Anda di halaman 1dari 46

BAB 08

ANALISIS VARIAN

Sebagaimana yang sudah dijelaskan sebelumnya bahwa salah satu statistik parametrik yang sering digunakan dalam penelitian pendidikan yaitu Analisis Varian. Oleh karena itu pada bagian ini (Analisis Varian) akan dibahas secara rinci tentang; analisis varian satu jalan, penggunaan hasil analisis satu jalan, analisis varianduajalan,danpenggunaanhasilanalisisduajalan.

8.1 ANALISIS VARIAN SATU JALAN


Analisis varian atau analysis of variance (Anova) biasa digunakan untuk menguji perbandingan. Peneliti yang ingin menguji hipotesis komparasi (perbandingan) pada umumnya menggunakan alat uji analisis varian. Karena itu analisis varian digunakan untuk menguji hipotesis komparasi ratarata k sampel. Sesuai dengan namanya, analisis varian yaitu teknik analisis yang digunakan untuk menentukan apakah perbedaan atau variasi nilai suatu variabel terikat itu disebabkan oleh atau tergantung pada perbedaan (variasi) nilai pada variabel bebas. Perlu dipahami bahwa dalam analisis varian terdapat dua komponen varian nilai yang harus dipisahpisahkan karena memiliki makna yang berbeda, yaitu (1) komponen varian antara kelompok (between groups) yang benarbenar disebabkan oleh perbedaan varian nilai variabel bebas dan (2) komponen varian dalam kelompok (within groups) yang tidak disebabkan olehperbedaanvariannilaivariabelbebas. Varian antara kelompok (between groups) yang benarbenar disebabkan oleh perbedaan varian nilai variabel bebas biasa disebut dengan istilah Explained 299

300 variance atau sumbangan efektif. Varian dalam kelompok (within groups) yangtidakdisebabkanolehperbedaanvariannilaivariabelbebasbiasadisebut dengan istilah Unexplained variance. Untuk melakukan analisis varian dapatmenggunakanrumussebagaiberikut:

Y
Penjelasan: Y = = = =

Sekorsebenarnyavariabelterikatuntuksemuasubyek Rataratasekorvariabelterikatuntuksemuasubyek Perbedaan(variasi)sekorvariabelterikatantarakelompok Perbedaan(variasi)sekorvariabelterikatdalamkelompok

Untuk memperoleh pemahaman yang lebih konkrit tentang bagaimana penerapan atau aplikasi analisis varian dalam penelitian pendidikan dapat diberikancontohatauilustrasisebagaiberikut.

Kasus8.1
Seorang guru ingin melakukan pengujian terhadap perolehan hasil belajar siswa yang disebabkan oleh penggunaan waktu belajar siswa. Dalam pengujian ini sebagai variabel terikat (Y) adalah hasil belajar. Sebagai variabel bebasnya (X) adalah lama waktu belajar (dalam jam) yang dikelompokkan menjadiempat yaitu 2 jam, 3 jam, 4 jam, dan 5 jam. Jumlah respondenuntuk masingmasing kelompok sebanyak 4 orang dan tingkat kesalahan yang dipilih yaitu 5%. Setelah dilaksanakan teskepada seluruh responden maka diperoleh datasbb: Tabel8.1Sekorhasiltesbelajarsiswaberdasarkanlamabelajarnya Responden 1. 2. 3. 4. 1) MenginputData Satu hal yang perlu diperhatikan bahwa kesalahan pada saat menginput data maka akan mengakibatkan kesalahan hasil analisis data. Oleh karena 2 79,30 83,80 82,00 82,50 LamanyaBelajar(jam) 3 4 85,50 84,00 87,20 86,80 87,50 83,10 87,00 87,80 5 83,30 84,00 82,80 82,50

301 itu perlu diperhatikan baikbaik ketika menginput data yang akan diolah menggunakanstatistikanalisisvarian. Berdasarkan data di atas perlu ditetapkan bahwa variabel bebas (X) yaitu lama belajar dan variabel terikat (Y) hasil belajar. Pada variabel bebas lama belajar terdiri atas 2, 3, 4, dan 5 masingmasing sebanyak 4 responden. Pada variabel bebas diisikan dengan sekor hasil tes yang dicapaiolehmasingmasingrespondensesuaidenganlamanyawaktuyang digunakan untuk belajar. Masingmasing waktu terdiri atas 4 responden sehingga 2 jam ada 4 responden, 3 jam ada 4 responden. Demikian juga untuklamabelajar4dan5jammasingmasing4responden. Berdasarkan penyajian data yang ada maka input ke program SPSS yang harusdilakukanditunjukkansbb. (1) Tampilkan Variable View yang terdapat pada jendela SPSS Statistics DataEditorsehinggamunculkotakdialogsbb.

Gambar8.1KotakdialogVariableViewpadaSPSSStatisticDataEditoruntuk mensetingvariabelpenelitian

302 Penjelasan: a. Pada kolom Name: isikan dengan nama variabel, misalkan X. Pengisiannamainitidakbolehterlalupanjang. b. Kolom Type boleh dibiarkan atau tidak diubah. Pada kolom ini terdapat8optionyangdapatdipilihsalahsatu. c. KolomWidthbolehdiubahbolehtidak. d. KolomDecimalsdapatdiubahmenjaditanpadesimal,satudesimal, duadesimal,ataulebih. e. Kolom Label: isikan dengan keterangan yang diperlukan. Misalkan variabel X adalah lama belajar, maka pada kolom Label dapat diisikandenganketeranganLamaBelajar. f. Pada kolom Values: isikan dengan nilai dan labelnya. Misalkan 1 untuk mewakili 2 jam, maka pada kotak ValueI: di isi 1 dan pada kotak Label: di isi dengan 2 jam. Apabila data yang diinput berupa nilai atau sekor yang tidak memerlukan penjelasan maka tidak perlumengubahpadakolomini. g. Pada kolom Columns digunakan untuk mengatur lebar kolom yang diinginkan. h. Kolom Align digunakan untuk mengatur posisi data yang akan diinputyaituratakiri,ratakanan,danditengah. i. Kolom Measure digunakan untuk menentukan atau memilih jenis skala pengukuran yang digunakan. Pada kolom ini terdapat tiga pilihanyangberupaScale,Ordinal,danNominal.

Perubahanperubahan tersebut berlaku untuk satu baris pada baris kedua dan seterusnya perlu pengaturan tersendiri. Karena itu setiap pengaturan pada kolom yang ditampilkan oleh Variable View hanya akan berpengaruh pada satu baris tida seluruh baris pada kolom tersebut. Apabila seting untuk variabel yang digunakan untuk menginput data telah selesai maka kotak dialog Gambar 8.1 di atas akanberubahtampilandantampaksbb.

303

Gambar8.2KotakdialogVariableViewpadaSPSSStatisticDataEditorsetelah variabelpenelitiandiseting Apabila diperhatikan, pada baris pertama digunakan untuk menseting variabel bebas (X) yang berupa lama belajar. Pada baris kedua digunakanuntukmensetingvariabelterikat(Y)yaituhasilbelajarsiswa yangberupasekorhasiltes. Pada kolom tertentu untuk baris pertama, kedua, dan seterusnya dapat berbeda satu dengan lainnya akan tetapi pada kolom tertentu kemungkinan akan diseting sama. Pengaturan tersebut tidak ada keharusan untuk sama antara baris pertama dan baris berikutnya. SetiapbarisyangterdapatpadaVariableViewmerupakankolomketika beradapadajendelaDataView. Meskipun semua variabel telah diseting ke dalam program, maka yang ditampilkan pada layar monitor hanya nama variabelnya saja yang lainnya tidak ditampilkan pada layar monitor. Setingan lain akan terlihatefeknyaketikadatamasingmasingvariabeldiinput.

304 (2) Apabila pensetingan terhadap variabel penelitian dianggap telah selesai, selanjutnya Pilih dan klik pada Data View sehingga akan menampilkankotakdialogsbb.

