Cara menginterpretasikan nilai f dalam anova dua arah
ANOVA dua arah digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara rata-rata tiga atau lebih kelompok independen yang dibagi menjadi dua variabel.
Setiap kali Anda melakukan ANOVA dua arah, Anda akan mendapatkan tabel ringkasan seperti berikut:
| Sumber | Jumlah kuadrat (SS) | df | Kuadrat rata-rata (MS) | F | Nilai-P |
|---|---|---|---|---|---|
| Faktor 1 | 15.8 | 1 | 15.8 | 11.205 | 0,0015 |
| Faktor 2 | 505.6 | 2 | 252.78 | 179.087 | 0,0000 |
| Interaksi | 13.0 | 2 | 6.5 | 4.609 | 0,0141 |
| Residu | 76.2 | 54 | 1.41 |
Masing-masing nilai F pada tabel dihitung sebagai berikut:
- Nilai F = Kuadrat rata-rata / Kuadrat rata-rata sisa
Setiap nilai F juga memiliki nilai p yang sesuai.
Jika nilai p berada di bawah ambang batas tertentu (misalnya α = 0,05), kami menyimpulkan bahwa faktor tersebut mempunyai pengaruh yang signifikan secara statistik terhadap hasil yang kami ukur.
Contoh berikut menunjukkan bagaimana menginterpretasikan nilai F dalam ANOVA dua arah dalam praktiknya.
Contoh: Menafsirkan Nilai F dalam ANOVA Dua Arah
Katakanlah kita ingin menentukan apakah intensitas olahraga dan jenis kelamin berdampak pada penurunan berat badan.
Kami merekrut 30 pria dan 30 wanita untuk berpartisipasi dalam eksperimen di mana kami secara acak menugaskan 10 orang untuk mengikuti program tanpa olahraga, olahraga ringan, atau olahraga intens selama sebulan.
Kami kemudian melakukan ANOVA dua arah menggunakan perangkat lunak statistik dan mendapatkan hasil sebagai berikut:
| Sumber | Jumlah kuadrat (SS) | df | Kuadrat rata-rata (MS) | F | Nilai-P |
|---|---|---|---|---|---|
| Jenis kelamin | 15.8 | 1 | 15.8 | 11.205 | 0,0015 |
| Latihan | 505.6 | 2 | 252.78 | 179.087 | 0,0000 |
| Jenis Kelamin * Latihan | 13.0 | 2 | 6.5 | 4.609 | 0,0141 |
| Residu | 76.2 | 54 | 1.41 |
Berikut cara menginterpretasikan setiap nilai F pada output:
Jenis Kelamin :
- Nilai F dihitung sebagai berikut: MS Gender / MS Residuals = 15.8 / 1.41 = 11.197 .
- Nilai p yang sesuai adalah 0,0015 .
- Karena nilai p ini kurang dari 0,05, kami menyimpulkan bahwa gender memiliki pengaruh yang signifikan secara statistik terhadap penurunan berat badan.
Latihan :
- Nilai F dihitung sebagai berikut: MS Latihan / MS Residual = 252.78 / 1.41 = 179.087 .
- Nilai p yang sesuai adalah <.0000 .
- Karena nilai p ini kurang dari 0,05, kami menyimpulkan bahwa olahraga memiliki pengaruh yang signifikan secara statistik terhadap penurunan berat badan.
Jenis Kelamin * Latihan :
- Nilai F dihitung sebagai berikut: MS Gender * Latihan / MS Residual = 6,5 / 1,41 = 4,609 .
- Nilai p yang sesuai adalah 0,0141 .
- Karena nilai p ini kurang dari 0,05, kami menyimpulkan bahwa interaksi antara jenis kelamin dan olahraga memiliki pengaruh yang signifikan secara statistik terhadap penurunan berat badan.
Dalam contoh khusus ini, kedua faktor (jenis kelamin dan olahraga) memiliki pengaruh yang signifikan secara statistik terhadap variabel respons (penurunan berat badan) dan interaksi antara kedua faktor tersebut juga memiliki pengaruh yang signifikan secara statistik terhadap variabel respons.
Catatan : Jika pengaruh interaksi signifikan secara statistik, Anda dapat membuat grafik interaksi untuk lebih memahami interaksi antara kedua faktor dan memvisualisasikan dengan tepat bagaimana kedua faktor tersebut memengaruhi variabel respons.
Sumber daya tambahan
Tutorial berikut menjelaskan cara melakukan ANOVA dua arah menggunakan perangkat lunak statistik yang berbeda:
Cara Melakukan ANOVA Dua Arah di Excel
Cara melakukan ANOVA dua arah di R
Cara Melakukan ANOVA Dua Arah dengan Python
Cara Melakukan ANOVA Dua Arah di SPSS
Tentang Penulis
Benjamin anderson
Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya