Anda di halaman 1dari 24

MAKALAH STATISTIKA LANJUT

ANALISIS VARIAN DAN KOVARIAN

Dosen : Nani Mulyani

Disusun oleh:
1.
2.
3.
4.

Hendra Henda Ristanto


Paulus Eko
Dwiki Maxi Rianto
Teuku M. Indra Purnama

201243502251
201243502273
201243502299
201243502298
Kelompok 4
R5T

PROGRAM STUDI TEKNIK INFORMATIKA


FAKULTAS TEKNIK, MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS INDRAPRASTA PGRI
JAKARTA 2014

[Type here]

ONE WAY ANAVA

A. Pengertian One Way Anava


Analisis ragam atau analysis of variance (anova) adalah suatu metode untuk
menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai
sumber keragaman. Secara aplikatif, anava digunakan untuk menguji rata-rata lebih dari dua
sampel berbeda secara signifikan atau tidak.
Anova satu arah hanya memperhitungkan 1 faktor yang menimbulkan variasi. One
way anava (Analisis Ragam Satu Arah) biasanya digunakan untuk menguji rata-rata/pengaruh
perlakuan dari suatu percobaan yang menggunakan 1 faktor, dimana 1 faktor tersebut
memiliki 3 atau lebih variabel. Disebut satu arah karena peneliti dalam penelitiannya hanya
berkepentingan dengan satu faktor saja. Data hasil percobaan di dalam one way anava
setidak-tidaknya bertipe interval.
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai
bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan
dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari
eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.
B. Manfaat One Way Anava
Analisis varian banyak dipergunakan pada penelitian-penelitian yang banyak
melibatkan

pengujian

komparatif

yaitu

menguji

variabel

terikat

dengan

cara

membandingkannya pada kelompok-kelompok sampel independen yang diamati. Analisis


varian saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen. One
way anava dilakukan untuk menguji perbedaan tiga kelompok atau lebih berdasarkan satu
variabel independen.
C. Pola Sampel
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada di
kelompok lain, berasal dari populasi yang sama. Untuk kondisi ini hipotesis nol terbatas
pada tidak ada efek dari treatment (perlakuan).
2. Sampel yang ada di kelompok satu berasal dari populasi yang bebeda dengan populasi
sampel dengan populasi sampel yang ada di kelompok lainnya.
D. Jenis Varians
1. Varians Sistematik
Varians sistematik adalah variasi pengukuran karena adanya pengaruh alami atau
buatan manusia yang menyebabkan terjadinya peristiwa dapat diduga atau diramalkan
dalam arah tertentu. Misalnya seorang anak yang memperoleh makanan cukup bergizi
[Type here]

secara sistematik akan mempengaruhi pertumbuhan yang lebih baik dibandingkan anak
kekurangan gizi. salah satu varians sistematik adalah varians antar kelompok atau varians
eksperimental. varians ini menggambarkan adanya perbedaan atau variasi sistematik
antara kelompok-kelompok hasil pengukuran.
2. Varians Galat
Varians galat adalah varians yang terdapat di dalam kelompok data. digunakan untuk
menganalisis dua atau beberapa perlakuan/percobaan terhadap suatu obyek.
E. Asumsi Dasar Dalam Anava
1. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi skor
sampel dalam kelompok pun hendaknya normal. Kenormalan dapat diatasi dengan
memperbanyak sampel dalam kelompok, karena semakin banyak n maka distribusi akan
mendekati normal. Apabila sampel tiap kelompok kecil dan tidak dapat pula diatasi
dengan jalan melakukan transformasi.
2. Kesamaan Variansi
Masing-masing kelompok hendaknya berasal dari populasi yang mempunyai
variansi yang sama. Untuk sampel yang sama pada setiap kelompok, kesamaan variansi
dapat diabaikan. Tetapi, jika banyaknya sampel pada masing-masimg kelompok tidak
sama, maka kesamaan variansi populasi memang sangat diperlukan.
3. Penamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan
merupakan informasi yang bebas.

F. Analisis One Way Anava


Populasi
1

x11

x21

xc1

x12

x22

xc2

[Type here]

...

...

.
.