Gambar8.3KotakdialogDataViewpadaSPSSStatisticDataEditorsebelumdata masingmasingvariabelpenelitiandiinput Berdasarkan kotak dialog Gambar 8.3 di atas, maka data hasil tes pada Tabel8.1dapatdiinputkeprogramSPSSsbb. a. Inputkanangka1dikolomXpadabaris14,angka2dibaris58, angka3dibaris912,danangka4dibariske1316. b. Inputkansekorhasiltesyangterdapatdikolom2padaTabel8.1ke baris14padakolomvariabelterikat(Y). c. Inputkansekorhasiltesyangterdapatdikolom3padaTabel8.1ke baris58padakolomvariabelterikat(Y).

305 d. Inputkansekorhasiltesyangterdapatdikolom4padaTabel8.1ke baris912padakolomvariabelterikat(Y). e. Inputkansekorhasiltesyangterdapatdikolom5padaTabel8.1ke baris1316padakolomvariabelterikat(Y). (3) Setelah selesai menginput seluruh data, maka kotak dialog Gambar 8.3 diatasakanberubahmenjadisebagaimanaterlihatpadaGambar8.4.

Gambar8.4KotakdialogDataViewpadaSPSSStatisticDataEditorsetelahdata masingmasingvariabelpenelitiandiinput Pasangan data sebagaimana ditunjukkan pada Gambar 8.4 di atas dapat dibacabahwa: (1) Siswa yang lama belajarnya 2 jam mendapatkan sekor hasil belajar 79,30; 83,80; 82,00; dan 82,50.

306 (2) Siswa yang lama belajarnya 3 jam mendapatkan sekor hasil belajar 85,50; 87,20; 87,50; dan 87,00. (3) Siswa yang lama belajarnya 4 jam mendapatkan sekor hasil belajar 84,00; 86,80; 83,10; dan 87,80. (4) Siswa yang lama belajarnya 5 jam mendapatkan sekor hasil belajar 83,30; 84,50; 82,80; dan 82,50. 2) Menganalisisdata Berdasarkan data yang ada, untuk menganalisis menggunakan Analisis Variandapatdilakukansbb. (1) Pilih dan klik pada menu Analyze yang akan memunculkan submenu baru kemudian pilih pada Compare Means kemudian pilih dan klik padabagianOneWayANOVAsehinggaakanmunculkotakdialogsbb.

Gambar8.5Kotakdialoguntukpenetapanvariabeldependentdanvariabelfaktor padaanalisisOneWayANOVAsebelumdiisi

307 Carapengisian: (a) Pilih dan klik pada variabel Hasil Belajar (Y) kemudian klik pada tanda panah ke kanan yang terdapat di sebelah kanan kotak Dependentlist. (b) Pilih dan klik pada variabel Lama Belajar (X) kemudian klik pada tandapanahkekananyangterdapatdisebelahkanankotakFactor. Dengan pengisian tersebut karena hanya ada dua variabel maka pada kotak yang terdapat di sebelah kiri menjadi kosong. Variabel HasilBelajardipindahkankekotakDependentlistdanvariabellama belajardipindahkankekotakFactor. (c) Setelah penetapan variabel terikat dan variabel faktor, maka tampilankotakdialogGambar8.5akanberubahmenjadisbb.

Gambar8.6Kotakdialogpenetapanvariabeldependentdanvariabelfaktorpada analisisOneWayANOVAsetelahdiisi (2) Berdasarkan pada kotak dialog Gambar 8.6 pilih dan klik bagian Post Hoc...sehinggamunculkotakdialogsbb.

308

Gambar8.7Kotakdialogpemilihanbesaranhasilanalisisyangdikehendakipada analisisOneWayANOVA:PostHocMultipleComparisons (3) Pilih dan klik pada Tukey sehingga kotak kecil yang terdapat di depannya akan terisi tanda cek lis (), kemudian pilih dan klik pada bagian Continue sehingga sistem akan menampilkan kotak dialog sepertipadaGambar8.8.

Gambar8.8Kotakdialogpenetapanvariabeldependentdanvariabelfaktorpada analisisOneWayANOVAsetelahpengisianPostHoc...

309 Kotak dialog Gambar 8.6 dan Gambar 8.8 tampak tidak ada perbedaan sama sekali, hal ini karena Post Hoc...merupakan bagian dari dialog OneWay ANOVA sehingga tampak tidak ada perbedaan. Berdasarkan kedua gambar tersebut apabila masingmasing diklik pada bagian OK akan memberikan hasil analisis yang berbeda. Pada Gambar 8.8 akan memberikan out put yang lebih lengkap jika dibandingkan dengan out putyangdihasilkanolehGambar8.6. (4) Berdasarkan pada Gambar 8.8 pilih dan klik pada bagian OK sehingga akanmemberikanoutput(hasil)analisissbb.

Oneway
ANOVA HasilBelajar BetweenGroups WithinGroups Total SumofSquares 57.265 30.415 87.680 Df 3 12 15 Mean Square 19.088 2.535 F 7.531 Sig. .004

Post Hoc Tests


MultipleComparisons HasilBelajar TukeyHSD Mean (I)Lama (J)Lama Difference Std.Error Belajar Belajar (IJ) 2jam 3jam 4jam 5jam 4.90000* 3.52500* 1.37500 1.12574 1.12574 1.12574 95%ConfidenceInterval Sig. LowerBound UpperBound .004 .038 .626 8.2422 6.8672 4.7172 1.5578 .1828 1.9672

310 3jam 2jam 4jam 5jam 4jam 2jam 3jam 5jam 5jam 2jam 3jam 4jam 4.90000* 1.37500 3.52500* 3.52500* 1.37500 2.15000 1.37500 3.52500* 2.15000 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 .004 .626 .038 .038 .626 .275 .626 .038 .275 1.5578 1.9672 .1828 .1828 4.7172 1.1922 1.9672 6.8672 5.4922 8.2422 4.7172 6.8672 6.8672 1.9672 5.4922 4.7172 .1828 1.1922

*.Themeandifferenceissignificantatthe0.05level.

Homogeneous Subsets
HasilBelajar TukeyHSDa Lama Belajar 2jam 5jam 4jam 3jam Sig. Subsetforalpha=0.05 N 1 4 4 4 4 .626 81.9000 83.2750 2 83.2750 85.4250 .275 3 85.4250 86.8000 .626

Meansforgroupsinhomogeneoussubsetsaredisplayed. a.UsesHarmonicMeanSampleSize=4,000. Berdasarkanoutputdiatasmakamenunjukkanbahwaanalisisvariantelahselesai dilakukan permasalah selanjutnya yaitu bagaimana menggunakan besaran

311 besaran statistik dalam kaitannya dengan penelitian yang dilakukan. Untuk memahami dengan baik bagaimana memanfaatkan besaran statistik yang dihasilkan pada analisis varian dapat diikuti pada pembahasan di bagian 8.2 berikut.

8.2 PENGGUNAAN HASIL ANALISIS SATU JALAN


Berdasarkan hasil (out put) analisis varian tersebut di atas menunjukkan tiga komponen utama yang berupa: (1) ANOVA, (2) Post Hoc Test yang berupa MultipleComparisons,dan(3)HomogeneousSubsets.Disisilain,penggunaan analisis varian terdapat tiga hal pokok yang perlu diperhatikan dan dipenuhi dalampenerapanpenelitianyangberupa: 1) Penentuansignifikansiumum 2) Penentuansignifikansiperpasangan(multiplecomparisons) 3) Penentuankomponenvarian Masingmasingkomponenyangdiperlukanpadaanalisisvariantersebutdapat dijelaskansbb.

PENENTUAN SIGNIFIKANSI UMUM


Sebagaimana pada penelitian umumnya, penentuan signifikansi sangat berkaitan dengan pembuktian hipotesis. Oleh karena itu, sebelum menentukansignifikansiterlebihdahuludirumuskanhipotesissbb. Ho = Tidak ada perbedaan hasil belajar siswa antarlama belajar siswa (2, 3, 4,dan5jam) H1 = Terdapat perbedaan hasil belajar siswa antarlama belajar siswa (2, 3, 4,dan5jam) Hasil analisis menggunakan program SPSS menunjukkan bahwa besaran statistikyangditampilkanpadaTabelANOVAdapatdisajikansbb.

