Oke, kali ini saya akan menjelaskan bagaimana cara menggunakan uji Beda Nyata
Terkecil atau sering disebut uji BNT. Seperti pada uji BNJ, Uji BNT sebenarnya
juga sangat simpel. Untuk menggunakan uji ini, atribut yang kita perlukan adalah
1) data rata-rata perlakuan, 2) taraf nyata, 3) derajad bebas (db) galat, dan 4) tabel
t-student untuk menentukan nilai kritis uji perbandingan.
Perlu anda ketahui bahwa uji BNT ini dilakukan hanya apabila hasil analisis
ragam minimal berpengaruh nyata. Tapi bagaimana kalau hasil analisis ragam
tidak berpengaruh nyata apakah bisa dilanjutkan dengan uji BNT? Jawabnya bisa.
Tapi yang menjadi pertanyaan selanjutnya adalah apakah perlu menguji
perbedaan pengaruh perlakuan jika ternyata perlakuan yang dicobakan sudah
tidak memberikan pengaruh yang nyata? Bukankah apabila perlakuan tidak
berpengaruh berarti perlakuan t1 = t2 = t3 = tn, yang berarti pengaruh
perlakuannya sama. Jadi sebenarnya pengujian rata-rata perlakuan pada
perlakuan-perlakuan yang tidak berpengaruh nyata tidak banyak memberikan
manfaat apa-apa.
Dalam pengujian ANOVA, kita dapat menarik kesimpulan apakah menerima atau
menolak hipotesis. Jika kita menolak hipotesis, artinya bahwa dari variabel-
variabel yang kita uji, terdapat perbedaan yang signifikan. Misalnya jika kita
menguji perbedaan 4 metode mengajar terhadap prestasi siswa, kita bisa
menyimpulkan bahwa ada perbedaan dari keempat metode tersebut. Akan tetapi,
kita tidak mengetahui, metode manakah yang berbeda dari keempatnya. Secara
statistik,kita tidak bisa mengatakan bahwa yang terbaik hanya dengan
memperhatikan rata-rata dari setiap metode tersebut.
Jika jumlah n setiap variabel sama, maka teknik yang bisa digunakan adalah LSD,
student Newman-Keuls (SNK) dan Tukey. Akan tetapi jika jumlah n tiap variabel
tidak sama, maka kita bisa menggunakan teknik scheffe. Untuk membicarakan
setiap teknik itu, akan sangat membutuhkan waktu yang lama. Karena itu pada
kesempatan ini saya hanya akan membahas salah satu teknik saja secara manual
yaitu teknik Tukey.
Teknik Tukey juga biasa disebut dengan HSD (honestly Significant difference).
Untuk melakukan teknik ini, kita memerlukan salah satu test statistic yaitu Q yang
dianalogikan dari statistik-t yang didefinisikan secara matematis:
Sekarang kita lihat bagaimana cara menggunakan teknik ini. Misalnya kita
memiliki empat metode yang kita uji untuk melihat apakah ada perbedaan metode
serta jika ada, manakah di antara keempat metode tersebut yang berbeda secara
signifikan.
dari data tersebut, kita bisa membuat rangkuman analisis varian seperti berikut ini:
Langkah pertama yang kita lakukan adalah kita membuat matriks korelasi dari
rata-rata setiap variabel seperti ini:
Matriks dibuat mulai dari metode yang memiliki rata-rata terkecil. Langkah
selanjutnya adalah mencari perbedaan setiap metode. Misalnya antara metode 2
dan metode 4 memiliki perbedaan: 12,4 – 8,4 = 4, antara metode 2 dan 1 memiliki
perbedaan 13,6 – 8,4 = 5,2 dan seterusnya.
nilai Mean Square Within (MSW) diperoleh dari rangkuman table ANAVA).
Dengan demikian,
Sebagai contoh 4,00/1,19 = 3,36, 5,20/1,19 = 4,37. Untuk lebih jelasnya, saya
rangkumkan dalam table berikut ini:
Dengan memperhatikan nilai Q dibandingkan dengan nilai r table, dimana r
adalah jumlah means. Dalam kasus ini, jumlah kolom adalah 4. Adapun derajad
kebebasan adalah 16. Jumlah 16 merupakan n – k = 20 -4 = 16. Dengan demikian,
nilai kritis untuk Q adalah 4,05 dan 5,19 untuk tingkat kepercayaan 0,05 dan 0,01.
Dengan demikian, nilai Q yang berada di atas nilai Q kritis hanyalah antara
metode 1 dan 2 serta 1,3 pada tingkat kepercayaan 0,05 serta metode 1 dan 3 pada
tingkat kepercayaan 0,01.
Oke, kali ini saya akan menjelaskan bagaimana cara menggunakan uji Duncan's
Multiple Range Test atau sering disebut uji DMRT. Di beberapa referensi ada
yang menamakan dengan ”Uji Jarak Berganda Duncan”. Dan untuk selanjutnya
saya hanya menyebutnya dengan Uji DMRT. Uji DMRT berbeda dengan Uji
BNT atau BNJ. Kalau pada Uji BNT atau BNJ, perbandingan terhadap nilai-nilai
rata-rata perlakuan hanya menggunakan satu nilai pembanding, sedangkan Uji
DMRT nilai pembandingnya sebanyak P – 1 atau tergantung banyaknya
perlakuan. Artinya apabila perlakuan anda berjumlah 10, maka nilai
pembandingnya sebanyak 9.
Kalau anda telah menguasai uji DMRT ini, maka saya sangat menyarankan anda
lebih baik menggunakan uji ini daripada misalnya dengan uji BNT atau BNJ.
Mengapa demikian? Karena Uji DMRT lebih teliti dan bisa digunakan untuk
membandingkan pengaruh perlakuan dengan jumlah perlakuan yang besar.
Uji DMRT ini dalam penggunaannya agak rumit sedikit tapi tidak susah asalkan
anda bisa memahaminya tahap demi tahap. Untuk menggunakan uji ini, atribut
yang anda perlukan adalah 1) data rata-rata perlakuan, 2) taraf nyata, 3) jumlah
perlakuan, 4) derajad bebas (db) galat, dan 5) tabel Duncan untuk menentukan
nilai kritis uji perbandingan.
Perlu anda ketahui bahwa uji DMRT ini dilakukan hanya apabila hasil analisis
ragam minimal berpengaruh nyata. Tapi bagaimana kalau hasil analisis ragam
tidak berpengaruh nyata apakah bisa dilanjutkan dengan uji DMRT? Jawabnya
bisa. Tapi yang menjadi pertanyaan selanjutnya adalah apakah perlu menguji
perbedaan pengaruh perlakuan jika ternyata perlakuan yang dicobakan sudah
tidak memberikan pengaruh yang nyata? Bukankah apabila perlakuan tidak
berpengaruh berarti perlakuan t1 = t2 = t3 = tn, yang berarti pengaruh
perlakuannya sama. Jadi sebenarnya pengujian rata-rata perlakuan pada
perlakuan-perlakuan yang tidak berpengaruh nyata tidak banyak memberikan
manfaat apa-apa.
Oke, sebagai contoh saya ambil data berikut ini yang merupakan data hasil
pengamatan pengaruh pemupukan P terhadap bobot polong isi (gram) kedelai
varitas Slamet. Percobaan dilakukan dengan rancangan acak kelompok dengan
tujuan untuk mengetahui pengaruh pemupukan P terhadap bobot polong isi
kedelai. Data hasil pengamatan adalah sebagai berikut :
Hasil analisis ragam (anova) dari data di atas adalah berikut ini :
Oke, sekarang kita mulai saja bagaimana cara menggunakan uji DMRT ini.
Langkah pertama yang harus anda lakukan adalah menentukan nilai jarak (R)
sebanyak p - 1 (dalam contoh ini p = 7, maka p – 1 = 7 – 1 = 6) berdasarkan data
jumlah perlakuan (dalam contoh ini perlakuan, p = 7), derajat bebas (db) galat
(dalam contoh ini db galat = 12, lihat angka 12 yang berwarna kuning pada tabel
analisis ragam), dan taraf nyata (dalam contoh ini misalkan taraf nyata = 5% atau
0,05 (disimbolkan dengan alfa). Sehingga nilai jarak (R) ini ditulis dengan R(p, v,
α).