Total

x1n

x2n

xcn

T1.

T2.

Tc.

T..

1. Untuk membuat tabel anava dibutuhkan rumus-rumus berikut :

2. Jika sampel tiap kolom berbeda maka perhitungannya menjadi :

Keuntungan jika mengambil ukuran sampel sama untuk tiap kolom adalah :
Rasio F tidak peka terhadap penyimpangan dari asumsi kehomogenan varian bagi k
populasi.
Meminimkan peluang melakukan galat jenis II.
[Type here]

Perhitungan jumlah kuadrat lebih sederhana.

3. Untuk Menghitung Rata-Rata Kuadrat (RJK) adalah

Ringkasan Anova Satu Jalur


Sumber Varians

Jumlah Kuadrat

Derajat

Rata-rata
Kuadrat

(SV)

(JK)

Bebas

Kolom

JKK

c-1

Galat

JKG

c(n-1)

Total

JKT

nc-1

JKK
dbk
JKG
dbG

Fhitung
RJKK
RJKG

4. Kriteria Pengujian :
Fhitung Ftabel maka tolak Ho (Signifikan)
Fhitung Ftabel maka tolak Ha (Tidak Signifikan)
5. Langkah-langkah uji anava satu jalur :
a. Membuat hipotesis kalimat.
b. Membuat hipotesis statistik.
c. Membuat daftar statistik induk.
d. Mengitunglah JK dan RJK.
e. Mencarilah Fhitung.
f. Menentukan taraf signifikansinya.
g. Mencari Ftabel dengan rumus : Ftabel F(1- )(dbA,dbD)
h. Membuat tabel ringkasan Anava.
i. Menentukan kriteria pengujian : Jika Fhitung Ftabel, maka tolak H0 berarti signifikan
dan membandingkankan antara Fhitung dengan Ftabel.
j. Membuat kesimpulan.
6. Uji Wilayah Berganda
Jika dalam kriteria pengujian didapat bahwa H0 ditolak artinya nilai tengah itu tidak
semuanya sama. Maka untuk mengetahui nilai tengah mana saja yang berbeda nyata
dapat digunakan uji wilayah berganda Duncan. Dengan rumus sebagai berikut :

[Type here]

Rp : wilayah terstudentkan nyata terkecil.


G. Contoh Kasus One Way Anava
Sebuah perkebunan kayu jati ingin memenuhi kebutuhan

bahan baku

relasi

usahanya yang berupa industri mebel bernama Dream High. Produksi industri mebel
ini cukup tinggi dan beragam, sehingga perkebunan harus menyedikan bahan baku guna
memenuhi kebutuhan industri mebel. Perkebunan jati ini merupakan supplayer tunggal
bagi industri mebel sehingga seluruh hasil kayu perkebunan akan diterima oleh industri
baik sebagai bahan untuk produksi maupun simpanan digudang.
Awal tahun ini industri mebel akan meningkatkan produksi mebelnya untuk tahun
depan. Untuk itu, kemudian perkebunan akan merekap data bahan baku berupa kayu
yang keluar dan yang masuk ke industri tersebut selama lima tahun terakhir sama atau
berbeda. Hal ini harus dilakukan agar penyusunan budget / anggaran dana tahun depan
perusahaan bisa disesuaikan dengan hasil produksi kayu dikebun.
Untuk mengetahui hal tersebut maka perusahaan mengambil data bulanan selama
lima tahun terakhir sebanyak 12 data/tahunnya sesuai dengan jumlah bulan yang ada.
Maka didapatkan data produksi perkebunan sebagai berikut ini :

Tabel 1. Data Produksi Selama 5 Tahun Terakhir

[Type here]

Total

( )

35

43

45

46

37

40

34

34

45

42

44

35

33

38

46

31

41

38

50

30

48

32

32

35

33

33

37

39

44

44

36

30

39

44

40

41

50

44

30

49

37

45

40

30

30

50

36

32

30

31

32

36

49

35

30

44

48

50

40

50

471

467

475

467

462

2342

Keterangan :
A = Produksi tahun pertama

(m3)

B = Produksi tahun kedua

(m3)

C = Produksi tahun ketiga

(m3)

D = Produksi tahun keempat

(m3)

E = Produksi tahun kelima

(m3)

Penyelesaian :
1. Membuat Hipotesa :
Ha: terdapat perbedaan yang signifikan antara hasil produksi kayu selama lima tahun
terakhir.
Ho: tidak terdapat perbedaan yang signifikan antara hasil produksi kayu selama lima
tahun terakhir.
Taraf signifikan 5%
2. Menghitung JKT, JKK, JKG :

a.