312 ANOVA HasilBelajar BetweenGroups WithinGroups Total Kriteriayangdigunakan: (1) MenggunakanhargakoefisienF a. ApabilaFhitunglebihbesardaripadaFtabel,makaHoditolak. b. ApabilaFhitunglebihkecildaripadaFtabel,makaHoditerima. (2) MenggunakanhargaprobabilitasataukoefisienSignificance a. Apabila hargha probabilitas atau koefisien significance lebih kecil daripadaalpha(),makaHoditolak. b. Apabila hargha probabilitas atau koefisien significance lebih besar daripadaalpha(),makaHoditerima. Berdasarkan hasil analisis yang disajikan pada tabel ANOVA menunjukkan bahwa taraf signifikansi hasil hitungan sebesar 0,004 yang berarti lebih kecil dari tingkat kesalahan (alpha) yang ditetapkan yaitu 0,05. Sesuai dengan ketentuan yang berlaku dalam pengetesan hipotesis maka dapat disimpulkan bahwa hipotesis nihil (Ho) yang menyatakan tidak ada perbedaan hasil belajar siswa antarlama belajar siswa (2, 3, 4, dan 5 jam) ditolak yang berarti bahwa hasil pembuktian menerima hipotesis alternatif (H1) yang menyatakan terdapat perbedaan hasil belajar siswa secara signifikan (meyakinkan) antarlamabelajarsiswa(2,3,4,dan5jam). Apabila menggunakan harga koefisien F maka kita harus mencari besarnya F tabelterlebihdahuluuntukalpha5%dengandkpembilang3dandkpenyebut 12 sehingga diperoleh harga koefisien F tabel sebesar 3,49. Hasil analisis menunjukkan harga koefisien F hitung sebesar 7,531. Hasil analisis tersebut menunjukkan bahwa F hitung > F tabel sehingga Ho yang menyatakan tidak adaperbedaanhasilbelajarsiswaantarlamabelajarsiswa(2,3,4,dan5jam) ditolak. Hasil analisis tersebut membuktikan bahwa ada perbedaan hasil belajarsiswaantarlamabelajarsiswa(2,3,4,dan5jam). SumofSquares 57.265 30.415 87.680 Df 3 12 15 Mean Square 19.088 2.535 F 7.531 Sig. .004

313 Kesimpulan pada signifikansi umum ini menunjukkan bahwa setidaktidaknya terdapat satu pasang (dua kelompok) yang berbeda secara signifikan (nyata). Kesimpulan signifikansi umum pada analisis varian tersebut tidak dapat diartikanbahwasetiappasanganpastiberbedasecarasignifikan(nyata).

PENENTUAN SIGNIFIKANSI PER PASANGAN (MULTIPLE COMPARISONS)


Meskipun telah diuji signifikansinya secara umum masih diperlukan pengujian signifikansi untuk setiap pasangan. Hasil pengujian signifikansi secara umum pada analisis varian meskipun menyatakan ada perbedaan secara signifikan (nyata), maka tidak dapat diartikan bahwa setiap pasangan pasti berbeda secara signifikan (nyata). Hasil pembuktian tersebut hanya dapat dinyatakan setidaktidaknya ada satu pasang (dua kelompok) yang berbeda secara signifikan(nyata).Olehkarenaituperluadanyapengujianperpasanganuntuk menentukan pasangan mana yang berbeda secara signifikan dan pasangan mana yang tidak berbeda. Untuk mengetahui pasanganpasangan mana yang berbeda secara signifikan dan pasanganpasangan mana yang tidak berbeda diperlukanadanyaujisignifikansiperpasangan. Untuk memudahkan dalam menentukan pasanganpasangan yang berbeda secara signifikan dan pasanganpasangan yang tidak berbeda dapat dilihat pada output hasil analisis yang disajikan pada tabel Multiple Comparisons berikutini. MultipleComparisons HasilBelajar TukeyHSD Mean (I)Lama (J)Lama Difference Std.Error Belajar Belajar (IJ) 2jam 3jam 4jam 4.90000* 3.52500* 1.12574 1.12574 95%ConfidenceInterval Sig. LowerBound UpperBound .004 .038 8.2422 6.8672 1.5578 .1828

314 5jam 3jam 2jam 4jam 5jam 4jam 2jam 3jam 5jam 5jam 2jam 3jam 4jam 1.37500 4.90000* 1.37500 3.52500* 3.52500* 1.37500 2.15000 1.37500 3.52500* 2.15000 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 1.12574 .626 .004 .626 .038 .038 .626 .275 .626 .038 .275 4.7172 1.5578 1.9672 .1828 .1828 4.7172 1.1922 1.9672 6.8672 5.4922 1.9672 8.2422 4.7172 6.8672 6.8672 1.9672 5.4922 4.7172 .1828 1.1922

*Themeandifferenceissignificantatthe0.05level. Berdasarkan tabel Multiple Comparisons menunjukkan bahwa terdapat beberapa pasangan yang berbeda secara nyata (signifikan). Salah satu ciri yang sangat mudah untuk dikenali bahwa pasangan tersebut berbeda secara signifikan (nyata) yaitu nilai pada kolom Mean Difference (ij) diberi tanda bintang. Beberapa pasangan yang berbeda secara nyata untuk hasil analisis di atas dapatditunjukkansbb. a. Pasangan 23 jam, dengan Mean Difference sebesar 4.90000 dan signifikansihitungsebesar0,004(0,004<0,05). b. Pasangan 24 jam, dengan Mean Difference sebesar 3.52500 dan signifikansihitungsebesar0,038(0,038<0,05). c. Pasangan 35 jam, dengan Mean Difference sebesar 3.52500 dan signifikansihitungsebesar0,038(0,038<0,05). Beberapapasanganyanglainnyaberdasarkanhasilanalisismenunjukkantidak adaperbedaan,yaitu a. Pasangan 25 jam, dengan Mean Difference sebesar 1.37500 dan signifikansihitungsebesar0,626(0,626>0,05). b. Pasangan 34 jam, dengan Mean Difference sebesar 1.37500 dan signifikansihitungsebesar0,626(0,626>0,05).

315 c. Pasangan 45 jam, dengan Mean Difference sebesar 2.15000 dan signifikansihitungsebesar0,275(0,275>0,05). Cara lain untuk menentukan pasanganpasangan mana yang berbeda secara signifikan dapat juga dilihat pada tabel Homogeneous Sabsets hasil belajar. Tabelinimenyajikanpasanganpasanganyangdinyatakantidakberbeda,yaitu dapatditunjukkansbb. HasilBelajar TukeyHSDa Lama Belajar 2jam 5jam 4jam 3jam Sig. Subsetforalpha=0.05 N 1 4 4 4 4 81.9000 2 3 85.4250 86.8000 .626

83.2750 83.2750 .626 85.4250 .275

Meansforgroupsinhomogeneoussubsetsaredisplayed. a.UsesHarmonicMeanSampleSize=4,000. Penjelasan: IsitabelHomogeneousSabsetshasilbelajardapatdibacasbb. a. Pasangan 25 jam dinyatakan tidak berbeda karena signifikansi hitung lebihbesardarialpha(0,626>0,05). b. Pasangan 54 jam dinyatakan tidak berbeda karena signifikansi hitung lebihbesardarialpha(0,275>0,05). c. Pasangan 43 jam dinyatakan tidak berbeda karena signifikansi hitung lebihbesardarialpha(0,626>0,05). Berdasarkan hasil analisis dapat dinyatakan bahwa terdapat tiga pasangan yang tidak berbeda. Dengan demikian pasanganpasangan selebihnya dapat dinyatakanberbedasecarasignifikan(nyata).

