ANOVA Satu Arah dan Dua Arah: Asumsi, Post Hoc, Efek Interaksi, dan Cara Membacanya

ANOVA (analysis of variance) adalah uji statistik untuk membandingkan rata-rata tiga kelompok atau lebih sekaligus. ANOVA satu arah memakai satu faktor, sedangkan ANOVA dua arah (two-way ANOVA) memakai dua faktor dan bisa menguji interaksi keduanya.

Kenapa tidak memakai uji t berkali-kali saja? Karena setiap uji membawa peluang salah. Dengan tiga uji t yang masing-masing memakai ? = 0,05, peluang setidaknya satu kesimpulan keliru naik menjadi sekitar 14%. ANOVA menguji semua kelompok dalam satu langkah.

Artikel ini bagian dari seri Materi Statistik IDTesis. Untuk membandingkan dua kelompok saja, gunakan uji beda t-test.

Logika ANOVA: Membandingkan Dua Sumber Variasi

ANOVA membandingkan variasi antarkelompok dengan variasi di dalam kelompok. Jika perbedaan antarkelompok jauh lebih besar daripada variasi acak di dalam kelompok, nilai F menjadi besar.

F = frac{MS_{antar}}{MS_{dalam}} = frac{SS_{antar} / (k - 1)}{SS_{dalam} / (N - k)}

Keterangan: SS adalah jumlah kuadrat (sum of squares), MS adalah rata-rata kuadrat (mean square), k adalah jumlah kelompok, dan N adalah jumlah seluruh data.

Contoh. Sebuah sekolah membandingkan metode standar dengan dua metode baru (X dan Y). Lima belas siswa dibagi acak ke tiga metode, masing-masing lima siswa. Nilai tesnya: metode standar 49, 60, 57, 59, 55; Metode X 71, 60, 65, 59, 69; dan Metode Y 83, 87, 89, 92, 95.

Sumber variasi	SS	df	MS	F	p
Antarkelompok	2.958,4	2	1.479,2	64,88	< 0,001
Dalam kelompok	273,6	12	22,8
Total	3.232,0	14

Karena p < 0,001, setidaknya ada satu pasang metode yang rata-ratanya berbeda. Pasangan mana yang berbeda belum diketahui. Itu tugas uji post hoc.

Asumsi ANOVA

1. Pengamatan saling bebas. Setiap siswa hanya masuk satu kelompok.
2. Data setiap kelompok mendekati normal. Cara memeriksanya ada di artikel uji normalitas. Dengan lima data per kelompok, normalitas sulit dinilai, jadi sampel sekecil ini sebaiknya dihindari.
3. Varians antarkelompok sama (homogen). Asumsi ini dicek dengan uji Levene.
4. Tidak ada nilai ekstrem yang berpengaruh besar. Lihat artikel data outlier.

Pada contoh, uji Levene menghasilkan F(2, 12) = 0,24 dengan p = 0,788, sehingga varians ketiga kelompok dianggap sama. Jika varians berbeda, gunakan Welch ANOVA. Delacre dkk. (2019) bahkan menyarankan Welch ANOVA sebagai pilihan bawaan. Jika data jauh dari normal dan sampelnya kecil, alternatif nonparametriknya adalah uji Kruskal-Wallis.

Langkah ANOVA Satu Arah di SPSS

1. Klik Analyze ? Compare Means ? One-Way ANOVA (di SPSS versi baru: Compare Means and Proportions).
2. Masukkan variabel nilai ke Dependent List dan variabel metode ke Factor.
3. Klik Post Hoc. Centang Tukey jika varians sama, atau Games-Howell jika varians berbeda.
4. Klik Options. Centang Descriptive, Homogeneity of variance test, dan Welch.
5. Klik OK.

Uji Post Hoc: Kelompok Mana yang Berbeda?

Karena varians homogen dan jumlah anggota tiap kelompok sama, uji yang tepat adalah Tukey HSD.

