan berjumlah tiga atau lebih, salah satu metode statistik yang umum digunakan adalah One Way Analysis of Variance (One Way ANOVA).
One Way ANOVA banyak diterapkan dalam penelitian pendidikan, kesehatan, ekonomi, manajemen, psikologi, maupun ilmu sosial. Dengan bantuan IBM SPSS Statistics, proses analisis dapat dilakukan secara lebih praktis karena perhitungan statistik dilakukan secara otomatis melalui perangkat lunak.
Menurut Field (2018), ANOVA pada dasarnya digunakan untuk membandingkan variasi yang berasal dari perbedaan antar kelompok dengan variasi yang terdapat di dalam kelompok. Jika variasi antar kelompok relatif besar dibandingkan variasi di dalam kelompok, terdapat indikasi bahwa rata-rata kelompok tidak seluruhnya sama.
Artikel ini membahas secara lengkap mengenai Uji One Way ANOVA SPSS, mulai dari pengertian, tujuan, syarat atau asumsi, hipotesis, langkah pengujian, hingga cara membaca hasil output SPSS.
Apa Itu Uji One Way ANOVA?
One Way ANOVA atau One Way Analysis of Variance merupakan teknik statistik parametrik yang digunakan untuk menguji apakah terdapat perbedaan rata-rata pada beberapa kelompok yang dibentuk berdasarkan satu faktor atau variabel independen.
IBM Corp. (2019) menjelaskan bahwa prosedur One-Way ANOVA digunakan untuk melakukan analisis varians terhadap variabel dependen kuantitatif berdasarkan satu faktor independen. Teknik ini dapat dipandang sebagai pengembangan dari pengujian perbedaan dua rata-rata menjadi pengujian beberapa rata-rata sekaligus.
Sebagai contoh, seorang peneliti ingin mengetahui apakah terdapat perbedaan hasil belajar siswa berdasarkan tiga metode pembelajaran, yaitu:
metode ceramah;
metode diskusi; dan
Project Based Learning.
Pada kasus tersebut, metode pembelajaran merupakan variabel pengelompokan atau faktor, sedangkan hasil belajar merupakan variabel dependen yang dibandingkan.
Secara sederhana, ANOVA membandingkan variasi antar kelompok (between-group variation) dengan variasi di dalam kelompok (within-group variation) (Field, 2018).
Kapan Uji One Way ANOVA Digunakan?
Uji One Way ANOVA digunakan ketika penelitian memiliki satu variabel independen berbentuk kategori dan satu variabel dependen berbentuk numerik atau kuantitatif.
Sebagai contoh:
Variabel independen: metode pembelajaran, yang terdiri atas metode A, metode B, dan metode C.
Variabel dependen: nilai hasil belajar siswa.
Dalam kondisi tersebut, One Way ANOVA dapat digunakan untuk mengetahui apakah rata-rata nilai hasil belajar ketiga kelompok memiliki perbedaan yang signifikan secara statistik.
IBM Corp. (2019) menyebutkan bahwa variabel dependen dalam prosedur One-Way ANOVA seharusnya bersifat kuantitatif, sedangkan variabel faktor digunakan untuk menentukan kelompok yang dibandingkan.
Beberapa contoh penggunaan One Way ANOVA antara lain:
Membandingkan rata-rata hasil belajar berdasarkan tiga model pembelajaran.
Membandingkan produktivitas karyawan berdasarkan beberapa sistem kerja.
Membandingkan tekanan darah pada beberapa kelompok perlakuan.
Membandingkan tingkat kepuasan berdasarkan jenis pelayanan.
Membandingkan pendapatan berdasarkan beberapa kelompok pekerjaan.
Perbedaan One Way ANOVA dan Uji t
Salah satu kesalahan yang sering ditemukan dalam analisis data adalah melakukan banyak uji t ketika terdapat lebih dari dua kelompok.
Uji t independen pada umumnya digunakan untuk membandingkan rata-rata dua kelompok independen. Sementara itu, One Way ANOVA digunakan untuk membandingkan rata-rata beberapa kelompok dalam satu pengujian.
Sebagai contoh:
Apabila penelitian hanya membandingkan kelas A dan kelas B, peneliti dapat menggunakan Independent Samples t-Test jika asumsi pengujian terpenuhi.
Namun, apabila terdapat kelas A, kelas B, dan kelas C, One Way ANOVA lebih sesuai digunakan.
Penggunaan banyak uji t secara terpisah dapat meningkatkan peluang terjadinya kesalahan tipe I (Type I error). Karena itu, ANOVA digunakan untuk menguji perbedaan beberapa mean secara simultan dengan pengendalian tingkat kesalahan yang lebih tepat (Field, 2018).
Syarat atau Asumsi Uji One Way ANOVA
Sebelum melakukan analisis One Way ANOVA, beberapa asumsi penting perlu diperhatikan. Model ANOVA klasik pada dasarnya mengasumsikan bahwa error atau residual bersifat independen, berdistribusi normal, dan memiliki varians yang sama pada kelompok yang dibandingkan (National Institute of Standards and Technology [NIST], n.d.).
1. Variabel Dependen Bersifat Numerik
Variabel yang dianalisis sebaiknya merupakan variabel kuantitatif dengan tingkat pengukuran yang sesuai, seperti interval atau rasio (IBM Corp., 2019).
Contohnya antara lain:
nilai ujian;
skor hasil belajar;
berat badan;
pendapatan;
tekanan darah; dan
skor suatu instrumen.
2. Observasi Antar Kelompok Bersifat Independen
Setiap observasi sebaiknya tidak saling bergantung antara satu dengan lainnya. Dengan kata lain, seorang responden pada desain kelompok independen hanya berada dalam satu kelompok penelitian.
Misalnya, siswa yang termasuk kelompok metode pembelajaran A tidak sekaligus menjadi anggota kelompok metode pembelajaran B.
Independensi merupakan salah satu asumsi penting dalam model ANOVA karena pelanggaran terhadap asumsi ini dapat memengaruhi validitas hasil pengujian (NIST, n.d.).
3. Residual Mendekati Distribusi Normal
ANOVA parametrik mengasumsikan error atau residual model berdistribusi normal (NIST, n.d.).
Dalam praktik menggunakan SPSS, pemeriksaan normalitas dapat dilakukan menggunakan beberapa pendekatan, seperti:
Shapiro-Wilk;
histogram;
Q-Q Plot; dan
pemeriksaan terhadap pencilan atau outlier.
Uji Shapiro-Wilk dikembangkan untuk mengevaluasi kesesuaian suatu sampel dengan distribusi normal (Shapiro & Wilk, 1965).
Namun, pemeriksaan asumsi normalitas sebaiknya tidak hanya bergantung pada nilai signifikansi dari satu uji statistik. Bentuk distribusi, jumlah sampel, serta keberadaan outlier juga perlu diperhatikan (Field, 2018).
4. Varians Antar Kelompok Relatif Homogen
ANOVA klasik mengasumsikan bahwa kelompok berasal dari populasi dengan varians yang relatif sama.
Dalam SPSS, asumsi tersebut umumnya diperiksa melalui Levene's Test for Equality of Variances. IBM Corp. (2019) memasukkan Levene’s test sebagai salah satu statistik yang tersedia dalam prosedur One-Way ANOVA.
Dasar interpretasi yang umum digunakan adalah:
Sig. > 0,05: tidak terdapat bukti yang cukup untuk menyatakan bahwa varians kelompok berbeda, sehingga asumsi homogenitas dapat dianggap terpenuhi.
Sig. ≤ 0,05: terdapat indikasi bahwa varians antar kelompok tidak homogen.
Namun, nilai tersebut tetap perlu dibaca bersama dengan desain penelitian dan karakteristik data.
Hipotesis Uji One Way ANOVA
Hipotesis dalam One Way ANOVA dapat dinyatakan sebagai berikut.
H0: Seluruh rata-rata populasi yang dibandingkan adalah sama.