316

PENENTUAN KOMPONEN VARIAN


Out put atau hasil olahan komputer dan hasil olahan secara manual untuk analisisvarianatauyanglain,padadasarnyamemilikitujuanyangsama.Pada analisis varian yang utama adalah digunakan untuk menghitung komponen variansebagaimanayangdinyatakanpadarumus;

Komponenkomponen yang terdapat pada rumus di atas berupa; jumlah kuadrat total (sum of squares total), jumlah kuadrat antara kelompok (sum of squares between groups), dan jumlah kuadrat dalam kelompok (sum of squares within groups). Hasil analisis ini terdapat pada tabel ANOVA yang terdiriatasenamkolomdantigabaris. Untukmemberikanapamaknadariangkaangkastatistikyangdihasilkanperlu ditunjukkankembalitabelANOVAsbb. ANOVA HasilBelajar BetweenGroups WithinGroups Total Berdasarkan hasil analisis yang ditampilkan pada tabel ANOVA maka dapat dihitungbesarnyakomponenvarianmasingmasingdengancarasbb. a. Persentasekomponenvarianantarkelompok(betweengroups)sebesar 57,265 x 100% 87,680 30,415 x 100% 87,680 Hasilperhitungantersebutberartibahwasebesar65,31% varianpadavariabel terikat (hasil belajar siswa) disebabkan oleh variasi atau perbedaan pada nilai 65,31% SumofSquares 57.265 30.415 87.680 Df 3 12 15 Mean Square 19.088 2.535 F 7.531 Sig. .004

b. Persentasekomponenvariandalamkelompok(withingroups)sebesar 34,69%

317 variabel bebas yang berupa lamanya siswa belajar (jam). Selebihnya sebesar 34,69%tidakdiketahuisebabnya. Berdasarkan pembahasan tersebut menunjukkan bahwa pada analisis varian terdapat tiga hal pokok yang harus dilakukan. Ketiga hal pokok yang harus dilakukanpadaanalisisvarianyaituberupa: 1) Analisissignifikansisecaraumum Pada analisis ini digunakan untuk menguji hipotesis secara umum tanpa harus melihat per pasangan. Berdasarkan hasil perhitungan di atas, meskipun pada hasil analisis secara umum menyatakan ada perbedaan secara signifikan (nyata) maka kita dapat menyatakan bahwa setidak tidaknya terdapat satu pasangan (dua kelompok) yang berbeda secara signifikan (nyata). Hasil tersebut tidak dapat diartikan bahwa setiap pasanganpastiberbedasecarasignifikan(nyata). 2) Analisissignifikansiperpasangan Analisis signifikansi per pasangan ini digunakan untuk memberikan penjelasan atas analisis signifikansi secara umum. Pada bagian analisis ini dapat digunakan untuk menunjukkan pasanganpasangan mana yang berbeda secara signifikan dan pasanganpasangan mana yang tidak berbeda. Output hasil analisis yang dapat digunakan yaitu ditampilkan padatabelMultipleComparisons. 3) Besarnyakomponenvarian Bagian ini dimaksudkan untuk menghitung berapa besarnya setiap komponen varian (yaitu komponen penjelas dan bukan penjelas). Berdasarkan pada contoh di atas, maka besarnya Komponen penjelas varian dihitung berdasarkan pada Sum of Square pada baris Between groups. Besarnya Komponen bukan penjelas varian dihitung berdasarkan padaSumofSquarepadabarisWithingroupsdaritotalSumofSquare.

8.3 ANALISIS VARIAN DUA JALAN


Sebagaimanatelahdibahassebelumnyapadaanalisisvariansatujalan,analisis varianduajalanmerupakanteknikanalisisyangdigunakanuntukmenentukan apakah perbedaan atau variasi nilai suatu variabel terikat disebabkan oleh atau tergantung pada perbedaan (variasi) nilai pada dua variabel bebas. Pada analisis varian dua jalan terdapat empat komponen varian nilai yang harus

318 dipisahpisahkan karena memiliki makna yang berbeda, yaitu (1) komponen explained varian untuk seluruh variabel bebas (X1 + X2), (2) komponen explained varian variabel bebas X1 saja, (3) komponen explained varian variabel bebas X2 saja, dan (4) komponen unexplained varian. Dengan demikian pada analisis varian dua jalan tidak kita temukan istilah varian antar kelompok(betweengroups)danvariandalamkelompok(withingroups). Untuk melakukan analisis menggunakan analisis varian dua jalan tahapannya tidakjauhberbedadengananalisisvariansatujalan.Karenaitubesaranangka yangdihasilkanolehSPSSdigunakanuntuk: 1) Menentukansignifikansisecaraumum. 2) Menentukansignifikansiperpasangan. 3) Menentukanbesaranmasingmasingkomponenvarian. Sebagai bahan penjelasan secara rinci diberikan contoh kasus yang disajikan padabagianberikut.

Contoh8.2
Seorang guru ingin melakukan pengujian terhadap perolehan hasil belajar siswa yang disebabkan oleh penggunaan waktu belajar siswa. Dalam pengujian ini sebagai variabel terikat (Y) adalah hasil belajar. Sebagai variabel bebas pertama (X1) adalah lama waktu belajar (dalam jam) yang dikelompokkan menjadi empat yaitu 2 jam, 3 jam, 4 jam, dan 5 jam. Sebagai variabel bebas kedua (X2) yaitu kemampuan awal siswa yang dikelompokkan menjaditinggidanrendah.Jumlahrespondenuntukmasingmasingkelompok sebanyak 4 orang dan tingkat kesalahan yang dipilih yaitu 5%. Setelah dilaksanakanteskepadaseluruhrespondenmakadiperolehdatasbb: Tabel8.2Sekorhasiltesbelajarsiswaberdasarkanlamabelajarnyadan tingkatkemampuanawalsiswa 2 79.30 83.80 82.00 82.50 80.30 81.80 80.00 82.50 LamanyaBelajar(jam) 3 4 85.50 84.00 87.20 86.80 87.50 83.10 87.00 87.80 84.00 83.30 86.80 83.00 83.10 82.80 87.80 81.50 5 83.30 84.00 82.80 82.50 85.50 85.20 84.50 83.00

Tinggi Kemampuan Awal Rendah

319 Berdasarkan data di atas maka variabel bebas lama belajar terdiri atas 2, 3, 4, dan 5 masingmasing sebanyak 8 responden yang terdiri atas kemampuan awalnya tinggi 4 responden dan kemampuan awalnya rendah 4 responden. Pada variabel bebas diisikan dengan sekor hasil tes yang dicapai oleh masing masing responden sesuai dengan lamanya waktu yang digunakan untuk belajar. Dengan demikian masingmasing lama waktu belajar terdiri atas 8 responden. Berdasarkan penyajian data yang ada maka input ke program SPSS yang harus dilakukanditunjukkansbb. (1) Tampilkan Variable View yang terdapat pada jendela SPSS Statistics Data Editor sehingga muncul kotak dialog sebagaimana terlihat pada Gambar 8.9.

Gambar8.9KotakdialogVariableViewpadaSPSSStatisticDataEditoruntuk mensetingvariabelpenelitian

320 CaraPengisian: a) Pada baris pertama kolom Name isikan dengan nama X1 sebagai variabelbebaspertama(lamabelajar).Dalammembuatnamavariabel usahakansesingkatmungkin(tidakperluterlalupanjang). b) Pada baris pertama kolom Label isikan nama secara lengkap dari variabel bebas pertama yang sebagai penjelasan X1, yaitu Lama Belajar. Hal ini apabila diperlukan untuk menjelaskan nama variabel yang telah dtetapkan sebelumnya. Nama yang dicantumkan pada kolomLabeliniakanditampilkanpadaoutputhasilanalisis. c) PadabarispertamauntukkolomValuebuatlahlabeldenganketentuan sbb. (a) Value:1untuklabel2jam; (b) Value:2untuklabel3jam; (c) Value:3untuklabel4jam;dan (d) Value:4untuklabel5jam. d) PadabariskeduauntukkolomNameisikannamavariabelbebaskedua (kemampuan awal) dengan nama X2. Sebagaimana pada variabel sebelumnya, dalam membuat nama variabel usahakan sesingkat mungkin(tidakperluterlalupanjang). e) Pada baris kedua untuk kolom Value buatlah label dengan ketentuan sbb. Value:1untuklabelkemampuanawaltinggi,dan Value:2untuklabelkemampuanawalrendah. f) Pada baris kedua kolom Label isikan nama lengkap variabel bebas keduayangsebenarnyasebagaipenjelasanX2,yaituKemampuanAwal siswa. Nama variabel yang tertulis pada kolom Label ini ditampilkan pada saat memilih variabel yang akan dianalisis dan juga pada out put hasilanalisis. g) PadabarisketigakolomNameIsikannamavariabelterikatyangberupa hasil belajar dengan nama Y. Penulisan nama variabel usahakan sesingkatmungkin(tidakperluterlalupanjang). h) PadabarisketigauntukkolomLabelIsikannamavariabelterikatsecara lengkap yang sebenarnya sebagai penjelasan Y, yaitu Hasil Belajar siswa. Nama variabel yang tertulis pada kolom Label ini ditampilkan pada saat memilih variabel yang akan dianalisis dan juga pada out put

