descriptive

ANA LISIS RAGAM

7.1 Analisis Ragam Untuk Satu Faktor (Satu-Arah)
Analisis ragam adalah suatu metode untuk menguraikan keragaman total (total
variation) data menjadi komponen-komponen yang mengukur berbagai sumber keragaman,
pengujiannya dengan uji F (Fisher). Peranan analisis ragam pada hakekatnya ialah :
memisahkan dan menghitung komponen keragaman, serta melakukan pengujian hipotesis.
Analisis ragam satu faktor digunakan untuk mempelajari pengaruh suatu faktor
tunggal. Faktor tunggal ini terdiri dari sebanyak k taraf (k>2).
Hipotesis yang diuji ialah :
Ho : 1 = 2 = ... = k melawan,
H1 : tidak semua sama
Beberapa asumsi dalam analisis ragam :
1. Pengamatan utnuk masing-masing populasi mengikuti (mendekati suatu sebaran
normal)
2. Pengamatan bersifat bebas dan acak untuk setiap populasi. Nilai suatu pengamatan
tidak mempengaruhi pengamatan lainnya dalam contoh yang sama ataupun contoh
yang lain.
3. Semua populasi normal dan mempunyai ragam yang sama 2.
Jika kita mempunyai satu faktor dengan k populasi sebagai berikut :
Taraf 1

Taraf 2

Taraf k

n1 ulangan
.
Total

..........

n2 ulangan ..........
.

T1

T2

nk ulangan
.
Tk

Pemisahan komponen keragaman dilakukan dengan menghitung Jumlah Kuadrat (JK) setiap
komponen. Untuk menghitung Jumlah Kuadrat (JK) digunakan rumus berikut :

descriptive

JK (Faktor)

=[

JK (Total )

JK (Galat)

Di mana :

n = jumlah pengamatan = n1 + n2 + ..... + nk

T = jumlah dari seluruh n pengamatan

= T1 + T2 + ..... + TK

Hasil perhitungan jumlah kuadrat disajikan dalam tabel analisis ragam, sebagai berikut :
Tabel 7.1 Sumber Keragaman Analisis Ragam Satu Faktor
SUMBER
FAKTOR

Db
k-1

JK
JK(Faktor)

KT

(
(

(Faktor)
Galat

n-k

JK (Galat)

)
)

Teladan :
Di sebuah fakultas pertanian diadakan penelitian untuk mengetahui apakah ada perbedaan
pengaruh pemberian pupuk A, pupuk B, dan pupuk C pada pertambahan lebar daun tumbuhan
X. Untuk itu, diambil sampel sebanyak 30, dibagi menjadi 3 kelompok. Masing-masing
kelompok diberi pupuk yang berbeda. Hasilnya dapat dilihat pada tabel berikut ini:
Data Pertambahan Lebar Daun Tumbuhan X
Menurut Jenis Pupuk yang Diberikan (dalam cm)
Pupuk A
Pupuk B
Pupuk C
4.9892
8.0173
14.0025
4.9873
7.996
13.9867
4.9995
7.9975
13.9965
5.0093
8.0029
13.9913
5.0045
8.0014
14.0048
4.9932
7.9818
13.981
5.0002
8.0066
14.001
5.0014
7.9954
14.0032
4.9982
8.0185
14.0157
5.0166
7.9834
14.0014

descriptive
Sumber: Data Bangkitan dari Minitab
Data di atas akan dianalisis dengan ANOVA. Format data ketika dientry ke SPSS harus diubah
Descriptives
LebarDaun

seperti format pada bagian II di atas. Untuk jelasnya, silakan lihat file One Way Anova pada
SPSS. Untuk melakukan analisis ragam satu arah (ANOVA) dengan SPSS, berikut ini diberikan
langkah-langkahnya:
1. Pada menu Analyze, pilih submenu Compare Means. Lalu pilih One Way Anova
2. Setelah itu akan muncul kotak dialog.

