Anda di halaman 1dari 10

BAB II

LANDASAN TEORI

2.1 Analisis Variansi


Analisis varians dipergunakan untuk menguji perbedaan rata-rata hitung jika
kelompok sampel yang diuji lebih dari dua buah yang berasal dari populasi yang
berbeda. Namun, jika dikehendaki ia dapat juga dipergunakan walau kelompok itu
hanya dua buah. Dengan demikian, anova dapat dipandang sebagai teknik t-tes yang
diperluas. Hasil perhitungan uji analisis varians dinyatakan dengan nilai F
(Nurgiyantoro, 2002).
Analis ragam yaitu suatu metode untuk menguraikan keragaman total data
menjadi komponen-komponen yang mengukur berbagai sumber keragaman.
Percobaan analisis ragam akan memperoleh dua komponen yaitu komponen
mengukur keragaman yang disebabkan oleh alat percobaan dan komponen mengukur
keragaman yang disebabkan oleh pecobaan ditambah keragaman yang disebakan oleh
perbedaan varitas (Walpole, 1995).
Analisis ragam digunakan untuk menguji rata-rata dari tiga atau lebih suatu
populasi. Rata-rata populasi itu sama atau tidak sama. Konsep dasar ANOVA
dikemukakan oleh seorang bernama R.A. Fisher. Konsep tersebut yaitu (Subiyakto,
1994):
1. Menghitung rata-rata masing-masing grup sampel dan menjelaskan kesalahan

baku rata-rata yang hanya didasarkan pada beberapa rata-rata sampel.


2. Formulasinya adalah:

Didapat:
Kemudian kesalahan baku dari rata-rata yang dihitung diatas dapat digunakan
untuk mengestimasi varian populasi darimana sampel tersebut didapat. Estimasi
varian pululasi ini dapat disebut kuadrat rata-rata antara kelompok-kelompok
(mean square between groups: MSB).
3. Menghitung varian secara terpisah didalam masing-masing kelompok sampel dan
berkaitan dengan masing-masing rata-rata kelompok. Kemudian menyatukan
nilai-nilai varian yang terimbang (n-1) untuk masing-masing sampel. Prosedur
tertimbang untuk varian ini adalah perluasan dari prosedur untuk
mengombinasikan dan menimbang dua varian sampel. Hasil stimasi varian
populasi disebut kuadrat rata-rata didalam kelompok-kelompok (MSW).
4. Jika hipotesis nol: benar, kuadrat rata-rata MSB dan
MSW merupakan estimator yang tak bias dan independent dari varian populasi
yang sama. Akan tetapi, jika hipotesis nol tidak diterima maka nilai harapan
MSB lebih besar dari MSW. Sedikit saja ada perbedaan diantara rata-rata
populasi akan membesarkan MSB walaupun tidak berpengaruh pada MSW.
5. Berdasarkan pada pengamatan konsep 4 distribusi F dapat digunakan untuk
menguji perbedaan dua varian. Suatu pengujian satu sisi diperlukan distribusi F.
Dalam menemukan nilai F, dapat menggunakan rumus:

Apabila nilai rasio F berada di daerah penolakan untuk tingkat signifikan tertentu
maka hipotesis tentang kesamaan beberapa rata-rata sampel berasal dari populasi
ditolak.

2.2 Asumsi-Asumsi Dasar Analisis Ragam


Analisis varians adalah suatu teknik yang dipakai untuk membandingkan dua
atau lebih parameter populasi. Teknik ini sering dipakai untuk penelitian terutama
pada rancangan penelitian eksperimen, penelitian-penelitian yang memiliki implikasi
pengambilan keputusan untuk menggunakan teknologi baru, prosedur-prosedur baru
dan kebijakan baru. Asumsi-asumsi dasar yang dikemukakan sarwoko yaitu:
1. Tiap-tiap dari k populasi memiliki independent random sampling.

2. Tiap-tiap populasi memiliki distribusi normal dengan yang sama atau berbeda

dan memiliki varians yang sama.

Hasil perhitungan analisis varians yang dipergunakan untuk menguji hipotesis


tentang signifikansi perbedaan rata-rata hitung dapat dimanfaatkan dan
digeneralisasikan jika ia memenuhi beberapa asumsi dasar. Ada tiga asumsi dasar
yaitu (Nurgiantoro, 2002):

1. Subjek yang menjadi anggota kelompok-kelompok harus dipilih secara acak.


Dengan cara ini semua objek anggota sebuah populasi berpeluang sama untuk
terpilih menjadi sampel. Sampel yang diambil secara acak dapat menghindari bias
hasil analisis statistik. Sebaliknya, sampel yang ditentukan dengan cara memihak,
misalnya sengaja memilih siswa yang tergolong pintar agar rata-rata hitung yang
diperoleh dalam suatu kelompok tinggi sehingga nilai F yang diperoleh
signifikan, hasilnya akan bias dan tidak mencerminkan keadaan populasi yang
akan menjadi tempat penggeneralisasinya.

2. Skor-skor hasil pengukuran memiliki distribusi normal. Dalam menentukan


kenormalan suatu distribusi skor hasil pengukuran perlu dilakukan uji normalitas.
Uji normalitas dapat dilakukan lewat beberapa cara dan salah satunya yang
ditunjukan dalam bab ini adalah lewat teknik chi kuadrat.

3. Varians populasi tiap kelompok bersifat homogen atau tidak berbeda secara
signifikan. Untuk menguji homogenitas varians-varians tersebut perlu dilakukan
uji statistic (test of variance) pada distribusi skor kelompok-kelompok yang
bersangkutan.
2.2 Analisis Ragam Satu Arah
Analisis varians satu arah dipergunakan untuk menguji signifikansi perbedaan
rata-rata hitung yang hanya mencakup satu klasifikasi atau satu variabel independen.
Analisis varians berangkat dari adanya sejumlah variabilitas yang terdapat dalam data
kelompok sampel yang akan diuji (Nurgiyantoro, 2002)
Menurut Subiyakto analisis varians satu arah atau one way analysis of
variance dapat digunakan untuk pengujian perbedaan antara (k) rata-rata sampel
apabila subjek-subjek ditentukan secara acak pada setiap beberapa kelompok atau
kelompok perlakuan.
Persamaan linear yang menggambarkan model uji satu arah yaitu:

Keterangan :
μ = Rata-rata keseluruhan dari semua k populasi klasifikasi.
= Efek klasifikasi dalam k kelompok.
eikk = Kesalahan acak yang bergabung dalam proses sampling.
Hipotesis nol dan hipotesis alternative untuk ANOVA satu arah yaitu:
H 0 = αk = H a ≠ 0

Jika hipotesis nol diterima, berarti:


2.3 Analisis Ragam Dua Arah

Jika dalam anova satu arah hanya dimaksudkan sebagai menguji signifikansi
perbedaan rata-rata hitung satu klasifikasi saja, dalam anova dua arah atau klasifikasi
ganda, yang diuji itu lebih dari satu macam. Anova dua arah dapat terdiri 1,2,3, atau
lebih klasifikasi tergantung dari desain yang direncanakan. Pengujian banyak
kelompok yang melibatkan klasifikasi gandan akan menjanjikan perolehan informasi
yang lebih banyak dan lebih teliti.

Dalam analisis varians dua arah, baik perhitungan berdasarkan kolom


maupun baris, keduanya sama-sama dilakukan, karena ada lebih dari satu efek yang
dihitung. Keduanya merupakan variabel independen atau faktor-faktor yang masing-
masing mempunyai efek. Dengan demikian, akan didapatkan perhitungan-
perhitungan ∑X , ∑X 2 , X untuk kolom (faktor A) dan untuk baris (faktor B).
Bahkan masih ada sumber variasi baru sebagai akibat adanya interaksi dari faktor A
dan faktor B yang disebut sebagai efek interaksi (faktor A vs B).

Berikut adalah diagram perbandingan analisis varians satu arah dan varians
dua arah (nurgiyanto, 2002):

Varians Total (JKT)

Varians dalam Kelompok (JKD) Varians antar kelompok (JKA)

A. Anova satu arah

Varians Totak (JKT)

Varians Dalam Kelompok (JKD) Varians antarkelompok (JKA)

Varians Faktor A Varians Faktor B Varians Faktor A vs B


(JKAMet) (JKASek) (JKAInter)

Gambar 2.1

2.4 Pengujian Hipotesis


Pengujian hipotesis beda tiga rata-rata atau lebih dengan satu faktor yang
berpengaruh.
Langkah-langkah pengujian klasifikasi satu arah adalah sebagai berikut
(Hasan, 2002):
1. Menentukan Formulasi Hipotesis:

H 0 : µ1 = µ2 = µ3 = .... = µk

H 0 : µ1 = µ2 = µ3 = .... ≠ µk

2. Menentukan taraf nyata (α) beserta F table.

Taraf nyata (α) ditentukan dengan derajat pembilang ( v1 ) dan derajat penyebut

( v2 ) . v1 = k-1 dan v2 = k(n-1). Fα( v1 .v 2 ) =…

3. Menentukan kriteria pengujian

H 0 diterima apabila F0 ≤ Fα.( v1 .v 2 )

H 0 ditolak apabila F0 〉 Fα .(v1 .v2 )


4. Membuat analisis varians dalam bentuk table ANOVA

Sumber Jumlah Derajat Bebas Rata-Rata F0

Varians Kuadrat kuadrat


Rata-rata JKK k-1 2 JKK s 21
s1 =
k −1 2
kolom s2
2 JKE
Eror JKE k(n-1) s1 =
k (n −1)
Total JKT nk-1
Tabel 2.1
Untuk ukuran sampel yang sama banyak digunakan:
k n
T 2 ..
∑ ∑xij −
2
JKT =
i =1 j =1 nk
k

∑T
2
i
JKK = i= j T 2 ..

n nk
JKE = JKT-JKK.
k = Kolom.
n = Baris.
Untuk ukuran sampel yang tidak sama banyak digunakan:
k n
T 2 ..
∑ ∑xij −
2
JKT =
i =1 j =1 N
k

∑T
2
i
JKK = i= j T 2 ..

ni N
JKE = JKT-JKK
Derajat bebas eror = N-k
k = Kolom.
n = Baris.
5. Membuat Kesimpulan
Menyimpulkan bahwa H 0 diterima atau ditolak dengan membandingkan antara
langkah ke-4 dengan criteria pengujian pada langkah ke-3.
Langkah-langkah pengujian klasifikasi dua arah adalah sebagai berikut
(Hasan, 2002):
1. Menentukan formula hipotesis
a. H o : α1 = α2 = α3 = ... = 0 (pengaruh kolom nol)

H1 : Sekurang-kurangnya satu α1 tidak sama dengan nol

b. H 0 : β1 = β2 = β3 = 0 (pengaruh kolom nol)

H1 : Sekurang-kurangnya satu β1 tidak sama dengan nol

2. Menentukan taraf nyata (α) dan F tabelnya


Taraf nyata (α) dan F table ditentukan dengan derajat pembilang dan penyebut
masing-masing:
a. Untuk baris: v1 = b −1 dan v2 = (k −1)( b −1)

b. Untuk kolom: v1 = k −1 dan v2 = (k −1)( b −1)


3. Menentukan criteria pengujian

a. H 0 diterima apabila F0 ≤ Fα.( v1 .v 2 )

H 0 ditolak apabila F0 〉 Fα .(v1 .v2 )


b. H 0 diterima apabila F0 ≤ Fα.( v1 .v 2 )

H 0 ditolak apabila F0 〉 Fα .(v1 .v2 )


4. Membuat analisis varians dalam bentuk table ANOVA

F0
Sumber Jumlah Derajat Bebas Rata-Rata

Varians Kuadrat Kuadrat


2 JKB s12
Rata-Rata JKB b-1 s1 = f1 =
db s32
2 JKK s22
Baris s1 = f1 =
db s32
JKK k-1 JKE
2
Rata-Rata s1 =
db

kolom
JKE (k-1)(b-1)

Eror
Total JKT kb-1
Tabel 2.2

k n
T 2 ..
JKT = ∑
i =1
∑xij −
j =1
2

kb
k

JKK =
∑T
i= j
i
2

T 2 ..

ni kb
k

∑T 2
i .j
JKK = j =1 T 2 ..

b kb
JKE = JKT-JKB-JKK
5. Membuat kesimpulan
Menyimpulkan bahwa H 0 diterima atau ditolak dengan membandingkan
antara langkah ke-4 dengan criteria pengujian pada langkah ke-3.
DAFTAR PUSTAKA

Walpole, Ronald E. 1995. Pengantar Statistika. Edisi ketiga. Jakarta: Gramedia


Pustaka utama.
Nurgiyantoro, Burhan, dkk. 2002. Statistika Terapan. Yogakarta: Gajah Mada.
Hasan, M.Iqbal. 2002. Statistika 1 dan 2. Edisi kedua. Jakarta Bumi Aksara.
Subiyakto, Haryono. 1994. Statistika 2. Jakarta: Gunadarma.