Ha: Tidak seluruh rata-rata populasi sama, atau terdapat sekurang-kurangnya satu rata-rata kelompok yang berbeda.
Secara konseptual, jika terdapat tiga kelompok, hipotesis nol dapat ditulis sebagai:
H0: μ1 = μ2 = μ3
Sementara hipotesis alternatif tidak berarti bahwa seluruh kelompok harus berbeda. Hasil ANOVA yang signifikan hanya menunjukkan bahwa sekurang-kurangnya terdapat satu perbedaan rata-rata dalam kelompok yang dianalisis.
Oleh karena itu, ANOVA disebut sebagai omnibus test karena hasilnya menunjukkan adanya perbedaan secara keseluruhan, tetapi tidak langsung menunjukkan pasangan kelompok mana yang berbeda (Field, 2018).
Contoh Kasus Uji One Way ANOVA
Misalnya seorang peneliti ingin mengetahui apakah terdapat perbedaan hasil belajar berdasarkan tiga metode pembelajaran.
Kelompok penelitian terdiri atas:
Kelompok 1: Metode Ceramah
Kelompok 2: Metode Diskusi
Kelompok 3: Project Based Learning
Variabel dependen yang dianalisis adalah nilai hasil belajar siswa.
Hipotesis penelitian dapat ditulis sebagai berikut:
H0: Tidak terdapat perbedaan rata-rata hasil belajar antara metode ceramah, metode diskusi, dan Project Based Learning.
Ha: Terdapat setidaknya satu rata-rata hasil belajar yang berbeda di antara ketiga metode pembelajaran.
Cara Melakukan Uji One Way ANOVA di SPSS
Menurut dokumentasi IBM SPSS Statistics, prosedur One-Way ANOVA dapat diakses melalui menu Analyze → Compare Means → One-Way ANOVA (IBM Corp., 2019).
Sebelum menjalankan analisis, data perlu disusun dengan benar.
Misalnya dibuat dua variabel:
Metode sebagai variabel kelompok:
Kemudian:
Nilai sebagai variabel hasil belajar.
Setelah data tersedia, langkah-langkah pengujiannya adalah sebagai berikut.
Langkah 1: Membuka Menu One Way ANOVA
Pada menu SPSS pilih:
Analyze → Compare Means → One-Way ANOVA
Kotak dialog One-Way ANOVA kemudian akan muncul.
Langkah 2: Memasukkan Variabel
Masukkan variabel Nilai ke bagian:
Dependent List
Selanjutnya masukkan variabel Metode ke bagian:
Factor
Variabel pada Dependent List merupakan data numerik yang akan dibandingkan, sedangkan Factor merupakan variabel kategoris yang membentuk kelompok.
Langkah 3: Memilih Options
Klik menu Options.
Beberapa pilihan yang dapat diaktifkan antara lain:
Descriptive;
Homogeneity of variance test;
Welch, jika diperlukan dan tersedia pada versi SPSS yang digunakan.
Pemilihan Descriptive membantu menampilkan nilai rata-rata, standar deviasi, jumlah sampel, serta statistik deskriptif lainnya.
Sementara itu, Homogeneity of variance test digunakan untuk memperoleh hasil Levene's test.
Setelah selesai, klik Continue.
Langkah 4: Memilih Post Hoc
Jika kelompok yang dibandingkan lebih dari dua, analisis post hoc dapat digunakan untuk mengetahui pasangan kelompok yang berbeda setelah ditemukan efek omnibus yang signifikan.
Untuk data dengan asumsi homogenitas varians yang terpenuhi, Tukey HSD merupakan salah satu metode post hoc yang banyak digunakan (Field, 2018).
Jika varians antar kelompok tidak homogen, Games-Howell dapat dipertimbangkan karena metode ini dikembangkan untuk kondisi yang melibatkan varians dan/atau ukuran sampel yang tidak sama (Games & Howell, 1976).
Pada SPSS:
Klik Post Hoc → pilih metode yang sesuai → Continue.
Langkah 5: Menjalankan Analisis
Setelah seluruh pengaturan selesai, klik OK.
SPSS kemudian menghasilkan tabel hasil analisis yang digunakan dalam proses interpretasi.
Cara Membaca Output One Way ANOVA SPSS
Beberapa tabel penting perlu diperhatikan dalam output SPSS.
1. Tabel Descriptives
Tabel Descriptives memberikan gambaran awal mengenai karakteristik setiap kelompok.
Informasi yang biasanya ditampilkan meliputi:
jumlah sampel (N);
mean;
standar deviasi;
standard error;
nilai minimum;
nilai maksimum; dan
interval kepercayaan.
Misalnya diperoleh:
Berdasarkan statistik deskriptif, kelompok Project Based Learning mempunyai nilai rata-rata paling tinggi.
Namun, peneliti belum dapat menyatakan bahwa perbedaan tersebut signifikan hanya dengan membandingkan mean. Pengambilan keputusan inferensial harus didasarkan pada hasil ANOVA.
2. Test of Homogeneity of Variances
Bagian ini menampilkan hasil Levene's test yang digunakan untuk mengevaluasi homogenitas varians.
Misalnya diperoleh:
Sig. = 0,214
Karena:
0,214 > 0,05
maka tidak terdapat bukti statistik yang cukup untuk menolak asumsi kesamaan varians pada taraf 5%.
Dengan demikian, asumsi homogenitas dapat dianggap terpenuhi untuk keperluan analisis tersebut.
3. Tabel ANOVA
Tabel ANOVA merupakan bagian utama untuk mengetahui apakah terdapat perbedaan rata-rata secara keseluruhan.
Perhatikan nilai F dan Sig. atau p-value.
Misalnya diperoleh:
F(2, 87) = 12,64, p < 0,001
Karena nilai p lebih kecil dari 0,05, maka H0 ditolak.
Dengan demikian, terdapat bukti bahwa sekurang-kurangnya satu rata-rata hasil belajar berbeda secara signifikan dibandingkan kelompok lainnya.
Perlu diperhatikan bahwa dalam gaya pelaporan ilmiah, nilai p yang sangat kecil sebaiknya ditulis sebagai p < .001, bukan p = .000.
Cara Membaca Post Hoc Test
Jika hasil ANOVA signifikan dan penelitian membutuhkan informasi mengenai kelompok yang berbeda, interpretasi dapat dilanjutkan dengan hasil post hoc.
IBM Corp. (2019) menyediakan berbagai prosedur multiple comparison dalam SPSS, termasuk Tukey dan Games-Howell.
Misalnya hasil Tukey menunjukkan:
Interpretasinya adalah:
Perbedaan antara kelompok Ceramah dan Diskusi tidak signifikan karena p > 0,05.
Perbedaan antara kelompok Ceramah dan Project Based Learning signifikan karena p < 0,05.
Perbedaan antara kelompok Diskusi dan Project Based Learning juga signifikan karena p < 0,05.
Dengan demikian, analisis post hoc memungkinkan peneliti mengetahui pasangan kelompok tertentu yang memiliki perbedaan rata-rata.
Kapan Menggunakan Tukey dan Games-Howell?
Pemilihan metode post hoc perlu disesuaikan dengan karakteristik data.
Tukey HSD
Tukey HSD umumnya digunakan ketika asumsi homogenitas varians dapat dipertahankan.
Metode ini digunakan untuk melakukan perbandingan pasangan mean sambil mengontrol tingkat kesalahan keluarga atau familywise error rate (Field, 2018).
Games-Howell
Games-Howell lebih relevan ketika terdapat ketidaksamaan varians dan/atau perbedaan ukuran sampel.
Games dan Howell (1976) melakukan studi simulasi terhadap prosedur perbandingan pasangan mean dalam kondisi ukuran sampel dan varians yang tidak sama. Metode yang kemudian dikenal sebagai Games-Howell banyak digunakan untuk kondisi heterogenitas varians.
Secara sederhana:
Varians homogen → Tukey dapat dipertimbangkan.
Varians tidak homogen → Games-Howell dapat dipertimbangkan.
Pemilihan tersebut tetap sebaiknya disesuaikan dengan desain penelitian dan kondisi data.
Bagaimana Jika Varians Tidak Homogen?
Jika hasil Levene's test menunjukkan bahwa asumsi homogenitas varians tidak terpenuhi, peneliti tidak sebaiknya hanya mengabaikan kondisi tersebut.
Salah satu pendekatan yang dapat digunakan adalah Welch ANOVA.
Welch (1951) mengembangkan pendekatan untuk membandingkan beberapa nilai rata-rata pada situasi ketika asumsi kesamaan varians tidak dapat dipertahankan.
IBM SPSS Statistics juga menyediakan robust tests untuk kesamaan rata-rata dalam prosedur One-Way ANOVA (IBM Corp., 2019).
Dalam kondisi seperti ini, kombinasi yang sering digunakan adalah:
Welch ANOVA + Games-Howell Post Hoc
apabila analisis dan karakteristik data memang mendukung penggunaannya.
Bagaimana Jika Data Tidak Normal?
Jika distribusi data atau residual menunjukkan penyimpangan dari normalitas, keputusan tidak seharusnya langsung dibuat hanya dari satu nilai uji normalitas.
Menurut Field (2018), ANOVA relatif robust terhadap beberapa penyimpangan asumsi, terutama dalam kondisi tertentu seperti ukuran sampel yang memadai dan desain yang relatif seimbang.
Namun, apabila data memiliki penyimpangan yang berat, outlier ekstrem, atau skala data tidak mendukung analisis parametrik, peneliti dapat mempertimbangkan pendekatan alternatif.
Salah satu metode nonparametrik untuk membandingkan beberapa kelompok independen adalah Kruskal-Wallis test.
Pemilihan ANOVA atau Kruskal-Wallis tetap harus mempertimbangkan:
skala data;
desain penelitian;
ukuran sampel;
bentuk distribusi;
keberadaan outlier; dan
tujuan analisis.
One Way ANOVA dan Post Hoc Tidak Sama
One Way ANOVA dan post hoc memiliki fungsi yang berbeda.
One Way ANOVA menjawab pertanyaan:
“Apakah terdapat bukti bahwa rata-rata kelompok tidak seluruhnya sama?”
Sedangkan post hoc menjawab:
“Pasangan kelompok mana yang menunjukkan perbedaan?”
ANOVA merupakan uji omnibus sehingga tidak langsung mengidentifikasi lokasi perbedaan. Karena itu, ketika hasil ANOVA signifikan, analisis post hoc dapat digunakan untuk mengevaluasi perbedaan antar pasangan kelompok (Field, 2018; IBM Corp., 2019).
Contoh Penulisan Hasil Uji One Way ANOVA
Hasil analisis dalam skripsi, tesis, atau artikel ilmiah dapat ditulis sebagai berikut:
“Berdasarkan hasil One Way ANOVA diperoleh nilai F(2, 87) = 12,64 dengan p < .001. Hasil tersebut menunjukkan bahwa terdapat perbedaan rata-rata hasil belajar yang signifikan di antara kelompok metode ceramah, metode diskusi, dan Project Based Learning.”
Jika analisis dilanjutkan menggunakan post hoc, penulisan dapat dikembangkan menjadi:
“Hasil uji lanjut Tukey menunjukkan bahwa terdapat perbedaan yang signifikan antara kelompok metode ceramah dan Project Based Learning (p < .001), serta antara metode diskusi dan Project Based Learning (p = .018). Sementara itu, perbedaan antara metode ceramah dan metode diskusi tidak signifikan (p = .120).”
Penulisan hasil sebaiknya tidak hanya mencantumkan nilai Sig., tetapi juga melaporkan nilai F, derajat kebebasan (df), nilai p, statistik deskriptif, dan jika memungkinkan ukuran efek.
Pentingnya Effect Size dalam ANOVA
Nilai p hanya memberikan informasi mengenai kekuatan bukti statistik terhadap hipotesis nol. Nilai tersebut tidak secara langsung menunjukkan seberapa besar perbedaan atau pengaruh yang terjadi.
