VI.

ANALISIS DATA DAN PEMBAHASAN

A. ANALISIS DATA PELAPORAN

NO.
Spl
1
2
3
4
5
6
7
8
9
10

Group
I

II

III

IV

VI

VII

VIII

14,2
16,2
15,4
11,4
14,5
15,7
13,5
13,4
114,3

13,4
14,2
15,2
12,7
12,5
14,9
13,6
15,3
11,4
13,9
137,1

12,4
13,9
13,2
16,5
14,5
15,3
16,9
13,9
9,3
125,9

14,8
17,4
14,1
13,2
14,9
17,2
13,2
16,3
15,3
136,4

16,6
14,1
15,0
12,7
17,9
14,9
15,7
13,0
16,9
13,5
150,3

15,6
13,1
11,6
12,7
15,7
10,1
13,3
14,4
15,7
10,3
123,1

15,7
14,3
15,6
9,2
13,3
8,5
7,9
15,5
10,5
14,9
125,4

15,3
12,7
15,5
16,8
15,1
15,0
11,8
14,6
116,8

= 114,3 + 137,1 + 125,9 + 136,4 + 150,3 + 123,1 + 125,4 + 116,8 = 1038,47

1. FK
2. JK total

= A2 / Banyaknya data = 1078066 / 74 = 14568,47

= ( 14,22 + 16,22 + 15,42 ++ 14,62 ) 14568,47
= 14721,34 146,47
= 152,87

3. JK Group
150,3
10

114,3
8

123,1
10

+
125,4
10

137,1
10

125,9
9

136,4
9

116,8
8

= 1633,6 + 1879,64 + 1761,20 + 2067,22 + 2299,00 + 1745,04 + 1572,51

+ 1705,28
= 54,48
4. JK Error
Tabel Anova

= JK total JK Group
= 152,87 54,48
= 98,39

Sumber

Df

JK

Kt

Keragaman

Group

54,48

7,78

Error

63

98,87

1,56

Total

37

152,87

2,09

F. Hitung

F. tabel
5%

4,98

2,09

F Hitung > F tanel 5%, Berarti keragaman nyata artinya paling tidak ada satu group yang
erbeda dengan salah satu group lain.
PEMBAHASAN
Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistik yang
termasuk kedalam cabang statistik.

inferensi secara umum,analisis varians menguji dua

varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama, varians pertama
adalah varians antar cintoh (among samples) dan varians kedua adalah varians didalam
masing-masing contoh (whitin samples).
Analisis varian atau analisis sidik ragam suatu metode untuk menguraikan keragaman
total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman. Teknik
analisis sidik ragam dapat digunakan untuk menguji kesamaan beberapa nilai tengah secara
sekaligus. (Walpole,1982) Intinya anova dapat digunakan untuk menguji hipotesis dengan dua
variabel atau lebih.
Secara umum, analisis varians menguji data dua varians berdasarkan hipotesis nol
bahwa kedua varians itu sama. Varians pertama adalah varians antar contoh dan varians kedua
adalah varians didalam masing masing contoh, analisis varians dengan dua contoh akan
memberikan hasil yang sama dengan uji t dengan dua rata-rata.
Kebiasaan yang sering dilakukan dalam pengolahan data hasil pengamatan adalah
mengolah data tersebut tanpa memperhatikan asumsi-asumsi dasar, padahal mungkin saja
data yang danalisis tersebut tidak layak untuk dilakukan analisis ragam. Oleh karena itu,
sebelum kita melakukan analisis ragam terlebih dahulu kita harus menguji apakah data tersebut
layak atau tidak. Apabila asumsi-asumsi dasar dipenuhi, maka data tersebut layak untuk
analisis. Sebaliknya apabila data mentransformasi data sehingga memenuhi asumsi dasar
analisis ragam.

Dalam melakukan analisis hasil percobaan/penelitian misalnya analisis ragam tentunya

diperlukan suatu pengujian yang melibatkan uji nyata, karena dalam melakukan analisis,
asumsi-asumsi yang mendasari analisis ragam haruslah terpenuhi. Hal ini perlu diperhatikan
karena jika tidak terpenuhinya satu atau lebih asumsi dapat mempengaruhi baik tingkat
nyatanya maupun kepekaan uji F atau t terhadap penyimpangan sesungguhnya dari hipotesis
nol.

Asumsi-Asumsi Dasar Analisis Data

Asumsi-asumsi yang mendasari analisis ragam yang perlu diperhatikan agar shahih (valid)
adalah :
a. Pengaruh perlakuan dan pengaruh lingkungan bersifat aditif, misalnya dalam suatu
percobaan dengan menggunakan rancangan acak kelompok. Pengamatan Yij pada
perlakuan ke-i dari kelompok ke-j dinyatakan sebagai :
Yij =

+ i

j +

ij
Dimana :

= nilai rataan umum .

i = pengaruh perlakuan ke-I .
j = pengaruh kelompok ke-j .
ij = pengaruh galat percobaan pada kelompok ke-j yang memperoleh perlakuan ke-i .

Pada komponen-komponen

, i , j , dan i harus bersifat aditif artinya dapat

dijumlahkan sesuai dengan model diatas, yaitu Yij merupakan hasil penjumlahan dari

, i , j , dan i. Untuk setiap rancangan percobaan mempunyai model matematika yang

disebut model linear aditif. Dalam kenyataannya bila model tidak bersifat aditif maka perlu
dilakukan transformasi.
Adanya ketidak aditifan dalam model akan mengakibatkan keheterogenan ragam galat.
Apabila tidak dilakukan transformasi data, ragam galat gabungan yang diperoleh sedikit tidak

efisien untuk selang kepercayaan pengaruh perlakuan dan dapat memberi tingkat nyata yang
palsu untuk pertandingan nilai tengah perlakuan tertentu .
b. Galat percobaan memiliki ragam yang homogen, misalnya dalam rancangan acak
lengkap, komponen galat yang berasal dari perlakuan harus menduga ragam populasi
yang sama. Keheterogenan galat dapat mengakibatkan respon yang erotic dari
beberapa perlakuan tertentu. Kadang-kadang bila nilai tengah satu atau dua perlakuan
c.

lebih tinggi dari yang lainnya , akan mengakibatkan galat tidak homogeny .
Galat percobaan saling bebas .
Ini berarti peluang bahwa galat dari salah satu pengamatan yang mempunyai nilai
tertentu haruslah tidak bergantung dari nilai-nilai galat untuk pengamatan yang lain.
Jika galat percobaan tidak saling bebas akan mengakibatkan uji nyata yang kita
lakukan dapat mengecoh kita .

d. Galat percobaan menyebar normal .

Asumsi ini berlaku untuk uji-uji nyata (pengujian hipotesis) dan tidak diperlukan pada
pendugaan komponen ragam. Jika galat percobaan ternyata menjulur, komponen
galat dari perlakuan merupakan fungsi nilai tengah perlakuan.ini akan mengakibatkan
ragam tidak homogeny. Jika hubungan fungsional diketahui, maka transformasi dapat
ditentukan sehingga akan membuat galat tersebut menyebar mendekati sebaran
normal. Dengan demikian analisis ragam dapat dilakukan pada data transformasi .
Pengujian Asumsi
a. Pengujian keaditifan model .
Uji formal yang dapat dilakukan untuk menguji apakah model yang kita gunakan aditif
atau tidak adalah uji tukey .
Uji formal ini adalah :

JK (non aditif )

iY

=
r
Q2

Dengan :
r = banyaknya ulangan .


Yi

Yj
Y
Q = (Y ) Y
ij

F hitung =

JK (nonaditif )
JK (galat )

Apabila

Fh itung F a , (1, db galat), maka keaditifan model dapat diterima, selainnya tolak

keaditifan model .
b. Pengujian kehomogenan ragam .
Uji formal yang dapat digunakan untuk pengujian kehomogenan ragam galat adalah uji
bartlet .
Hipotesis yang akan diuji adalah :

H o = 21= 23 = 2k
H i = paling sedikit satu dari ragam tidak sama .
Nilai

x2

Nilai

FK
x 2 terkoreksi adalah (
1/ X 2 dengan FK adalah :

biasanya perlu dikoreksi sebelum dibandingkan dengan nilai

Faktor koreksi berkoreksi semakin mendekati hamparan pada sebaran

x2 ,

x2

k 1

bila ukuran

contohnya kecil. Faktor koreksi ini selalu lebih besar dari pada satu pengaruhnya
menurunkan nilai

yang belum terkoreksi, sehingga biasanya kita menghitung nilai

terkoreksi hanya bila nilai

kritik . Apabila

x 2< x 2 , k 1

yang belum terkoreksi nyata tetapi jauh dekat nilai

maka kita akan menerima

Ho

artinya kehomogenan

ragam galat percobaan dapat dipenuhi, jika sebaliknya kita akan menolak
c. Melihat kebebasan galat satu dengan yang lainya .

Ho .

Untuk Melihat keacakan galat percobaan (eij) dengan nilai dugaan respon (Yij). Apabila
plot yang dibuat tidak membentuk suatu pola tertentu atau tidak membentuk suatu model
yang jelas maka dapat dikatakan bahwa galat percobssn saling bebas .
d. Pengujian Kenormalan galat .
Secara visual kenormalan galat dapat dilihat dari plot peluang normal. Plot peluang normal
ini dinamakan plot kuartil-kuartil (plot Q-Q) .
Uji analisis varians dilakukan untuk mendapatkan nilai F (F observasi,

Fo ) dari data

kelompok-kelompok yang akan diuji signifikan perbedaan rata-rata hitungnya. Nilai F diperoleh
dengan membandingkan antara rata-rata hitung kuadrat antar kelompok (RKA) dengan ratarata hitung kuadrat dalam kelompok RKD)yang masing-masing berlaku sebagai pembilang dan
pembagi .
Rumus yang dipergunakan untuk menghitung nilai F yang dimaksud adalah :

RKA
RKD

Jika perbedaan rata-rata hitung tiap kelompok itu besar, RKA juga akan besar dan jauh
lebih besar dari pada RKD. Hal itu akan membawa frekuensi nilai
nilai

Fo

Fo

juga akan besar. Jika

sama atau lebih besar dari nilai F tabel taraf signifikan 5% atau 1% nilai Fo

tersebut dinyatakan signifikan .

