Tiga metode belajar diuji coba pada tiga kelas: mana yang paling efektif? Pertanyaan itu tampak bisa dijawab dengan menjalankan t-test berulang — A lawan B, B lawan C, A lawan C — dan cara itu memang sering dilakukan pemula. ANOVA (Analysis of Variance) ada justru untuk menunjukkan bahwa cara itu keliru secara matematis, lalu menggantinya dengan satu pengujian tunggal yang menghubungkan kembali dengan konsep tertua course ini: varians. Chapter ini membangun masalahnya dengan angka, merumuskan statistik F sebagai perbandingan dua sumber variasi, lalu mengerjakan contoh tiga metode belajar dari data mentah sampai tabel ANOVA lengkap.
Masalah: Mengapa t-Test Berulang Tidak Boleh #
Setiap t-test pada α = 0.05 membawa peluang 5% menolak H0 yang benar — galat Tipe I dari chapter sebelumnya. Tiga pengujian berurutan membawa tiga peluang itu, dan peluang setidaknya satu kesalahan terjadi bukan 3 × 0.05, melainkan:
P(setidaknya satu galat Tipe I) = 1 - (1 - 0.05)^3
= 1 - 0.95^3
= 1 - 0.8574
= 0.1426Dengan tiga perbandingan, peluang “menemukan” perbedaan palsu melonjak dari 5% menjadi 14.26% — hampir tiga kali lipat ambang yang kita sanggupi (semua dibulatkan ke empat desimal). Enam perbandingan (empat kelompok) melebihinya lagi menjadi 0.2649. Masalah ini bernama pengujian berganda (multiple testing), dan ANOVA menahannya dengan satu keputusan untuk seluruh kelompok sekaligus: hipotesis yang diuji adalah “semua mean kelompok sama”, bukan pasangan demi pasangan.
Ide ANOVA: Varians Antar versus Di Dalam Kelompok #
ANOVA membandingkan dua cara mengukur variasi data. Varians antar kelompok mengukur seberapa jauh mean tiap kelompok menjauh dari mean keseluruhan; varians di dalam kelompok mengukur sebaran data di sekitar mean kelompoknya sendiri — sebaran yang kita tahu murni fluktuasi individu. Statistik F merangkum keduanya dalam satu rasio:
F = MS_between / MS_within
MS_between = SS_between / df_between (variasi antar mean kelompok)
MS_within = SS_within / df_within (variasi di dalam kelompok)Logikanya satu kalimat: bila semua mean kelompok benar-benar sama, variasi antar mean tidak lebih besar daripada variasi di dalam kelompok, sehingga F berdekatan dengan 1. Bila mean memang berbeda, mean-mean menjauh dari mean keseluruhan, MS_between membengkak relatif terhadap MS_within, dan F menanjak jauh di atas 1. Nilai F yang besar pada df yang tepat berarti pola antar kelompok terlalu terstruktur untuk dijelaskan oleh sebaran individu semata — cukup untuk menolak H0 “semua mean sama”. Nama “analysis of variance” pun tepat: mean dibandingkan lewat varians, bukan lewat selisih mean langsung.
Contoh: Tiga Metode Belajar #
Tiga metode belajar diujikan, masing-masing pada 5 siswa (nilai skala 0-100):
Metode A : 75, 78, 80, 82, 85 mean = 80.0
Metode B : 82, 85, 87, 89, 92 mean = 87.0
Metode C : 70, 74, 78, 80, 84 mean = 77.2Ringkasan kelompok dan hipotesisnya: H0: μA = μB = μC (ketiga metode efektivitasnya sama); H1: minimal satu mean berbeda; α = 0.05. Mean keseluruhan dari 15 data adalah 81.4. Dua jumlah kuadrat dihitung dari definisi:
SS_between = 5 x [(80.0 - 81.4)² + (87.0 - 81.4)² + (77.2 - 81.4)²]
= 5 x [1.96 + 31.36 + 17.64]
= 5 x 50.96
= 254.8
SS_within = Σ tiap kelompok Σ (x - mean kelompok)²
= 58.0 (A) + 58.0 (B) + 116.8 (C)
= 232.8Derajat kebebasannya: df_between = k − 1 = 2 (k = 3 kelompok), df_within = N − k = 15 − 3 = 12. Seluruh hasil dirangkum dalam tabel ANOVA — format baku yang akan Anda temui di semua keluaran software:
| Sumber variasi | SS | df | MS | F |
|---|---|---|---|---|
| Antar kelompok (between) | 254.8 | 2 | 127.4 | 6.5670 |
| Di dalam kelompok (within) | 232.8 | 12 | 19.4 | |
| Total | 487.6 | 14 |
F = 127.4/19.4 = 6.5670, dan luas ekor kanan distribusi F(2, 12) di titik itu adalah p = 0.0118 (dibulatkan ke empat desimal). Karena 0.0118 < 0.05, tolak H0: minimal satu metode belajar berbeda efektivitasnya. Perhatikan kecocokan strukturnya dengan intuisi — mean B (87) menjulang 5.6 poin di atas mean keseluruhan sementara sebaran tipikal di dalam kelompok hanya sekitar √19.4 ≈ 4.4 poin, sehingga perbedaan antar metode menonjol di atas derau individu.
Interpretasi F dan p #
F = 6.5670 berarti variasi antar mean kelompok hampir 6.6 kali variasi di dalam kelompok — rasio yang jarang terjadi bila H0 benar, dan p = 0.0118 mengukurnya: bila ketiga metode sebenarnya setara, data dengan pola setegas ini hanya muncul pada kurang dari 1.2% pengulangan eksperimen. Interpretasinya berhenti di situ: ANOVA tidak mengatakan metode mana yang berbeda. H1 hanya menyatakan “minimal satu mean berbeda”; bisa jadi B melampaui A dan C, bisa jadi C yang tertinggal dari keduanya — tabel mean (80.0, 87.0, 77.2) mengisyaratkan pola pertama, tetapi isyarat itu belum pengujian.
Di ujung lain, ANOVA yang gagal menolak H0 dibaca seperti biasa: bukan bukti semua mean sama persis, hanya belum cukup bukti untuk menyimpulkan ada perbedaan — dengan catatan kekuatan uji yang bergantung pada banyaknya data per kelompok.
Asumsi ANOVA #
Hasil F hanya setara artinya dengan t-test berulang bila tiga asumsi terpenuhi:
- Data tiap kelompok menyebar kira-kira normal. Mean dan varians sensitif pada ekor ekstrem; kelompok yang sangat miring membuat F tidak sahih.
- Varians seluruh kelompok kira-kira sama (homogenitas). MS_within adalah gabungan varians; bila satu kelompok bersebar 10 kali lebih lebar, gabungan itu kehilangan makna. Bandingkan s tiap kelompok — selisih beberapa kali lipat adalah tanda bahaya.
- Observasi saling bebas. Nilai satu siswa tidak memengaruhi nilai siswa lain; desain eksperimen (randomisasi penugasan metode) adalah jaminan utamanya.
Bila asumsi pertama atau kedua dilanggar keras, pengganti nonparametriknya adalah Kruskal-Wallis: uji berbasis peringkat (rank) yang membandingkan distribusi ketiga kelompok tanpa mensyaratkan bentuk normal — dibayar dengan sedikit kepekaan bila asumsi ANOVA sebenarnya terpenuhi. Bila asumsi ketiga dilanggar (data berpasangan atau berulang pada individu sama), yang dibutuhkan bukan pengganti melainkan desain ANOVA lain — repeated measures.
Setelah Signifikan: Uji Post-hoc #
Keputusan “tolak H0” membuka pertanyaan lanjutan yang tidak bisa dijawab tabel ANOVA: pasangan mana yang berbeda? Menjawabnya dengan t-test berulang justru mengembalikan masalah pengujian berganda di awal chapter. Uji post-hoc dirancang untuk itu: Tukey HSD (Honestly Significant Difference) membandingkan seluruh pasangan mean sekaligus sambil menjaga peluang galat Tipe I keluarga tetap pada α — selisih dua mean dinyatakan berbeda hanya bila melampaui satu ambang bersama yang sudah dikoreksi banyaknya pasangan. Pada contoh kita, Tukey HSD menemukan hanya B–C yang berbeda nyata (selisih 9.8 poin, p terkoreksi 0.0109), sedangkan B–A (selisih 7.0) dan A–C (2.8) tidak signifikan — ANOVA yang signifikan sama sekali tidak menjamin semua pasangan berbeda. Aturan praktisnya satu kalimat: ANOVA signifikan adalah tiket memasuki uji post-hoc — bukan kesimpulan akhir.
Menghitung dengan Python #
scipy.stats.f_oneway menerima seluruh kelompok dan mengembalikan F beserta p-value-nya:
from scipy.stats import f_oneway
metode_a = [75, 78, 80, 82, 85]
metode_b = [82, 85, 87, 89, 92]
metode_c = [70, 74, 78, 80, 84]
hasil = f_oneway(metode_a, metode_b, metode_c)
print(f"F = {hasil.statistic:.4f}")
print(f"p = {hasil.pvalue:.4f}")Output yang Dihasilkan:
F = 6.5670
p = 0.0118Mari kita bedah blok tersebut: f_oneway(metode_a, metode_b, metode_c) menghitung seluruh rantai tabel ANOVA di dalam — mean kelompok, SS_between, SS_within, kedua MS, hingga rasio F dengan df (2, 12) — lalu mengambil luas ekor kanan distribusi F sebagai p-value. Kedua hasilnya (6.5670 dan 0.0118) identik dengan tabel yang kita susun manual, dan format :.4f menjaga output stabil pada empat desimal. Untuk Tukey HSD dan ragam ANOVA yang lebih kaya, statsmodels menyediakan implementasinya.
Satu kerangka uji kini menuntaskan hampir seluruh pertanyaan dasar: mean satu dan dua kelompok lewat t, kategori lewat chi-square, banyak kelompok lewat F. Bagian terakhir pekerjaan justru di luar perhitungan — membaca hasil, melaporkannya dengan bahasa yang tidak lebih tegas daripada buktinya, dan membedakan signifikan secara statistik dari bermakna secara praktis. Chapter penutup section ini merangkai semua itu menjadi keterampilan interpretasi; rujukan pendalaman ANOVA: Penn State STAT 500 dan NIST Engineering Statistics Handbook .