Anova

Download as docx, pdf, or txt
Download as docx, pdf, or txt
You are on page 1of 3

ANOVA

Definisi ANOVA
ANOVA ialah analisis statistik yang mengkaji perbezaan min antara
kumpulan. Kumpulan di sini boleh bermakna kumpulan atau jenis
rawatan. Anova ditemui dan diperkenalkan oleh seorang ahli statistik bernama
Ronald Fisher.

Anova bermaksud Analisis varians. Ia adalah prosedur ujian statistik yang


serupa dengan ujian t. Walau bagaimanapun, kelebihan Anova ialah ia boleh
menguji perbezaan antara lebih daripada dua kumpulan. Berbeza dengan ujian t
sampel bebas, yang hanya boleh menguji perbezaan dalam min kedua-dua
kumpulan.

Dalam peluang perbincangan ini, ahli statistik akan menerangkan secara


ringkas tetapi dengan penuh harapan agar pembaca mudah memahami dan
mempraktikkannya dalam penyelidikan di lapangan akan datang.

Kegunaan Anova
ANOVA digunakan sebagai alat analisis untuk menguji hipotesis penyelidikan
yang menilai sama ada terdapat perbezaan min antara kumpulan. Keputusan
akhir analisis ANOVA ialah nilai ujian F atau F yang dikira. Nilai F Kira ini yang
akan dibandingkan dengan nilai dalam jadual f . Jika nilai f yang dikira lebih
daripada f jadual, dapat disimpulkan bahawa menerima H1 dan menolak H0
atau bermakna terdapat perbezaan yang signifikan dalam min semua
kumpulan.

Analisis ANOVA sering digunakan dalam penyelidikan eksperimen di mana


terdapat beberapa rawatan. Pengkaji ingin menguji sama ada terdapat
perbezaan yang signifikan antara rawatan.

Contoh ANOVA
Contohnya ialah pengkaji ingin menilai sama ada terdapat perbezaan model
pembelajaran A, B dan C terhadap hasil pembelajaran mata pelajaran fizik
darjah 6. Di mana dalam kajian ini, kelas 6A diberi rawatan A, kelas 6B diberi
rawatan B dan kelas 6C diberi rawatan C. rawatan selama satu semester,
kemudian dibandingkan hasil pembelajaran semua murid darjah 6 (A, B dan
C). Setiap kelas mempunyai bilangan antara 40 hingga 50 pelajar.

Keputusan akhir yang diperoleh ialah nilai f yang dikira. Nilai ini dibandingkan
dengan nilai dalam jadual f pada tahap kebebasan tertentu (darjah
kebebasan). Jika F kira > F jadual , disimpulkan bahawa menerima H1 atau
yang bermaksud terdapat perbezaan yang signifikan atau signifikan dalam
keputusan ujian pelajar antara perlakuan model pembelajaran.

Anova Dalam Regresi Linear


Kadangkala pembaca agak keliru dengan jadual ANOVA mengenai keputusan
analisis regresi linear . Sudah tentu, jika anda memahami tujuan sebenar ujian
yang satu ini, anda tidak akan keliru lagi. Anova dalam pengiraannya
membandingkan nilai min kuasa dua dan hasilnya adalah untuk menilai sama
ada model ramalan linear tidak jauh berbeza daripada anggaran nilai pekali dan
ralat piawai.

Ciri-ciri ANOVA
Cirinya ialah kehadiran satu atau lebih pembolehubah tidak bersandar sebagai
faktor penyebab dan satu atau lebih pembolehubah bergerak balas sebagai hasil
atau kesan faktor. Contoh penyelidikan yang boleh menggambarkan penjelasan
ini: "Adakah terdapat sebarang kesan jenis bahan api terhadap hayat toraks
enjin?" Daripada tajuk itu jelas bahawa bahan api adalah faktor penyebab
manakala umur toraks enjin adalah hasil atau kesan daripada rawatan
faktor. Ciri lain ialah pembolehubah bergerak balas pada nisbah atau skala data
selang (berangka atau kuantitatif).

ANOVA ialah salah satu daripada pelbagai jenis ujian parametrik, kerana ia
memerlukan taburan normal pada pembolehubah bersandar setiap rawatan
atau taburan normal pada sisa. Keperluan normaliti ini mengandaikan bahawa
sampel diambil secara rawak dan boleh mewakili keseluruhan populasi supaya
hasil kajian boleh digunakan sebagai generalisasi. Namun, keunikannya ialah
ujian ini boleh dikatakan agak teguh atau kebal terhadap andaian ini.

Jenis ANOVA
Jenisnya adalah berdasarkan bilangan pembolehubah faktor (pembolehubah
bebas atau pembolehubah bebas) dan bilangan pembolehubah bergerak balas
(pembolehubah bersandar atau pembolehubah bersandar). Pembahagiannya
adalah seperti berikut:
Univariate:
1. Univariate One Way Analysis of Variance . Jika pembolehubah bebas dan
pembolehubah bersandar adalah satu.
2. Analisis Varian Dua Hala Univariat . Jika terdapat 2 pembolehubah bebas,
manakala pembolehubah bersandar adalah satu.
3. Analisis Varian Pelbagai Hala Univariat. Jika pembolehubah bebas ialah > 2,
manakala pembolehubah bersandar ialah satu.

Multivariate:
1. Multivariate One Way Analysis of Variance . Jika bilangan pembolehubah
bebas dan pembolehubah bersandar lebih daripada satu.
2. Analisis Varian Dua Hala Pelbagai Varian. Sekiranya terdapat 2
pembolehubah tidak bersandar, manakala bilangan pembolehubah bersandar
adalah lebih daripada satu.
3. Analisis Pelbagai Hala Pelbagai Varians. Jika pembolehubah bebas ialah > 2,
manakala pembolehubah bersandar lebih daripada satu.

Jenis lain yang menggunakan prinsip ini ialah:

1. Analisis Pengukuran Berulang bagi varians.


2. Analisis Kovarian (ANCOVA) .
3. Analisis Pelbagai Varian Kovarian (MANCOVA) .

You might also like