Secara garis besar, uji anova two-way terdiri atas uji anova two-way dengan interaksi dan uji anova two-way tanpa interaksi. Pada buku ini, kita akan memfokuskan pada uji anova two-way dengan interaksi. Yang dimaksud dengan interaksi disini adalah memperhatikan interaksi antara faktor A dan B secara bersama terhadap variabel dependent. Adapun yang ditampilkan pada statistik ini adalah nilai signifikansinya, sedangkan konsep interaksi antara A dan B perlu dipahami berdasarkan teori atau keilmuan yang telah ada. Misalnya konsep biosistematika dari interaksi antara hormon FSH dan LH terhadap pematangan sel telur, ada tidaknya interaksi pada kedua hormone perlu dipahami berdasakan teori reproduksi. Sedangkan pada statistic hanya diukur besar signifikansi kedua hormone terhadap pematangan telur.
Contoh kasus
Proses pertumbuhan tanaman dapat dipengaruhi oleh pemberian pupuk dan penyiraman yang tepat. Dilakukan sebuah percobaan untuk mengetahui pemberian pupuk dan penyiraman yang paling maksimal terhadap hasil pertumbuhan tanaman jagung. Pada faktor pemumpukan dikelompokkan menjadi pupuk dengan dosis 3%, 5% dan 7%, sedangkan pada penyiraman dikelompokan menjadi penyiraman
1x/minggu, 3x minggu dan tidak ada penyiraman. Pada tanaman jagung dilakukan pengukuran terhadap tinggi tanaman, dan jumlah bongkol yang dihasilkan.
Didapatkan hasil seperti pada tabel berikut:
Tabel Tinggi Tanaman Jagung berdasarkan Dosis Pupuk dan Frekuensi Penyiraman
Dosis pupuk 3% Dosis pupuk 2% Dosis 1%
Tidak ada
penyiraman (S0) 10 11 9,7
9,5 12,5 10,2
10 12,8 9,8
9,8 12,5 10,3
Penyiraman
1x/minggu (S1) 12,8 10 10,6
12,3 9,3 11,2
12 9,6 11,5
12,6 10 10,8
Penyiraman
3x/minggu (S2) 11,8 9,8 10,6
11,5 9,9 11,8
10,5 8,9 10,2
10,8 10,2 10,6
Tabel Jumlah Bongkol Jagung berdasarkan Dosis Pupuk dan Frekuensi Penyiraman
Dosis pupuk 3%
(D3) Dosis pupuk 2%
(D2) Dosis 1%
(D0) Tidak ada
penyiraman (S0) 3 4 3
3 2 3
4 3 5
3 2 4
Penyiraman
1x/minggu (S1) 4 4 3
5 4 3
3 5 2
3 5 2
Penyiraman
3x/minggu (S2) 6 6 4
6 7 3
5 7 2
5 8 4
Penentuan hipotesis
Ho : Tidak ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok pemberian dosis pupuk yang berbeda.
: Tidak ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok pemberian pemberian frekuensi penyiraman yang berbeda
: tidak ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok interaksi dosis pupuk dan frekuensi penyiraman yang berbeda
Ha : ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok pemberian dosis pupuk yang berbeda.
: ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok pemberian pemberian frekuensi penyiraman yang berbeda
: ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok interaksi dosis pupuk dan frekuensi penyiraman yang berbeda
1. Uji Anova two-way secara manual
Pada uji anova two-way karena terdapat 3 hipotesa, maka akan ada 3 nilai Fhitung yang akan
Sumber
varians Jumlah
kuadrat db Rata kuadrat Fhitung
Rata-rata
baris JKB b-1 π12=π½πΎπ΅
ππ πΉ1 =π12 π42 Rata-rata
kolom JKK k-1 π22=π½πΎπΎ
ππ πΉ2 =π22 π42 Interaksi JK1 (b-1)(k-1) π32=π½πΎ1
ππ πΉ3 =π32 π42
kolom JKE Bk (n-1) π42=π½πΎπΈ
ππ
2. Uji Anova Two-way dengan SPSS
Pada program spss, kita akan memasukan data berdasarkan variabelnya, yaitu variabel dependent dan variabel independent, maka
1. Buatlah variabel dengan ketentuan berikut:
Variabel dependent : tinggi_tanaman dan jmlh_bongkol measure: scale
Variabel independent: perlakuan terdapat 2 ο Siram dan pupuk measure : scale
c. Value : value β1β label βS0β ; value β2β label β S1β dan seterusnya sesuai jumlah kelompok yang ada. Berikan value juga pada variabel pupuk, sesuai dengan pengelompokannya
2. Masukan data yang ada pada windows data view, dan apabila kita mengaktifkan
βvalue labelsβ akan terlihat seperti ini.
3. Analisis dilakukan dengan memilih analyze ο General Linear Models ο univariate sehingga terlihat tabel berikut:
Perlu diperhatikan bahwa pada uji anova two-way ini, hanya dapat dimasukkan satu jenis variabel dependent, sedangkan variabel independent (faktor) dapat dimasukan ke kolom fixed factor bersamaan.
4. Pada uji Anova two-way kita juga akan mengaktifkan tes homogenitas pada options dan mengaktifkan post hoc, kemudian klik βOKβ
5. Didapatkan beberapa tabel hasil statistik. Tabel yang perlu diperhatikan antara lain, tabel leveneβs test (uji homogenitas) dan tabel test of between subject (uji ANOVA two-way).
Berdasarkan tabel leveneβs test didapatkan nilai sig 0,262 (lebih besar dari Ξ± = 0,05) sehingga Ho diterima dan data variabel tinggi tanaman dinyatakan homogeny pada setiap kelompok perlakuan.
Pada tabel berikutnya kita perhatikan 3 nilai sig yaitu
nilai sig siram = 0,056 (lebih besar dari Ξ± = 0,05) ο Ho diterima Nilai sig pupuk = 0,01 (lebih kecil dari Ξ± = 0,05) ο Ho ditolak
Nilai sig Siram*Pupuk = 0,0001 (lebih kecil dari Ξ± = 0,05) ο Ho ditolak.
Kesimpulan:
Faktor penyiraman, tidak memberikan perbedaan yang signifikan terhadap tinggi tanaman jagung, namun faktor pupuk memberikan perbedaan yang signifikan terhadap tinggi tanaman jagung, begitu pula faktor interaksi antara faktor penyiraman dan faktor pemberian pupuk.
6. Pada tabel post hoc kita dapat memperhatikan tabel multiple comparasion.
Pengamatan post hoc pada Anova two-way dan Anova One-way adalah sama.
LATIHAN SOAL:
Banyak kasus gizi kurang yang terjadi di masyarakat menyebabkan pemerintah menggalakkan program peningkatan gizi balita. Para ahli gizi melakukan penelitian untuk membuat variasi menu makanan tambahan dengan prinsip gizi seimbang yang dapat meningkatkan status gizi balita.
Penelitian dilakukan dengan mempelajari pengaruh penambahan tepung dari biji-bijian (kacang hijau, beras merah, wijen) dan penambahan ekstrak sayuran (wortel, bayam dan selada). Diambil sampel sebanyak 27 balita (yang dipilih secara acak) dan peningkatan berat badan setelah 3 bulan PMT adalah sebagai berikut :
Ektrak Sayuran Tepung biji-bijian
Kacang hijau Beras Merah Wijen
Wortel 3.2
3.3 3.4
2.7 2.9 2.4
3.5 3.4 3.5
Bayam 3.9
2.9 3.5
3.8 3.7 3.3
3.7 3.0 3.1
Selada 2.6
2.8 3.0
2.5 2.4 2.8
2.8 3.0 3.3
Apakah penambahan tepung biji-bijian dan ekstrak sayuran tersebut memberikan efek yang sama terhadap peningkatan berat badan balita?
ANALISIS KORELASI REGRESI
A. Analisis Korelasi
Analisis hubungan korelasi adalah suatu bentuk analisis data dalam penelitian yang bertujuan untuk mengetahui kekuatan atau bentuk arah hubungan diantara dua variabel atau lebih, dan besarnya pengaruh yang disebabkan oleh variabel yang satu (variabel bebas) terhadap variabel lainnya (variabel terikat). Koefisien korelasi adalah bilangan yang menyatakan kekuatan hubungan antara dua variabel atau lebih atau dapat digunakan untuk menentukan arah dari kedua variabel.
Nilai koefisien korelasi (r) berkisar -1 β€ r β€ 1. Besar kekuatan hubungan dinyatakan dengan angka, sedangkan arah hubungan dinyatakan dengan dalam bentuk positif (+) atau negatif (-).