Setelah semua nilai sudah anda tentukan, barulah anda bisa menentukan nilai
jarak (R) dengan cara melihat pada tabel nilai kritis uji perbandingan berganda
Duncan. Berikut saya lampirkan sebagian dari tabel tersebut :
Anda perhatikan angka-angka yang saya blok dengan kotak merah pada tabel di
atas. Jumlah angka –angka pada blok tersebut ada 6 yang saya ambil berdasarkan
P – 1 atau 7 – 1 = 6 dan db galat = 12 seperti yang sudah kita tentukan
sebelumnya. Untuk lebih jelasnya angka-angka tersebut saya pindahkah pada
tabel berikut :
Nah, selanjutnya kita akan menghitung nilai kritis atau nilai baku dari DMRT
untuk masing-masing nilai P dengan rumus berikut :
Berikut ini saya coba menghitung untuk P = 2 dimana KT galat = 14,97 dan r
(kelompok) = 3 (lihat pada tabel analisis ragam):
Dengan cara yang sama anda dapat menghitung nilai kritis DMRT untuk P = 3, P
= 4, P = 5, P = 6, dan P = 7. Dan hasilnya dapat anda lihat pada tabel berikut:
Baik kita mulai saja. Pertama-tama anda jumlahkan nilai DMRT pada P = 2 yaitu
6,88 dengan nilai rata-rata perlakuan terkecil pertama, yaitu 17,33 + 6,88 = 24,21
dan beri huruf “a” dari nilai rata-rata perlakuan terkecil pertama (17,33) hingga
nilai rata-rata perlakuan berikutnya yang kurang dari atau sama dengan nilai
24,21. Dalam contoh ini huruf “a” diberi dari nilai rata-rata perlakuan 17,33
hingga 22,67. Lebih jelasnya lihat pada tabel berikut :
Selanjutnya anda jumlahkan nilai DMRT pada P = 3 yaitu 7,22 dengan nilai rata-
rata perlakuan terkecil kedua, yaitu 21,00 + 7,22 = 28,22 dan beri huruf “b” dari
nilai rata-rata perlakuan terkecil kedua (21,00) hingga nilai rata-rata perlakuan
berikutnya yang kurang dari atau sama dengan nilai 28,22. Dalam contoh ini huruf
“b” diberi dari nilai rata-rata perlakuan 21,00 hingga 26,00. Lebih jelasnya lihat
pada tabel berikut :
Selanjutnya jumlahkan lagi nilai DMRT pada P = 4 yaitu 7,44 dengan nilai rata-
rata perlakuan terkecil ketiga, yaitu 22,67 + 7,44 = 30,11 dan beri huruf “c” dari
nilai rata-rata perlakuan terkecil ketiga (22,67) hingga nilai rata-rata perlakuan
berikutnya yang kurang dari atau sama dengan nilai 30,11. Dalam contoh ini huruf
“c” diberi dari nilai rata-rata perlakuan 22,67 hingga 26,00. Lebih jelasnya lihat
pada tabel berikut :
Sampai disini anda perhatikan huruf “c” pada tabel di atas. Huruf “c” tersebut
harus anda abaikan (batalkan) karena sebenarnya huruf “c” sudah terwakili oleh
huruf b (karena pemberian huruf c tidak melewati huruf “b”). Berbeda dengan
pemberian huruf “b” sebelumnya. Pemberian huruf b melewati huruf a sehingga
huruf b tidak diabaikan/dibatalkan.
Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 5 yaitu 7,51 dengan
nilai rata-rata perlakuan terkecil keempat, yaitu 26,00 + 7,51 = 33,51 dan beri
huruf “c” (karena pemberian huruf “c” sebelumnya dibatalkan, maka pemberian
dengan huruf “c” kembali digunakan) dari nilai rata-rata perlakuan terkecil
keempat (26,00) hingga nilai rata-rata perlakuan berikutnya yang kurang dari atau
sama dengan nilai 33,51. Dalam contoh ini huruf “c” diberi dari nilai rata-rata
perlakuan 26,00 hingga 30,67. Lebih jelasnya lihat pada tabel berikut :
Anda perhatikan huruf c di atas. Karena pemberian huruf c melewati huruf b
sebelumnya, maka pemberian huruf c ini tidak dibaikan/dibatalkan.
Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 6 yaitu 7,60 dengan
nilai rata-rata perlakuan terkecil kelima, yaitu 30,67 + 7,60 = 38,27 dan beri huruf
“d” dari nilai rata-rata perlakuan terkecil kelima (30,67) hingga nilai rata-rata
perlakuan berikutnya yang kurang dari atau sama dengan nilai 38,27. Dalam
contoh ini huruf “d” diberi dari nilai rata-rata perlakuan 30,67 hingga 36,00.
Lebih jelasnya lihat pada tabel berikut :
Langkah selanjutnya jumlahkan lagi nilai DMRT pada P = 7 yaitu 7,64 dengan
nilai rata-rata perlakuan terkecil keenam, yaitu 36,00 + 7,60 = 43,20 dan beri
huruf “d” dari nilai rata-rata perlakuan terkecil kelima (36,00) hingga nilai rata-
rata perlakuan berikutnya yang kurang dari atau sama dengan nilai 43,20. Dalam
contoh ini huruf “e” diberi dari nilai rata-rata perlakuan 36,00 hingga 41,00. Lebih
jelasnya lihat pada tabel berikut :
Terakhir anda susun kembali nilai rata-rata perlakuan tersebut sesuai dengan
perlakuannya, seperti tabel berikut:
Oke, sekarang akan saya jelaskan arti huruf-huruf pada tabel diatas?
Prinsip yang harus anda pegang adalah bahwa “perlakuan yang diikuti oleh huruf
yang sama berarti tidak berbeda nyata pengaruhnya menurut DMRT5%”. Pada
perlakuan P2 dan P3 sama-sama diikuti huruf “e” artinya perlakuan P2dan P3
tidak berbeda nyata pengaruhnya.
Dalam pengujian ANAVA, kita dapat menarik kesimpulan apakah menerima atau
menolak hipotesis. Jika kita menolak hipotesis, artinya bahwa dari variabel-
variabel yang kita uji, terdapat perbedaan yang signifikan. Misalnya jika kita
menguji perbedaan 4 metode mengajar terhadap prestasi siswa, kita bisa
menyimpulkan bahwa ada perbedaan dari keempat metode tersebut. Akan tetapi,
kita tidak mengetahui, metode manakah yang berbeda dari keempatnya. Secara
statistik, kita tidak bisa mengatakan bahwa yang terbaik hanya dengan
memperhatikan rata-rata dari setiap metode tersebut.
Untuk menjawab pertanyaan metode manakah yang berbeda, maka statistika
memiliki teknik uji lanjut untuk mengetahui, variabel manakah yang memiliki
perbedaan yang signifikan. Ada banyak metode yang ada. Di SPSS ada banyak
teknik uji lanjut. Di antaranya jika asumsi homogenitas varian terpenuhi, maka
teknik yang bisa dipergunakan adalah: LSD (Least Square Differences), Tukey,
Bonferoni, Duncan, Scheffe dan lain sebagainya. Dan jika tidak ada asumsi
homogenitas varian, maka teknik yang bisa dipergunakan adalah tamhane T2,
dunnett’s T3, games-howell dan dunnett’s C.
Jika jumlah n setiap variabel sama, maka teknik yang bisa digunakan adalah LSD,
Student Newman-Keuls (SNK) dan Tukey. Akan tetapi jika jumlah n tiap variabel
tidak sama, maka kita bisa menggunakan teknik Scheffe.