Gambar 5.1 Kotak Dialog Utama One Way Anova

Bagian Dependent List diisi dengan variabel lebar daun (berupa data kuantitatif), dan Factor
diisi dengan pupuk (data kualitatif).
Untuk bagian Post Hoc, aktifkan Bonferroni dan Tukey.
Pada bagian Options, aktifkan Descriptives dan Homogeneity of Variances. Sampai di sini
pengisisan kotak dialog selesai.
Interpretasi Hasil Analisis
Secara deskriptif, kita bisa melihat sekilas bahwa rata-rata lebar daun karena pemberian
pupuk A dan pupuk B berbeda relatif jauh. Pada pemberian pupuk A, rata-ratanya
sekitar 4,99 dan pada pupuk B sekitar 8,00.

descriptive

Mean

Std. Deviation

Std. Error

95% Confidence Interval for Mean

Lower Bound

Minimum

Maximum

Upper Bound

1.00

10

4.9999

.00889

.00281

4.9936

5.0063

4.99

5.02

2.00

10

8.0001

.01223

.00387

7.9913

8.0088

7.98

8.02

3.00

10

13.9984

.00994

.00314

13.9913

14.0055

13.98

14.02

Total

30

8.9995

3.80493

.69468

7.5787

10.4203

4.99

14.02

Uji Homoskedastisitas
LBR_DAUN
Test of Homogeneity of Variances
LebarDaun
Levene Statistic
.490

df1

df2
2

Sig.
27

.618

Dari tabel di atas, nilai p-value sebesar 0,618 mengizinkan kita menolak hipotesis nol
pada tingkat signifikansi 5%. Oleh karena itu, asumsi kesamaan ragam terpenuhi.

Uji beda rata-rata k populasi

ANOVA
LebarDaun
Sum of Squares
Between Groups
Within Groups
Total

df

Mean Square

419.844

209.922

.003

27

.000

419.847

29

F
1923231.839

Sig.
.000

0,000. Nilai signifikansi atau p-value ajuga mengizinkan kita untuk menolak hipotesis nol
pada tingkat signifikansi 5%. Artinya minimal ada satu di antara ketiga pupuk itu yang
memberikan pertambahan lebar daun yang berbeda. Mengetahui pupuk mana yang
pengaruhnya berbeda

descriptive

7.2 Analisis Ragam Dua-Arah (Anova Two-Ways) Tanpa Interaksi

Jika keheterogenan dalam suatu percobaan cukup besar, diperlukan
pengelompokkan kedalam satuan percobaan yang relatif seragam. Pada tiap
kelompok dilakukan pengacakan untuk menempatkan perlakuan. Pengaturan
pecobaan seperti demikian digolongkan sebagai Rancangan Acak Kelompok (RAK).
Keadaan seperti ini tidak hanya berlaku bagi data hasil percobaan, tetapi juga
bagi data yang bersumber dari dua kategori (arah), sehingga dikenal sebagai
klasifikasi dua ara. Sebagai gambaran tentang anova dua-arah, misalkan kita ingin
membandingkan kualitas hidup dari tiga kota (dinilai dari keadaan ekonomi). Masingmasing kota diberi skor 0-100, skor yang lebih besar menunjukkan kualitas hidup
yang lebih baik. Untuk mengontrol pengaruh dari penilai (evaluator), masing-masing
penilai memberi skor untuk ketiga kota tersebut. Karena tidak ditelaah interaksi
antara kota dan penilai, sehingga analisisnya tergolong anova dua-arah tanpa
interaksi. Dari hasil penilaian diperoleh skor sebagai berikut :

PENILAI
1
2
3
4
5
6
7
8
9
10

KOTA 1
68
40
82
56
70
80
47
55
78
53

KOTA 2
72
43
89
60
75
91
58
68
77
65

KOTA 3
65
42
84
50
68
86
50
52
75
60

Dalam hal ini kita menggunakan satu faktor tunggal terdiri dari 3 taraf (3 kota
sebagai perlakan), dan 10 penilai (sebagai kelompok).
Asumsi-asumsi untuk anova dua-arah :
1. Pengamatan dalam setiap perlakuan atau kelompok diambil dari suatu populasi
normal.
2. Semua populasi menyebar normal yang memiliki ragam umum 2.
Analisi yang digunakan hampir sama dengan pada RAL, kecuali bahwa Jumlah
Kuadrat Total (JKT) mendapat tambahan komponen yaitu Jumlah Kuadrat Kelompok
(JKK). Jadi,

descriptive

JK (Total) = JK (Perlakuan) + JK (Kelompok) + JK(Galat).