Perbandingan	Selisih rata-rata	p (Tukey)	Kesimpulan
Metode Y vs standar	33,2	< 0,001	Berbeda
Metode Y vs Metode X	24,4	< 0,001	Berbeda
Metode X vs standar	8,8	0,032	Berbeda

Semua pasangan berbeda signifikan, dengan Metode Y paling tinggi. Perhatikan pasangan Metode X vs standar. Jika memakai Games-Howell, nilai p-nya menjadi 0,051. Jadi, pilihan uji post hoc bisa mengubah kesimpulan, dan pilihan itu harus didasarkan pada hasil uji Levene, bukan pada hasil yang diinginkan.

Hindari uji LSD, karena uji ini tidak mengoreksi peluang salah akibat banyaknya perbandingan. Uji Duncan juga cenderung terlalu longgar dibanding Tukey.

Effect size. Ukuran yang lazim adalah eta squared (?²), yaitu SS antarkelompok dibagi SS total: 2.958,4 ÷ 3.232,0 = 0,92. Patokan Cohen (1988) untuk ?² adalah 0,01 kecil, 0,06 sedang, dan 0,14 besar (Lakens, 2013). Nilai 0,92 sangat besar, tetapi perlu ditafsirkan hati-hati karena sampelnya hanya 15 siswa.

ANOVA Dua Arah (Two-Way ANOVA)

ANOVA dua arah dipakai jika ada dua faktor sekaligus. Uji ini menjawab tiga pertanyaan:

• Efek utama faktor A: apakah faktor pertama berpengaruh?
• Efek utama faktor B: apakah faktor kedua berpengaruh?
• Efek interaksi A × B: apakah pengaruh faktor pertama bergantung pada faktor kedua?

Contoh. Peneliti membandingkan metode diskusi dan ceramah pada siswa dengan kemampuan awal rendah dan tinggi. Setiap kombinasi berisi 10 siswa, sehingga totalnya 40 siswa (data ilustrasi).

Metode	Kemampuan awal rendah	Kemampuan awal tinggi	Rata-rata
Diskusi	67,4	82,7	75,05
Ceramah	69,8	72,5	71,15
Rata-rata	68,6	77,6	73,10

Uji Levene menunjukkan varians keempat sel homogen, F(3, 36) = 0,88; p = 0,463. Hasil ANOVA dua arahnya:

Sumber	F(1, 36)	p	Partial ?²
Metode	5,97	0,020	0,14
Kemampuan awal	31,81	< 0,001	0,47
Metode × Kemampuan awal	15,59	< 0,001	0,30

Membaca Efek Interaksi

Baca baris interaksi lebih dulu. Interaksinya signifikan (p < 0,001), artinya pengaruh metode bergantung pada kemampuan awal siswa. Karena itu, efek utama metode tidak bisa disimpulkan begitu saja sebagai “diskusi lebih baik untuk semua siswa”.

Langkah berikutnya adalah analisis efek sederhana (simple effects), yaitu membandingkan metode di setiap tingkat kemampuan awal (Maxwell dkk., 2018):

• Kemampuan awal tinggi: diskusi lebih tinggi 10,2 poin, F(1, 36) = 20,43; p < 0,001.
• Kemampuan awal rendah: selisihnya ?2,4 poin dan tidak signifikan, F(1, 36) = 1,13; p = 0,295.

Jadi, metode diskusi unggul pada siswa berkemampuan awal tinggi, tetapi tidak pada siswa berkemampuan awal rendah.

Satu catatan penting: garis yang bersilangan di grafik belum tentu menunjukkan interaksi yang signifikan. Grafik hanya membantu membaca arah. Keputusan tetap diambil dari nilai p baris interaksi.

Langkah ANOVA Dua Arah di SPSS

1. Klik Analyze ? General Linear Model ? Univariate.
2. Masukkan variabel nilai ke Dependent Variable, lalu metode dan kemampuan awal ke Fixed Factor(s).
3. Klik Plots. Masukkan kemampuan awal ke Horizontal Axis dan metode ke Separate Lines, lalu klik Add.
4. Klik Options. Centang Descriptive statistics, Estimates of effect size, dan Homogeneity tests.
5. Untuk efek sederhana, klik Paste, lalu tambahkan baris sintaks berikut sebelum menjalankannya: /EMMEANS=TABLES(metode*kemampuan) COMPARE(metode) ADJ(BONFERRONI).

