Metode Statistika II   »   Uji Kesamaan Varians   ›  Uji Kesamaan Varians

Homogenitas Varians

Uji Kesamaan Varians

Dalam analisis varians atau ANOVA (analysis of variance), terdapat dua asumsi yang penting yakni asumsi normalitas dan asumsi kehomogenan atau kesamaan varians.

Dalam analisis varians atau ANOVA (analysis of variance), terdapat dua asumsi yang penting yakni asumsi normalitas dan asumsi kehomogenan atau kesamaan varians. Asumsi normalitas telah kita bahas dan sekarang kita akan melanjutkan pada asumsi kesamaan varians.

Secara sederhana, varians mengacu pada persebaran data. Uji statistik, seperti analisis varians (ANOVA), mengasumsikan bahwa meskipun sampel yang berbeda dapat berasal dari populasi yang sama dengan cara yang berbeda, mereka memiliki varian yang sama. Varians yang sama (homoscedasticity) adalah ketika varians mendekati/hampir sama di seluruh sampel.

Varians yang tidak sama (heteroscedastisity) dapat memengaruhi tingkat kesalahan Tipe I dan mengarah ke false positive. Jika Anda membandingkan dua atau lebih rata-rata sampel, seperti pada uji-2-sampel dan ANOVA, varians yang sangat berbeda dapat mengaburkan (overshadow) perbedaan antara rata-rata dan mengarah pada kesimpulan yang keliru.

Selain itu, inferensia dalam ANOVA tidak peka atau hanya sedikit dipengaruhi oleh ketidaksamaan varians bila ukuran sampelnya sama atau hampir sama untuk \(k\) populasi. Namun, model ANOVA dengan ukuran sampel yang tidak sama dapat terpengaruh secara substansial oleh ketidaksamaan varians.

Oleh karena itu, kita harus berhati-hati dan melakukan uji kehomogenan varians terlebih dahulu sebelum hendak melakukan analisis varians.

Beberapa Uji Kesamaan Varians

Anda mungkin masih ingat bahwa kita menggunakan uji chi-square untuk mengidentifikasi apakah varians populasi sama dengan, lebih besar, atau lebih kecil dari nilai tertentu. Dalam kasus dua populasi, kita menggunakan uji F untuk mengidentifikasi kesamaan varians antara dua populasi.

Dua uji ini, yakni uji chi-square dan uji F, telah kita pelajari dalam artikel lain. Sekarang, kita akan melanjutkan pengujian untuk mengetahui apakah 3 atau lebih populasi mempunyai varians yang sama atau tidak. Dua uji yang akan kita bahas adalah Uji Bartlett dan Uji Levene.

Uji F dan Uji Bartlett akan akurat hanya untuk data yang berdistribusi normal. Adanya penyimpangan normalitas data akan memberikan hasil yang tidak akurat untuk kedua uji tersebut. Namun, jika data sesuai distribusi normal, maka uji F dan uji Bartlett biasanya lebih baik daripada uji Levene.

Jadi, jika data berdistribusi normal lebih baik gunakan Uji Bartlett untuk mengetahui kesamaan beberapa varians dan gunakan Uji Levene jika data tidak berdistribusi normal.