Dari Teladan diatas dapat disusun hipotesis :
Ho : 1 = 2 = 3, melawan
H1 : paling tidak ada dua rataan populasi yang tidak sama.
Pengujian hipotesis, dengan menggunakan SPPS mengikuti prosedur sebagai berikut
:
1. Memasukkan data kode Perlakuan (Kota 1 = 1, Kota 2 = 2, Kota 3 = 3), Kelompok
(Penilai 1 sampai 10, dengan kode 1 sampai 10), dan data Skor nilai sebagai
peubah dependen, seperti pada gambar berikut.
Gambar 7.7 Tampilan Data Two-Way Anova
2. Selanjutnya klik Analyze General Linear Model Univariate. Peubah Skor
dimasukkan ke kotak Dependent Variables, peubah Kota dan Penilai dimasukkan
ke kotak Fixed Factor(s), sehingga tampil seperti gambar dibawah ini.

Gambar 7.8 Tampilan Kotak Dialog Two-Way Anova

3. Klik Model Custom, masukkan peubah Kota dan Penilai ke kotak Model.
Selanjutnya klik Interaksi Main Effects (pilih Main Effects) Continue.
Kemudian klik kotak Post Hoc pilih LSD Continue OK.

Hasil analisis seperti pada gambar berikut ini.

Tests of Between-Subjects Effects

Dependent Variable: skor

descriptive

Source

Type III Sum of

df

Mean Square

Sig.

Squares
a

11

546.288

56.147

.000

127922.700

127922.700

13147.746

.000

304.200

152.100

15.633

.000

5704.967

633.885

65.150

.000

Error

175.133

18

9.730

Total

134107.000

30

6184.300

29

Corrected Model

6009.167

Intercept
kota
penilai

Corrected Total

a. R Squared = .972 (Adjusted R Squared = .954)

4.
Gambar 7.9 Tabel Two-Way Anova Data Skor Menurut Kota dan Penilai
Nilai signifikansi untuk Kota 0,000 < 0,05, akibatnya kita menolak Ho. Ini bearti
bahwa faktor Kota mempunyai pengaruh yang berarti dalam penilaian kualitas
hidup, atau terdapat perbedaan kualitas hidup di antara ketiga Kota.
Untuk mengetahui kualitas hidup Kota mana saja yang berbeda di antara ketiga Kota
dilakukan uji beda atau pembandingan ganda dalam hal ini uji LSD.

Multiple Comparisons
Dependent Variable: skor
LSD
(I) kota

(J) kota

Mean

Std. Error

Sig.

Difference (I-J)

95% Confidence Interval

Lower Bound

Upper Bound

2.00

-6.9000

1.39496

.000

-9.8307

-3.9693

3.00

-.3000

1.39496

.832

-3.2307

2.6307

1.00

6.9000

1.39496

.000

3.9693

9.8307

3.00

6.6000

1.39496

.000

3.6693

9.5307

1.00

.3000

1.39496

.832

-2.6307

3.2307

2.00

-6.6000

1.39496

.000

-9.5307

-3.6693

1.00

2.00

3.00
Based on observed means.

The error term is Mean Square(Error) = 9.730.

*. The mean difference is significant at the 0.05 level.

Gambar 7.10 Hasil Uji LSD Skor Kualitas Hidup di Tiga Kota

descriptive

Hasil uji menunjukkan terdapat perbedaan kualitas hidup (P < 0,05) di antara Kota 1
dengan Kota , dan antara Kota 2 dengan Kota 3, sedangkan antara Kota 1 dan Kota 3
tidak terdapat perbedaan kualitas hidup (P>0,05).