[Type here]

352+402+442+312+482+332+362+412+372+502+322+442+432+342+352+412+322
+372+302+502+452+362+362+482+452+342+332+382+322+392+392+442+402+322
+492+502+462+452+382+502+352+442+442+302+302+302+352+402+372+422+462
+302+332+442+402+492+302+312+302+502 (23422 : 60)
= 93.930 91.416,07
= 2.513,93

b.
JKK = ((4712+4672+4752+4672+4622) : 12) (23422 : 60)
= 91.424 91.416,07
= 7,93

c.
JKG = 2.513,93 - 7,93
= 2.506
3. Menguji Signifikasi
a. Mencari nilai Fhitung
Sumber Varians

Jumlah Kuadrat

Derajat

Rata-rata

Fhitung

(SV)
Kolom
Galat
Total

(JK)
7,93
2.506
2.513,93

Bebas
4
55
59

Kuadrat
1,98
45,56
-

0,043

b. Mencari Nilai Ftabel :

F
F
tabel
1 dbA, dbD

F
F
tabel
1 0,05 4,55

F
F
tabel
0,95 4,55

F
2,54
tabel

[Type here]

c. Kriteria Pengujian
Fhitung Ftabel, maka tolak Ha dan terima H0 berarti tidak signifikan.
d. Kesimpulan
Setelah dikonsultasikan dengan Ftabel kemudian dibandingkan antara Fhitung
dengan Ftabel. Ternyata Fhitung Ftabel, atau 0,043 2,45 maka tolak Ha dan terima H0
berarti tidak signifikan. Jadi, tidak terdapat perbedaan yang signifikan antara hasil
produksi kayu selama lima tahun terakhir di perkebunan jati tersebut.

[Type here]

KESIMPULAN DAN SARAN

A. Kesimpulan
1. Berdasarkan analisa data diatas didapat hasil sebagai berikut:
- Jumlah Kuadrat Total (JKT) sebesar 2.513,93
- Jumlah Kuadrat Kolom (JKK) sebesar 7,93
- Jumlah Kuadrat Galat (JKG) sebesar 2.506
2. Setelah membandingkan antara Fhitung dengan Ftabel. Ternyata: Fhitung Ftabel, atau
0,043 2,45 maka tolak Ha dan terima H0 berarti tidak signifikan. Jadi, tidak
terdapat perbedaan yang signifikan antara hasil produksi kayu selama lima tahun
terakhir di perkebunan jati tersebut.

B. Saran
1. Untuk perkebunan jati:
Karena tidak terdapat perbedaan yang signifikan antara hasil produksi kayu
selama lima tahun terakhir di perkebunan jati tersebut, maka untuk memenuhi
kebutuhan industri mebel Dream High untuk tahun yang akan datang, perkebunan
jati tersebut harus menambah luas areal tanamnya.
2. Untuk industri mebel Dream High:
Apabila perkebunan jati tidak mampu untuk menambah luas areal tanamnya,
maka kami menyarankan agar industri mebel tersebut menambah supplayer untuk
memenuhi kebutuhan bahan baku dalam rangka untuk meningkatkan hasil produksi
tahun depan.

ANALISIS KOVARIAN
I. PENDAHULUAN

[Type here]

Analisis kovarian atau sering disebut dengan Anakova adalah teknik statistik yang
merupakan perpaduan antara analisis regresi (Anareg) dengan analisis varian (Anava).
Secara lebih khusus dalam Anakova akan diadakan analisis residu pada garis regresi, yaitu
dilakukan dengan jalan membandingkan varian residu antar kelompok dengan varian
residu dalam kelompok. Anakova akan dihitung dengan melakukan pengendalian statistik
yang gunanya untuk membersihkan atau memurnikan perubahan-perubahan yang terjadi
pada variabel terikat sebagai akibat dari pengaruh variabel-variabel luar. Pengendalian
terhadap pengaruh luar dalarn penelitian memiliki fungsi yang penting terutama untuk
mempelajari pengaruh murni suatu perlakuan pada variabel tertentu terhadap variabel lain.
Anakova merupakan teknik statistik yang sering digunakan pada penelitian
eksperimental dan juga observasional. Keunggulan-keunggulan Anakova dalam analisis
data penelitian antara lain:
1.

Dapat meningkatkan presisi rancangan penelitian terutarna apabila peneliti masih ragu
pada pengelompokan-pengelompokan subyek perlakuan yang diterapkan dalam
penelititan, yaitu apakah sudah benar-benar dapat mengendalikan pengaruh variabel
luar ataukah belum.

2.

Dapat digunakan untuk mengendalikan kondisi-kondisi awal dari variabel terikat.

3.

Dapat digunakan untuk mereduksi variabel-variabel luar yang tidak diinginkan dalam
penelitian.
Prosedur pengendalian variabel dalam Anakova ada 2 cara, yaitu: (1) pengendalian

pada pengaruh variabel luar, dan (2) pengendalian pada kondisi awal variabel terikat yang
berbeda. Asumsi-asumsi yang digunakan dalam mengerjakan Anakova adalah:
1. variabel luar yang dikendalikan harus berskala interval atau rasio.
2. Harus ada dugaan yang kuat bahwa ada hubungan antara variabel kendali dengan
variabel terikat
3. Harus ada dugaan bahwa variabel kendali tidak dipengaruhi oleh variabel bebas atau
variabel eksperimental.
Beberapa pengertian variabel yang akan digunakan dalam Anakova antara lain:
1. kriterium, adalah variabel terikat (Y) yaitu variabel yang dipengaruhi, dimana data
harus berbentuk interval atau rasio.
2. Kovariabel, disebut juga variabel kendali, variabel kontrol, variabel konkomitan yang
diberi lambang X, dan data harus berbentuk interval atau rasio.
3. Faktor, yaitu sebutan untuk variabel bebas atau variabel eksperimental yang ingin
diketahui pengaruhnya dan data harus berbentuk nominal atau ordinal.
[Type here]

Persamaan model linear untuk analisis kovarian, menurut Kirk (1995: hal 718) yaitu:

II. CONTOH KASUS


Kasus 1
A. Judul
Perbedaan Metode Pembelajaran (Metode Kooperatif, Metode Ceramah dan Pemberian
Tugas) terhadap Prestasi Belajar Biologi dengan Mengendalikan Kecerdasan pada
Siswa Kelas XI SMA N I Ngaglik.

B. Penjelasan
Suatu penelitian dilakukan untuk mengetahui perbedaan jenis metode pembelajaran
terhadap prestasi belajar biologi dengan mengendalikan kecerdasan pada siswa kelas
XI SMA N 1 Ngaglik.
Jenis metode pembelajaran dalam penelitian ini adalah metode kooperatif (A1),
metode ceramah (A2) dan pemberian tugas (A3).
Skor kecerdasan siswa diperoleh sebelum pemberian perlakuan (treatment) yang
mungkin tidak homogen.
Masing-masing kelompok juga secara acak mendapat pembelajaran menggunakan
salah satu jenis metode pemelajaran.
Setelah pembelajaran selesai, semua kelompok mendapat tes dengan soal dan waktu
yang sama.
C. Rumusan masalah
Setelah dikendalikan oleh skor tes kecerdasan (X), apakah terdapat perbedaan hasil
belajar Biologi (Y) antara siswa yang mengikuti pembelajaran dengan metode
kooperatif (A1) dengan metode ceramah (A2) dan pemberian tugas (A3 )?

[Type here]

D. Data
Tabel 1. Skor tes kecerdasan (X) dan hasil belajar biologi (Y)
A1

A2

A3

X
29

Y
15

X
22

Y
20

X
33

Y
14

49

19

24

34

45

20

48

21

49

28

35

30

35

27

46

35

39

32

53

35

52

42

36

34

47

39

43

44

48

42

46

23

64

46

63

40

74

38

61

47

57

38

72

33

55

40

56

54

67

50

54

54

78

56

E. Penyelesaian
Keterangan:
A = Metode Pembelajaran dengan 3 taraf perlakuan ( A1 = metode kooperatif, A2 =
metode ceramah, dan A3 = pemberian tugas).
X = Skor Tes Kecerdasan = kovariabel (X)
Y = Skor Prestasi Belajar Biologi
F. Hipotesis Statistik
Perhitungan Manual
1) Merumuskan hipotesis
H0: 1= 2 =3

(Setelah dikendalikan oleh kovariabel skor tes kecerdasan, tidak


terdapat perbedaan hasil belajar biologi antara siswa yang
mengikuti pembelajaran dengan metode

kooperatif, metode

ceramah, dan pemberian tugas)


H1: 1 2 3

(Setelah dikendalikan oleh kovariabel skor tes kecerdasan,


terdapat perbedaan hasil belajar biologi antara siswa yang

[Type here]

mengikuti pembelajaran dengan metode


ceramah dan pemberian tugas.
2) Memilih nilai signifikansi ()
= 0.05
3) Memilih uji statistik

4) Menentukan kriteria keputusan


H0 ditolak jika Fhitung > F (v1,v2)
5) Perhitungan
Tabel 2. Jumlah data
A1

A2

29

15

22

20

33

14

49

19

24

34

45

20

48

21

49

28

35

30

35

27

46

35

39

32

53

35

52

42

36

34

47

39

43

44

48

42

46

23

64

46

63

40

74

38

61

47

57

38

72

33

55

40

56

54

67

50

54

54

78

56

520

300

470

390

490

360

a. Computational symbol

[Type here]

A3

kooperatif, metode

b. Computational formulas

[Type here]

c. Tabel 3. ANACOVA
No. source
SS
1. Between groups, 707,99

df
p1=2

MS
354

2.

1680,6

p(n1) 1=26

64,64

2388,6

np 2=28

F
5,4764

Ftabel
3,37

Within Groups,

3.

Totaladj

6) Kesimpulan
Karena nilai Fhitung=5,4764 > F (v1,v2)=3,37, maka H0 ditolak pada taraf signifikansi
0,05. Artinya, pada taraf signifikansi 5% tidak terdapat perbedaan hasil belajar
biologi antara siswa yang mengikuti pembelajaran dengan metode

kooperatif,

metode ceramah dan pemberian tugas dengan dikendalikan oleh kovariabel skor tes
kecerdasan.
Perhitungan dengan SPSS 17.0
1) Merumuskan hipotesis
H0: 1= 2 =3
(Setelah dikendalikan oleh kovariabel skor tes kecerdasan, tidak
terdapat perbedaan hasil belajar biologi antara siswa yang
mengikuti pembelajaran dengan metode
H1: 1 2 3

kooperatif, metode

ceramah, dan pemberian tugas)


(Setelah dikendalikan oleh kovariabel skor tes kecerdasan,
terdapat perbedaan hasil belajar biologi antara siswa yang
mengikuti pembelajaran dengan metode

ceramah dan pemberian tugas.


2) Memilih nilai signifikansi ()
= 0.05
3) Memilih uji statistik
[Type here]

kooperatif, metode

4) Menentukan kriteria keputusan


H0 ditolak jika Sig< 0,05
5) Perhitungan
Langkah-langkah penggunaan SPSS for Completely Randomized Analysis of
Covariance Design)
1. Klik variable view

2. Mengetik Variabel-variabel dalam penelitian, dan klik values pada variable metode.

[Type here]

3. Klik data view

4. Klik Analyze, Klik General Linear Model, dan Klik Univariate.

5. Klik OK pada kotak dialog Univariate

[Type here]

6. Klik Model pada kotak dialog Univariate dan klik full factorial

7. Klik OK pada kotak dialog Univariate

[Type here]

8. Hasil perhitungan SPSS selesai

6) Hasil analisis dengan SPSS


Tabel 4. Tabel ANACOVA dengan SPSS

[Type here]

7) Kesimpulan
Karena nilai Sig. < 0,05 maka H0 ditolak. Artinya, pada taraf signifikansi 5% tidak
terdapat perbedaan hasil belajar biologi antara siswa yang mengikuti pembelajaran
dengan metode

kooperatif, metode ceramah dan pemberian tugas dengan

dikendalikan oleh kovariabel skor tes kecerdasan.

