Anda di halaman 1dari 11

Analisis Varians

Jenis Varians
Varians yang diperoleh dari sampling disebut varians sampel
2
s digunakan
untuk mengestimasi varians populasi
2
o . Juga dikenal varians sampling
2
x
o dan
varians proporsi
2
/ n x
o . Selanjutnya dibedakan dua jenis varians, yakni : varians
sistematik dan varians galat(= error, mistake, oversight). Varians sistematik terjadi
karena pengaruh sistem pengukuran yang cenderung ke satu arah. Sebagai contoh,
seorang guru yang mengajar pendekatan active learning cenderung menghasilkan skor
siswa yang lebih tinggi daripada skor siswa yang diajar oleh guru yang direktif.
Pengukuran reaksi auditif sejumlah respon cenderung terlambat beberapa mili-sekon
karena tingkat kepekaan instrumen yang tak mutakhir lagi. Sebaliknya varians galat
dapat terjadi karena kekelituan penerapan prosedur.

Analisis Varians Klasifikasi Satu-Arah
Misalkan terdapat beberapa sampel yang memiliki karakteristik umum yang
sama, hendak ditentukan apakah terdapat perbedaan antara rerata yang signifikan dari
sampel-sampel tersebut. Prinsip dasar pengujian ini adalah dengan mengkaji, apakah
rerata sampel akan berubah lebih lanjut dari rerata populasinya ditinjau dari variasi-
variasi data yang terkumpul.
Variasi dari beberapa rerata sampel terhadap rerata populasinya ditunjukkan
oleh kekeliruan baku
2
x
o dan dihitung dari nisbah n /
2
o dimana n = jumlah kombinasi
sampel. Jika harga dikalikan dengan n , maka akan diperoleh varians populasi
2
o .
Dengan lain perkataan, varians populasi dapat diestimasi dari varians antar rerata.

n
n
X
x
o
o =

=
2
) (
dari persamaan ini diperoleh
2 2
) ( o = X .




Membuat analisis variansnya dalam bantuk tabel anova
Sumber
varians
Jumlah
Kuadrat
Derajat
bebas
Rata-rata
kuadrat
Fo
Rata-rata
kolom
JKK k 1


Error JKE K (n 1)


Total JKT Nk 1

Berikut ini dikemukan sebuah contoh menghitung varians populasi dan kekeliruan baku
populasi dari varians antar rerata.
Contoh
Rerata IPK lulusan dari lima fakultas suatu perguruan tinggi yang diambil secara
sampling dari seluruh lulusan adalah sebagai berikut :
Fakultas A B C D E
Jumlah Sampel 30 30 30 30 30
IPK rata-rata lulusan 2,65 3,00 2,70 2,73 3,12

84 , 2
5
2 , 14
5
12 , 3 73 , 2 70 , 2 00 , 3 65 , 2
= =
+ + + +
= =

n
X

Jumlah kuadrat rerata dikoreksi (terhadap ) :
2 2 2 2 2 2
) 84 , 2 12 , 3 ( ) 84 , 2 73 , 2 ( ) 84 , 2 70 , 2 ( ) 84 , 2 00 , 3 ( ) 84 , 2 65 , 2 ( ) ( + + + + =

X


2 2 2 2 2
) 28 , 0 ( ) 11 , 0 ( ) 14 , 0 ( ) 16 , 0 ( ) 21 , 0 ( + + + + =

2 2
. 1798 , 0
x
no o = = =
Berdasarkan uraian di atas, 036 , 0
5
1798 , 0
2
2
= = =
n
x
o
o sehingga simpangan baku
populasi 190 , 0 036 , 0 = =
x
o .

a. Jumlah Kuadrat Antar Kelompok
Misalkan dua estimasi varians populasi satu diperoleh dari beberapa rerata dan
satu lagi diperoleh dari satu sampel tunggal. Misalkan terdapat k sampel masing-
masing berukuran n . Untuk setiap k rerata akan diperoleh simpangan terhadap
rerata total (grand mean) yang besarnya dinyatakan dengan persamaan :
) (
1
T
i
X X d = , diman2a i X = rerata dari masing-masing sampel k (untuk i =
1...k). Jika semua simpangan itu dikuadratkan dan dijumlahkan, maka akan
diperoleh varians terhadap rerata populasi yang diestimasi. Varians ini sebenarnya
adalah kuadrat dari kekeliruan simpangan terhadap rerata (
2
x
o ) yang dihitung dari
jumlah kuadrat simpangan dari n pengamatan tunggal, yakni sama dengan

=
2 2
) ( . T i
i
X X d n . Pernyataan ini merupakan sebuah estimasi dari jumlah
kuadrat simpangan dari sejumlah pengamatan terhadap rerata populasi. Karena
besaran ini dihasilkan dari beberapa rerata, maka ia disebut jumlah kuadrat antar
kelompok(
B
SS ).
Jika
B
SS diperoleh dari k sampel, maka rerata kuadrat antar kelompok (
B
MS )
didefinisikan sebagai :
1
) (
1
.
1
2 2

=

k
X
k
d n
k
SS
MS
i
B
B



b. Jumlah Kuadrat dalam kelompok
Jika diasumsikan varians dari beberapa sampel sama besarnya kecuali adanya
fluktuasi acak, maka jumlah kuadrat dari seluruh sampel itu dapat digabungkan
untuk mengestimasi varians populasi. Jika k sampel digabungkan, maka derajat
kebebasan sampel-sampel itu juga digabungkan sehingga diperoleh
k N n k df = = ) 1 .( , sehingga rerata jumlah kuadrat dalam kelompok(
W
MS )
dapat didefinisikan dengan persamaan :

k N
X
n k
X
n k
SS
MS
i i
W
W

=

2 2
) 1 ( ) 1 (





c. Kuadrat Rerata yang Diharapkan
Nilai rerata sampel
i
x yang diharapkan adalah rerata populasi , ditulis :

= =
i
i
k
x E .
1
) (
Demikian juga nilai varians sampel yang diharapkan adalah varians populasi
2
o ,
ditulis :

2 2 2
.
1
) ( o o = =
i
k
s E
Kuadrat rerata yang diharapkan diperlukan untuk menguraikan sumber variasi dari
parameter-parameter yang diestimasi.
d. Uji-signifikansi untuk Analisis Satu-Arah
Untuk analisis satu arah ditentukan berdasarkan nisbah F:
W
B
MS
MS
F =
Dengan derajat kebebasan untuk penyebut df = k-1, dan derajat kebebasan untuk
pembilang df = k.(n-1).
Hipotesis nol (
0
H ) diuji dengan menggunakan rumus
W
B
MS
MS
F = , yakni jika
terdapat k sampel independen yang diambil dari populasi normal yang sama sehingga
dipenuhi :
= ) ( i X E
Untuk semua k perlakuan, dan

2 2
) ( o =
i
s E
Jika rumus
2 2
) ( o =
i
s E benar, maka
W
MS merupakan estimasi yang tak bias untuk
varians
2
o dalam arti
2
) ( o =
W
MS E . Jika rumus = ) ( i X E dan
2 2
) ( o =
i
s E benar,
maka harus ditunjukkan juga bahwa,
B
MS merupakan estimasi yang tak bias dalam arti
2
) ( o =
W
MS E . Hal ini dibuktikan dengan F = 1,0. tetapi jika rumus = ) ( i X E tidak
benar, maka ) ( ) (
W B
MS E MS E > .
Dari tabel distribusi F dengan tingkat signifikansi yang dipilih dapat diperoleh
harga F yang diharapkan jika kesua rumus = ) ( i X E dan
2 2
) ( o =
i
s E benar.
Konsekuensinya, jika harga F hitung lebih besar daripada harga F yang diperoleh dari
tabel pada tingkat signifikansi tertentu, maka dapat disimpulkan bahwa, rerata-rerata
yang diperoleh dari semua perlakuan (treatment) diatas bukan estimasi dari parameter
populasi b yang sama, ) (
A
H .W
e. Interprestasi Nisbah-F
Signifikansi nisbah F ditentukan berdasarkan tabel distribusi F yang dikenal juga
dengan sebutan Snedecors table. Penggunaan tabel ini perlu memperhatikan harga
dari dua jenis derajat kebebasan df. Setelah terlebih dahulu menentukan tingkat
signifikansi o (biasanya terdapat dua pilihan, untuk 05 , 0 = o dan 01 , 0 = o , cari
harga F yang terdapat dalam sel pertemuan antara
1
df (pembilang) pada arah
horizontal dengan
2
df (penyebut) pada arah vertikal.
f. Komputasi Jumlah Kuadrat dari Data Mentah
T W B
SS SS SS , , dapat langsung dihitung dari data mentah dengan menggunakan
rumus-rumus berikut ni :


=
N
X
n
X
SS
i
B
2 2
) ( ) (
(9.09)



=
n
X
X SS
i
i w
2
2
) (
) ( (9.10)

N
X
X SS
i
i T


=
2
2
) (
) ( (9.11)
Untuk mengaplikasikan ketiga rumus di atas pada data pengukuran Tabel 9-01,
terlebih dahulu data tersebut perlu direduksi dengan mengurangi data tiap sel
dengan bilangan yang sama yakni 110. Dengan demikian yang dianalisis hanya hasil
selisih pengukuran seperti terter dalam Tabel 9-02 di bawah ini. Dari tabulasi
tersebut diperoleh :
8 , 82 500 8 , 582
20
100
4
2914
) ( ) (
2
2 2
= = = =


N
X
n
X
SS
i
B

2 , 69 8 , 582 652
5
2914
652
) (
) (
2
2
= = = =


n
X
X SS
i
i w

152 500 652
20
100
652
) (
) (
2
2
2
= = = =


N
X
X SS
i
i T

Harga-harga
T W B
SS SS SS , , di atas sama dengan perhitungan pada tabel 9-01,
namun metode terakhir ini lebih cepat dengan hasil yang cukup teliti.

ANALISIS VARIANS KLASIFIKASI DUA-ARAH
Dalam Anava satu-arah kumpulan data dideferensiasikan berdasarkan satu variasi
eksperimen, pada analisis klasifikasi dua-arah deferensiasi didasarkan pada dua
variasi atau klasifikasi yang berbeda.


a. Sumber variansis pada analisis Dua-Arah
Misalkan ANAVA dilakukan berdasarkan nisbah f dan dinyatakan signifikan
pada o tertentu. Namun hal itu belum menjelaskan sumber variansi, apakah
karena perbedaan antar sasaran, atau perbedaan antar mesin, atau kombinasi
antara sasaran dan mesin. Sebaliknya jika nisbah f membuktikan tidak terdapat
perbedaan yang signifikan, hali ini juga belum menjamin bahwa, antara sasaran
dan mesin tidak terjadi penyebab timbulnya variansi. Oleh sebab itu diperlukan
suatu metode untuk mengungkapkan apa yang disebut dampak yang
mengacukan. Metode tersebut harus dapat memisahkan variansis yang
berasosiasi dengan setiap variabel ekperimental. Dengan demikian dapat
diketahui sumber atribut perbedaan yang signifikan.
Prosedur yang dikembangkan harus dapat memisahkan berbagai sumber
variansis sehingga bisa dibeda-bedakan apakah perbedaan antar rerata itu
disebabkan oleh divergensi ukuran sasaran, karena perbedaan mesin, atau karena
keduanya atau bukan karena kedua-duanya. Jika kemungkinan terdapat dua
sumber variansis , maka kemungkinan terjadi apa yang disebut variansi
interaksi. Varians interaksi merupakan dampak bersama dari dua sumber atau
lebih. Oleh karena itu jumlah kuadrat varians interaksi dinyatakan dengan
rxk
SS .
Jika diketahui bahwa, dengan makin besarnya ukuran sasaran menyebabkan
makin besarnya skor, maka gejala itu disebut sebagai dampak utama. Hal yang
sama bisa secara sistematik disebabkan oleh mesin. Gejala dampak utama
merupakan gejala yang dapat diisolasi dan bersifat langsung.
b. Solusi berdasarkan Deviasi
Metode ini menggunakan rumus-rumus (9.12 s/d 9.14). dalam rumus-rumus
tersebut subskrip k untuk menyatakan kolom, r untuk lajur. Simbol
ij
X =hasil
setiap observasi yang ditempatkan dalam sel ij, rk X =rerata dari lima observasi
pada lajur r dan k dan n= jimlah observasi dalam setiap kelompok. Pada contoh
Tabel 9.04 n=5. jumlah jalur dinyatakan dengan r, jumlah kolom dinyatakan
dengan k dan jumlah seluruhbobservasi dinyatakan dengan N=n.r.k.
Jumlah kuadrat total diperoleh dengan persamaan :

=
2
) ( T
ij
X X SS
(9.12)
Jumlah kuadrat antar lajur dihitung dengan persamaan :

= ] ) ( [
2
T R
R
X X nk SS (9.13)
Jumlah kuadrat anta kolom dihitung dengan persamaan :
] ) ( [
2

= T
K K
X X nr SS (9.14)
Varians interaksi dapat diestimasi dengan beberapa cara. Cara yang lazim
digunakanditurunkan dari jumlah kuadrat antar semua kelompok dikurangi
jumlah kuadrat antar kolom (
K
SS )dan lajur (
R
SS ). Jumlah kuadrat rerata antar
kelompok dan rerata total dihitung dengan rumus :
] ) ( [
2

= T
RK RK
X X n SS (9.15)
Dan varians interaksi dihitung dengan rumus :
R K RK RxK
SS SS SS SS = (9.16)
Cara lain untuk menghitung varians interaksi dapat secara langsung dari
komponen-komponen jumlah kuadrat :
] ) ( [
2

+ = T R K
RK RxK
X X X X n SS (9.17)
Jumlah kuadrat dalam semua kelompok dihitung dengan rumus :

=
2
) ( RK
ij W
X X SS (9.18a)
Kalau hitungan ini benar, maka haruslah :

RxK R K T W
SS SS SS SS SS = (9.18b)
c. Derajat kebebasan
Derajat kebebasan untuk jumlah kuadrat total ) (
T
SS 1
1
= N df ; untuk jumlah
kuadrat antar rerata 1 .
2
= k r df ; untuk rerata lajur 1
3
= r df ; rerata kolom
1
4
= k df . Selanjutnya dengan analogi di atas, untuk varians inteaksi
kontribusi variansis dapat digambarkan sebagai hasil perkalian dari dua sumber,
) 1 )( 1 (
5
= k r df . Untuk memudahkan mengingat, ragam derajat-kebebasan
dirangkum dalam bentuk tabel berikut ini :
Sumber Derajat-kebebasan, df
Antar lajur (r)
Antar Kolom (k)
Interaksi (rxk)
Dalam Kelompok
Total
1 r
1 k
) 1 )( 1 ( k r
) 1 ( = n rk rk N
1 N

d. Nisbah f
Pada contoh di atas terdapat tiga nisbah F yakni
R
F untuk dampak utama dari
jalur
K
F untuk dampak dari kolom dan
RxK
F untuk dampak interaksi.
Perhitungan ketiga nisbah F ini dirangkum pada tabel 9-05 berikut ini.
Tabel 9-05 menunjukkan bahwa, 97 , 0 =
RxK
F .( mendekati 1,0)
menyatakan adanya varians interaksi yang signifikan. Sedangkan
tabel K
F F >
menunjukkan bahwa, kecurigaan adanya kesulitan membidik yang disebabkan
oleh mesin terlepas dari variasi ukuran, sasaran, terbukti. Sel;anjutnya
tabel R
F F > membuktikan bahwa variasi ukuran sasaran berkontribusi atas
perolehan skor.
e. Menghilangkan sumber variansis
Pada Tabel 9-06 ditunjukkan ke-12 rerata dari kumpulan hasil uji
psikomotor. Variansis antara rerata itu diperkirakan berasal dari tiga sumber,
yaitu perbedaan ukuran sasaran, perbedaan mesin, dan interaksi antar
keduannya. Pada Tabel 9-06A tampak dari perbedaan ukuran sasaran
ditunjukkan oleh rerata pada kolom 6 yang besarnya 3,4,6, dan 7. dampak
karena mesin ditunjukkan oleh rerata pada lajur kelima, yakni 6,5,4. jika tidak
ada perbedaan, maka semua rerata akan sama dengan 5 = T X (rerata dari semua
pengamat)seperti ditunjukkan pada lajur dari tabel 9-06C.
Setiap penyimpangan dari rerata kolom terhadap merupakan kekeliruan-
tetap dari mesin tertentu. Dalam hal inio mesin
1
B memiliki kekeliruan +1,
mesin
2
B tidak ada penyimpangan dan mesin
3
B harus dikoreksi dengan -1 dan
mesin
3
B dikoreksi dengan-(-1)=+1. Tabulasi setelah dikoreksi ditunjukkan pada
Tabel 9-06B. Setelah dikoreksi rerata dari ketiga mesin menjadi sama (=5),
namun rerata menurut ukuran sasaran masih tetap.
Langkah berikutnya adalah menghilangkan varians sasaran. Kekeliruan-
tetap menurut lajur adalah -2,-1,1 dan 2. Dengan mengurangkan harga-harga ini
pada harga-harga dari lajur masing-masing dari tabel 9-06B akan menghasilkan
tabulasi seperti tertera pada Tabel 9-06C. Sekarang jika diperhatikan, rerata
menurut lajur dan kolom semuanya sama dengan 5. tetapi di dalam tabel masih
terdapat empat sel yang nilainya menyimpang dari 5. hal ini kemungkinan
disebabkan oleh varians interaksi dari uji F diketahui bahwa, perbedaan itu
dinyatakan tidak signifikan,
Tabel 9-05 sumber varians dan Nisbah f
Sumber Jumlah
Kuadrat
df Kuadrat rerata
df SS MS / =
Ukuran sasaran (A)
Mesin(B)
Interaksi(AXB)
Dalam Kelompok
Total
150 =
R
SS
40 =
K
SS
20 =
RxK
SS
164 =
w
SS
374 =
T
SS
3 1 4 = =
R
df
2 1 3 = =
K
df
6 2 3 = = x df
RxK

48 12 60 = =
w
df
59 1 60 = =
T
df
0 , 50 =
R
MS
0 , 20 =
k
MS
33 , 3 =
RxK
MS
42 , 3 =
W
MS


hitung
F * 05 , 0 , = o
tabel
F * 01 , 0 , = o
tabel
F
F-interaksi
W RxK
MS MS /
F-mesin,
W K
MS MS /
F-sasaran,
RxK R
MS MS /

3,33/3,42=0,97
20/3,42=5,85
50/3,33=15,0

2,30
3,19
4,76

3,20
5,08
9,78

f. Estimasi kekuatan Asosiasi
Tingkat asosiasi(dinyatakan dengan simbol
2
e ) antara dua variabel atau lebih
dalam suatu perlakuan dapat diestimasi dengan menggunakan rumus-rumus
berikut.
1. untuk analisis varians satu-arah dengan menggunakan rumus :

n k F k
F k
. ) 1 )( 1 (
) 1 )( 1 (
2
+

= e (9.19)
Jika rumus ini diterapkam pada Tabel 9.03 diperoleh :
45 , 0
14 , 36
14 , 16
5 . 4 ) 1 38 , 6 )( 1 4 (
) 1 38 , 6 )( 1 4 (
2
= =
+

=
est
e
Hasil ini menunjukkan bahwa 45% dari jumlah varians skor Galton-bar
terhubung dengan kondisi pada saat pengujian dilakukan. Jika dalam
perhitungan ini diperoleh harga
2
est
e yang negatif, hubungannya dapat
disamakan dengan nol. Perhitungan ini lazim dilakukan setelah diperoleh
uji-F yang signifikan, yakni untuk menyakinkan tidak diperoleh harga
negatif.


2. untuk analisis varians dua-arah dengan menggunakan rumus
Estimasi proporsi varians yang dipengaruhi oleh dampak lajur :
t W
W r
est K
SS MS
MS r SS
+

=
). 1 (
2
e (9.20a)
Estimasi proporsi varians yang dipengaruhi oleh dampak kolom :
t W
W K
est r
SS MS
MS k SS
+

=
). 1 (
2
e (9.20b)
Estimasi proporsi varians yang dipengaruhi oleh interaksi :
t W
W rxk
est rxk
SS MS
MS k r SS
+

=
). 1 )( 1 (
2
e (9.20c)
g. Solusi Berdasarkan Data Pengukuran
Penghitungan
W RxK K R RK T
SS SS SS SS SS SS , , , , , dapat dilakukan secara langsung
dengan menggunakan data mentah(hasil pengukuran) dengan rumus-rumus
berikut ini


=
N
X
X SS
ij
ij T
2
2
) (
(9.21)
N
X
n
SS
ij RK
RK

=
2 2
) ( ) (
(9.22)
N
X
K n
X
SS
ij R
R

=
2 2
) (
.
) (
(9.23)

N
X
r n
X
SS
ij K
R

=
2 2
) (
.
) (
(9.24)
RK T W
SS SS SS = (9.25)
K R RK RxK
SS SS SS SS = (9.26)