Apabila r = -1 artinya korelasi negatif sempurna
Hal ini menunjukkan bahwa terjadi hubungan bertolak belakang antara variabel x dan variabel y. bila variabel x naik, maka variabel y turun
Apabila r = 1 artinya korelasi positif sempurna
Hal ini menunjukkan bahwa terjadi hubungan searah variabel x dan y. Bila variabel x naik maka variabel y juga naik.
Sedangkan, kekuatan hubungan korelasi dinyatakan berdasarkan tabel berikut No Nilai koefisien (r) Tingkat hubungan
1 0,00 β 0,199 Sangat lemat
2 0,20 β 0,399 Lemah
3 0,40 β 0,599 Cukup
4 0,60 β 0,799 Kuat
5 0,80 β 0,10 Sangat kuat
Contoh kasus :
Keadaan hiperglikemia dapat menyebabkan stres oksidatif melalui beberapa. Mekanisme salah satunya melalui reaksi glikasi non enzimatik yang dapat membentuk advanced glycation end products (AGEs) dan advanced oxidation protein products (AOPP).
Terbentuknya senyawa tersebut menunjukkan terjadinya stres oksidatif yang dapat menyebabkan berbagai kerusakan molekuler, sel, dan jaringan, termasuk kerusakan protein kolagen tulang. Penelitian ini bertujuan untuk mengetahui hubungan hiperglikemia dengan kadar AOPP tulang pada tikus putih (Rattus norvegicus) hiperglikemia.
Ketentuan hipotesis
Ho: Tidak terdapat hubungan antara kadar gula darah dengan kadar AOPP Ha: Ada hubungan antara kadar gula darah dengan kadar AOPP
1. Analisis korelasi secara manual
Pada buku ini kita akan membahas korelasi pearson, yaitu koefisien korelasi antara 2 data yang berskala ratio, atau analisis korelasi untuk statistik parametrik.
π = π. β π₯. π¦ β β π₯ β π¦
β{π. β π2} β (β π)2} {π. β π2} β (β π)2
Setelah didapatkan nilai
r
hitung , dilakukan perbandinganr
tabel untuk mengetahui signifikansinya. Apabilar
hitung lebih besar, maka dinyatakan korelasinya signifikan.2. Analisis korelasi dengan SPSS
Pada analisis korelasi, kedua variabel yang diamati memiliki skala numerik atau ratio, sehingga pada tahap awal
1. Pembuatan variabel pada variabel view: kadar AOPP dan kadar gula darah ο measure : scale
2. Memasukan data pada data view
3. Melakukan analisis korelasi dengan tahap, analyze ο correlate ο bivariate, hingga muncul tampilan berikut.
4. Pindahkan variabel yang hendak dianalisis ke kolom variables. Kemudian aktifkan correlation coefficients, pada buku ini kita memilih βpearsonβ. Kemudian pilih OK 5. Didapatkan hasil seperti ini
6. Kesimpulan
didapatkan nilai pearson correlation + 0,956 dengan tanda (*) . Maka dapat disimpulkan korelasi kadar gula dengan kadar AOPP memiliki korelasi yang sebanding (kenaikan kadar gula akan diikuti dengan kenaikan kadar AOPP) dengan kekuatan korelasi yang sangat kuat dan signifikan.
LATIHAN SOAL:
dr Anton sebagai kepala Puskesmas di Kecamatan Sukamaju. di Puskesmas ini kunjungan ibu hamil sangat rendah sehingga status gizi ibu hamil tidak terpantau dan kejadian BBLR sangat tinggi. Oleh karena itu dr Anton ingin meneliti untuk mengetahui apakah ada hubungan status gizi ibu hamil dengan berat bayi lahir. Adapun data status gizi ibu hamil dan berat bayi lahir sebagai berikut:
No Status gizi bumil Berat bayi lahir
1 25.5 2950
2 32.0 3150
3 22.6 2400
4 20.6 2400
5 23.5 2450
6 27.2 2600
7 22.5 2400
8 23.5 2600
9 19.7 2900
10 24.6 2600
11 25.7 2600
12 22.5 2400
13 29.2 2800
14 21.5 2300
15 32.0 2900
16 24.0 2700
17 23.5 2500
18 25.0 2900
19 27.0 3100
20 20.0 2450
21 19.0 2600
22 25.0 2700
23 28.0 2900
24 28.0 2950
25 26.0 2600
26 22.0 2400