Kasus 2
A. Judul
Perbedaan Metode Pembelajaran TGT dengan Metode Pembelajaran NHT terhadap
Prestasi Belajar IPA dengan Mengendalikan Motivasi pada Siswa Kelas VIII MTs
Sunan Pandanaran.
B. Penjelasan
Suatu penelitian dilakukan untuk mengetahui perbedaan metode pembelajaran TGT
dan metode pembelajaran NHT terhadap prestasi belajar biologi dengan
mengendalikan motivasi pada siswa kelas VIII MTs Sunan Pandanaran.
Jenis metode pembelajaran yang digunakan sudah ditentukan terlebih dahulu yaitu
metode TGT (A1) dan metode NHT (A2).
Skor motivasi siswa diperoleh sebelum pemberian perlakuan (treatment) yang
mungkin tidak homogen.
Masing-masing kelompok juga secara acak mendapat pembelajaran menggunakan
salah satu jenis metode pemelajaran.
Setelah pembelajaran selesai, semua kelompok mendapat tes dengan soal dan waktu
yang sama.
[Type here]

C. Rumusan masalah
Setelah dikendalikan oleh motivasi (X), apakah terdapat perbedaan hasil belajar IPA
(Y) antara siswa yang mengikuti pembelajaran dengan metode TGT dengan metode
NHT?

D. Data
Tabel 5. Hasil Tes Kemampuan IPA
METODE
A1
X
8
9
8
7
6
8
7
7
8
6

A2
Y
6
7
6
6
5
7
6
6
7
5

X
7
8
6
6
5
8
7
6
9
5

Y
8
9
7
6
4
8
7
7
8
6

E. Penyelesaian
Keterangan:
A = Metode Pembelajaran dengan 2 taraf perlakuan yaitu TGT (A1) dan metode NHT
(A2).
X = Skor Motivasi, sebagai kovariabel
Y = Skor Prestasi Belajar IPA
F. Hipotesis Statistik
1) Merumuskan hipotesis
H0: 1= 2

(Setelah dikendalikan oleh kovariabel skor motivasi, tidak terdapat


perbedaan

hasil

belajar

IPA antara

siswa

yang

pembelajaran dengan metode TGT dengan metode NHT.)

[Type here]

mengikuti

H1: 1 2

(Setelah dikendalikan oleh kovariabel skor motivasi, terdapat


perbedaan

hasil

belajar

IPA antara

siswa

yang

mengikuti

pembelajaran dengan metode TGT dengan metode NHT.)


2) Memilih nilai signifikansi ()
= 0.05
3) Memilih uji statistik

4) Menentukan kriteria keputusan


H0 ditolak jika Sig< 0,05
G. Perhitungan
Tabel 6. Ancova dengan program SPSS

H. Kesimpulan
Karena nilai Sig < 0,05, maka H0 ditolak pada taraf signifikansi 0.05. Artinya, dengan
menggunakan taraf signifikansi 5%, setelah dikendalikan oleh kovariabel skor motivasi,
terdapat perbedaan hasil belajar IPA antara siswa yang mengikuti pembelajaran dengan
metode TGT dengan metode NHT.

[Type here]

DAFTAR PUSTAKA

http://www.scribd.com/doc/43468471/anava-1-jalur. Diakses pada tanggal 28 Juni 2012


http://ineddeni.wordpress.com/2007/11/10/one-way-anova/ Diakses pada tanggal 28 Juni
2012
http://statistikpendidikanii.blogspot.com/2008/07/tanggapan-buat-model-anava.html
Diakses pada tanggal 28 Juni 2012
http://blog.uad.ac.id/kalifach/2009/03/18/uji-anova-dan-uji-t-dalam-regresi/. Diakses pada
tanggal 28 Juni 2012

[Type here]