321 hasil analisis. Penulisan nama pada kolom ini (Label) bisa ditulis denganpanjangsebagaimananamavariabelyangsebenarnya. Setelah informasi yang berkaitan dengan variabel penelitian diseting sesuai dengankebutuhanmakahasilnyaakantampakpadaGambar8.10berikutini.

Gambar8.10otakdialogsetingvariabelvariabelpenelitianpadajendelaSPSS StatisticsDataEditorVariableView (2) Berdasarkan pada tampilan Gambar 8.10 tersebut menunjukkan bahwa variabel penelitian yang akan dianalisis telah selesai dan siap menerima input data. Variabel yang telah diseting yaitu X1 berupa lama belajar, X2 berupa kemampuan awal siswa, dan Y adalah hasil belajar. Sesuai dengan kotak dialog Gambar 8.10 pilih dan klik pada bagian Data View sehingga tampilanGambar8.10berubahmenjadisbb.

322

Gambar8.11Kotakdialogpengisiandatauntukmasingmasingvariabel penelitianpadajendelaSPSSStatisticsDataEditor Caramenginputdatamasingmasingvariabelsbb. a. PadakolomvariabelbebasX1(lamabelajar)isikanangkaangkasbb. a) Angka 1 pada baris pertama sampai baris kedelapan, yang berarti lamabelajar2jam. b) Angka 2 pada baris kesembilan sampai baris keenam belas, yang berartilamabelajar3jam. c) Angka 3 pada baris ketujuh belas sampai baris kedua puluh empat, yangberartilamabelajar4jam. d) Angka4padabariskeduapuluhlimasampaibarisketigapuluhdua, yangberartilamabelajar5jam. b. Pada kolom variabel bebas X2 (kemampuan awal siswa) isikan angka angkasbb.

323 a) Angka 1 pada baris pertama sampai baris keempat, yang berarti kemampuanawaltinggi. b) Angka 2 pada baris kelima sampai baris kedelapan, yang berarti kemampuanawalrendah. c) Angka 1 pada baris kesembilan sampai baris kedua belas, yang berartikemampuanawaltinggi. d) Angka 2 pada baris ketiga belas sampai baris keenam belas, yang berartikemampuanawalrendah. e) Angka 1 pada baris ketujuh belas sampai baris kedua puluh, yang berartikemampuanawaltinggi. f) Angka 2 pada baris kedua puluh satu sampai baris kedua puluh empat,yangberartikemampuanawalrendah. g) Angka 1 pada baris kedua puluh lima sampai baris kedua puluh delapan,yangberartikemampuanawaltinggi. h) Angka2padabariskeduapuluhsembilansampaibarisketigapuluh dua,yangberartikemampuanawalrendah. c. Pada kolom variabel terikat Y isikan hasil belajar secara berurutan dari lama belajar 2 jam dengan kemampuan awal tinggi, kemmpuan awal rendah sampai lama belajar 5 jam dengan kemampuan awal tinggi sampaikekemampuanawalrendah. Setelahselesaimenginputdatauntuksemuavariabel,makatampilanlayar monitor akan terlihat sebagaimana ditampilkan pada Gambar 8.12 pada halamanberikutini. Pada kotak dialog Gambar 8.12 hanya tampak sebanyak 19 baris sedangkan data yang sebenarnya ada sebanyak 32 baris, yaitu 4 kelompok lama belajar dikalikan 8 responden. Perlu diperhatikan bahwa setiap kelompok lama belajar terdiri atas kemampuan awal tinggi dan rendah, sedangkan untuk kelompok kemampuan awal tinggi ada 4 responden dan kelompok kemampuan awal rendah ada 4 responden sehingga tiap satu kelompoklamabelajarterdiriatas8responden. Selanjutnya, setelah selesai menginput seluruh data hasil penelitian dapat dilakukananalisisdatadengantahapansbb.

324

Gambar8.12KotakdialogSPSSStatisticsDataEditoryangtelahdiisidatauntuk masingmasingvariabelpenelitian Apabila kita melihat kondisi tampilan lembar kerja SPSS Statistics Data Editor sebagaimana terlihat pada Gambar 8.12 maka kita telah siap untuk melakukan berbagai analisis yang dikehendaki. Data yang telah diinput sebagaimana terlihat pada Gambar 8.12 sudah dapat dianalisis sesuai dengandisainyangdibuatnya. Untuk melakukan analisis varian dengan dua jalur atau analisis varian denganklasifikasigandadapatdilakukandengancarasbb. (1) BerdasarkanpadajendelaSPSSStatisticsDataEditorDataView,pilihdan klikpadamenuAnalyzesehinggaditampilkansubmenuAnalyzesbb.

325

Gambar8.13Kotakdialogtentangpemilihanalatanalisisvarianduajalanyang akandigunakanuntukmengolahdata (2) Pilih pada General Linear Model sehingga di sebelah kanannya muncul 4 submenu General Linear Model yang berupa Univariate, Multivariate, Repeated Measures, dan Variance Components sebagaimana terlihat pada Gambar 8.13. Berdasarkan empat submenu tersebut pilih dan klik pada bagian Univariate, sehingga akan menampilkan kotak dialog sebagaimana yangditampilkanpadaGambar8.14. Carapenetapanvariabelyangakandianalisissbb. a. Pilih dan klik pada variabel hasil belajar (Y) sehingga bagian tersebut menjadi diblok, kemudian pilih dan klik pada tanda panah ke kanan yang mengarah pada kotak Dependent Variable sehingga variabel hasil belajar(Y)beradapadakotakDependentVariable.

326 b. Pilih dan klik pada variabel bebas untuk lama belajar (X1) sehingga bagian tersebut menjadi diblok, kemudian pilih dan klik pada tanda panah ke kanan yang mengarah pada kotak Fixed Factor(s) sehingga variabellamabelajar(X1)beradapadakotakFixedFactor(s).

Gambar8.14Kotakdialogpenetapanvariabeldependen(terikat)danvariabel faktortetappadaanalisisvarianduajalan c. Pilih dan klik pada variabel bebas untuk kemampuan awal siswa (X2) sehingga bagian tersebut menjadi diblok, kemudian pilih dan klik pada tanda panah ke kanan yang mengarah pada kotak Fixed Factor(s) sehinggavariabelkemampuanawalsiswa(X2)beradapadakotakFixed Factor(s).

327 Sampai pada tahap ini, setelah menentapkan variabel dependen (terikat) danvariabelvaktormakatampilannyaakanterlihatsbb.

Gambar8.15Kotakdialogpenetapanvariabeldependen(terikat)danvariabel faktorpadaanalisisvarianduajalanyangterisi Sebelum melaksanakan seting lebih lanjut perlu diamati dan dicermati dengan baik sehingga penempatan variabelvariabel yang akan di analisis tidak keliru. Kesalahan menempatkan variabel pada kotak yang tidak sesuai akan mengakibatkan kesalahan besar pada out put yang ditampilkan.Padaanalisisvarianduajalaninihanyaterdapatsatuvariabel terikat (dependent variable) yang dapat ditentukan oleh dua variabel bebas. Kedua variabel bebas tersebut ditempatkan secara bersama pada kotak Fixed Factor(s). Ini sebagai langkah awal penempatan variabel variabelyangakandianalisis. (3) Berdasarkan kotak dialog Gambar 8.15 pilih dan klik pada bagian Model sehinggaditampilkankotakdialogsbb. (4) Berdasarkan pada Gambar 8.16 pilih dan klik pada bagian Custom untuk menspesifikasi model. Dengan menklik pada bagian Custom tersebut

328 maka mengakibatkan tampilan kotak Factors dan Covariates menjadi lebih terang.

Gambar8.16KotakdialogpenetapanmodelanalisisvarianduajalanantaraFull factorialatauCustom Apabila tidak dilakukan pengaturan untuk spesifikasi model analisis variannya maka out put hasil analisis yang ditampilkan oleh sesuai dengan yang diseting oleh program (default) yang kemungkinan tidak memenuhi apa yang menjadi harapan kita. Untuk melihat hasilnya sebagai pembuktian dapat dilakukan percobaan analisis guna melihat perbedaan outputyangditampilkan. (5) Pilih dan klik pada bagian X1 dan X2 yang terdapat pada kotak Factors dan Covariates kemudian klik tanda panah ke kanan yang terdapat pada kotak Build Term(s) untuk memindahkan variabel X1 dan X2 ke kotak Model. Langkah ini menetapkan bahwa variabel X1 dan variabel X2 ditetapkan sebagaivariabelyangakanmenentukanvariasinilaipadavariabelterikat.

329 (6) Pilih dan klik pada bagian Interaction yang terdapat pada bagian Build Term(s)dengancaramenklikpadatandapanahkebawahyangterdapatdi sebelah kanan Interaction sehingga muncul beberapa pilihan. Berdasarkan alternatif yang ada pilih pada alternatif: All 2 way. Alternatif yangditawarkanolehsistemyaituada5pilihanyangberupa: a. b. c. d. e. Interaction. Maineffects. All2way. All3way. All4way.

(7) Pada bagian Sum of Square yang terdapat di sebelah kiri bawah isiannya perlugantikandenganTypeI.Setelahpengaturanseluruhnyaselesaimaka tampilanhasilsetingkotakdialogUnivariate:Modelakantampaksbb.

Gambar8.17Kotakdialogpenetapanmodelanalisisvarianduajalanyangtelah diisi

330 (8) Berdasarkan kotak dialog Gambar 8.17 pilih dan klik pada bagian Continue sehinggakembalisepertipadatampilanGambar8.18.

Gambar8.18Kotakdialogpenetapanvariabeldependen(terikat)danvariabel faktorpadaanalisisvarianduajalanyangtelahdisetingmodelnya Apa yang ditampilkan pada Gambar 8.18 kelihatan tidak ada beda dengan apa yang ditampilkan pada Gambar 8.15. Hal ini tidak berarti bahwa tidak perlu dilakukan seting model, karena tampilan tersebut apabila di berikan perintah untuk proses lebih lanjut maka keduanya akan menghasilkan out put yang sangat berbeda. Pada Gambar 8.18 telah dilakukan seting terhadap model sedangkan pada Gambar 9.15 belum dilakukan seting terhadap model. Dengan demikian kondisi keduanya sangat berbeda satu denganlainnya. Pada analisis varian dua jalan sebenarnya terdapat banyak pilihan yang dapat ditampilkan pada out put hasil analisis. Beberapa pilihan yang terdapat pada analisis varian dua jalan tersebut berupa; Model, Contrasts, Plots, PostHoc, save, dan ptions. Namun demikian seringkali tidak semua

331 pilihan tersebut diaktifkan atau diperlukan sehingga seting hanya dilakukan pada bagian tertentu yang memang benarbenar diperlukan hasilnya. Bagian yang paling sering digunakan ketika menganalisis data denganvarianduajalanyaituModeldanPostHoc. (9) Pilih dan klik pada bagian Post Hoc...yang terdapat disebelah kanan atas sehinggamenampilkankotakdialogsbb.

Gambar8.19KotakdialogpenentuanvariabelPostHocTestsdanEqual VariancesAssumeduntukanalisisvarianduajalan Carapengisian: a. Pilih dan klik pada factor(s) X1 kemudian pilih dan klik pada tanda panah ke kanan untuk memasukkan variabel X1 ke kotak Post Hoc Tests.

332 b. Pilih dan klik pada factor(s) X2 kemudian pilih dan klik pada tanda panah ke kanan untuk memasukkan variabel X2 ke kotak Post Hoc Tests. c. Pilih dan klik pada bagian Tukey yang terdapat pada kotak Equal Variances Assumed dengan cara menklik pada kotak kecil di sebelah kirinya. Pada analisis varian, baik satu jalan atau lebih perlu untuk melakukan tes terhadap Post Hoc Tests dan Tukey Test sehingga dapat menganalisis signifikansiperpasangan. (10) Pilih dan klik pada bagian Continue sehingga tampilan pada Gambar 9.19 akanberubahmenjadiberikutini.

Gambar8.20KotakdialogpenentuanPostHocTestsdanEqualVariances AssumedTukeyTestuntukanalisisvarianduajalan

333 Pada kotak dialog Gambar 8.20 terdapat banyak Equal Variances Assumed yang dapat dipilih dan diaktifkan secara bersama saat analisis dilakukan. Namun demikian untuk analisis varian paling tidak harus mengaktifkanTukeyTestuntukEqualVariancesAssumed. (11) PilihdanklikpadabagianContinuesehinggamunculkotakdialogsbb.

Gambar8.21Kotakdialogpenetapanvariabeldependen(terikat)danvariabel faktorpadaanalisisvarianduajalanyangtelahdisetingmodeldanPostHoc testnya (12) Pilih dan klik pada bagian OK yang terdapat di sebelah kiri bawah sehinggaakanmenghasilkanoutputstatistiksebagaiberikut.

334

OUTPUTANALISISVARIANDUAJALAN

Univariate Analysis of Variance


Between-Subjects Factors Value Label Lama Belajar 1 2 3 4 Kemapuan Awal 1 2 2 jam 3 jam 4 jam 5 jam KA Tinggi KA Rendah N 8 8 8 8 16 16

Tests of Between-Subjects Effects Dependent Variable:Hasil Belajar Source Model X1 X2 Error Total Type I Sum of Squares 225244,622a 225238,498 6,125 72,358 225316,980 df 5 4 1 27 32 Mean Square 45048,924 56309,624 6,125 2,680 F 16809,881 21011,780 2,286 Sig. ,000 ,000 ,142

a. R Squared = 1,000 (Adjusted R Squared = 1,000)

335

Estimated Marginal Means


1. Lama Belajar Dependent Variable:Hasil Belajar 95% Confidence Interval Lama Belajar 2 jam 3 jam 4 jam 5 jam Mean 81,525 86,113 84,038 83,850 Std. Error Lower Bound ,579 ,579 ,579 ,579 80,337 84,925 82,850 82,662 Upper Bound 82,713 87,300 85,225 85,038

2. Kemapuan Awal Dependent Variable:Hasil Belajar 95% Confidence Interval Kemapuan Awal KA Tinggi KA Rendah Mean 84,319 83,444 Std. Error ,409 ,409 Lower Bound 83,479 82,604 Upper Bound 85,158 84,283

Post Hoc Tests Lama Belajar


Multiple Comparisons Hasil Belajar Tukey HSD (I) Lama Belajar 2 jam (J) Lama Belajar 3 jam 4 jam 5 jam 3 jam 2 jam 4 jam 5 jam Mean Difference (I-J) -4,5875
*

Std. Error ,81852 ,81852 ,81852 ,81852 ,81852 ,81852

95% Confidence Interval Sig. Lower Bound ,000 ,024 ,040 ,000 ,077 ,047 -6,8274 -4,7524 -4,5649 2,3476 -,1649 ,0226 Upper Bound -2,3476 -,2726 -,0851 6,8274 4,3149 4,5024