Uji Tukey
Syarat
Ukuran kelompok semuanya harus sama (atau direratakan secara rerata harmonik)
Jenis Pengujian
Ada dua jenis pengujian, melalui Jumlah pada kelompok, T dan Rerata pada
kelompok, X
Contoh:
Sejenis bibit tanaman secara acak dibagi ke dalam 5 kelompok. Mereka diberi
jumlah pupuk yang berbeda. X1 tanpa pupuk, X2 sedikit, X3 sedang, X4 agak
cukup, dan X5 cukup. Kesuburan pertumbuhan mereka diuji dengan taraf
signifikansi 0,05. Kesuburan pertumbuhan pada sampel adalah
X1 X2 X3 X4 X5
10 11 16 23 26
9 9 16 21 24
9 7 14 20 22
6 7 13 20 20
6 7 12 17 20
Komparasi ganda Tukey diterapkan pada soal di atas dengan taraf signifikansi
0,05. Dengan menggunakan perhitungan anova didapat:
VARD = 4,28 n = 25 k = 5
T1 = 40 X1 = 40 / 5 = 8,0
T2 = 41 X2 = 41 / 5 = 8,2
T3 = 71 X3 = 71 / 5 = 14,2
T4 = 101 X4 = 101 / 5 = 20,2
T5 = 112 X5 = 112 / 5 = 22,4 a = 0,05
Pengujian dilakukan terhadap selisih pasangan rerata
m1 – m2 m2 – m3 m3 – m4 m4 – m5
m1 – m3 m2 – m4 m3 – m5
m1 – m4 m2 – m5
m1 – m5
Kriteria pengujian
Dari tabel Tukey q(0,05)(5,20) = 4,23 sehingga
Uji Sceffe
Uji Scheffe dilakukan melalui distribusi probabilitas pensampelan F-Fisher
Snedecor
Statistik uji
natas = k – 1
nbawah = n – k
k = banyaknya kelompok
ni, nj = ukuran kelompok
n = jumlah semua ukuran kelompok
X ̅_i,X ̅_j = rerata kelompok pada sampel
Keputusan
Pada taraf signifikansi a, rerata kelompok berbeda jika F > F(a)(k-1)(n-k)
Contoh:
Sejenis bibit tanaman secara acak dibagi ke dalam 5 kelompok. Mereka diberi
jumlah pupuk yang berbeda. X1 tanpa pupuk, X2 sedikit, X3 sedang, X4 agak
cukup, dan X5 cukup. Kesuburan pertumbuhan mereka diuji dengan taraf
signifikansi 0,05. Kesuburan pertumbuhan pada sampel adalah
X1 X2 X3 X4 X5
10 11 16 23 26
9 9 16 21 24
9 7 14 20 22
6 7 13 20 20
6 7 12 17 20
Komparasi ganda Scheffe diterapkan pada contoh di atas dengan taraf signifikansi
0,05
VARD = 4,28 n =25 k = 5
X1 = 40 / 5 = 8,0
X2 = 41 / 5 = 8,2
X3 = 71 / 5 = 14,2
X4 = 101 / 5 = 20,2
X5 = 112 / 5 = 22,4 a = 0,05
Pengujian dilakukan terhadap selisih pasangan rerata
m1 – m2 m2 – m3 m3 – m4 m4 – m5
m1 – m3 m2 – m4 m3 – m5
m1 – m4 m2 – m5
m1 – m5
Statistik uji
Karena n1 = n2 = n3 = n4 = n5 = 5, maka untuk semua pasang selisih rerata,
terdapat kesamaan pada
Kriteria pengujian
Nilai kritis F(0,95)(4)(20) = 2,87
Pengujian
(a) m1 – m2
X1 – X2 = 8,0 – 8,2 = – 0,2
F = (0,04) / (6,85) = 0,006
Tidak signifikan
(b) m1 – m3
X1 – X3 = 8,0 – 14,2 = – 6,2
F= (38,44) / (6,85) = 5,61
Signifikan
(c) m1 – m4
X1 – X4 = 8,0 – 20,2 = – 12,2
F = (148,84) / (6,85) = 21,73
Signifikan
(d) m1 – m5
X1 – X5 = 8,0 – 22,4 = – 14,4
F = (207,36) / (6,85) = 30,27
Signifikan
(e) m2 – m3
X2 – X3 = 8,2 – 14,2 = – 6,0
F = (36,00) / (6,85) = 5,26
Signifikan
(f) m2 – m4
X2 – X4 = 8,2 – 20,2 = – 12,0
F = (144,00) / (6,85) = 21,02
Signifikan
(g) m2 – m5
X2 – X5 = 8,2 – 22,4 = – 14,2
F = (201,64) / (6,85) = 29,44
Signifikan
(h) m3 – m4
X3 – X4 = 14,2 – 20,2 = – 6,0
F = (36,00) / (6,85) = 5,26
Signifikan
(i) m3 – m5
X3 – X5 = 14,2 – 22,4 = – 8,2
F = (67,24) / (6,85) = 9,82
Signifikan
(j) m4 – m5
X4 – X5 = 20,2 – 22,4 = – 2,2
F= (4,84) / (6,85) = 0,71
Tidak signifikan
A. PENGERTIAN
Apa yang dimaksud dengan Analisis Variansi?
Pada kesempatan yang lalu telah dipelajari uji hipotesa untuk membandingkan
dua populasi berdasarkan uji beda rataan dan atau berdasarkan uji hubungan.
Sebelum kita memahami lebih jauh tentang Analisis Variansi, perhatikanlah
contoh berikut
Contoh 1
Seorang peneliti pendidikan untuk program studi matematika ingin meneliti
efektivitas dari 3 metode pembelajaran jika ditinjau dari prestasi belajar siswa. Ia
telah memilih 3 metode pembelajaran, yaitu Metode Teacher Oriented, Active
Learning dan Contextual Learning.
Ketiga metode tersebut diterapkan untuk 3 sampel, artinya sample pertama
diterapkan Metode Pembelajaran Teacher Oriented, sample kedua diterapkan
Metode Pembelajaran Active Learning, dan pada sample ketiga diterapkan
Metode Pembelajaran Contextual Learning. Ketiga sample tersebut telah
diyakinkan bahwa kemampuan awal yang dimiliki oleh masing-masing sample
adalah relatif sama. Peneliti tersebut bertujuan untuk menguji ada atau tidaknya
perbedaan efek/pengaruh beberapa perlakuan pada ketiga sample ditinjau dari
prestasi belajar siswa. Untuk melihatnya, peneliti tersebut menggunakan rata-rata
nilai dari masing-masing sample. Setelah beberapa waktu eksperimen, peneliti
tersebut melakukan pengujian sebagai tolak ukur untuk mengetahui prestasi
belajar siswa. Setelah data diperoleh, uji statistik apakah yang dapat
direkomendasikan untuk dapat digunakan peneliti tersebut dalam usaha
mengambil kesimpulan?
Dari contoh diatas dapat dilihat bahwa terdapat tiga sample yang diambil dari
populasi, satu variable bebas, yaitu model pembelajaran, dan satu variable terikat,
yaitu prestasi belajar siswa. Variabel bebas ini dibagi menjadi 3 bagian yaitu
model pembelajaran Teacher Oriented, Active Learning dan Contextual Learning.
Dalam Analisis Variansi, dapat dilihat variasi-variasi yang muncul karena adanya
beberapa perlakuan (treatment) untuk menyimpulkan ada atau tidaknya perbedaan
rataan pada k-populasi.
B. KLASIFIKASI
Pada Contoh 1 diatas dapat Anda identifikasi bahwa satu variable bebas, yaitu
model pembelajaran, dan satu variable terikat, yaitu prestasi belajar siswa.
Dimana nilai-nilai dari mendekati nilai-nilai dari variable random chi kuadrat
Lambang oi menyatakan frekuensi amatan dan lambang ei menyatakan frekuensi
data yang diharapkan
Teorema Derajat Kebebasan untuk Uji Kecocokan♣
Bilangan yang menunjukkan derajat kebebasan pada uji kecocokan chi kuadrat
adalah banyaknya sel dikurangi banyaknya kuantitas yang diperoleh dari data
amatan yang digunakan untuk menghitung frekuensi harapan.
Pada uji ini, yang dirumuskan ialah bahwa data amatan mempunyai distribusi
tertentu yang dihipotesiskan dan sebagai daerah kritiknya adalah
CATATAN
Dalam Analisis Variansi, masing-masing kelompok yang digunakan sebagai
sample dari populasinya masing-masing sehingga jika terdapat k-sampel yang
diambil dari k-populasi dan setiap sample mendapat perlakuan (treatment) sendiri-
sendiri maka dapat dikatakan k-sampel identik dengan k-populasi
Atau dengan kata lain,
Populasi-populasi pada Analisis Variansi merupakan sub-sub populasi dari
populasi penelitian
Contoh 2
Seorang peneliti pendidikan ingin meneliti pengaruh waktu pengajaran ditinjau
dari prestasi belajar siswa. Peneliti tersebut memilih masing-masing satu kelas
untuk tiga sekolah yang telah ditentukan sebelumnya dan telah diyakinkan bahwa
ketiga sekolah dan ketiga kelas tersebut mempunyai kemampuan/prestasi yang
relatif sama. Dari ketiga kelas tersebut, satu kelas diajarkan matematika tiap pagi
hari, satu kelas lagi diajarkan matematika tiap siang hari, dan satu kelas terakhir
diajarkan matematika tiap sore hari selama waktu eksperimen.