Nilai FK diperoleh dengan membandingkan antara kuadrat jumlah seluruh data ( A

dengan banyaknya angka data (n-1) dengan rumus :

FK

A2
Banyak data

Data yang diperoleh pada acara grouped sampling diperoleh jumlah group ada 3
sedangkan nomor sampelnya ada 10 dari masing-masing nilai diperoleh GT atau group total
adalah 2235,8. Setelah itu menghitung factor koreksi (FK) kuadrat jumlah seluruh data dibagi

dengan banyaknya angka data (

2235,8 2

30

= 166626,72. Jumlah kuadrat total adalah jumlah

dari kuadrat setiap angka data dikurangi nilai faktor koreksi hasilnya 166925,76-166626,72 =
299,04 .Jumlah kuadrat dari group adalah jumlah dari kuadrat jumlah nilai angka data dalam

masing-masing group dikurangi nilai factor koreksi, dperoleh nilai 166730,1-166626,72 =

103,38. Jumlah kuadrat error adalah jumlah kuadrat total dikurangi jumlah kuadrat group
299,04-103,38 = 195,66.
Setelah menghitung diatas lalu menghitung tabel anova pada sumber varians yaitu group
memperolah desibel (db) 3-1 = 2 sedangkan pada sumber varians error yaitu (N-1) - (P-I) jadi
(30-1) - (3-1)=27. Jumlah kuadrat group diperoleh 103,38, sedangkan jumlah JK error yaitu
195,66 sehingga totalnya 299,04. KR perlakuan 51,69 dan KR error 7,25. Didapat F hitung 7,13,
F 5% 3,35 dan F 1% yaitu 5,49. Dari data tersebut disimpulkan F hitung > F 1%, antar
perlakuan ada perbedaan sangat nyata.
Sedangkan data yang dperoleh dari data cluster, diperoleh jumlah ulangan sebanyak 6
dengan nomor sampel 5. Dari masing-masing nilai diperoleh GT atau group total 2304,9.
Setelah itu menghitung factor koreksi (FK) kuadrat jumlah seluruh data dibagi dengan

banyaknya angka data (

2235,8 2

30

= 166626,72. Jumlah kuadrat total adalah jumlah dari

kuadrat setiap angka data dikurangi nilai faktor koreksi hasilnya 166925,76-166626,72 = 299,04
.Jumlah kuadrat dari group adalah jumlah dari kuadrat jumlah nilai angka data dalam masingmasing group dikurangi nilai factor koreksi, dperoleh nilai 166730,1-166626,72 = 103,38.
Jumlah kuadrat error adalah jumlah kuadrat total dikurangi jumlah kuadrat group 299,04-103,38
= 195,66.
Setelah menghitung diatas lalu menghitung tabel anova pada sumber varians yaitu group
memperolah desibel (db) 3-1 = 2 sedangkan pada sumber varians error yaitu (N-1) - (P-I) jadi
(30-1) - (3-1)=27. Jumlah kuadrat group diperoleh 103,38, sedangkan jumlah JK error yaitu
195,66 sehingga totalnya 299,04. KR perlakuan 51,69 dan KR error 7,25. Didapat F hitung 7,13,
F 5% 3,35 dan F 1% yaitu 5,49. Dari data tersebut disimpulkan F hitung > F 1%, antar
perlakuan ada perbedaan sangat nyata.

VII . KESIMPULAN
1. Analisis varians (analisis of variance, ANOVA) adalah suatu metode analisis statistic
yang termasuk kedalam cabang statistik inferensi .

2. Analisis ragam data diperoleh FK = 14568,47, jika total = 152,87, JK group = 54,48,
JK error = 98,39 .
3. F hitung > F tabel yaitu 4,98 > 2,09 jadi keragaman nyata pada persemaian tinggi
padi .
4. Menghitung nilai F adalah

RKA
RKD

5. Beberapa hal yang ddiperlukan dalam anova yaitu notasi, JK total, memilih jumlah
kuadrat total, memilih jumlah kuadrat total, derajat kebebasan mean kuadrat dan
rasio F .

DAFTAR PUSTAKA

Hadi, Sutrisno. 1980. Statistik II. Yogyakarta: yayasan penerbit fakultas psikologi UGM.
Hadi, Sutrisno. 1982. Statistik III. Yogyakarta: yayasan penerbit fakultas psikologi UGM.
Hadi, Sutrisno. 1987. Analisir Regresi. Yogyakarta: yayasan penerbit fakultas psikologi UGM.

Nugiantoro, Burhan. 2001. Penilaian dalam pengajaran bahasa dan sastra. Yogyakarta: BPFE,
UGM
Nugiantoro, Burhan. 2004. Statistik terapan. Yogyakarta: Gajah Mada University pers.
Santoso, Singgih. 2001. SPSS. Mengolah Data Statistik Secara Profesional. Jakarta: Elex
media komputindo.
Sudjana. 1992. Metode Statistika. Bandung: Tarsito.