Jika jumlah anggota tiap sel tidak sama, SPSS memakai Type III Sum of Squares secara bawaan. Dengan cara ini, efek setiap faktor dihitung setelah memperhitungkan faktor lainnya.

Membaca interaksi dan menentukan analisis lanjutannya sering menjadi bagian tersulit dalam Bab 4. Jika Anda butuh teman diskusi, tim IDTesis bisa membantu memeriksa hasil ANOVA Anda.

Cara Melaporkan Hasil ANOVA

ANOVA satu arah:

ANOVA satu arah menunjukkan perbedaan nilai yang signifikan antara ketiga metode, F(2, 12) = 64,88; p < 0,001; ?² = 0,92. Uji Tukey menunjukkan bahwa Metode Y (M = 89,2) lebih tinggi daripada Metode X (M = 64,8) dan metode standar (M = 56,0). Metode X juga lebih tinggi daripada metode standar.

ANOVA dua arah:

Terdapat interaksi yang signifikan antara metode mengajar dan kemampuan awal, F(1, 36) = 15,59; p < 0,001; ?p² = 0,30. Analisis efek sederhana menunjukkan bahwa metode diskusi menghasilkan nilai lebih tinggi daripada ceramah pada siswa berkemampuan awal tinggi (selisih 10,2 poin; p < 0,001), tetapi tidak pada siswa berkemampuan awal rendah (p = 0,295).

Sajikan juga rata-rata dan simpangan baku setiap kelompok, seperti dijelaskan di artikel statistik deskriptif.

Kesalahan yang Sering Terjadi

• Menyimpulkan semua kelompok berbeda hanya dari F yang signifikan, tanpa uji post hoc.
• Memakai uji LSD tanpa koreksi perbandingan berganda.
• Menafsirkan efek utama tanpa melihat interaksi yang signifikan.
• Menganggap garis bersilangan pasti interaksi tanpa melihat nilai p.
• Mengabaikan hasil uji Levene saat memilih uji post hoc.
• Menulis “H0 diterima”. Lebih tepat “H0 tidak ditolak”.

Pertanyaan yang Sering Diajukan

Apa beda ANOVA satu arah dan dua arah?

ANOVA satu arah memakai satu faktor, misalnya metode mengajar. ANOVA dua arah memakai dua faktor, misalnya metode dan kemampuan awal, sehingga bisa menguji interaksi keduanya.

Uji post hoc mana yang sebaiknya dipakai?

Tukey HSD jika varians sama, Games-Howell jika varians berbeda, dan Bonferroni jika perbandingannya sedikit dan sudah direncanakan sejak awal. Hindari LSD.

Bagaimana jika uji Levene signifikan?

Gunakan Welch ANOVA untuk uji keseluruhan dan Games-Howell untuk uji post hoc. Keduanya tersedia di menu One-Way ANOVA SPSS.

Berapa sampel minimum per kelompok?

Hitung dengan analisis power, misalnya memakai G*Power. Untuk tiga kelompok dengan efek sedang (f = 0,25), ? = 0,05, dan power 80%, dibutuhkan sekitar 53 orang per kelompok. Prinsip menghitung sampel dibahas di artikel rumus Slovin.

Kapan memakai ANOVA, kapan regresi?

ANOVA dipakai jika variabel bebasnya berupa kelompok atau kategori. Regresi dipakai jika variabel bebasnya berupa angka kontinu. Panduan memilih uji ada di artikel metode analisis data.

Butuh Teman Diskusi untuk Olah Data?

Masih ragu menjalankan atau membaca hasil ANOVA penelitian Anda? Tim IDTesis bisa menemani Anda memeriksa asumsi, memilih uji post hoc, membaca interaksi, dan menuliskan hasilnya di Bab 4. Ceritakan dulu kebutuhan Anda lewat WhatsApp, atau lihat layanan olah data statistik.

Baca juga: Uji Beda T-Test · Uji Normalitas · Statistik Deskriptif

Referensi

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
• Delacre, M., Leys, C., Mora, Y. L., & Lakens, D. (2019). Taking parametric assumptions seriously: Arguments for the use of Welch’s F-test instead of the classical F-test in one-way ANOVA. International Review of Social Psychology, 32(1), 13. https://doi.org/10.5334/irsp.198
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
• Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge.