Analisis Varians (Analysis of Variance), merupakan sebuah teknik inferensial yang digunakan untuk menguji perbedaan rerata nilai. Sebagai sebuah teknik analisis varians atau yang seringkali disebut dengan anava saja mempunyai banyak keuntungan. Pertama, anava dapat digunakan untuk menentukan apakah rerata nilai dari dua atau lebih sampel berbeda secara signifikan atau. Kedua, perhitungan anava juga menghasilkan harga F yang secara signifikan menunjukkan kepada peneliti bahwa sampel yang diteliti berasal dari populasi yang berbeda, walaupun anava tidak dapat menunjukkan secara rinci yang manakah di antara rerata nilai dari sampel-sampel tersebut yan gberbeda secara signifikan satu sama lain. Uji T lah yang dapat menyempurnakan ini. Ketiga, anava juga dapat digunakan untuk menganalisis data yang dihasilkan dengan desain factorial jamak. Dalam desain factorial yang menghasilkan harga F ganda, anava dapat menyelesaikan tugas sekaligus. Dengan anava inilah peneliti dapat mengetahui antarvariabel manakah yang memang mempunyai perbedaan secara signifikan, dan varibel-variabel manakah yang berinteraksi satu sama lain. Keuntungan lain dari anava adalah kemampuannya untuk mengetes signifikansi dari kecenderungan yang dihipotesiskan. Hasilnya disebut dengan analisis kecenderungan. Sebaagai contoh peneliti mengelompokkan siswa ke dalam empat kelompok berdasarkan tingkat kedisiplinannya seseorang akan semakin tinggi prestasi belajarnya. Untuk menguji hipotesis ini peneliti dapat menggunakan anava. Manfaat lain dari anava adalah, bahwa teknik ini dapat digunakan untuk menguji signifikansi perubahan varians dua ampel atau lebih. Dengan menggunakan teknik anava peneliti tidak perlu berkali-kali melakukan pengujian tetapi hanya cukup sekali saja. Disamping penghematan tersebut, seperti sudah dikemukakan diatas, dengan anava peneliti dapat melihat akibat dari interaksi dua faktor. Beberapa asumsi yang harus dipenuhi dalam uji anova adalah sebagai berikut : a) Varians homogeny (sama) b) Sampel kelompok independen c) Data berdistribusi normal d) Jenis data yang dihubungkan adalah : ada/tidaknya perbedaan rerata data numerik pada kelompok kategorik
Untuk uji normalitas dapat menggunakan koefisien of varians, histogram, K-S test. Sedangkan untuk menguji varians sama/tidak menggunakan Levene test. Alternative uji anova yang dapat digunakan adalah Kruskal-Wallis.
1. Harga-Harga yang Diperlukan dalam Uji Analisis Varians Untuk dapat menggunakan teknik anava dengan baik, perlu kiranya mengenal beberapa pengertian tentang harga-harga yang terdapat di dalam rumusnya. Baik dalam anava tunggal maupun anava ganda terdapat beberapa istilah teknis yang belum terdapat di dalam teknik- teknik sebelumnya. Harga-harga yang dimaksud adalah : sumber variasi, jumlah kuadrat (disingkat JK), rerata kuadrat atau mean kuadrat (singkat MK), dan harga F. 1.1 Sumber Variasi Pengertian sumber variasi digunakan sebagai judul kolom dalam table persiapan anava. Hal-hal yang terkandung di dalam di bawah judul tersebut adalah hal-hal yang dipandang menunjukkan variasi sehingga menyebabkan timbulnya perbedaan nilain yang dianalisis. Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok, di dalam kelompok, dan interaksi antara dua faktor atau lebih. 1.2 Jumlah Kuadrat JK tot = X 2 -(X) 2 /N Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total, jumlah kuadrat antar kelompok, jumlah kuadrat dalam kelompok. Untuk anava ganda masih ada satu pengertian lagi yaitu kuadrat interaksi. Dengan rumus : 1. (X) 2 /N= faktor koreksi JK ant = [(X k ) 2 /n k - (X) 2 /N ]
2. k = banyaknya kelompok n k = banyaknya subjek dalam kelompok
JK tot = Jk ant + Jk dal
3.
1.3 Pengertian Mean Kuadrat F = MK ant /MK dal
Selain jumlah kuadrat, ada pengertian penting yang sangat berperan di dalam perhitungan dangan anava yakni mean kuadrat. Dengan mean kuadrat inilah harga F dapat diketahui, karena F diperoleh dari pembagian harga mean kuadrat. Mean kuadrat (rerat kuadrat) diperoleh dengan rumus : 2. Jenis-Jenis Anava Sesuai dengan banyaknya faktor yang terlibat, maka anava dibedakan secara garis besar menjadi dua yaitu : 1) Anava tunggal atau anava satu jalan 2) Anava ganda atau anava lebih dari satu jalan.
2.1 Analisis Varians Satu Jalan Yang dimaksud dengan analisis varians satu jalan adalah analisis varians yang digunakan untuk mengolah data yang hanya mengenal satu variable pembanding. Langkah langkah dalam anava ini adalah : 1. Mengelompokkan sekor berdasarkan kategori Tabel 1 Pengelompokkan Prestasi Praktik Menurut Kelompok Dukungan Orang Tua Siswa Sangat Mendukung (SM) Mendukung (M) Tidak Mendukung (TM) 49 36 36 37 35 47 46 38 34 37 34 34 40 30 31 36 29 45 37 28 30 48 47 31 49 42 39 35 35 48 48 31 38 33 45 39 34 35 40 30 34 47 32 44 35 49 36 40 33 46 Jumlah = 15 org Jumlah = 18 org Jumlah = 17 org
Tabel 3 Rumus Unsur Tabel Persiapan Anava Satu Jalan Sumber Variasi Jumlah Kuadrat (JK) d.b. MK F Kelompok (K)
Dalam (d) JK = (X k ) 2 /n k - (X T ) 2 / n k
JK d = JK T -JK k
db k = K-1
db d = N-K MK k = JK k /db k
MK d = JK d /db d
F 0 = MK k /MKd Total (T) JK T = X T 2 [(X T ) 2 /n k ] db
= N-1
4. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan 5. Memasukkan harga-harga dalam tabel ringkasan anava Sumber Variasi JK d.b. MK F o P Kelompok (K)
Dalam (d)
Total (t) 9,6376
1935,4824
1945,12 (3-1) = 2
(50-3) = 47
(50-1) = 49 4,8188
41,1805 = 0,117
>0,05
Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan db f = db k lawan db d . Setelah harga F ditemukan dan dikonsultasikan dengan tabel F, langkah selanjutnya adalah mengadakan pengujian terhadap harga rerata untuk setiap kelompok sampel. Perhitungan pengujian dilakukan pada setiap pasangan harga rerata, yang dilakukan dengan uji-t. Menurut peraturan lama, pengujian rerata (uji joli) hanya dilakukan jika harga F 0 signifikan. Belakangna disarankan oleh para ahli bahwa uji-t terhadap setiap pasangan harga rerata selalu dilakukan walaupun harga F 0 tidak signifikan. Rumus yang dilakukan pada uji joli adalah : = Hasil harga t dikonsultasikan dengan tabel t dengan d.b. = ( n 1 + n 2 2 ). Oleh karena yang diuji joli ada tiga harga rerata, maka lakukan uji joli sebanyak tiga kali.
2.2 Analisis Varians Dua Jalan Analisis varians dua jalan merupakan teknik analisis data penelitian dengan desain faktorial dua faktor. Dalam penelitian ini terdapat dua variable yang digunakan untuk dasar peninjauan sekor utntuk variable terikat. Anava dua jalan mempunyai judul kolom dan judul baris dengan menggunakan klasifikasi dua variable yang digunakan sebagai dasar tinjauan sekor untuk variable terikat. Anava dua jalan yang juga disebut dengan anava modal AB mempunyai dua variabel. Model diagram analisis dua jalan dapat berupa dua alternative sbb. Alternatif 1 Alternatif 2 A B A-1 A-2 B1 1 4 B2 2 5 B3 3 6
Langkah langkah dalam anava ini adalah : 1. Mengelompokkan sekor berdasarkan kategori
Tabel 4 Pengelompokan data anava dua jalan dengan tabel ( 3 x 3 ) A B A-1 A-2 A-3 B1 49 40 31 46 35 5 45 48 48 29 38 47 6 47 49 44 10 4 B2 34 36 37 47 34 30 36 7 35 36 37 35 31 39 42 8 39 40 40 33 35 34 6 B3 37 34 38
3 31 49 30 48 28 5 33 34 36 30 46 32 45 7
A-1 A-2 B1 B2 B3 B1 B2 B3 1 2 3 4 5 6 2. Membuat tabel statistik Tabel 5 Tabel Statistik untuk Anava Dua Jalan dengan Tabel ( 3 x 3 ) B Statistik A1 A2 A3 Jlh B1 N X X 2
X 5 180 6714 36 6 225 11127 42,5 4 175 7771 43,75 15 631 27201 - B2 N X X 2
X 7 254 9382 7 255 9361 36,43 6 221 8191 36,83 20 730 26934 - B3 N X X 2
X 3 109 3969 36,33 5 168 7350 37,2 7 256 9606 36,57 15 551 20925 - Jlh. N X X 2
15 564 21654 18 696 2783 17 652 25568 50 1912 75060 3. Membuat Tabel Rumus Unsur Persiapan Anava Tabel 6 Rumus Unsur Tabel Persiapan Anava Dua Jalan Sumber Variasi Jumlah Kuadrat Db MK F o P Antara A
Antara B
Antara AB (Interaksi)
Dalam (d) =
=
= JK A - JK B
JK d = JK A JK B - JK AB
A-1 (2)
B-1 (2)
db A x db B (4)
db T -db A -db B - db AB
Total (T) JK T = - N-1 (49) 4. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan
Seperti pada waktu anava tunggal, pada pengerjaan anava gandapun sama, yakni sesudah ditemukan harga F, signifikan maupun tidak, harus dilanjutkan dengan perhitungan uji joli. Untk anava ganda yang memiliki sel sebanyak 9 buah, uji jolinya bukan hanya 9 tetapi 36 kali.
2.3 Analisis Varians Tiga Jalan Dari uraian tentang jumlah kuadrat untuk anava dua jalan dapat diketahui bahwa JK ant merupakan jumlah dari JK A ,
JK B , JK AB . Untuk anava tiga jalan, karena juga terdapat pengaruh faktor utama dan faktor interaksi, maka hubungan antara jumlah kuadrat total,, jumlah kuadrat antara dan jumlah kuadrat dalam sbb :
JK tot = JK ant + JK dal
JK A +
JK B +
JK ABS +
JK AC +
JK BC +
JK ABC
faktor utama faktor interaksi
Langkah langkah dalam anava ini sama dengan anava dua jalan. Tabel 7 Bentuk Tabel Pengelompokan data anava tiga jalan
A1 A2 B1 B2 B3 B1 B2 B3 C1 C2 C3 Jlh.
Tabel 8 Bentuk Tabel Statistik Anava Tiga Jalan
Statistik A1 A2 Jumlah B1 B2 B3 B1 B2 B3 C1 C2 C3 Jlh.
Tabel 9 Rumus Unsur Tabel Persiapan Anava Tiga Jalan Sumber Variasi Jumlah Kuadrat (JK) d.b MK F 0 P Antara A
Antara B
Antara C
Interaksi AB
Interaksi AC
Interaksi BC
Interaksi ABC
Dalam
JK A =
JK B =
JK C =
JK AB = - JK A -JK B
JK AC = - JK A -JK C
JK BC = - JK B -JK C
JK BC = - JK A - JK B -JK C -JK AB - JK AC -JK BC
JK d = JK T -JK ant
= JK T JK A JK B JK C JK AB
JK AC - JK BC
A-1
B-1
C-1
db A x db B
db A x db C
db B x db C
db A x db B x db C
db T db ant
Total JK A = N-1 Derajat kebebasan ( d.b ) yang digunakan untuk konsultasi adalah : d.b faktor pembilang lawan d.b. d sebagai penyebut. Pedoman untuk mengadakan interpretasi terhadap harga F 0 adalah :
Jika F 0 F t 1% Jika F 0 F t 5% Jika F 0 F t 5% 1. Harga F o yang diperoleh sangat signifikan 2. Ada perbedaan rerata secara signifikan 3. Hipotesa Nihil (H o ) ditolak 4. p < 0,05 atau p = 0,01 1. Harga F o yang diperoleh signifikan 2. Ada perbedaan rerata secara signifikan 3. Hipotesa Nihil (H o ) ditolak p < 0,05 atau p = 0,01 1. Harga F o yang diperoleh tidak signifikan 2. Tidak ada perbedaan rerata secara signifikan 3. Hipotesa tidak Nihil (H o ) diterima p > 0,01
DAFTAR PUSTAKA
Arikunto, S. 2009. Manajemen Penelitian. Jakarta : Rineka Cipta http://www.undiksha.ac.id/e-learning/staff/dsnmateri/4/1-54.pdf Sudjana.2002.Metoda Statistika.Tarsito : Bandung
2 ANALISIS VARIANS DALAM SPSS 1. Entry Data Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. Kelompok dikenali dari variabel bebas (x). Sebagai contoh, akan dianalisis data untuk menguji hipotesis: 1. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video, multi media, dan hipermedia. 2. Pada siswa yang berkepribadian introvert, terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video, multi media, dan hipermedia. 3. Pada siswa yang berkepribadian ekstrovert, terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video, multi media, dan hipermedia. 4. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris. Data hasil penelitian adalah sebagi berikut: Jns.Media Kepribadian Audio-Video (A1)
Apabila dibuat dalam bentuk tabel kerja, maka tabel di atas akan tampak seperti di bawah ini : YA1B1 YA1B2 YA2B1 YA2B2 YA3B1 YA3B2 5 7 4 6 3 5 7 6 7 8 5 6 7 8 7 8 9 8 8 6 7 8 9 8 9 8 7 6 7 7 8 6 6 5 7 6 5 6 6 7 4 7 Setelah dimasukkan ke form SPSS, data dalam form SPSS akan tampak sebagai berikut.
2. Analisis Data
Menu ANAVA pada SPSS terletak di General Linear Model, dengan langkah- langkah seperti berikut. Analyze General Linear Model Univariate
Menu akan tampak seperti bagan di bawah ini.
Apabila menu tersebut sudah dipilih, maka akan tampak kotak dialog. Pindahkan y ke dependent variabel dan x ke fixed faktor(s), seperti bagan berikut.
Selanjutnya dipilih menu- menu yang lain untuk melengkapi analisis yang diperlukan. Misalnya, jika diperlukan uji lanjut, maka pilih menu Post Hoc sehingga muncul menu dialog seperti di bawah ini.
Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih. Misalnya, pada contoh di atas dipilih uji Tukey dan Uji Scheffe. Setelah itu, pilih menu Continue. Berikutnya, pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. Jika semua menu yang diperlukan sudah dipilih, maka selanjutnya pilih OK, sehingga muncul hasil analisis. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.
Tests of Between-Subjects Effects Dependent Variable:VAR00001 Source Type III Sum of Squares Df Mean Square F Sig. Corrected Model 33.643 a 5 6.729 5.266 .001 Intercept 1853.357 1 1853.357 1450.453 .000 VAR00002 24.429 2 12.214 9.559 .000 VAR00003 1.167 1 1.167 .913 .346 VAR00002 * VAR00003 8.048 2 4.024 3.149 .055 Error 46.000 36 1.278
Total 1933.000 42
Corrected Total 79.643 41
a. R Squared = .422 (Adjusted R Squared = .342)
Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9,559 dengan signifikansi 0,000. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. a. Susun hipotesis Ho : 1 = 2 = 3 H1 : 1 2 = 3 atau 1= 2 3 atau 1 2 3 b. Tetapkan signifikansi, misalnya a=0,05. c. Bandingkan a dengan signifikansi yang diperoleh (sig). Apabila a < sig., maka H1 diterima, sebaliknya bila a sig., maka H0 diterima. d. Ternyata hasil analisis menunjukkan bahwa sig. besarnya 0,000 lebih kecil daripada a = 0,05. Dengan demikian H0 ditolak dan H1 diterima. Jadi kesimpulannya, terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video, multi media, dan hipermedia. . Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc...) yang dipilih, yakni Uji Tukey dan Uji Scheffe, seperti tampak di bawah ini.
Multiple Comparisons Dependent Variable:y
(I) VAR00002 (J) VAR00002 Mean Difference (I-J) Std. Error Sig. 95% Confidence Interval
Jika diperhatikan hasil di atas, maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1,71. Perbedaan tersebut ditunjukkan oleh bilangan signifikansi yang diperoleh (sig.) sebesar 0,001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan, yakni 0,05. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.
DAFTAR PUSTAKA
Arikunto, S. 2009. Manajemen Penelitian. Jakarta : Rineka Cipta http://www.undiksha.ac.id/e-learning/staff/dsnmateri/4/1-54.pdf