-2,5125* -2,3250 4,5875 2,2625


* *

2,0750
*

336
4 jam 2 jam 3 jam 5 jam 5 jam 2 jam 3 jam 4 jam Based on observed means. The error term is Mean Square(Error) = 2,680. *. The mean difference is significant at the ,05 level. 2,5125* -2,0750 ,1875 2,3250 -2,2625
* *

,81852 ,81852 ,81852 ,81852 ,81852 ,81852

,024 ,077 ,996 ,040 ,047 ,996

,2726 -4,3149 -2,0524 ,0851 -4,5024 -2,4274

4,7524 ,1649 2,4274 4,5649 -,0226 2,0524

-,1875

Homogeneous Subsets
Hasil Belajar Tukey HSDa,b Lama Belajar 2 jam 5 jam 4 jam 3 jam Sig. Based on observed means. The error term is Mean Square(Error) = 2,680. a. Uses Harmonic Mean Sample Size = 8,000. b. Alpha = ,05. N 8 8 8 8 1,000 ,996 Subset 1 81,5250 83,8500 84,0375 84,0375 86,1125 ,077 2 3

Means for groups in homogeneous subsets are displayed.

337

8.4 PENGGUNAAN HASIL ANALISIS DUA JALAN


Berdasarkan hasil (out put) analisis varian tersebut di atas menunjukkan tiga komponen utama yang berupa: (1) ANOVA, (2) Post Hoc Test yang berupa MultipleComparisons,dan(3)HomogeneousSubsets.Disisilain,penggunaan analisis varian terdapat tiga hal pokok yang perlu diperhatikan dan dipenuhi dalampenerapanpenelitianyangberupa: 1) Penentuansignifikansiumum 2) Penentuansignifikansiperpasangan(multiplecomparisons) 3) Penentuankomponenvarian Masingmasingkomponenyangdiperlukanpadaanalisisvariantersebutdapat dijelaskansbb.

338

PENENTUAN SIGNIFIKANSI UMUM


Penentuan signifikansi pada penelitian umumnya berkaitan dengan pembuktian hipotesis. Oleh karena itu, sebelum menentukan signifikansi terlebih dahulu perlu dirumuskan hipotesis. Pada analisis varian dua jalan ini dapatdirumuskan4macamhipotesispokok. Berdasarkan Contoh 8.2 di atas maka dapat dirumuskan empat macam hipotesispokoksbb. 1) EfekGabungan(Bersamasama) Hipotesisyangdapatdirumuskanuntukmenyatakanefekgabunganantara lamabelajardantingkatkemampuanawalsbb. Ho = Tidak ada perbedaan hasil belajar siswa antarlama belajar (2, 3, 4, dan 5 jam) dan antartingkat kemampuan awal siswa secara gabungan(bersamasama) H1 = Terdapat perbedaan hasil belajar siswa antarlama belajar (2, 3, 4, dan 5 jam) dan antartingkat kemampuan awal siswa secara gabungan(bersamasama) Kriteriauji: Jikanilaisig.Hitung(probabilitas)<0,05makatolakHo. Jikanilaisig.Hitung(probabilitas)>0,05makaterimaHo.

Guna menguji hipotesis tersebut maka out put analisis yang dapat digunakan yaitu tabel Test of BetweenSubjects Effects yang dapat ditunjukkansbb.
Tests of Between-Subjects Effects Dependent Variable:Hasil Belajar Source Model X1 X2 Error Total Type I Sum of Squares 225244,622a 225238,498 6,125 72,358 225316,980 df 5 4 1 27 32 Mean Square 45048,924 56309,624 6,125 2,680 F 16809,881 21011,780 2,286 Sig. ,000 ,000 ,142

a. R Squared = 1,000 (Adjusted R Squared = 1,000)

339 Berdasarkan hasil analisis yang disajikan pada tabel Test of Between SubjectsEffectsmenunjukkanbahwatarafsignifikansihasilhitunganuntuk Model sebesar 0,000 yang berarti lebih kecil dari tingkat kesalahan yang ditetapkan yaitu 0,05. Sesuai dengan ketentuan yang berlaku dalam pengetesan hipotesis maka dapat disimpulkan bahwa hipotesis nihil (Ho) yang menyatakan Tidak ada perbedaan hasil belajar siswa antar lama belajar(2,3,4,dan5jam)danantartingkatkemampuanawalsiswasecara gabungan (bersamasama) ditolak yang berarti bahwa hasil pembuktian menerima H1 yang menyatakan terdapat perbedaan hasil belajar siswa antar lama belajar (2, 3, 4, dan 5 jam) dan antar tingkat kemampuan awal siswasecaragabungan(bersamasama). Pada dasarnya untuk menyatakan menerima atau menolak Hipotesis nol (Ho)terdapatukuranataukriteriayangdapatdigunakan: (1) Menggunakan harga koefisien F hitung. Apabila menggunakan harga koefisienFmakaFhitungharusdibandingkandenganhargakoefisienF tabel,denganketentuan: a. ApabilaFhitung>FtabelmakaHoditolak b. ApabilaFhitung<FtabelmakaHoditerima (2) Menggunakan harga koefisien probabilitas (Signifikansi). Apabila menggunakan harga koefisien probabilitas maka koefisien signifikansi harus dibandingkan dengan tingkat alpha () yang ditetapkan, dengan ketentuan: a. Apabilaprobabilitas>alphayangditetapkanmakaHoditerima b. Apabilaprobabilitas<alphayangditetapkanmakaHoditolak Kesimpulan signifikansi umum pada analisis varian tersebut tidak dapat diartikan bahwa setiap pasang pasti berbeda secara signifikan (nyata). Kesimpulan pada signifikansi umum ini menunjukkan bahwa setidak tidaknya terdapat satu pasang (dua kelompok) yang berbeda secara signifikan(nyata). 2) EfekPerlakuanLamaBelajar(2,3,4,dan5jam) Hipotesis yang dapat dirumuskan untuk menyatakan efek perlakuan lama belajarterhadaphasilbelajarsbb. Ho = Tidak ada perbedaan hasil belajar siswa antar lama belajar (2, 3, 4, dan5jam)

340 H1 = Terdapat perbedaan hasil belajar siswa antar lama belajar (2, 3, 4, dan5jam) Kriteriauji: Jikanilaisig.Hitung(probabilitas)<0,05makatolakHo. Jikanilaisig.Hitung(probabilitas)>0,05makaterimaHo.

Hasil analisis yang disajikan pada tabel Test of BetweenSubjects Effects menunjukkan bahwa taraf signifikansi hasil hitungan untuk X1 (lama belajar) sebesar 0,000 yang berarti lebih kecil dari tingkat kesalahan yang ditetapkan yaitu 0,05. Sesuai dengan ketentuan yang berlaku dalam pengetesan hipotesis maka dapat disimpulkan bahwa hipotesis nihil (Ho) yang menyatakan Tidak ada perbedaan hasil belajar siswa antar lama belajar (2, 3, 4, dan 5 jam) ditolak yang berarti bahwa hasil pembuktian menerima H1 yang menyatakan terdapat perbedaan hasil belajar siswa antarlamabelajar(2,3,4,dan5jam). Sebagai bahan pertimbangan bahwa ada dua kriteria atau dasar yang dapatdigunakanuntukmenyatakanmenerimaataumenolakhipoteisinol. (1) Menggunakan harga koefisien F hitung. Apabila menggunakan harga koefisienFmakaFhitungharusdibandingkandenganhargakoefisienF tabel,denganketentuan: a. ApabilaFhitung>FtabelmakaHoditolak b. ApabilaFhitung<FtabelmakaHoditerima (2) Menggunakan harga koefisien probabilitas (Signifikansi). Apabila menggunakan harga koefisien probabilitas maka koefisien signifikansi harus dibandingkan dengan tingkat alpha () yang ditetapkan, dengan ketentuan: a. Apabilaprobabilitas>alphayangditetapkanmakaHoditerima b. Apabilaprobabilitas<alphayangditetapkanmakaHoditolak Kesimpulan signifikansi pada analisis varian untuk lama belajar tersebut tidak dapat diartikan bahwa setiap pasang pasti berbeda secara signifikan (nyata). Kesimpulan pada signifikansi ini menunjukkan bahwa setidak tidaknya terdapat satu pasang (dua kelompok) yang berbeda secara signifikan(nyata).

341 3) EfekKemampuanAwal(TinggidanRendah) Untuk menguji efek tingkat kemampuan awal siswa terhadap hasil belajar dapatdirumuskanhipotesissbb. Ho = Tidak ada perbedaan hasil belajar siswa antar tingkat kemampuan awal(tinggidanrendah). H1 = Terdapat perbedaan hasil belajar siswa antar tingkat kemampuan awal(tinggidanrendah). Kriteriauji: Jikanilaisig.Hitung(probabilitas)<0,05makatolakHo. Jikanilaisig.Hitung(probabilitas)>0,05makaterimaHo.

Hasil analisis yang disajikan pada tabel Test of BetweenSubjects Effects menunjukkan bahwa taraf signifikansi hasil hitungan untuk X2 (kemampuan awal siswa) sebesar 0,142 yang berarti lebih besar dari tingkat kesalahan yang ditetapkan yaitu 0,05. Sesuai dengan ketentuan yang berlaku dalam pengetesan hipotesis maka dapat disimpulkan bahwa hipotesis nihil (Ho) yang menyatakan Tidak ada perbedaan hasil belajar siswa antar tingkat kemampuan awal (tinggi dan rendah) diterima yang berarti bahwa hasil pembuktian menolak H1 yang menyatakan terdapat perbedaan hasil belajar siswa antar tingkat kemampuan awal (tinggi dan rendah).

PENENTUAN SIGNIFIKANSI PER PASANGAN (MULTIPLE COMPARISONS)


uji signifikansi secara umum telah dilakukan, selanjutnya yaitu diperlukan pengujian signifikansi untuk setiap pasangan. Hasil pengujian signifikansi secara umum pada analisis varian tersebut tidak dapat diartikan bahwa setiap pasang pasti berbeda secara signifikan (nyata). Peneliti perlu melakukan pengujian perbedaan per pasangan untuk menentukan pasangan mana yang berbedasecarasignifikandanpasanganmanayangtidakberbeda. guna memudahkan dalam menentukan pasanganpasangan yang berbeda secara signifikan dan pasanganpasangan yang tidak berbeda dapat dilihat padatabelMultipleComparisonsberikutini.

342
Multiple Comparisons Hasil Belajar Tukey HSD (I) Lama Belajar 2 jam (J) Lama Belajar 3 jam 4 jam 5 jam 3 jam 2 jam 4 jam 5 jam 4 jam 2 jam 3 jam 5 jam 5 jam 2 jam 3 jam 4 jam Based on observed means. The error term is Mean Square(Error) = 2,680. *. The mean difference is significant at the ,05 level. Mean Difference (I-J) -4,5875 -2,5125 -2,3250 4,5875 2,2625 2,5125
* * * *

Std. Error ,81852 ,81852 ,81852 ,81852 ,81852 ,81852 ,81852 ,81852 ,81852 ,81852 ,81852 ,81852

95% Confidence Interval Sig. Lower Bound ,000 ,024 ,040 ,000 ,077 ,047 ,024 ,077 ,996 ,040 ,047 ,996 -6,8274 -4,7524 -4,5649 2,3476 -,1649 ,0226 ,2726 -4,3149 -2,0524 ,0851 -4,5024 -2,4274 Upper Bound -2,3476 -,2726 -,0851 6,8274 4,3149 4,5024 4,7524 ,1649 2,4274 4,5649 -,0226 2,0524

2,0750
* *

-2,0750 ,1875 2,3250


*

-2,2625* -,1875

Sesuai dengan out put pada tabel Multiple Comparisons tersebut menunjukkan bahwa terdapat beberapa pasangan yang berbeda secara nyata (signifikan). Salah satu ciri yang sangat mudah dikenali bahwa pasangan yang berbeda secara signifikan (nyata) maka nilai pada kolom Mean Difference (ij) diberitandabintang. Beberapa pasangan yang berbeda secara nyata untuk hasil analisis di atas dapatditunjukkansbb. a. Pasangan 23 jam, dengan koefisien Mean Difference sebesar 4.5875 dan signifikansihitungsebesar0,000. b. Pasangan 24 jam, dengan koefisien Mean Difference sebesar 2.5125 dan signifikansihitungsebesar0,024.

343 c. Pasangan 25 jam, dengan koefisien Mean Difference sebesar 2.3250 dan signifikansihitungsebesar0,040. d. Pasangan 34 jam, dengan koefisien Mean Difference sebesar 2.0750 dan signifikansihitungsebesar0,077. e. Pasangan 35 jam, dengan koefisien Mean Difference sebesar 2.2625 dan signifikansihitungsebesar0,047. f. Pasangan 45 jam, dengan koefisien Mean Difference sebesar 0.1875 dan signifikansihitungsebesar0,996. Pasanganpasangan yang lainnya (Pasangan 45 jam) berdasarkan hasil analisis menunjukkan tidak ada perbedaan. Lima pasangan dalam model menunjukkanadanyaperbedaanyangnyata(signifikan).

PENENTUAN KOMPONEN VARIAN


Bagian lain yang ditampilkan oleh hasil analisis varian dua jalan menggunakan SPSS besarnya varian tiaptiap komponen. Komponenkomponen yang terdapat pada out put analisis varian dua jalan berupa; jumlah kuadrat model (sum of squares explained model), jumlah kuadrat pada variabel bebas X1 (sum of squares variabel bebas X1), jumlah kuadrat pada variabel bebas X2 (sumofsquaresvariabelbebasX2),danjumlahkuadratResidual/Error(sumof squaresResidual/Error). Untukmemberikanapamaknadariangkaangkastatistikyangdihasilkanperlu ditunjukkankembalitabelANOVAsbb.
Tests of Between-Subjects Effects Dependent Variable:Hasil Belajar Source Model X1 X2 Error Total Type I Sum of Squares 225244,622a 225238,498 6,125 72,358 225316,980 df 5 4 1 27 32 Mean Square 45048,924 56309,624 6,125 2,680 F 16809,881 21011,780 2,286 Sig. ,000 ,000 ,142

a. R Squared = 1,000 (Adjusted R Squared = 1,000)

344 Berdasarkan out put hasil analisis SPSS yang ditampilkan pada tabel ANOVA untuksumbervariasi(SourceofVariations)menunjukkanbahwa: a. Persentase komponen varian antar model (expalined: model) diperoleh sebesar 225244,622 x 100% 225316,980 99,97%

Ini merupakan efek gabungan (bersamasama) antara variabel lamanya belajardantingkatkemampuanawalsiswaterhadaphasilbelajar. b. Persentase komponen varian antar kelompok variabel bebas X1 diperoleh sebesar 225238,497 x 100% 225316,980 99,97%

Ini merupakan efek variabel bebas lamanya belajar terhadap hasil belajar secarasendiritanpamemperhitungkankemampuanawalsiswa. c. Persentase komponen varian antar kelompok variabel bebas X2 diperoleh sebesar 6,125 x 100% 225316,980 0,003%

Inimerupakanefekvariabelbebastingkatkemampuanawalterhadaphasil belajarsecarasendiritanpamemperhitungkanlamabelajar. d. Persentase komponen varian yang tidak dapat dijelaskan oleh model (unexplainedvarian)diperolehsebesar 72,358 x 100% 0,03% 225316,980 Hasil perhitungan tersebut berarti bahwa sebesar 99,965% varian pada variabel terikat (hasil belajar siswa) disebabkan oleh variasi atau perbedaan pada nilai variabel bebas yang berupa lamanya siswa belajar (jam) dan tingkat kemampuan awal secara gabungan (bersamasama). Selebihnya sebesar 0,03%tidakdiketahuisebabnya.

Anda mungkin juga menyukai