Professional Documents
Culture Documents
Balanced Model
Dapat mengandung sejumlah faktor tetap dan acak (level dipilih secara
acak), dan faktor bersilangan dan bersarang, tetapi membutuhkan
desain yang seimbang.
Karena analisis two way jarang digunakan maka analisis data pada
ANOVA menggunakan one way
ASUMSI ANOVA
VARIAN HOMOGEN (Varians untuk
masing-masing populasi adalah sama)
Subjek dalam setiap group diambil secara
RANDOM
SAMPLE/KELOMPOK INDEPENDEN
(Sampel tidak berhubungan satu sama
lain)
DATA/POPULASI BERDISTRIBUSI
NORMAL
NUMERIK (satu kelompok) VS
KATEGORIK (lebih dari dua kelompok)
Analisis Multi Comparison
Mengetahui lebih lanjut kelompok mana
saja yang berbeda mean-nya
Bilamana pengujian anova dihasilkan
ada perbedaan yang bermakna (H0
ditolak)
Macam analisis multiple comparison
(Bonferroni, Honestly Significant
different (HSD), Scheffe dll)
CASE ANOVA
Penelitian “Perbedaan Tekanan Darah
Setelah melahirkan ibu terhadap riwayat
mengalami tidak pernah prematur, 1 kali
prematur, 2 kali prematur dan > 2 kali
prematur
TEST KENORMALAN
Variabel Mean SD CI P VALUE
Dari hasil penelitian didapatkan bahwa mean rank ibu yang tidak pernah mengalami
Prematur adalah 100,46 dengan jumlah 66 orang. Pada ibu yang pernah sekali
mengalami premature Mean ranknya adalah 89,50 dengan jumlah 39 orang. Pada ibu
yang pernah mengalami premature dua kali Adalah 83,61 dengan jumlah 60 orang.
Pada ibu yang pernah mengalami premature lebih dari dua kali adalah 76,83.
dengan jumlah 15 orang Hasil uji statistic didapatkan nilai P = 0,198,
berarti pada alpa 5% terlihat TIDAK ADA PERBEDAAN yang signifikan berat
badan ibu diantara keempat riwayat Prematur tersebut
UJI T DEPENDEN LEBIH DARI 2 KELOMPOK
BERPASANGAN/FRIEDMAN (NON PARAMETRIK)
KASUS : peneliti akan mengyuji tiga metode
untuk menurunkan tekanan darah sistole
pasien. Uji tersebut dilakukan terhadap 10
pasien. Metode yang akan diteliti adalah
minum obat, diet makanan dan latihan
pernapasan. Pada metode ini 1 orang
melakukan 3 metode penurunan tekanan
darah yang berbeda, yang berarti bahwa data
yang diisi adalah data milik 10 orang saja,
dimana setiap 1 orang masing-masing
mencoba ketiga metode tersebut. Data yang
diperoleh adalah data tekanan darah sistol
setelah mereka melakukan metode tersebut
Orang Ke Minum Obat Diet Makan Latihan
Pernapasan
1 130 120 110
2 125 125 125
3 120 130 110
4 110 120 120
5 130 125 130
6 125 130 110
7 115 130 115
8 120 125 125
9 125 120 125
10 130 125 110
Analyze, non parametric test, k-
related samples
Klik 3 var yang akan diuji ke
kotak “Test Variable”, OK
Distribusi Responden menurut ketiga
metode penurunan tekanan darah
Variabel N Mean Rank P Value
MINUM OBAT 10 2,05 0,508
DIET MAKANAN 2,20
PERNAPASAN 1,75
4
Selanjutnya akan muncul hasil analisis
pada output. Sebelum kita membaca
hasil analisis, kita harus uji asumsi yang
harus dipenuhi yaitu Residual harus
berdistribusi normal untuk setiap
pengukuran
Klik, Data View, maka akan ditemukan 4
var baru : ZRE_1 – ZRE_4
Nilai ini yang akan diuji normalitas
distribusinya
Analyze >Descriptive Statistics > Explore
Karena normal kita bisa gunakan hasil RA
yang sudah kita lakukan di awal. Lihat kembali
jendela Output untuk hasil RA
Perhatikan tabel Maunchly’s Test of
Sphericity
Sig (P=0,004 < 0,05
Artinya varians perbedaan antar kombinasi
seluruh waktu terkait berbeda signifikan, maka
data kita tidak memenuhi syarat sperisitas
Jika tidak terpenuhi menggunakan nilai
Greenhouse-Geisser
Pada tabel Test of Within-Subject Effect,
karena sperisitas tidak terpenuhi maka
kita tidak dapat menggunakan nilai pada
Sphericity Assumed, namun kita dapat
menggunakan nilai koreksi Greenhouse-
Geiser
Nilai P = 0,000/0,001 = P<5%
Maka dari hasil ini kita tahu minimal ada
2 waktu pengukuran yang nilai rata-rata
kadar glukosanya berbeda signifikan
Sehingga dapat kita simpiulkan
berdasarkan uji RA dengan koreksi
Greenhouse-Geisser, terdapat perbedaan
kadar glukosa darah yang signifikan antar
pengukuran
F(df waktu, df error = Nilai F; p=nilai sig
F (1,868,35,485)=3132,506 P<0,001
Bila asumsi sperisitas terpenuhi, gunakan
nilai F, nilai df wkt, nila df error dan nilai sig
pada baris Sphericity Assumed
Selanjutnya, untuk mengetahui antar waktu pengukuran yang mana
yang saling berbeda signifikan nilai rata-rata kadar glukosa
darahnya, dapat dilihat pada tabel Pairwise Comparisons (hasil uji
post hoc)
Pada tabel di atas, dapat kita ketahui ada 6
kombinasi yang mungkin