ANOVA — Penjelasan Analisis Varians

ANOVA, singkatan dari analysis of variance atau analisis varians, menguji apakah hasil rata-rata berbeda di beberapa kelompok. Dalam ANOVA satu arah, Anda membandingkan variasi antar rata-rata kelompok dengan variasi di dalam kelompok, yang menghasilkan statistik $F$.

ANOVA biasanya merupakan alat yang tepat ketika Anda memiliki satu variabel pengelompokan kategorikal, satu respons kuantitatif, dan menginginkan satu uji keseluruhan alih-alih menjalankan banyak uji $t$ terpisah. Jika variasi antarkelompok besar dibandingkan dengan variasi dalam kelompok, itu menjadi bukti bahwa tidak semua rata-rata populasi sama.

Untuk ANOVA satu arah klasik, statistik ujinya adalah

$$F = \frac{MS_B}{MS_W}$$

dengan $MS_B$ adalah mean square antar kelompok dan $MS_W$ adalah mean square dalam kelompok. Nilai $F$ yang lebih besar menunjukkan bahwa rata-rata kelompok lebih berjauhan daripada yang diharapkan hanya dari noise biasa di dalam kelompok.

Apa yang Diuji oleh ANOVA

Hipotesis nol yang umum untuk ANOVA satu arah adalah

$$H_0: \mu_1 = \mu_2 = \cdots = \mu_k$$

Hipotesis alternatifnya bukan "semua rata-rata berbeda." Bentuknya lebih lemah: setidaknya satu rata-rata kelompok berbeda dari setidaknya satu rata-rata kelompok lainnya.

Poin ini penting karena ANOVA adalah uji keseluruhan. Hasil yang signifikan menunjukkan ada bukti perbedaan di suatu tempat, tetapi tidak mengidentifikasi kelompok mana yang berbeda. Untuk itu biasanya diperlukan perbandingan lanjutan.

Mengapa ANOVA Menggunakan Varians untuk Membandingkan Rata-Rata

Namanya terdengar terbalik pada awalnya. Jika ANOVA membahas rata-rata, mengapa yang digunakan justru varians?

Karena varians memberi cara yang rapi untuk mengukur dua jenis penyebaran:

1. Penyebaran rata-rata kelompok di sekitar rata-rata gabungan.
2. Penyebaran pengamatan individual di sekitar rata-rata kelompoknya masing-masing.

Jika jenis penyebaran pertama jauh lebih besar daripada yang kedua, kelompok-kelompok tersebut tampak lebih terpisah daripada yang biasanya dihasilkan oleh fluktuasi biasa dalam kelompok.

Kapan ANOVA Satu Arah Tepat Digunakan

ANOVA satu arah digunakan ketika satu faktor kategorikal membagi pengamatan ke dalam kelompok-kelompok dan Anda ingin membandingkan rata-rata dari satu respons kuantitatif di antara kelompok-kelompok tersebut.

Contohnya termasuk membandingkan rata-rata nilai ujian antar metode pengajaran, rata-rata hasil panen antar pupuk, atau rata-rata waktu reaksi antar kondisi perlakuan.

Untuk ANOVA satu arah klasik, asumsi utamanya adalah:

1. Pengamatan saling independen.
2. Respons diukur pada skala kuantitatif.
3. Varians antarkelompok cukup mirip.
4. Model tidak terlalu bertentangan dengan bentuk data, terutama pada sampel kecil.

ANOVA tetap bisa cukup robust dalam banyak situasi, terutama dengan kelompok yang seimbang dan ukuran sampel sedang, tetapi itu bergantung pada desainnya. Jika datanya berpasangan, diulang pada subjek yang sama, atau memiliki varians yang sangat tidak sama, ANOVA satu arah biasa mungkin bukan alat yang tepat.

Contoh ANOVA Satu Arah

Misalkan seorang guru ingin membandingkan tiga metode belajar menggunakan skor kuis:

1. Metode A: $72$, $74$, $76$
2. Metode B: $78$, $80$, $82$
3. Metode C: $84$, $86$, $88$

Rata-rata kelompoknya adalah

$$\bar{x}_A = 74, \qquad \bar{x}_B = 80, \qquad \bar{x}_C = 86$$

Rata-rata gabungan dari semua $9$ skor adalah

$$\bar{x} = 80$$

Sekarang pisahkan variasinya menjadi dua bagian.

Langkah 1: Variasi Antarkelompok

Setiap kelompok memiliki $3$ pengamatan, jadi jumlah kuadrat antarkelompok adalah

$$SS_B = 3(74-80)^2 + 3(80-80)^2 + 3(86-80)^2$$ $$SS_B = 3(36) + 0 + 3(36) = 216$$

Dengan $k=3$ kelompok, derajat bebas antarkelompok adalah $k-1=2$, sehingga

$$MS_B = \frac{SS_B}{k-1} = \frac{216}{2} = 108$$

Langkah 2: Variasi Dalam Kelompok

Di dalam setiap kelompok, skor hanya berjarak $2$ poin dari rata-rata kelompok di kedua sisi:

$$SS_W = (4+0+4) + (4+0+4) + (4+0+4) = 24$$

Dengan total $N=9$ pengamatan, derajat bebas dalam kelompok adalah $N-k=6$, sehingga

$$MS_W = \frac{SS_W}{N-k} = \frac{24}{6} = 4$$

Langkah 3: Hitung Statistik $F$

Sekarang hitung

$$F = \frac{MS_B}{MS_W} = \frac{108}{4} = 27$$

Nilai $F$ sebesar ini berarti rata-rata kelompok berjauhan dibandingkan dengan variasi di dalam kelompok. Di bawah asumsi ANOVA satu arah yang biasa, ini merupakan bukti kuat terhadap hipotesis nol bahwa ketiga rata-rata populasi sama.

Interpretasi praktisnya sederhana: perbedaan di antara tiga metode belajar tersebut terlalu besar untuk dianggap hanya sebagai sebaran biasa dalam kelompok.

Apa yang Tidak Diberitahukan oleh ANOVA

ANOVA tidak memberi tahu Anda pasangan kelompok spesifik mana yang berbeda. Setelah hasil keseluruhan signifikan, Anda biasanya memerlukan perbandingan post-hoc atau kontras terencana.

ANOVA juga tidak memberi tahu bahwa efeknya penting secara praktis. Perbedaan yang dapat dideteksi secara statistik tetap bisa terlalu kecil untuk berarti dalam situasi nyata.

Jika studi tidak diacak, ANOVA juga tidak membuktikan bahwa variabel pengelompokan menyebabkan perbedaan tersebut. ANOVA hanya menguji apakah rata-rata kelompok tampak berbeda dalam data yang Anda kumpulkan.

Kesalahan Umum dalam ANOVA

Salah satu kesalahan umum adalah mengira ANOVA terutama merupakan uji untuk apakah varians kelompok sama. Dalam penggunaan standar, ANOVA membandingkan rata-rata. Varians muncul karena itulah mekanisme yang digunakan untuk mengukur sinyal versus noise.

Kesalahan lain adalah menjalankan banyak uji $t$ terpisah alih-alih satu ANOVA keseluruhan ketika beberapa kelompok terlibat. Hal itu dapat meningkatkan risiko positif palsu kecuali perbandingannya disesuaikan dengan hati-hati.

Kesalahan ketiga adalah berhenti setelah ANOVA signifikan lalu mengklaim sudah tahu persis kelompok mana yang unggul. Uji keseluruhan tidak menjawab itu dengan sendirinya.

Di Mana ANOVA Digunakan

ANOVA umum digunakan dalam eksperimen, pengujian produk, pendidikan, biologi, pertanian, dan ilmu sosial. ANOVA berguna kapan pun Anda memerlukan satu uji yang dapat dipertanggungjawabkan untuk perbedaan rata-rata di banyak kelompok.

ANOVA sangat membantu ketika pertanyaan utamanya bersifat komparatif: apakah perlakuan, metode, atau kondisi ini menghasilkan rata-rata hasil yang berbeda secara terukur?

Coba Versi Anda Sendiri

Ambil contoh yang sama dan ubah Metode B menjadi $79$, $80$, $81$. Hitung ulang $SS_W$, $MS_W$, dan statistik $F$ akhirnya. Satu perubahan itu membuat intuisi intinya terlihat jelas: ketika noise dalam kelompok meningkat, bukti untuk perbedaan rata-rata yang nyata menjadi lebih lemah.