METODE STATISTIKA I

ANALISIS PASCA ANOVA (UJI LANJUT/POST HOC TEST)

(Makalah ini merupakan salah tugas dalam mata kuliah

Metode Statistika I Semester IV Tahun

Pelajaran 2012-2013)

Oleh:
Adriana Dwi Ismita

06111008032

Anggun Primadona

06111008005

Dewi Rawani

06111008019

Dwi Kurnia Liztari

06111008034

Nadiah

06111008011

Siti Marfuah

06111008039

Varizka Amelia

06111008033

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SRIWIJAYA
INDRALAYA
2013
1

DAFTAR ISI
Halaman Judul.1
Daftar Isi..........................2

Analisis Pasca Anova (Uji Lanjut/Post Hoc Test)

A. Uji Scheffe ...3
B. Uji Tukey..7
DAFTAR PUSTAKA ...........................12

Analisis Pasca Anava

Uji Lanjut (Post Hoc Test)

Penolakan terhadap hipotesis nol dalam perbandingan sejumlah rata-rata berarti

kita menyimpulkan bahwa paling sedikit ada dua buah rata-rata populasi yang berbeda
satu sama lain. Setelah ANAVA menolak hipotesis nol bahwa seluruh kelompok berasal
dari populasi yang sama,persoalan berikutnya adalah kelompok mana yang berasal dari
populasi yang berbeda. Jika peneliti membandingkan tiga buah rata-rata kelompok, maka
terdapat empat kemungkinan atas penolakan hipotesis nol, yaitu yang berbeda hanya
Kelompok 1 dan 2 (
2 3

);

1 2

); kelompok 1 dan 3 (

atau ketiga-tiganya(

1 2 3

).

1 3

); kelompok 2 dan 3 (

Selain itu, peneliti dapat pula

membandingkan rata-rata dari dua kelompok melawan rata-rata kelompok lainnya.

Walaupun banyak hal yang dapat dilakukan secara statistik, namun peneliti biasanya
membatasi analisisnya sesuai dengan kerangka teoretik yang digunakannya. Banyak
teknik yang telah dikembangkan untuk memecahkan dan menjawab persoalan tersebut.
Namun dalam makalah ini hanya diperkenalkan dua macam teknik yang populer, yaitu
uji Scheffe dan Uji Tukey.
A.

Uji Scheffe
Pada pokoknya perbandingan ganda melibatkan perhitungan tes t bentuk khusus,

suatu bentuk untuk mana istilah kesalahan didasarkan varians gabungan dari semua
kelompok, tidak hanya kelompok- kelompok yang sedang dibandingkan. T khusus ini
membuat penyesuaian terhadap kenyataan bahwa banyak tes yang dikerjakan. Apabila
ditampilkan beberapa tes, tingkat probabilitas, cenderung meningkat, jika

dianggap

sebesar 0,05 sebenarnya ini akan berakhir lebih besar, mungkin 0,09 jika ditampilkan
banyak tes. Jadi, kesempatan untuk memperoleh beda yang signifikan bertambah,
demikian pula kesempatan untuk membuat kesalahan tipe 1.

Mean membanding yang mana yang dibuat seharusnya ditemukan sebelum

peneliti dilaksanakan, bukan sesudahnya dan harus didasarkan pada hipotesis riset. Dari
sekian banyak teknik pembanding majemuk yang ada, yang paling sering digunakan
adalah tes scheffe, yang merupakan tes yang sangat konservatif. Tes scheffe cocok untuk
membuat sembarang perbandingan yang melibatkan sekelompok mean. Perhitungan
untuk tes scheffe adalah sangat sederhana dan ukuran sampel tidak harus sama.
Tes scheffe meliputi perhitungan rasio F untuk tiap perbandingan. X1 dan x2,
rumusnya adalah:

( x 1x 2 )

F=

MS W

MS W

1+1
N1+ N2

dengan df =

Ppada rumus itu adalah

( K 1 )( N K )
( k 1 )

MS W

dari analisis varians.

Signifikansi tiap F ditentukan menggunakan tingkat kebebasan (Darmadi, 2011: 292)

Teknik

yang dikembangkan oleh Scheffe dapat digunakan untuk menguji

perbedaan dua buah rata-rata secara berpasangan (1 vs 2, 1 vs 3, dan 2 vs 3) dan

perbedaan antara kombinasi rata-rata yang kompleks (seperti [1+2]/2 vs 3). Pada makalah
ini hanya diperkenalkan teknik untuk menguji perbedaan dua buah rata-rata secara
berpasangan. Jika ANAVA dilakukan untuk menguji perbedaan tiga buah rata-rata, maka
hipotesis nol yang hendak diuji oleh uji Scheffe ada tiga buah pasangan sederhana, yaitu :

a. HO :

b. H0 :

c. H0 :

Jika jumlah subjek antar kelompok sama besar (n1=n2=n3) maka rumus uji
Scheffe untuk menguji ketiga hipotesis nol tersebut dapat disederhanakan menjadi
sebagai berikut :

t=

2 MW S
n

(2.1)

dimana C adalah nilai kontras (perbedaan antara rata-rata yang dibandingkan),

MSW adalah rata-rata kuadrat dalam kelompok pada tabel ANAVA , dan n adalah besar
sampel (jumlah subjek).
Rumus(1.1) ekuivalen dengan rumus uji perbedaan dua buah rata-rata (uji-t yang
menggunakan variansi gabungan). Sebagaimana biasa, nilai t yang diperoleh kemudian
dibandingkan dengan nilai kritis bagi uji Scheffe(ts) yang ditentukan sebagai berikut :
t s= ( k 1 ) F(1 ;k1,nk)

(2.2)

Dimana k adalah jumlah kelompok dalam ANAVA , dan

nilai pada distribusi F pada tingkat keyakinan 1

F(1 ; k1, nk)

adalah

dengan derajat kebebasan

pembilang k 1 dan derajat kebebasan nk . (Furqon, 2009:214)

Contoh:
Tabel 1.2
Skor Motivasi Belajar Siswa Dari Tiga Model AMT

Model1
34
26

Model 2
35
30

Model 3
28
22
5

33
37
24
35
28
29
34
31
27
33
30
22
Rata-rata= 32,50
31,83
25,33
Variansi=10,70
11,77
9,47
*) perangkat data ini diadaptasi dari Kennedy dan Brush(1985,h.94)
Tabel (1.1)
Rangkuman Hasil Analisis Variansi
Sumber Variasi

Dk

Antar Kelompok 3-1

Dalam Kelomok 18-3
Total
18-1

Jumlah kuadrat
188,11
159,67
347,78

Rata-rata
kuadrat
94,06
10,64
-

F
8,84
-

memberikan hasil ANAVA dari data Tabel (1.2)

Selain itu,diketahui pula rata-rata setiap kelompok yang hendak dibandingkan,yaitu :

kelompok 1 = 32,50
kelompok 2 = 31,83
Kelompok 3 = 25,33
Atas dasar itu, nilai kontras untuk setiap pasangan adalah sebagai berikut:
C1 (1 vs 2) = 32,50 31,83 = 0,67
C2 (1 vs 3) = 32,50 25,33 = 7,17
C3 (2 vs 3) = 31,83 25,33 = 6,50
Dengan demikian , nilai t untuk setiap pasangan tersebut kemudian ditentukan seperti
berikut :
t1 =0,67/ [2(10,64)/6] = 0,36
t2 = 7,17/[2(10,64)/6] = 3,81
t3 = 6,50/[2(10,64)/6] = 3,45

Jika perbedaan rata-rata setiap pasangan itu hendak diuji pada tingkat keyakinan 99%(
6

=0,05 ), maka nilai F kritis dengan derajat kebebasan 2 (pembilang) dan 15 (penyebut)
adalah 6,36. Atas dasar itu, kita dapat menentukan nilai kritis ts sebagai berikut:

ts = (3-1) 6,36
ts = 3,57

Dari hasil perhitungan diatas ternyata hanya ada satu pasangan yang rata-ratanya berbeda
signifikan, yaitu pasangan kelompok 1 dengan kelompok 3. Nilai t untuk pasangan tersebut
adalah 3,81 yang lebih besar dari nilai kritis uji scheffe (t s = 3,57). Oleh karena itu, hipotesis nol
bahwa rata-rata kedua populasi tersebut adalah sama harus ditolak. Nilai t untuk kedua pasangan
lainnya ternyata lebih kecil daripada nilai kritisnya, sehinggga hipotesis nol yang bersangkutan
tidak dapat ditolak. Secara simbolik , kesimpulan tersebut dapat ditulis sebagai berikut :
1=2 ; 2=3 ; dan 1 tidak sama dengan 3

B. Uji Tukey
Tidak seperti uji Scheffe yang dapat digunakan untuk menguji seluruh jenis perbandingan
rata- rata (sederhana maupun kompleks), uji Tukey yang lengkapnya disebut Tukeys HSD
(Honestly Significant Difference Test) hanya dapat digunakan untuk menguji seluruh
kemungkinan pasangan sederhana (yang melibatkan dua buah rata-rata). Perbandingan seperti

( 1+ 2)
2

vs 3

tidak dapat diuji dengan menggunakan teknik tukey. Karena jumlah

kemungkinan pasangan yang hendak diuji relative sedikit, teknik tukey lebih powerful
(cenderung lebih sering menolak hipotesis nol) daripada teknik Scheffe. Teknik Tukey digunakan
dengan cara membandingkan perbedaan setiap pasangan rata- rata dengan nilai kritis HSD yang
(jika jumlah subjek pada setiap kelompok sama besar) dapat ditentukan sebagai berikut:

HSD=q( 1 ; k , k )

( MSn )
W

Dimana

adalah nilai pada distribusi studentized range statistic (lihat daftar F pada

lampiran). Simbol lain pada rumus tersebut memiliki pengertian yang sama seperti pada uji
Scheffe (Furqon, 2009: 216). Jika ketiga hipotesis nol tentang pasangan rata- rata pada contoh
diatas hendak diuji dengan teknik tukey pada tingkat keyakinan yang sama maka diperoleh nilai
q

pada

=0,01

dengan derajat kebebasan

15

dan 3 adalah 4,84 . Dengan

demikan,
HSD= 4,84 (10,46/6)
HSD= 6,45
Selain itu telah diketahui bahwa perbedaan antara rata-rata setiap pasangan adalah sebagai
berikut:
c 1 ( 1 vs 2 )=32,5031,83=0,67
c 2 ( 1 vs 3 )=32,5025,33=7,17
c 3 ( 2 vs 3 )=31,8325,33=6,50

Hasil tersebut menunjukkan ada dua buah nilai kontras

(c ) antara rata- rata setiap

pasangan yang lebih besar daripada nilai kritis HSD. Dengan kata lain, uji Tukey menghasilkan
dua kontras yang signifikan pada

p<0,01 , yaitu kontras

c 2 (1 vs 3)

dan kontras

c 3 (2 vs 3) . Contoh ini sekaligus membuktikan ungkapan di atas bahwa uji Tukey cenderung
lebih sering menolak hipotesis nol daripada uji Scheffe.(Furqon, 2004: 215-216)

Uji Siegel-Tukey
Pengujiannya mudahdilakukan, tetapi yang tidak begitu kuat. Ide dasar uji ini ialah bahwa jika
dua sampel berasal dari populasi yang berbeda hanya dalam varians, sampul dari populasi
dengan varians yang lebih besar akan lebih menyebar dengan nilai ekstrem yang lebih besar. Jika
kita menyusun sampel yang digabungkan dalam urutan dan menempatkan rank 1 untuk
pengamatan terkecil, 2 untuk pengamatan terbesar, 3 untuk terbesar berikutnya,

4 dan 5

berikutnya untuk dua terbesar berikutnya, 6 dan 7 untuk dua terbesar berikutnya, dan seterusnya,
jumlah rank yang diperoleh untuk ppulasi dengan varians yang lebih besar akan menjadi lebih
kecil daripada jika tidak ada perbedaan dalam varians. Pengujian ini tentu tidak akan bekerja
baik jika lokasinya berbeda. Salah satu cara ntuk mengatasi kesulitan ini jika ada indikasi
mengenai perbedaan lokasi ialah meluruskan dengan mengurangi seluruh pengamatan pada
sampel dari populasinya dengan perkiraan lokasi yang lebih dari perbedaan lokasi (atau
menambahkan perkiraan ini dengan pengamatan-pengamatan dalam sampel lainnya). Varians
tidak dipengaruhi oleh perubahan lokasi ini, dan kekuatan uji Siegel-Tukey akan meningkat.
(Sprent, 1991:123)
Contoh :
Gunakan uji Siegel-Tukey untu sampel ini
29

39

60

78

82

170

192

224

228

245

369

370

419

433

454

Buku Umum
xi

Buku Statistik
yi

112

125

126

142

156

246

263

275

276

286

478

503

756(hal 113)

x
( i)
S

S ( yi )

x
S ( i)S ( y i )

29

0,0625

0,0625

39

0,1250

0,1250

60

0,1875

0,1875

78

0,2500

0,2500
9

82

0,3125

0,3125

112

0,3750

0,3750

125

0,4375

0,4375

126

0,4375

0,0833

0,3542

142

0,4375

0,1667

0,2708

156

0,4375

0,2500

0,1875

170

0,0500

0,2500

0,2500

192

0,5625

0,2500

0,3125

224

0,6250

0,2500

0,3750

228

0,6250

0,3333

0,2917

245

0,6250

0,4167

0,2083

246

0,6250

0,5000

0,1250

263

0,6875

0,5000

0,1875

275

0,7500

0,5000

0,2500

276

0,8125

0,5000

0,3125

286

0,8750

0,5000

0,3750

396

0,9375

0,5000

0,4375

370

0,9375

0,5833

0,3542

419

0,9375

0,6667

0,2708

433

0,9375

0,7500

0,1875

454

0,9375

0,8333

0,1042

478

0,9375

0,9167

0,0208

503

0,9375

1,0000

0,0625

1,0000

1,0000

0,0000

756
Hal:127

Formulasi dan asumsi. Kita telah menetapkan dalam table di atas bahwa sebuah perkiraan titik
dari selisih lokasi adalah 133,5. Jika kita menambahkannya pada masing-masing nilai untuk
sampel buku umum, kita memperoleh sampel yang diluruskan. Kita menerapkan ji siegel-tukey
untuk sampel yang diluruskan ini.

10

Prosedur. Setelah menambahkan 133,5 pada jumlah halaman dari seluruh buku umum dan
menyusun sampel gabungan dalam susunan yang menaik, kita memperoleh nilai dalam tabel di
bawah ini
Nilai

126

142

156

162,5

172,5

193,5

211,5

211,5

228

245

Rank

12

13

16

17

20

Nilai

245,5

246

258,5

303,5

325,5

357,5

370

396,5

408,5

409,5

Rank

21

24

25

28

27

26

23

22

19

18

Nilai

419

419,5

433

454

478

502,5

503

889,5

Rank
15
14
11
10
7
6
3
2
Di bawah masing-masing nilai kita berikan rank dengan cara seperti yang dijelaskan di atas
untuk uji Siege-Tukey. Nilai-nilai yang digarisbawahi berkaitan dengan buku-buku statistic.
Untuk buku statistic (yang digarisbawahi) m = 12 dan Sm = 140, sedangkan Um = 62, di atas nilai
maksimum untuk nyata pada tingkat 5% pada pengujian satu arah.
U m=S m1/2 m(m+ 1)
U n=S n1/2 n(n+1)
(Karena Sm + Sn yang jumlah seluruh rank dari 1 sampai m, yaitu (m + n) (m+n+1), ini dengan
mudah dibuktikan bahwa

U m=mnU n

Kesimpulan. Kita tidak menolak hipotesis nol bahwa populasi memiliki varians yang sama.
Komentar. Pada contoh di atas kita telah menyatakan bahwa pengujian teori normal tidak
menolak hipotesis mengenai varians yang sama. Jika pengamatan 756 tidak terjadi pada sampel
buku umum,kita harus mencurigai sebuah kemungkinanvarians yang sama. Hal ini mungkin bisa
dipertimbangkan sebagai outher . Pada uji Siegel-Tukey,pengamatan ini adalah penimbang
terendah, diperoleh dengan bobot yang tidak lebih besar jika pengamatan adalah 370 - setelah
menambahkan 133,5 untuk penyesuaian lokasi akan menjadi 503,5 - nilai sampel gabungan
11

terbesar untuk sampel-sampel yang diluruskan. Dalam pengertian ini pengujiannya adalah kekar.
Perhatikan kekekaran tidak sama dengan kekuatan. Secara ideal, kita ingin uji secara kekar dan
kuat. Dalam praktek mungkin sulit mencapai ini, jika metode kekekaran cenderung tidak
mempengaruhi nilai ekstrem, dan hal ini sering menjadi perbedaan utama yang menyatakan
sebuah varians yang berbeda. (Sprent, 1991:123-124)

DAFTAR PUSTAKA

Furqon. 2009. Statistika Terapan untuk Penelitian. Bandung: Alfabeta.

Sprent . 1991. Metode Statistika Nonparametric Terapan. Jakarta: UI-Press.
Dramadi, Hamid. 2011. Metode Penelitian Pendidikan. Bandung: Alfabeta.

12