Dari Contoh 2 dapat diidentifikasi variable bebas dan variable terikatnya yaitu
Variabel terikat :
Variabel bebas :
Jika diasumsikan bahwa keempat persyaratan dari Analisis Variansi diatas telah
terpenuhi dan telah diidentifikasi variable-variabelnya, maka pada Contoh 2 diatas
dapat digunakan uji
Analisis Variansi …
Contoh 3
Seperti Contoh 2 diatas, misalkan disamping diuji pengaruh waktu mengajar
terhadap prestasi belajar siswa, secara serentak juga akan dilihat pengaruh ukuran
kelas (besar dan kecil) terhadap prestasi belajar siswa, maka akan terdapat
variable tambahan sehingga dapat diidentifikasikan variable terikat dan variable
bebasnya yaitu
Variabel terikat :
Variabel bebas :
Jika diasumsikan bahwa keempat persyaratan dari Analisis Variansi diatas telah
terpenuhi dan telah diidentifikasi variable-variabelnya, maka pada Contoh 3 dapat
digunakan uji
Analisis Variansi …
Berdasarkan ukuran data amatan, Analisis Variansi Univariate Satu Jalan dapat
digolongkan menjadi 2 yaitu
1. Analisis Variansi Univariate Satu Jalan dengan Sel Sama
2. Analisis Variansi Univariate Satu Jalan dengan Sel Berbeda
ANALISIS VARIANSI UNIVARIATE SATU JALAN DENGAN SEL SAMAϖ
- Syarat
Uji ini digunakan jika data amatan hasil eksperimen memenuhi persyaratan
sebagai berikut
i. Memenuhi 4 persyaratan Analisis Variansi
ii. Mempunyai satu variabel terikat
iii. Mempunyai satu variable bebas
iv. Ukuran masing-masing sample adalah sama
- Misalkan ukuran sample yang sama adalah n
- Tata letak data
Misalkan terdapat k-sampel dengan masing-masing sample berukuran n maka
banyaknya seluruh data amatan adalah nk
Notasi dan tata letak data pada k-sampel berukuran n dapat digambarkan pada
tabel berikut
Perlakuan
12…k
Jumlah
…
T=G
Rataan
- Keterangan
= data amatan ke-i pada perlakuan ke-j (sample ke-j)
= Jumlah data amatan sample ke-j
= Rataan sample ke-j
G = T = Jumlah seluruh data amatan
= rataan dari seluruh data amatan
- Model Data
Pada Analisis Variansi Univariate Satu Jalan dengan Sel Sama, setiap data/nilai
pada populasi dapat dimodelkan dalam bentuk
Misalkan rataan dari seluruh data pada k-populasi adalah , maka dapat dinyatakan
sebagai
dengan
dimana
= rataan pada populasi ke-j
= deviasi dari rataan populasinya
= efek perlakuan ke-j terhadap variable terikat
- Dengan demikian, model dari nilai pada populasi adalah
dengan
= data amatan ke-i pada perlakuan ke-j
= rerata dari seluruh data pada populasi
= efek perlakuan ke-j terhadap variable terikat
= deviasi dari rataan populasinya yang berdistribusi normal dengan rataan nol
Deviasi terhadap rataan populasi sering disebut dengan galat (error)
= 1, 2, … , n
j = 1, 2, … ,k
k = cacah populasi/cacah perlakuan/cacah klasifikasi
n = banyaknya data amatan
- Perhatikan dan selesaikanlah contoh-contoh berikut
Contoh 4
Tabel berikut adalah data populasi pada eksperimen dengan 3 perlakuan, yaitu
perlakuan P1, P2, dan P3
Misalkan variable terikatnya adalah prestasi belajar yang berupa nilai
Perlakuan P1 P2 P3
Nilai 3, 4, 4, 5 5, 5, 3, 3 2, 4, 4, 6
Setiap data pada populasi tersebut dapat dinyatakan dengan bentuk sebagai
berikut
Dari contoh diatas dapat dilihat bahwa
dan
Keadaan seperti ini dapat dikatakan bahwa …
Contoh 5
Tabel berikut adalah data populasi pada eksperimen dengan 3 perlakuan, yaitu
perlakuan K1, K2, dan K3
Misalkan variable terikatnya adalah prestasi belajar yang berupa nilai
Perlakuan K1 K2 K3
Nilai 2, 3, 3, 4 5, 5, 3, 3 3, 5, 5, 7
Contoh 6
Tabel berikut adalah data populasi pada eksperimen dengan 3 perlakuan, yaitu
perlakuan T1, T2, dan T3
Misalkan variable terikatnya adalah prestasi belajar yang berupa nilai
Perlakuan T1 T2 T3
Nilai 3, 4, 4, 6 3, 4, 4, 5 5, 6, 7, 8
Carilah nilai dan !
Nyatakan setiap nilai dengan model !
Solusi :
Dari Contoh 4 sampai Contoh 6 dapat disimpulkan bahwa
1. Jika dan maka dapat dikatakan ….
2. Jika ketiga tidak bernilai sama dan nilai ketiga juga berbeda maka dapat
diartikan ….
- Perumusan Hipotesa
Misalkan terdapat k-perlakuan. Pasangan hipotesa yang diuji pada analisis
variansi satu jalan ini adalah
H0 :
H1 : paling sedikit ada dua rataan yang tidak sama
Perhatikan bahwa sebab notasi itu menunjukkan bahwa dan dan dan seterusnya
padahal tidak selalu demikian
Berdasarkan model data pada Analisis Variansi Univariate Satu Jalan, maka
pasangan hipotesisnya dapat dirumuskan sebagai berikut
H0 :
(dapat juga ditulis untuk setiap j)
H1 : paling sedikit ada satu yang tidak nol
Atau dapat ditulis dengan
H0 : tidak ada pengaruh variable bebas terhadap variable terikat
H1 : ada pengaruh variable bebas terhadap variable terikat
Atau dapat ditulis dengan
H0 : variabel bebas tidak berpengaruh terhadap variable terikat
H1 : variabel bebas berpengaruh terhadap variable terikat
Jika kata “pengaruh” digunakan, maka harus dimengerti bahwa ada atau tidaknya
pengaruh ditandai oleh ada atau tidaknya perbedaan rataan pada k-populasi
Hal ini dilambangkan dengan nilai
Pembilang dari ruas kanan pada formula variansi diatas disebut dengan Jumlah
Kuadrat Total (Total sum of Squares) yang disingkat dengan JKT atau SST
sehingga diperoleh
JKT = SST =
Dan penyebutnya merupakan Derajat Kebebasan untuk JKT
Dengan menggunakan sifat sigma diperoleh
JKT = =
Untuk selanjutnya, suku pertama ruas kanan disebut Jumlah Kuadrat Rataan
Perlakuan (Treatment Sum of Squares atau Sum of Squares for Column Means),
disajikan dengan JKA atau SSC dan suku keduanya disebut Jumlah Kuadrat Galat
(Error Sum of Squares) yang dinotasikan dengan JKG atau SSE
Sehingga diperoleh
JKA = SSC = dan JKG = SSE =
adalah nilai dari variabel random Fisher yang mempunyai distribusi F dengan
derajat kebebasan (k-1) dan (nk-k)
- Daerah Kritik
Karena adalah over estimates jika salah, maka daerah kritik untuk uji ini adalah
- Formula Praktis
Pada praktiknya, nilai rataan sample tidak merupakan bilangan bulat sehingga
formula JKA, JKG, dan JKT seperti yang ditulis dimuka tidak mudah digunakan.
Namun demikian, sifat-sifat berikut ini dipenuhi, sehingga untuk menghitung
JKT, JKA, dan JKG lebih baik digunakan formula
Solusi :
Langkah pertama akan dicari nilai total dan rataan dari masing-masing sel dan
diperoleh
Uji Hipotesa :
1. Perumusan Hipotesa
H0 :
H1 : paling sedikit ada dua rataan yang tidak sama
2. Taraf Signifikansi = 5%
3. Statistik Uji yang digunakan
4. Komputasi
JKT = = 834 – 696,960 = 137,040
JKA = = 79,440
JKG = 57,6
RKA = = 19,860
RKG = = 2,88
5. Daerah Kritik
= 2,87
DK = {F|F>2,87}
DK
6. Keputusan Uji : H0 ditolak
7. Kesimpulan : Kelima obat sakit kepala tersebut tidak memberikan efek yang
sama dalam menghilangkan rasa saki
TUGAS I
1. Data berikut adalah data populasi untuk memodelkan uji statistik dengan
menggunakan analisis variansi dengan model
ABCD
6,7,8 8,8,8 8,9,11 2,3,4
a) Carilah semua nilai dari yang dapat ditarik dari data tersebut
b) Nyatakan setiap dalam dan !
c) Apakah untuk setiap i berlaku = 0?
d) Apakah variabel bebas berpengaruh terhadap variabel terikat?
4. Seperti soal no 3, untuk data berikut dan untuk taraf signifikansi 5% dan 10%
Kelas IA : 7, 6, 4, 3, 2, 5, 6, 7, 4, 7
Kelas IB : 8, 9, 5, 4, 6, 7, 2, 4, 7, 9
Kelas IC : 6, 4, 7, 8, 5, 8, 2, 4, 5, 6
5. Seperti soal no 3, tetapi untuk 4 metode untuk data berikut dan untuk taraf
signifikansi 5%
Kelas IA : 7, 3, 6, 7, 8, 3, 2, 6, 8, 4
Kelas IB : 4, 7, 5, 8, 9, 4, 8, 7, 5, 2
Kelas IC : 5, 8, 7, 8, 2, 3, 5, 6, 4, 6
Kelas ID : 5, 8, 9, 2, 3, 6, 4, 8, 7, 8
ANALISIS VARIANSI UNIVARIATE SATU JALAN DENGAN SEL YANG
BERBEDAϖ
• Jika Analisis Variansi Univariate Satu Jalan dengan sel yang sama, ukuran
masing-masing sample sama, yaitu n, maka pada analisis variansi dengan sel tak
sama, ukuran masing-masing sel tidak harus sama. Jadi, pada sample ke-1, ukuran
sampelnya ialah n1; pada sample ke-2, ukuran sampelnya alah n2,…., pada
sample ke-k, ukuran sampelnya ialah nk
• Tujuan
Seperti pada avana satu jalan dengan sel sama, tujuan dipakainya anava satu jalan
dengan sel tak sama adalah untuk melihat efek variable bebas terhadap variable
terikat dengan membandingkan rataan beberapa populasi
• Syarat
Uji ini digunakan jika data amatan hasil eksperimen memenuhi persyaratan
sebagai berikut
i. Memenuhi 4 persyaratan Analisis Variansi
ii. Mempunyai satu variabel terikat
iii. Mempunyai satu variable bebas
iv. Ukuran masing-masing sample adalah berbeda
• Tata letak data
Misalnya terdapat k populasi yang akan dibandingkan rataanya, yang dengan kata
lain, misalnya terdapat k kategori perlakuan. Perlakuan-perlakuan itu disajikan
dengan A1, A2, … , Ak. Notasi data dari ANAVA jenis ini dapat digambarkan
dalam table berikut
Tabel Tata Letak Pada Anava Satu Jalan Sel Tak Sama
A1 A2 … Ak
Data Amatan X11
X21
…
Xn11 X12
X22
…
Xn22 …
…
…
… X1k
X2k
...
Xnkk
• Model
Model untuk data populasi pada analisis variansi satu jalan dengan sel tak sama
ialah:
Xij = µ + αj + εij
dengan:
Xij = data ke-i pada perlakuan ke-j;
µ = rerata dari seluruh data (rerata besar, grand mean);
αj = µj - µ = efek perlakuan ke-j pada variable terikat;
εij = deviasi data Xij terhadap rataan populasinya yang berdistribusi normal
dengan rataan 0.
i = 1, 2, 3, … , nj; ; j = 1, 2, 3, …, k
k = cacah populasi (cacah perlakuan, cacah klasifikasi)
• Notasi dan Tata Letak
Karena setiap perlakuan tersebut terdiri dari data amatan yang banyaknya berbeda
maka harus dicari jumlah, rataan, jumlah kuadrat, suku korelasi, dan variasi untuk
masing-masing kategori perlakuan maupun keseluruhan (total) sehingga data
amatan dan perhitungan yang dicari diatas dapat disajikan pada tabel berikut
Tabel Notasi dan Tata Letak Pada Anava Satu Jalan Sel Tak Sama
A1 A2 … Ak Total
Cacah data n1 n2 … nk N
Jumlah data T1 T2 … Tk G
Rataan
…
Jumlah Kuadrat
Suku Korelasi
• Hipotesis
Pasangan hipotesis yang diuji adalah:
H0 : µ1 = µ2 =…= µk
H1 : paling sedikit ada dua rataan yang tidak sama
Atau
H0 : α1 = α2 = αk = 0
(dapat juga ditulis αj = 0 untuk setiap j)
H1 : Paling sedikit ada satu αj yang tidak nol
Atau
H0 : Tidak ada pengaruh variable bebas terhadap variable terikat
H1 : Ada pengaruh variable bebas terhadap variable terikat
• Komputasi
Untuk memudahkan perhitungan, didefinisikan besaran-besaran (1), (2), dan (3),
sebagai berikut
(1) (2) (3)
Akan ditentukan
JKA = - = (3) – (1)
JKT = - = (2) – (1)
JKG = JKT - JKA = - - + = - = (2) – (3)
Derajat Kebebasan untuk masing-masing jumlah kuadrat itu adalah
dkA = k – 1
dkG = N – k
dkT = N – 1
Rataan Kuadratnya adalah
RKA = RKG =
• Statistik Uji
Yang merupakan nilai dari variable random yang brdistribusi F dengan derajat
kebebasan k – 1 dan N – k
• Daerah Kritik
Seperti halnya pada analisis variansi satu jalan dengan sel sama, maka daerah
kritik uji ini adalah:
DK = {F | F > Fα: k – 1, N – k}
• Rangkuman Analisis
Sebaiknya, hasil-hasil komputasi disajikan dalam table rangkuman analisis
variansi dengan format berikut.
• Contoh 8
Untuk melihat apakah ada perbedaan efek tiga metode pembelajaran, yaitu
metode A, B, C, terhadap prestasi belajar, kepada kelas 1A diberi pelajaran
dengan metode A, kepada kelas 1B diberi pelajaran dengan metode B, dan kepada
kelas 1C diberi pelajaran dengan metode C. Pada akhir semester, kepada mereka
diberi tes yang sama. Untuk kepentingan analisis, secara random pada kelas 1A
diambil 4 siswa, dari kelas 1B diambil 6 siswa, dan dari kelas 1C diambil 5 siswa.
Nilai-nilai mereka adalah sebagai berikut
Metode A: 4 7 6 6
Metode B: 5 1 3 5 3 4
Metode C: 8 6 8 9 5
Jika dimbil tingkat signifikan 5% bagaimana kesimpulan penelitian tersebut?
Diasumsikan semua persyaratan uji analisis variansi dipenuhi.
Solusi
1. Perumusan Hipotesa
H0 : µ1 = µ2 = µ3
H1 : paling sedikit ada dua rataan ang tidak sama
2. Taraf Signifikansi α = 5%
3. Statistic diuji yang digunakan:
4. Komputasi
Tabel Analisis Variansi
Metode Total
ABC
Data Amatan 4
7
6
65
1
3
5
3
46
8
9
5
nj 4 6 5 N = 15
Tj 23 21 36 G = 80
dengan:
Fi-j = nilai Fobs pada pembanding perlakuan ke-i dan perlakuan ke-j;
Xi = rataan pada sample ke-i;
Xj = rataan pada sample ke-j;
RKG = rataan kuadrat galat, yang diperoleh dari perhitungan analisis variansi;
ni = ukuran sample ke-i;
nj = ukuran sample ke-j;
4. Tentukan daerah kritik dengan formula berikut:
DK = {F | F > (k-1) Fα;k-1,N-k }
5. Tentukan keputusan uji untuk masing-masing komparasi ganda.
6. Tentukan kesimpulan dari keputusan uji yang ada.
Contoh 9
Di suatu sekolah pada saat yang hampir bersamaan kedatangan tiga orang
salesman dari tiga penerbit bahan belajar mandiri, yaitu Penerbit A, Penerbit B,
Penerbit C. Menurut masing-masing penerbit bahan belajar terbitannya paling
baik di antara bahan belajar yang ada. Tentu saja, sekolah tidak akan membeli
ketiga-tiganya sekaligus, namun hanya akan membeli bahan belajar yang paling
baik diantara ketiganya. Untuk memilih bahan belajar yang paling baik, kepala
sekolah mengujicobakan bahan belajar tersebut kepada tiga kelompok, yaitu
kelompok I, II, III. Siswa-siswa kelompok I (7 orang) diminta mempelajari bahan
belajar penebit A, siswa-siswa kelompok II (9 orang) diminta untuk mempelajari
bahan belajar penerbit B, dan siswa-siswa kelompok III diminta untuk
mempelajari bahan belajar penerbit C. Setelah selesai mempelajari bahan tersebut,
kepada mereka diberikan tes yang sama. Skor mereka adalah sebai berikut:
Kelompok I : 87 80 74 82 74 81 97
Kelompok II : 58 63 64 75 70 73 80 62 71
Kelompok III : 81 62 70 64 70 72 92 63
Jika diambil α = 5%, bagaimana kesimpulan penelitian tersebut? Diasumsikan
semua persyaratan analisis variansi dipenuhi.
Solusi:
Pertama-tama, lakukanlah ANAVA terlebih dahulu sebagai berikut :
1. Perumusan Hipotesa
H0 : µ1 = µ2 = µ3
H1 : paling sedikit ada dua rataan yang tidak sama
2. Taraf Signifikan α = 5%
3. Statistik Uji
4. Komputasi
Tabel Analisis Variansi
Bahan Ajar Total
ABC
Data Amatan 87 80
74 82
74 81
97 58 63
64 75
70 73
80 62
71 81 62
70 64
70 72
92 63
nj 7 9 8 N = 24
Tj 575 616 574 G = 1765
vs
=
vs
=
2. Taraf signifikansi : α = 5%
3. Komputasi
Dari dua analisis tersebut (ANAVA dan komparasi ganda), dapat disimpulkan
bahwa ketiga bahan belajar tersebut mempunyai kualitas yang berbeda. Dari
ketiganya, yang paling baik adalah bahan belajar dari penerbit A, disusul dari
penerbit B, dan dari penerbit C
Tugas Kelompok 1
1. Untuk melihat apakah ada perubahan antara 3 metode pembelajaran A, B, dan
C, ketiga metode pembelajaran tadi diberikan kepada tiga kelas yang kondisi
awalnya sama. Metode pembelajaran A diberikan kepada Kelas IA, Metode
pembelajaran B diberikan kepada Kelas IB, dan Metode pembelajaran C diberikan
kepada Kelas IC. Untuk kepentingan analisi data, diambil secara random sejumlah
siswa dan datanya adalah sebagai berikut
Kelas IA : 2, 4, 3
Kelas IB : 8, 7, 6, 9
Kelas IC : 3, 4, 5, 6, 7
Diasumsikan semua persyaratan analisis variansi dipenuhi dan uji analisis variansi
dilakukan pada tingkat signifikansi 5%
a) Apakah ada perbedaan kinerja dari ketiga metode tersebut?
b) Apakah diperlukan uji lanjut untuk menentukan metode mana yang paling baik
kinerjanya? Kalau ya, lakukanlah uji lanjut itu, dan kalau tidak, jelaskan
mengapa?
c) Bagaimana kesimpulan penelitiannya?
• Variabel bebas
Permasalahan pertama dan kedua disebut efek utama (main effects) sedangkan
permasalahan ketiga dan keempat disebut interaksi (interaction) atau kombinasi
efek antara faktor bahan belajar dan faktor gender. Untuk menyelesaikan keempat
permasalahan tersebut secara serentak digunakanlah analisis variansi dua jalan.
Perhatikanlah bahwa makna interaksi dalam kasus analisis variansi mungkin
berbeda dengan makna interaksi dalam percakapan sehari-hari. Untuk jelasnya
perhatikan uraian berikut.
Jika misalnya untuk setiap bahan belajar A, B, maupun C, rataan prestasi siswa
putra secara signifikan selalu terjadi interaksi; dan secara keseluruhan (tidak
dengan memperhatikan jenis bahan belajar) pastilah juga prestasi siswa putra
lebih baik daripada prestasi siswa wanita.
Jika misalnya untuk bahan belajar A, prestasi siswa putra secara signifikan lebih
baik daripada prestasi siswa wanita, tetapi untuk bahan beljar B dan C, prestasi
siswa wanita yang secara signifikan justru lebih baik daripada prestasi siswa pria,
maka terjadi interaksi. Dalam keadaan seperti ini baik atau tidaknya bahan belajar
tergantung kepada jenis kelamin siswa.
Pada bagian ini akan dibicarakan Analisis Variansi Univariate Dua Jalan
Analisis Variansi Univariate Dua Jalan dibagi menjadi dua kelompok yaitu
1. Analisis Variansi Univariate Dua Jalan dengan sel sama
2. Analisis Variansi Univariate Dua Jalan dengan sel yang berbeda
Pengujian Data
Perhatikan bahwa kalau variabel ”baris” mempunyai p kategori, variabel ”kolom”
mempunyai q kategori, maka ada sebanyak pq sel. Ini berarti, ditinjau menurut
barisnya, ada p populasi; ditinjau dari kolomnya ada q populasi, dan ditinjau dari
selnya, ada pq populasi.
Secara teoritis, p populasi (pada baris) masing-masing harus berdistribusi normal
dan kesemuanya mempunyai variansi yang sama; dan q populasi (pada kolom)
masing-masing harus berdistribusi normal dan mempunyai variansi yang sama.
Hal yang sama berlaku untuk populasi-populasi yang berkaitan dengan sel-sel
pada baris/kolom yang sama.
Untuk lebih jelasnya perhatikan kasus di mana ada dua variabel bebas, yaitu jenis
kelamin dan bahan belajar.
Tabel Populasi
Bahan Belajar A Bahan Belajar B Bahan Belajar C
Pria Pria-A Pria-B Pria-C
Wanita Wanita-A Wanita-B Wanita-C
• Uji normalitas dilakukan 11 kali, yaitu menguji normalitas (prestasi belajar)
untuk populasi pria, wanita, bahan belajar A, bahan belajar B, bahan belajar C,
pria yang menggunakan bahan belajar A, pria yang menggunakan bahan belajar
B, pria yang menggunakan bahan belajar C, wanita yang menggunakan bahan
belajar A, wanita yang menggunakan bahan belajar B, dan wanita yang
menggunakan bahan belajar C.
• Untuk uji homogenitas variansi, dilakukan 7 kali, yaitu menguji kesamaan
variansi (prestasi belajar):
...
...
...
...
...
...
...
...
...
Selanjutnya,
= jumlah data pada baris ke-i
= jumlah data pada kolom ke-j
= jumlah data pada baris ke-i dan kolom ke-j
G = jumlah seluruh data amatan
Jumlah-jumlah dari elemen setiap sel dapat dimasukkan dalam tabel berikut
Tabel Jumlah AB
Faktor A Faktor B
...
Total
...
...
...
Total
...
G
Model
Model untuk data populasi pada analisis variansi dua jalan dengan sel sama ialah :
dengan :
= data (nilai) ke-k pada baris ke-i dan kolom ke-j
= rerata dari seluruh data (rerata besar, grand mean);
= = efek baris ke-i pada variabel terikat;
= = efek kolom ke-j pada variabel terikat;
=
= kombinasi efek baris ke-i dan kolom ke-j pada variabel terikat
= deviasi data terhadap rataan populasinya yang berdistribusi normal dengan
rataan 0;
i = 1, 2, 3, ..., p ; p = banyaknya baris;
j = 1, 2, 3, ..., q ; q = banyaknya kolom;
k = 1, 2, 3, ..., n ; n = banyaknya data amatan pada setiap sel
Contoh 10
Diketahui data populasi seperti pada tabel berikut :
Tabel Data Populasi Menurut Faktor A dan Faktor B
AB
B1 B2 B3
A1 8, 9, 10 11, 12, 13 17, 18, 19
A2 7, 9, 11 8, 10, 12 13, 14, 15
Carilah semua
Solusi :
Tabel Kerja untuk Mencari
AB
B1 B2 B3
A1 8, 9, 10 11, 12, 13 17, 18, 19 = 13
=9
= 12
= 18
=9
= 10
= 14
=9
= 11
= 16
= 12
Contoh 11
Diketahui data populasi seperti pada tabel berikut :
AB
B1 B2 B3
A1 8, 9, 10 4, 5, 6 1, 1, 1
A2 10, 11, 12 6, 7, 8 2, 3, 4
Carilah semua
Solusi :
Tabel Kerja untuk Mencari
AB
B1 B2 B3
A1 8, 9, 10 4, 5, 6 1, 1, 1 = 5
=9
=5
=1
A2 10, 11, 12 6, 7, 8 2, 3, 4 = 7
= 11
=7
=3
= 10
=6
=2
=6
Perhatikanlah bahwa tidak semua bernilai nol, yang berarti bahwa A1 dan A2
memberikan efek yang berbeda terhadap variabel terikat. Tampak juga bahwa
tidak semua bernilai nol, yang juga berarti bahwa B1, B2, dan B3 memberikan
efek yang berbeda juga. Untuk , tampak bahwa semua bernilai nol, yang berarti
tidak terdapat interaksi antar variabel A dan variabel B terhadap variabel terikat.
Tidak terdapatnya interaksi ini dapat dilihat dari kenyataan bahwa pengaruh
variabel A terhadap variabel terikat tidak tergantung kepada kategori variabel B.
Artinya, pada B1 berlaku , pada B2 juga berlaku , dan pada B3 juga berlaku . Pada
sisi lain, pengaruh variabel B terhadap variabel terikat juga tidak tergantung
kepada kategori variabel A.
Tugas Individu 2
1. Data berikut adalah data populasi untuk memodelkan uji statistik dengan
menggunakan Analisis Variansi dengan model
AB
B1 B2 B3 B4
A1 6, 7, 8 8, 8, 8 8, 10, 12 2, 3, 3
A2 8, 9, 10 6, 8, 10 5, 6, 7 12, 13, 14
a. Carilah semua nilai dari yang dapat ditarik dari data tersebut
b. Nyatakan setiap dalam
c. Apakah untuk setiap i berlaku = 0?
d. Apakah untuk setiap j berlaku = 0?
e. Apakah untuk setiap i dan j berlaku = 0?
f. Apakah terdapat perbedaan efek antar baris?
g. Apakah terdapat perbedaan efek antar kolom?
h. Apakah terdapat interaksi antara A dan B?
Perhitungan dan pengujian hipotesa pada Analisis Variansi Univariate Dua Jalan
dengan Sel Sama sebagai berikut
Perumusan Hipotesis
Seperti yang dibicarakan di muka, ada tiga pasang hipotesis yang dapat diujii
dengan analisis variansi dua jalan ini. Tiga pasang tersebut ialah :
: untuk setiap i = 1, 2, 3, ..., p
: paling sedikit ada satu yang tidak nol
: untuk setiap j = 1, 2, 3, ..., p
: paling sedikit ada satu yang tidak nol
: untuk setiap i = 1, 2, 3, ..., p dan j = 1, 2, 3, ..., p
: paling sedikit ada satu yang tidak nol
Ketiga pasang hipotesis ini ekuivalen dengan tiga pasang hipotesis berikut ini :
: Tidak ada perbedaan efek antar baris terhadap variabel terikat;
: Ada perbedaan efek antar baris terhadap variabel terikat
: Tidak ada perbedaan efek antar kolom terhadap variabel terikat;
: Ada beberapa efek antar kolom terhadap variabel terikat
: Tidak ada interaksi baris dan kolom terhadap variabel terikat;
: Ada interaksi baris dan kolom terhadap variabel terikat.
Perhatikanlah bahwa kalimat ”ada perbedaan efek antar baris terhadap variabel
terikat” sering dinyatakan dengan kalimat lain, yaitu bahwa ”variabel A
berpengaruh terhadap variabel terikat”, jika kategori-kategori variabel A
dinyatakan dalam baris-baris.
Komputasi
Seperti pada analisis variansi satu jalan, untuk memudahkan perhitungan,
didefinisikan besaran-besaran (1), (2), (3), (4), dan (5) sebagai berikut :
Terdapat lima jumlah kuadrat pada analisis variansi dua jalan, yaitu jumlah
kuadrat baris (JKA), jumlah kuadrat kolom (JKB), jumlah kuadrat interaksi
(JKAB), jumlah kuadrat galat (JKG), dan jumlah kuadrat total (JKT). Berdasarkan
sifat-sifat matematis tertentu dapat diturunkan formula-formula untuk JKA, JKB,
JKAB, JKG, JKT dan sebagainya.
JKA = (3) – (1) = -
JKB = (4) – (1) = -
JKAB = (1) + (5) – (3) – (4) = + - -
JKG = (2) – (5) = -
JKT = (2) – (1) = - (atau JKT = JKA + JKB + JKAB + JKG)
Derajat kebebasan untuk masing-masing jumlah kuadrat tersebut adalah :
dkA = p – 1
dkB = q – 1
dkAB = (p – 1)(q – 1)
dkG = pq(n – 1) = N – pq
dkT = N – 1
Berdasarkan jumlah kuadrat dan derajat kebebasan masing-masing, diperoleh
rataan kuadrat berikut :
Statistik Uji
Statistik uji analisis variansi dua jalan dengan sel sama ini ialah :
1. Untuk adalah yang meruupakan nilai dari variabel random yang berdistribusi F
dengan derajat kebebasan p-1 dan N-pq;
2. untuk adalah yang merupakan nilai dari variabel random yang berdistribusi F
dengan derajat kebebasan p-1 dan N-pq;
3. untuk adalah yang merupakan nilai dari variabel random yang berdistribusi F
dengan derajat kebebasan (p-1)(q-1) dan N-pq.
Daerah Kritik
Untuk masing-masing nilai F diatas, daerah kritiknya adalah sebagai berikut :
1. Daerah kritik untuk adalah
2. Daerah kritik untuk adalah
3. Daerah kritik untuk adalah
Rangkuman Analisis
Sebaiknya, hasil-hasil komputasi disajikan dalam tabel rangkuman analisis
variansi dengan format berikut :
Rangkuman Analisis Variansi Dua Jalan
Sumber JK dk RK
p
Baris (A) JKA p-1 RKA
F*
4. Keputusan Uji
H0A ditolak ; H0B ditolak ; H0AB diterima
5. Kesimpulan
a. Siswa-siswa pria dan siswa-siswa wanita mempunyai prestasi belajar yang
berbeda
b. Ketiga strategi mengajar tidak memberikan efek yang sama terhadap prestasi
belajar
c. Tidak ada interaksi antara jenis kelamin dan strategi mengajar terhadap prestasi
belajar
Sebelum membahas uji pasca ANAVA untuk Contoh 12 diatas, pahamilah lebih
dahulu teroi uji pasca ANAVA untuk Analisis Variansi Univariate 2 Jalur sebagai
berikut:
dengan
= nilai pada pembandingan baris ke-i dan baris ke-j
= rataan pada baris ke-i
= rataan pada baris ke-j
RKG = rataan kuadrat galat yang diperoleh dari perhitungan analisis variansi
= ukuran sampel baris ke-i
= ukuran sampel baris ke-j
Daerah kritik untuk uji itu ialah:
Makna dari lambang-lambang pada komparasi ganda rataan antar kolom ini mirip
dengan makna lambang-lambang komparasi ganda rataan antar baris; hanya
dengan mengganti baris menjadi kolom.
dengan :
= nilai pada pembandingan rataan pada sel ke - ij dan rataan pada sel ke - kj
= rataan pada sel ke - ij
= rataan pada sel ke - kj
RKG = rataan kuadrat galat, yang diperoleh dari perhitungan analisis variansi
= ukuran sel ke - ij
= ukuran sel ke - kj
Untuk mendiskusikan hal itu lebih mendalam lagi, perhatikan lebih dahulu tabel
rataan, yang diperoleh dari perhitungan pada Contoh 12 diatas
Rataan masing-masing Sel dari Data pada Conoth 12
Jenis Kelamin Strategi Mengajar Rataan Marginal
ABC
Pria 5.3 2.3 5.0 4.2
Wanita 8.3 6.7 8.3 7.8
Rataan Marginal 6.8 4.5 6.7
Perhatikanlah bahwa H0A ditolak. Ini berarti bahwa siswa pria dan wanita
berbeda prestasi belajarnya. Dalam kasus ini, karena variable jenis kelamin hanya
mempunyai 2 nilai (yaitu pria dan wanita), maka untuk antar baris untuk antar
baris tidak diperlukan komparasi Pasca ANAVA. Kalaupun dilakukan komparasi
ganda antara rataan siswa-siswa pria dan rataan siswa-siswa wanita dapat
dipastikan bahwa hipotesis nolnya juga akan ditolak. Komparasi itu menjadi tidak
berguna, karena ANAVA telah menunjukkan bahwa H0A ditolak. Dari rataan
marginalnya, yang menunjukkan bahwa rataan siswa-siswa wanita lebih tinggi
daripada rataan siswa-siswa pria dapat disimpulkan bahwa siswa-siswa wanita
lebih baik prestasi belajarnya dibandingkan dengan siswa-siswa pria.
Perhatikanlah bahwa penyimpulan (dengan melihat rataannya) itu dilakukan
setelah secara statistik disimpulkan bahwa siswa pria dan wanita berbeda prestasi
belajarnya.
Bagaimanakah dengan komparasi ganda Pasca ANAVA antar kolom?
Karena H0A ditolak, maka ini berarti tidak semua strategi pembelajaran
memberikan efek yang sama terhadap prestasi belajar. Dengan kata lin, pasti
terdapat paling sedikit dua rataan yang tidak sama. Karena variabel strategi
pembelajaran mempunyai tiga nilai (A, B, dan C) maka komparasi ganda perlu
dilakukan untuk melihat manakah yang secara signifikan mempunyai rataan yang
berbeda.
Setelah dicari dengan rumus Scheffe’ untuk komparasi antar kolom diperoleh
= 11.00; = 0.02; = 10.06
DK = {F|F>7.60}
Sehingga dapat disimpulkan sebagai berikut :
Rataan yang diperoleh dari strategi pembelajaran A berbeda secara signifikan
dengan rataan diperoleh dari strategi pembelajaran B. Karena rataan untuk strategi
pembelajaran A lebih tinggi dibandingkan dengan strategi pembelajaran B, maka
diperoleh kesimpulan bahwa strategi pembelajaran A lebih efektif dibandingkan
dengan strategi pembelajaran B.
Dengan pemikiran yang sama dapat disimpulkan bahwa strategi pembelajaran A
sama efektifnya dengan strategi pembelajaran C dan strategi pembelajaran C lebih
efektif dibandingkan dengan strategi pembelajaran B.
Perlukah dilakukan uji komparasi ganda antar sel (pada baris yang sama atau
kolom yang sama)?
Perhatikanlah bahwa H0AB diterima, berarti tidak terdapat interaksi antara
variabel jenis kelamin dan strategi pembelajaran terhadap prestasi belajar. Dari
kenyataan bahwa tidak terdapat interaksi itu, dapat disimpulkan bahwa
karakteristik perbedaan antara siswa pria dan siswa wanita untuk setiap strategi
pembelajaran sama. Karakteristik tersebut tentu saja sama dengan karakteristik
marginal perbedaan jenis kelamin. Perhatikanlah bahwa secara marginal (secara
umum, dilihat dari rataan marginal), siswa wanita lebih baik dibandingkan dengan
siswa pria. Karena tidak ada interaksi, maka hal tersebut berlaku juga pada
kelompok siswa yang diberi pelajaran dengan strategi A; dalam arti pada strategi
pembelajaran A, siswa wanita juga lebih pandai daripada siswa pria. Demikian
pula halnya kalau hanya diperhatikan strategi pembelajaran B atau strategi
pembelajaran C saja.
Bagaimana kalau ditinjau perbandingan anatar sel pada baris yang sama?
Karena interaksi tidak tidak ada, maka karakteristik perbedaan strategi
pembelajaran akan sama pada setiap jenis kelamin dan akan sama pula dengan
karakteristik marginalnya. Artinya, kalau secara marginal (secara umum) strategi
pembelajaran A dan strategi pembelajaran C sama efektifnya, maka kalau ditinjau
pada siswa pria saja, juga akan berlaku kesimpulan strategi A sama efektifnya
dengan strategi pembelajaran C. Demikian pula, kalau ditinjau pada siswa wanita
saja, maka strategi pembelajaran A juga akan sama efektifnya dengan strategi
pembelajaran C.
Jadi, kalau interaksi antara variabel bebas tidak ada, maka tidak perlu dilakukan
uji lanjut antar sel pada kolom/baris yang sama. Kesimpulan pembandingan rataan
antar sel mengacu kepada kesimpulan pembandingan rataan marginalnya.
Kesimpulan penelitian
Berdasarkan analisis variansi dan uji lanjut setelah analisis variansi, kesimpulan
penelitian untuk Contoh 12 diatas adalah
1. Siswa wanita lebih baik prestasinya dibandingkan dengan siswa pria, baik
secara umum maupun jika ditinjau pada masing-masing strategi pembelajaran
2. Strategi pembelajaran A lebih efektif dibandingkan dengan strategi
pembelajaran B, strategi pembelajaran C lebih efektif dibandingkan dengan
strategi pembelajaran B, dan strategi pembelajaran A sama efektifnya dengan
strategi pembelajaran C; baik secara umum maupun kalau ditinjau dari masing-
masing jenis kelamin
Rangkuman Analisis Variansi Dua Jalan Data pada Tabel Nilai Siswa Pada Pokok
Bahasan Persamaan Kuadrat diatas adalah sebagai berikut
Rangkuman Analisis Variansi Dua Jalan
Sumber JK dk RK Fobs F
p
Jenis Kelamin (A)
Metode Mengajar (B)
Interaksi (AB)
Galat 0.90
2.50
4.90
140.80 1
1
1
36 0.90
2.50
4.90
3.91 0.23
0.64
1.25
- 4.12*
4.12*
4.12*
- > 0.05
> 0.05
> 0.05
-
Total 149.10 39 - - - -
Tidak adanya interaksi antara jenis kelamin dan metode pembelajaran pada
Contoh 13 memberi arti bahwa, misalnya, kalau pada kelompok siswa pria saja,
ceramah juga akan sama efeknya dengan kerja kelompok. Demikian juga untuk
kelompok wanita, ceramah juga sama efeknya dengan kerja kelompok.
Dari sisi kolom, tidak adanya interaksi memberi arti bahwa pada ceramah, antara
siswa pria dan siswa wanita tidak ada perbedaan prestasi, dan hal yang sama
berlaku kalau dilihat pada metode kerja kelompok.
Dapat dilihat pada gambar diatas, profil untuk metode ceramah berpotongan
dengan profil untuk metode kerja kelompok. Namun, adanya perpotongan ini
tidak berarti adanya interaksi antara variable jenis kelamin dan metode mengajar.
Antara rataan sel ”Pria-Kerja Kelompok” dan rataan sel ”Wanita- Kelompok”,
yang kalau dilihat sepentas berbeda, sebenarnya tidak menunjukkan perbedaan
berarti (perbedaan yang signifikan). Hal ini juga dapat ditunjukkan dengan uji
Sceffe’ berikut ini
Dengan
DK = {F|F>(3)F0.05;3;36} = {F|F>(3)(2.87)} = {F|F>8.61}
Sehingga Ho diterima, yang berarti atau dengan kata lain, pada metode kerja
kelompok, siswa-siswa pria tidak berbeda prestasinya dibandingkan dengan
siswa-siswa wanita.
Ilustrasi tersebut sekali lagi menunjukkan bahwa jika interaksi tidak ada, maka
tidak perlu uji komparasi ganda antar sel setelah ANAVA
Contoh 14
Seorang peneliti ingin melihat apakah metode pembelajaran 9yang dalam hal ini
adalah metode ceramah dan metode diskusi) berpengaruh terhadap prestasi
belajar. Kecuali juga ingin dilihat apakah siswa-siswa yang mempunyai kategori
IQ yang berbeda (tinggi, sedang, dan rendah) mempunyai prestasi belajar yang
berbeda pula. Setelah eksperimen selesai, dari populasinya secara random diambil
masing-masing sel 4 orang se
perti tampak pada tabel berikut
Tabel Prestasi Belajar Ditinjau dari IQ dan Metode Mengajar
IQ Metode Mengajar
Ceramah (C) Diskusi (D)
Tinggi (T) 7 8 9 8 8 8 8 8
Sedang (S) 5 6 7 6 9 7 8 8
Rendah (R) 3 4 5 4 4 2 3 3
Jika diambil tingkat signifikansi 5%, bagaimana kesimpulan penelitian tersebut?
Diasumsikan semua persyaratan analisis variansi dipenuhi
Solusi