Oleh karena itu, interpretasi ANOVA akan lebih informatif apabila dilengkapi dengan ukuran efek atau effect size (Field, 2018).
Ukuran efek yang sering digunakan dalam ANOVA antara lain:
eta squared (η²);
partial eta squared (ηp²); dan
omega squared (ω²).
Dengan memasukkan ukuran efek, peneliti tidak hanya dapat mengatakan bahwa terdapat perbedaan secara statistik, tetapi juga dapat memberikan gambaran mengenai besarnya variasi variabel dependen yang berkaitan dengan faktor yang dianalisis.
Kesalahan yang Sering Terjadi Saat Menggunakan One Way ANOVA
Beberapa kesalahan yang sering dijumpai dalam penelitian antara lain:
Menggunakan ANOVA tanpa memeriksa karakteristik dan asumsi data.
Menggunakan banyak uji t untuk membandingkan tiga kelompok atau lebih.
Menyimpulkan adanya perbedaan hanya dengan melihat nilai mean.
Menganggap hasil ANOVA signifikan berarti seluruh kelompok saling berbeda.
Menggunakan Tukey tanpa mempertimbangkan homogenitas varians.
Mengabaikan Welch ANOVA ketika varians antar kelompok sangat berbeda.
Menulis nilai p = .000 daripada p < .001.
Hanya melaporkan nilai signifikansi tanpa nilai F dan derajat kebebasan.
Tidak melakukan analisis post hoc ketika diperlukan.
Menyamakan signifikansi statistik dengan besarnya pengaruh.
Menghindari kesalahan-kesalahan tersebut penting agar hasil analisis tidak hanya benar secara teknis, tetapi juga dapat dipertanggungjawabkan secara metodologis.
Kesimpulan
Uji One Way ANOVA SPSS digunakan untuk menguji perbedaan rata-rata pada beberapa kelompok yang dibentuk berdasarkan satu faktor. Dalam SPSS, prosedur ini dapat dilakukan melalui menu Analyze → Compare Means → One-Way ANOVA.
Sebelum melakukan interpretasi, peneliti perlu memperhatikan asumsi seperti independensi observasi, distribusi residual, dan homogenitas varians.
Jika hasil ANOVA memperoleh nilai p < 0,05, terdapat bukti statistik bahwa rata-rata kelompok tidak seluruhnya sama. Namun, hasil tersebut belum menunjukkan secara langsung kelompok mana yang berbeda.
Untuk mengetahui lokasi perbedaan, analisis dapat dilanjutkan menggunakan post hoc seperti Tukey HSD jika homogenitas varians terpenuhi atau Games-Howell apabila varians tidak homogen. Jika asumsi homogenitas tidak terpenuhi, Welch ANOVA juga dapat dipertimbangkan.
Dengan memahami konsep, asumsi, prosedur, dan cara interpretasi One Way ANOVA secara benar, peneliti tidak hanya mampu menjalankan SPSS, tetapi juga mampu mempertanggungjawabkan hasil analisis dalam skripsi, tesis, disertasi, maupun artikel ilmiah.
Daftar Pustaka
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
Games, P. A., & Howell, J. F. (1976). Pairwise multiple comparison procedures with unequal N's and/or variances: A Monte Carlo study. Journal of Educational Statistics, 1(2), 113–125. https://doi.org/10.3102/10769986001002113
IBM Corp. (2019). IBM SPSS Statistics Base 26. IBM Corporation.
National Institute of Standards and Technology. (n.d.). The one-way ANOVA model and assumptions. NIST/SEMATECH e-Handbook of Statistical Methods. https://www.itl.nist.gov/div898/handbook/prc/section4/prc432.htm
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3–4), 591–611. https://doi.org/10.1093/biomet/52.3-4.591
Welch, B. L. (1951). On the comparison of several mean values: An alternative approach. Biometrika, 38(3–4), 330–336. https://doi.org/10.1093/biomet/38.3-4.330
Chat via WhatsApp
Komentar
Posting Komentar