Contoh berikut menunjukkan bagaimana menginterpretasikan hasil ANOVA satu arah di SAS.<\/span><\/p>\n Misalkan seorang peneliti merekrut 30 siswa untuk berpartisipasi dalam suatu penelitian. Siswa ditugaskan secara acak<\/a> untuk menggunakan salah satu dari tiga metode belajar untuk mempersiapkan ujian.<\/span><\/p>\n Hasil ujian untuk setiap siswa ditunjukkan di bawah ini:<\/span> <\/p>\n Kita dapat menggunakan kode berikut untuk membuat dataset ini di SAS:<\/span><\/p>\n Selanjutnya, kita akan menggunakan proc ANOVA<\/strong> untuk melakukan ANOVA satu arah:<\/span><\/p>\n Catatan<\/strong> : Kami menggunakan pernyataan mean<\/strong> bersama dengan opsi tukey<\/strong> dan cldiff<\/strong> untuk menentukan bahwa uji post-hoc Tukey harus dilakukan (dengan interval kepercayaan) jika nilai p keseluruhan dari ANOVA satu arah signifikan secara statistik.<\/span><\/p>\n Pertama, kita akan melihat tabel ANOVA pada hasilnya:<\/span> <\/p>\n Berikut cara menafsirkan setiap nilai dalam output:<\/span><\/p>\n Model DF:<\/strong> Derajat kebebasan untuk metode<\/em> variabel. Ini dihitung sebagai #grup -1. Dalam hal ini terdapat 3 metode belajar yang berbeda, sehingga nilainya adalah: 3-1 = 2<\/strong> .<\/span><\/p>\n Kesalahan DF:<\/strong> derajat kebebasan residu. Ini dihitung sebagai #total observasi \u2013 #kelompok. Dalam hal ini terdapat 24 observasi dan 3 kelompok, sehingga nilainya adalah: 24-3 = 21<\/strong> .<\/span><\/p>\n Total yang dikoreksi<\/strong> : jumlah model DF dan kesalahan DF. Nilai ini adalah 2 + 21 = 23<\/strong> .<\/span><\/p>\n Model Sum of Squares:<\/strong> Jumlah kuadrat yang terkait dengan metode<\/em> variabel. Nilai ini adalah 175.583<\/strong> .<\/span><\/p>\n Kesalahan Jumlah Kuadrat:<\/strong> Jumlah kuadrat yang terkait dengan sisa atau \u201ckesalahan\u201d. Nilai ini adalah 350,25<\/strong> .<\/span><\/p>\n Total Jumlah Kuadrat yang Dikoreksi<\/strong> : Jumlah model SS dan kesalahan SS. Nilai ini adalah 525.833<\/strong> .<\/span><\/p>\n Model kuadrat rata-rata:<\/strong> jumlah rata-rata kuadrat yang terkait dengan metode ini<\/em> . Ini dihitung sebagai model SS \/ model DF, atau 175.583 \/ 2 = 87.79<\/strong> .<\/span><\/p>\n Kesalahan kuadrat rata-rata:<\/strong> jumlah rata-rata kuadrat yang terkait dengan residu. Ini dihitung sebagai SS Error \/ DF Error, yaitu 350.25 \/ 21 = 16.68<\/strong> .<\/span><\/p>\n Nilai F :<\/strong> Statistik F keseluruhan model ANOVA. Ini dihitung sebagai model mean square\/mean square error, atau 87.79\/16.68 = 5.26<\/strong> .<\/span><\/p>\n Pr >F:<\/strong> Nilai p yang dikaitkan dengan statistik F dengan pembilang df = 2 dan penyebut df = 21. Dalam hal ini, nilai p adalah 0,0140<\/strong> .<\/span><\/p>\n Nilai yang paling penting dalam kumpulan hasil adalah nilai p, karena nilai ini memberi tahu kita jika terdapat perbedaan yang signifikan dalam nilai rata-rata antara ketiga kelompok.<\/span><\/p>\n Ingatlah bahwa ANOVA satu arah menggunakan hipotesis nol dan hipotesis alternatif berikut:<\/span><\/p>\n Karena nilai p dalam tabel ANOVA kami (0,0140) kurang dari 0,05, kami menolak hipotesis nol.<\/span><\/p>\n Artinya, kami memiliki cukup bukti untuk mengatakan bahwa rata-rata nilai ujian di ketiga metode belajar tidak sama.<\/span><\/p>\n Untuk menentukan dengan pasti mean grup mana yang berbeda, kita perlu mengacu pada tabel hasil akhir yang menunjukkan hasil tes post-hoc Tukey:<\/span> <\/p>\n Untuk mengetahui mean grup mana yang berbeda, kita perlu melihat perbandingan berpasangan mana yang memiliki bintang ( ***<\/strong> ) di sebelahnya.<\/span><\/p>\n Tabel tersebut menunjukkan bahwa terdapat perbedaan yang signifikan secara statistik pada rata-rata nilai ujian antara Grup A dan Grup C.<\/span><\/p>\n Secara spesifik, rata-rata selisih nilai ujian antara Kelompok C dan Kelompok A adalah 6,375<\/strong> .<\/span><\/p>\n Interval kepercayaan 95% untuk perbedaan rata-rata adalah [1.228, 11.522]<\/strong> .<\/span><\/p>\n Tidak ada perbedaan yang signifikan secara statistik antara rata-rata kelompok lainnya.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang model ANOVA:<\/span><\/p>\n Panduan Menggunakan Pengujian Post-Hoc dengan ANOVA<\/a> ANOVA satu arah digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara rata-rata tiga atau lebih kelompok independen. Contoh berikut menunjukkan bagaimana menginterpretasikan hasil ANOVA satu arah di SAS. Contoh: Menafsirkan hasil ANOVA dalam SAS Misalkan seorang peneliti merekrut 30 siswa untuk berpartisipasi dalam suatu penelitian. Siswa ditugaskan secara acak untuk menggunakan salah […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh: Menafsirkan hasil ANOVA dalam SAS<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas1.jpg\")
<\/p>\n \/*create dataset*\/\n<\/span>data<\/span> my_data;\n input<\/span> Method $Score;\n datalines<\/span> ;\nAt 78\nAt 81\nAt 82\nAt 82\nAt 85\nAt 88\nAt 88\nAt 90\nB 81\nB 83\nB 83\nB85\nB 86\nB 88\nB90\nB91\nC 84\nC 88\nC 88\nC 89\nC 90\nC 93\nC 95\nC 98\n;\nrun<\/span> ;\n<\/strong><\/span><\/pre>\n \/*perform one-way ANOVA*\/\n<\/span>proc ANOVA<\/span> data<\/span> =my_data;\n classMethod<\/span> ;\n modelScore<\/span> = Method;\n means<\/span> Method \/ tukey cldiff<\/span> ;\nrun<\/span> ;<\/span><\/span><\/strong><\/span><\/pre>\n![\"ANOVA](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas2.jpg\")
<\/p>\n\n
![\"Tes](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas4.jpg\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara melakukan ANOVA satu arah di SAS<\/a>
Cara melakukan ANOVA dua arah di SAS<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"