Konsep Asas ANOVA Sehala
ANOVA Sehala ialah kaedah statistik yang digunakan untuk membandingkan min daripada lebih daripada dua kumpulan. Ramai orang biasa dengan ujian-t untuk membandingkan dua min, tetapi apabila bilangan kumpulan lebih daripada dua, penggunaan ujian-t berulang sebenarnya meningkatkan risiko membuat keputusan yang salah. Di sinilah ANOVA sehala menjadi penting: ia menyediakan cara yang lebih tepat dan sistematik untuk menguji sama ada terdapat perbezaan min yang signifikan antara kumpulan yang dibandingkan berdasarkan satu faktor (satu pembolehubah kategori).
1. Apakah ANOVA Sehala?
Istilah ANOVA berasal daripada Analisis Varians. Walaupun namanya "analisis varians", tujuan utamanya adalah untuk menguji perbezaan min. Intuisi asas ANOVA adalah seperti berikut: jika min kumpulan sememangnya berbeza, maka variasi antara kumpulan akan kelihatan lebih besar daripada variasi dalam kumpulan.
Ia dipanggil "sehala" kerana hanya terdapat satu faktor atau satu pembolehubah bebas kategori yang digunakan untuk membentuk kumpulan. Contohnya:
– Kaedah belajar (bebas, berkumpulan, dalam talian) berdasarkan markah peperiksaan.
– Jenis baja (A, B, C, D) terhadap hasil tuaian.
– Jenis ubat (ubat 1, ubat 2, plasebo) terhadap tekanan darah.
Dalam contoh di atas, "kaedah pembelajaran", "jenis baja", dan "jenis ubat" adalah faktor tunggal yang mempunyai pelbagai peringkat (kategori).
2. Bilakah ANOVA Sehala Digunakan?
ANOVA sehala biasanya digunakan apabila:
1. Pembolehubah bersandar adalah dalam bentuk berangka/kuantitatif (contoh: nilai, berat, masa, tekanan darah).
2. Pembolehubah bebas ialah satu faktor kategori dengan minimum tiga kumpulan (k ≥ 3).
3. Penyelidik ingin tahu sama ada terdapat sekurang-kurangnya satu kumpulan yang puratanya berbeza daripada yang lain.
Jika hanya terdapat dua kumpulan, ujian-t biasanya mencukupi. Walau bagaimanapun, ANOVA masih boleh digunakan untuk dua kumpulan dan akan menghasilkan kesimpulan yang setara dengan ujian-t (di bawah syarat-syarat tertentu).
3. Idea Utama: Variasi Antara Kumpulan vs. Dalam Kumpulan
ANOVA mengukur dua sumber variasi:
– Variasi dalam kumpulan: berapa banyak data berubah dalam setiap kumpulan. Contohnya, walaupun sesebuah kumpulan mempunyai purata tertentu, individunya mungkin agak tersebar daripada purata.
– Variasi antara kumpulan: sejauh mana purata setiap kumpulan berbeza antara satu sama lain.
Jika perbezaan antara min kumpulan adalah besar, variasi antara kumpulan akan menjadi besar. Jika data dalam kumpulan sangat tersebar, variasi dalam kumpulan akan menjadi besar. ANOVA membandingkan kedua-duanya menggunakan nisbah yang dipanggil statistik F.
4. Hipotesis dalam ANOVA
Dalam ANOVA sehala, hipotesis dirumuskan seperti berikut:
– H0 (hipotesis nol): semua min populasi kumpulan adalah sama.
\[
\mu_1 = \mu_2 = \mu_3 = \titik = \mu_k
\]
– H1 (hipotesis alternatif): terdapat sekurang-kurangnya satu min kumpulan yang berbeza.
Iaitu, tidak semua \(\mu\) adalah sama.
Adalah penting untuk difahami bahawa ANOVA hanya memberitahu anda sama ada terdapat perbezaan secara keseluruhan atau tidak. Jika keputusannya signifikan, ujian lanjut diperlukan untuk menentukan pasangan kumpulan yang berbeza.
5. Statistik Ujian: Nisbah F
Statistik ujian utama dalam ANOVA ialah F:
\[
F = \frac{\text{Varians antara kumpulan (MSB)}}{\text{Varians dalam kumpulan (MSW)}}
\]
Di sini:
– MSB (Mean Square Between) = purata kuasa dua antara kumpulan, menerangkan variasi antara min kumpulan.
– MSW (Purata Kuasa Dua Dalam) = purata kuasa dua dalam sesuatu kumpulan, menerangkan variasi dalam sesuatu kumpulan.
Logiknya:
– Jika min semua kumpulan adalah serupa, MSB adalah kecil jadi F adalah hampir dengan 1.
– Jika terdapat perbezaan yang jelas dalam min, MSB meningkat supaya F menjadi lebih besar daripada 1.
– Nilai F yang cukup besar (berbanding dengan nilai F kritikal pada tahap kebebasan tertentu) menyebabkan kita menolak H0.
6. Komponen Pengiraan: SST, SSB dan SSW
Dalam ANOVA, jumlah variasi data dibahagikan kepada dua bahagian:
1. SST (Jumlah Kuadrat): jumlah keseluruhan kuadrat, menerangkan jumlah variasi semua data terhadap purata keseluruhan.
2. SSB (Jumlah Kuadrat Antara): jumlah kuasa dua antara kumpulan, variasi disebabkan oleh perbezaan dalam min kumpulan.
3. SSW (Jumlah Kuadrat Dalam): jumlah kuasa dua dalam sesuatu kumpulan, variasi disebabkan oleh perbezaan individu dalam kumpulan.
Hubungan asas:
\[
SST = SSB + SSW
\]
Kemudian setiap satunya dibahagikan dengan darjah kebebasan untuk menghasilkan MSB dan MSW.
7. Darjah Kebebasan
Darjah kebebasan (df) dalam ANOVA sehala:
– df antara kumpulan : \(k – 1\)
(k = bilangan kumpulan)
– df dalam kumpulan : \(N – k\)
(N = jumlah semua pemerhatian)
– jumlah df : \(N – 1\)
Darjah kebebasan adalah penting kerana ia menentukan bentuk taburan F yang digunakan untuk menguji keertian.
8. Andaian ANOVA Sehala
Agar keputusan ANOVA sah, beberapa andaian biasanya diperlukan:
1. Kebebasan: data antara subjek/pemerhatian adalah bebas (tidak mempengaruhi antara satu sama lain).
2. Normaliti: data dalam setiap kumpulan bertaburan normal (atau sekurang-kurangnya baki hampir normal).
3. Kehomogenan varians (homoskedastisitas): varians antara kumpulan adalah relatif sama.
Dalam praktiknya, ANOVA agak "teguh" terhadap pelanggaran kenormalan jika saiz sampel cukup besar dan seimbang. Walau bagaimanapun, pelanggaran homogenitas varians boleh menjadi lebih bermasalah, terutamanya apabila saiz sampel setiap kumpulan tidak sama rata. Ujian seperti Levene atau Bartlett sering digunakan untuk mengesahkan andaian homogenitas varians.
9. Tafsiran Keputusan: nilai-p dan Keputusan
Keputusan ANOVA biasanya dibentangkan dalam jadual ANOVA yang mengandungi SSB, SSW, df, MSB, MSW, nilai F dan nilai-p.
– Jika nilai-p ≤ α (cth. α = 0,05), maka tolak H0: terdapat perbezaan yang signifikan dalam purata antara kumpulan.
– Jika nilai-p > α , maka gagal menolak H0 : terdapat bukti yang tidak mencukupi bahawa min adalah berbeza.
Walau bagaimanapun, "gagal menolak H0" tidak bermakna minnya benar-benar sama; ia hanya bermaksud data tidak cukup kuat untuk membuktikan perbezaan.
10. Ujian Post Hoc Selepas ANOVA
Jika ANOVA adalah signifikan, langkah seterusnya adalah untuk mengetahui kumpulan mana yang berbeza. Ini dilakukan dengan ujian post hoc, contohnya:
– Tukey HSD (sering digunakan untuk perbandingan semua pasangan).
– Bonferroni (lebih konservatif).
– Scheffé (fleksibel untuk pelbagai kontras).
– Games-Howell (lebih sesuai jika varians tidak homogen).
Tanpa ujian lanjut, kita hanya tahu "ada perbezaan", tetapi kita tidak tahu di mana perbezaannya terletak.
11. Saiz Kesan
Selain kepentingan, adalah penting juga untuk melaporkan berapa banyak pengaruh sesuatu faktor terhadap pembolehubah bersandar. Saiz kesan biasa dalam ANOVA ialah:
– Eta kuasa dua (\(\eta^2\)) : perkadaran jumlah variasi yang dijelaskan oleh perbezaan kumpulan.
– Omega kuasa dua (\(\omega^2\)) : versi yang kurang berat sebelah, terutamanya dalam sampel kecil.
Saiz kesan membantu menilai kerelevanan praktikal, bukan sekadar kepentingan statistik.
Kesimpulannya
ANOVA sehala merupakan alat statistik asas untuk membandingkan min bagi lebih daripada dua kumpulan berdasarkan satu faktor. Konsep asasnya adalah untuk membandingkan variasi antara kumpulan dengan variasi dalam kumpulan menggunakan statistik F. Penggunaannya memerlukan andaian kebebasan, kenormalan dan homogeniti varians untuk memastikan kesimpulan yang boleh dipercayai. Jika keputusan ANOVA menunjukkan perbezaan yang ketara, analisis diteruskan dengan ujian post hoc untuk mengenal pasti kumpulan yang berbeza dan melaporkan saiz kesan untuk menilai kekuatan pengaruh secara praktikal.
Jika anda mahu, saya boleh menambah contoh kes lengkap (data kecil), langkah pengiraan manual yang mudah atau contoh output ANOVA daripada SPSS/R/Excel berserta cara membacanya.
