One-Way ANOVA di Python: Efektivitas Metode Pembelajaran terhadap Nilai Ujian
31 January 2025 | Tags: Efektivitas Metode Pembelajaran, One-Way ANOVA, One-Way ANOVA Python

Dalam dunia statistik, Analysis of Variance (ANOVA) adalah salah satu metode yang digunakan untuk menguji apakah terdapat perbedaan yang signifikan antara rata-rata dari tiga atau lebih kelompok yang berbeda. Salah satu jenisnya adalah One-Way ANOVA, yang digunakan ketika kita memiliki satu faktor independen dengan beberapa level (kategori).
Artikel ini akan membahas contoh kasus One-Way ANOVA, mulai dari latar belakang masalah, hipotesis, hingga analisis hasil menggunakan Python.
Kasus: Efektivitas Metode Pembelajaran terhadap Nilai Ujian
Sebuah sekolah ingin mengetahui apakah ada perbedaan yang signifikan dalam nilai ujian siswa yang belajar dengan tiga metode berbeda:
- Metode A: Pembelajaran tatap muka.
- Metode B: Pembelajaran online.
- Metode C: Pembelajaran campuran (blended learning).
Hipotesis Uji One-Way ANOVA
Sebelum melakukan uji ANOVA, kita merumuskan hipotesis sebagai berikut:
- Hipotesis Nol (H₀): Tidak ada perbedaan rata-rata nilai ujian antara metode pembelajaran.
- Hipotesis Alternatif (H₁): Setidaknya satu metode pembelajaran memiliki pengaruh signifikan terhadap nilai ujian.
Dataset
Dataset yang digunakan terdiri dari nilai ujian siswa berdasarkan metode pembelajaran yang mereka ikuti. Data ini telah disimpan dalam file CSV bernama nilai.csv
.
Analisis One-Way ANOVA dengan Python
1. Import Library
Pertama, kita perlu mengimpor pustaka yang dibutuhkan:
<br /> import pandas as pd<br /> import numpy as np<br /> import scipy.stats as stats<br /> import matplotlib.pyplot as plt<br /> import seaborn as sns<br />
2. Membaca Dataset
Kita membaca dataset nilai.csv
yang berisi data nilai siswa berdasarkan metode pembelajaran:
# Membaca dataset dataset_path = &amp;quot;dataset/nilai.csv&amp;quot; # Sesuaikan dengan lokasi dataset df = pd.read_csv(dataset_path) # Menampilkan 5 data pertama df.head()
3. Eksplorasi Data
Kita dapat melihat statistik deskriptif dan visualisasi data:
# Statistik Deskriptif print("Statistik Deskriptif:") print(df.groupby("Metode")["Nilai"].describe()) # Visualisasi Distribusi Nilai plt.figure(figsize=(8, 5)) sns.boxplot(x="Metode", y="Nilai", data=df, palette="Set2") plt.title("Distribusi Nilai Ujian Berdasarkan Metode Belajar") plt.show()
4. Uji One-Way ANOVA
Setelah eksplorasi data, kita melakukan uji ANOVA:
# Memisahkan data berdasarkan metode belajar nilai_A = df[df["Metode"] == "A"]["Nilai"] nilai_B = df[df["Metode"] == "B"]["Nilai"] nilai_C = df[df["Metode"] == "C"]["Nilai"] # Melakukan uji ANOVA F_stat, p_value = stats.f_oneway(nilai_A, nilai_B, nilai_C) # Menampilkan hasil uji ANOVA print(f"F-statistik: {F_stat:.4f}") print(f"P-value: {p_value:.4f}") # Menentukan kesimpulan alpha = 0.05 if p_value < alpha: print("Hasil: Terdapat perbedaan signifikan antara metode belajar.") else: print("Hasil: Tidak ada perbedaan signifikan antara metode belajar.")
Interpretasi Hasil
- Jika p-value < 0.05, maka kita menolak H₀ dan menyimpulkan bahwa setidaknya ada satu metode pembelajaran yang berbeda secara signifikan dari yang lain.
- Jika p-value ≥ 0.05, maka kita gagal menolak H₀, yang berarti tidak ada bukti kuat bahwa metode pembelajaran memiliki pengaruh signifikan terhadap nilai ujian.
Kesimpulan
One-Way ANOVA adalah metode yang berguna untuk membandingkan rata-rata dari beberapa kelompok dalam satu faktor independen. Dalam contoh ini, kita menggunakan metode ini untuk menganalisis apakah metode pembelajaran berpengaruh terhadap nilai ujian siswa. Jika hasil uji menunjukkan perbedaan yang signifikan, maka sekolah dapat mempertimbangkan metode pembelajaran yang lebih efektif untuk meningkatkan hasil belajar siswa.
Dengan menggunakan Python, kita dapat melakukan uji ANOVA dengan mudah dan mendapatkan insight yang berguna dalam analisis data.
Source code:
https://github.com/xuexibianma/anova-oneway
Komentar tentang One-Way ANOVA di Python: Efektivitas Metode Pembelajaran terhadap Nilai Ujian