Anova dalam regresi
Bagi peneliti yang sering melakukan perlakuan yang berbeda-beda, pasti mengenal anova. Anova adalah suatu alat statistik yang menghitung ada atau tidak perbedaan antara dua group atau lebih. Adakah diantara group tersebut (factor) yang signifikan mempengaruhi response. Anova regresi hanya istilah anova di dalam regresi.
Factor atau perlakuan ini bisa dalam grup sebuah data atau perlakuan. Contoh dalam group misalnya adalah kelompok SD, SMP, SMU, dst; musim 1, musim 2, dst. Contoh dalam perlakuan misalnya dengan menggunakan pupuk kompos, pupuk kimia, atau perlakuan dengan kadar air tertentu, dan lain –lain.
Response bisa dalam bentuk variabel yang dipengaruhi, misalnya nilai rata – rata kelas, tingkat kadar air, tingkat produksi, dan lain-lain.
Penjabaran Anova
Anova yang pertama kali diperkenalkan oleh Ronald fisher merupakan singkatan dari Analysis of Variance. Biasa lebih familiar dikenal dengan sebutan uji F. Berdasarkan jumlah factor dan responsnya, anova terdiri dari berbagai jenis.
Univariate
Univariate menandakan bahwa jumlah response atau variable dependen atau variabel terikat hanya satu. Sedangkan factor atau variabel independen bisa satu (univariate one way), bisa dua variabel ( univariate two way) dan juga bisa lebih dari dua variabel (univariate multi way).
Multivariate
Multivariate menandakan bahwa jumlah response atau variabel dependen atau variabel terikat lebih dari satu. Pembagiannya juga sama dengan univariate, factor bisa berjumlah satu (multivariate one way), bisa dua variabel (multivariate two way), atau juga bisa lebih dari satu.
Multivariate anova ini biasa disingkat sebagai MANOVA. Sehingga istilah Anova biasanya langsung merujuk kepada Univariate Anova.
Anova regresi
Karena Anova secara tidak langsung pengertiannya merujuk kepada satu response atau satu variabel dependen, atau variabel terikat, maka tidaklah mengherankan jika di dalam regresi terdapat anova, atau uji F.
Uji F didalam regresi menunjukkan apakah variabel independen secara keseluruhan signifikan mempengaruhi variabel dependen atau tidak. Lebih jelasnya bisa anda baca pada artikel regresi berganda atau regresi logistik. Hal ini sama pengertiannya dengan uji F dalam anova, apakah perlakuan yang dilakukan mempengaruhi response atau tidak.
Sekarang timbul pertanyaan: biasanya regresi variabel independennya berupa numerik, lalu bagaimana caranya kita mempberi identitas terhadap nama perlakuan? Jawabnnya adalah: gunakan variabel dummy. Bisa anda baca di artikel dummy yang pernah saya bahas sebelumnya.
Pada materi rancangan percobaan, jika secara anova diperoleh kesimpulan bahwa perlakuan secara keseluruhan mempengaruhi hasil atau response, biasanya dilanjutkan dengan duncan yang ujung-ujungnya menggunakan uji T. Ini pun sama dengan anova regresi, setelah uji F juga menggunakan uji T untuk menentukan variabel independen mana yang signifikan mempengaruhi variabel dependen.
Contoh Kasus Anova dalam regresi
Dalam sebuah percobaan, ada 2 perlakuan yakni perlakuan A dan perlakuan B untuk mendapatkan kadar air pada benih kakao. Data yang diperoleh adalah sebagai berikut, bisa di download disini:
Apakah perlakuan A atau B berpengaruh signifikan terhadap kadar air dalam benih kakao?
Menggunakan one way Anova
Buka minitab dan copikan data tersebut ke sheet minitab.
Kemudian klik stat – ANOVA – one way
Pada pilihan tab pojok kanan atas pilih “response data are in a separate column for each factor level” pilihan ini menandakan bahwa kita membuat tabel perperlakuan pada kolom sheet minitab.
Kemudian masukkan semua variabel ke dalam responses, lalu klik OK
Tunggu sebentar, akan keluar hasilnya. Kita akan menemukan hasil Anova.
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Factor 1 0,02830 0,02830 1,88 0,182
Error 28 0,42236 0,01508
Total 29 0,45066
Pada gambar diatas terlihat sebaran rata – rata dari kedua kelompok. Tampak rata- rata B lebih tinggi. Namun jika dilihat dari hasil ANOVA, perlakuan tersebut tidak signifikan karena memiliki nilai p value < 0.05.
Proses Anova di Regresi
Data yang sama akan saya regresikan dan akan kita lihat hasil annova yang diperoleh dari hasil regresi.
Data diatas saya buat dalam bentuk 2 kolom. Kolom pertama kolom variabel dependen (kadar air), kemudian kolom kedua kolom variabel x atau variabel independen yang berupa dummy dari perlakuan. Angka 1 menunjukkan perlakuan A, dan angka 2 menunjukkan perlakuan B
Kemudian copikan ke minitab
Klik stat – regression – regresion – fit regression model
Masukkan variabel kadar air kedalam responses, dan perlakuan dalam categorical predictors. Emudian klik Ok, dan tunggu hasilnya.
Dan kita akan menjumpai anova yang sama
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Regression 1 0,02830 0,02830 1,88 0,182
Perlakuan 1 0,02830 0,02830 1,88 0,182
Error 28 0,42236 0,01508
Total 29 0,45066
Jadi, mulai sekarang jangan bingung terhadap banyaknya metode. Beda departemen atau beda jurusan beda metode. Misalnya mahasiswa budidaya lebih kenal rancangan percobaan dengan duncan yang diproses di sas. Sedangkan orang sosialekonomi lebih mengenal regresi yang di proses di spss atau minitab atau stata. Padahal, jika ditelusuri..mrk menggunakan alat analisis yang sama. Uji F dan Uji T. Yang anda perlu pahami adalah kerangka statistik, tipe statistik atau tipe data apa yang anda gunakan. Parametrik atau non parametrik
Selamat Belajar!
