UJI FRIEDMAN DAN ANOVA DUA ARAH

Disusun untuk memenuhi tugas mata kuliah Statistika Nonparametrik

Dosen Pengampu: Dra Nur Karomah Dwidayati, M.Si

Disusun oleh :
EVA DINDA MAULIDYA

(4112314005)

SIDHA DHANESWARA S.

(4112314007)

GAMA SETYA PANDEGA

(41123140)

RIZKI INAYAH

(4112314015)

ADI PRAYOGA

(4112314000)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG
2016

Uji Friedman
ANALISIS RANKING VARIAN 2 ARAH FRIEDMAN
Analisis ranking varian 2 arah Friedman atau yang lebih dikenal dengan nama Uji
Friedman digunakan untuk data k sampel berpasangan dalam skala sekurang-kurangnya
ordinal untuk menguji hipotesis nol bahwa sampel itu ditarik dari populasi yang sama. Uji ini
diperkenalkan untuk pertama kalinya oleh M. Friedman. Karena k sampel tersebut
berpasangan maka banyaknya kasus dalam tiap sampel sama.
Pengujian dengan uji Friedman sama seperti dalam uji analisis dua arah dalam
statistik parametrik. Uji ini diperkenalkan oleh Milton Friedman tahun 1937 dan termasuk
dalam uji nonparametrik yang tidak membutuhkan asumsi distribusi normal dan varians
populasi tidak diketahui. Sakal data yang digunakan dapat berupa ordinal. Uji Friedman
merupakan alternatif yang dilakukan apabila pengujian dalam ANOVA tidak terpenuhi
asumsi-asumsi seperti tersebut di atas. Setiap sampel mendapatkan perlakukan yang berbeda
(repeated measurement). Pegambilan data pada setiap sampel dilakukan sebelum (pre test)
dan sesudah (post test). Formula uji Friedman
Dimana :
= Nilai chi-kuadrat jenjeng dua arah Friedman
n

= jumlah sampel

= banyaknya kelompok sampel

1,3, 12 = konstanta
Dasar Pemikiran dan Metode
Pada Uji Friedman data dituangkan ke dalam tabel dua arah yang memiliki N baris
dan k kolom. Baris merepresentasikan berbagai subjek atau berbagai himpunan subjek yang
berpasangan. Masing-masing anggota himpunan subjek dipasangakan dengan satu kondisi
yang dipilih secara random. Sehingga jumlah anggota dalam himpunan kelompok harus sama
dengan banyaknya kondisi atau treatment.
Sedangkan kolom merepresentasikan bermacam-macam kondisi. Data uji ini adalah
dalam bentuk rangking. Skor dalam tiap baris diberi rangking secara terpisah yaitu dari 1

hingga k kondisi. Uji Friedman menentukan apakah kolom rangking yang berlainan berasal
dari populasi yang sama.
Block
1
2
3

Treatment
1
2
X11
X12
X21
X22
X31
X32

3
X13
X23
X33

Xi1

Xi2

Xi3

Xb1

Xb3

Xb3

j
X1j
X2j
X3j

Xij

Xbj

K
X1k
X2k
X3k

Xik

Xbk

Jika kita gagal tolak H0 atau kita menerima hipotesis bahwa sampel tersebut berasal
dari populasi yang sama, jumlah keseluruhan rangking untuk berbagai kolom akan relatif
sama. Hal ini dikarenakan pada setiap treatment rangkingnya akan tersebar secara merata.
Sehingga jumlah rangking untuk setiap kolom/treatment akan relatif sama. Sebaliknya, jika
kita menolak H0 atau atau kita menerima hipotesis bahwa sampel berasal dari populasi yang
berbeda, maka rangkingnya akan mengelompok di beberapa kolom atau treatment saja. Hal
tersebut akan membuat sebaran rangkingnya menjadi tidak merata dan mengakibatkan jumlah
rangking untuk masing-masing kolomnya akan jauh berbeda.
Uji Friedman merupakan uji untuk k-sampel berhubungan (dependen). Yang
dimaksud dependen adalah untuk satu subjek sampel mendapatkan k perlakuan. Apabila
sampelnya berupa kelompok subjek maka antar subjek dalam satu kelompok subjek adalah
dependen.
Jika dalam satu baris terdapat nilai skor yang sama maka dibuat rata-rata
rangkingnya. Uji ini merupakan uji 2 arah. Apabila kesimpulan dari uji menyatakan bahwa
gagal terima H0 , terdapat uji lanjutan dari Uji Friedman, namun uji tersebut tidak dibahas
dalam makalah ini.
Uji Friedman menentukan apakah jumlah keseluruhan rangking (Rj) berbeda
signifikan. Untuk membuat uji ini kita menghitung harga suatu statistik yang disebut
Friedman.
Jika banyak baris dan atau kolom tidak terlalu kecil dapat ditunjukkan bahwa
kira-kira berdistribusi chi-kuadrat dengan db=k-1 bila:

r2

Rj

k
12
2
r =

nk (k +1) j=1

Metode
1) Penentuan hipotesis nol dan hipotesis alternatif
Ho : M1 = M2 = M3 = =Mk
H1 : Minimal ada salah satu sampel yang tidak berasal dari populasi yang sama.
Dimana M adalah median dari tiap treatment ke j.
2) Menentukan tes statistik/statistik uji
Karena tujuan kita untuk menguji apakah sampel-sampelnya berasal dari populasi
yang sama, maka uji yang kita gunakan adalah uji Friedman dengan statistik ujinya
adalah

r2 yang berdistribusi chi-kuadrat dengan db = k-1.

3) Tingkat signifikansi
Tingkat signifikansi atau taraf nyata adalah bilangan yang mencerminkan seberapa
besar peluang untuk melakukan kekeliruan menolak H0 yang seharusnya diterima.
Tingkat signifikansi ditentukan oleh peneliti.
4) Menentukan daerah penolakan
Daerah penolakan terdiri dari semua harga

r2 yang sedemikian kecilnya, sehingga

semua kemungkinan yang berkaitan dengan terjadinya harga-harga itu dibawah H0

adalah sebesar .

5) Menentukan distribusi sampling

2
r mendekati distribusi Chi Square dengan derajat bebas k 1.
Rj

k
12
2
r =

nk (k +1) j=1

Tabel N memberikan kemungkinan yang eksak yang berkatan dengan harga observasi
chi-square untuk k = 3, N = 2 hingga 9 dan untuk k = 4, N = 2 hingga 4. Bila N
dan/atau k besar dengan demikian wilayah kritis dapat ditentukan dengan melihat
tabel C.
6) Menentukan keputusan tolak atau terima H0 dan mengambil kesimpulan.
2
H akan ditolak akan ditolak apabila p-value atau r (k1 ) . Sebaliknya, H
0

gagak ditolak apabila p-value atau

r2 (k1) .

Ringkasan Prosedur
1. Masukkan skor-skor hasil respon ke dalam suatu tabel dua arah yang memiliki k
kolom dan N baris (subyek atau kelompok subyek)
2. Memberikan rangking skor-skor tersebut pada masng-masing baris dari 1 hingga
k. jika ada nilai skor yang sama, maka dibuat rata-rata rangkingnya.
3. Tentukan jumlah rangking di tiap kolom perlakuan.
4. Mennghitung harga khi-square sesuai dengan rumus yang diatas.
5. Metode untuk menentukan kemungkinan-kemungkinan terjadinya di bawah H0
yang berkaitan dengan harga observasi khir-square pada ukuran N dan k :
a. Tabel N memberikan kemungkinan yang eksak yang berkatan dengan harga
observasi chi-square untuk k = 3, N = 2 hingga 9 dan untuk k = 4, N = 2
hingga 4.
b. Untuk N dan/atau l yang lebih besar dari yang ditunjukkan dalam Tabel
Friedman, kemungkinan yang berkaitan dapat ditentukan dengan melihat
distribusi chi-kuadrat (yang di Siegel disajikan di Tabel C) dengan db = k-1.
6. Jika kemungkinan yang dihasilkan dari metode yang sesuai di langkah kelima
sama dengan atau kurang dari , tolaklah H0.
CONTOH SOAL UJI FRIEDMAN
1. Program baru training bagi karyawan dibagi dalam 4 unit. Setiap unit dioperasikan
dengan teknik yang berbeda. Selanjutnya suatu studi dilakukan untuk menguji
hipotesis nol bahwa tidak ada perbedaan yang signifikan dalam efektivitas
keseluruhan dari keempat teknik lawan hipotesis alternatif bahwa terdapat perbedaan
yang signifikan dalam efektivitas keseluruhan dari keempat teknik.Dipilih secara
random 14 karyawan dari grup pertama yang mengikuti program training. Skor hasil
ujian masing masing unit/teknik dari 14 karyawan beserta jenjangnya ditunjukkan
dalam tabel berikut :

Karyawa
n
(n=14)
A
B
C
D
E
F
G
H
I
J
K
L
M
N
Jumlah
(Rj)

Teknik I

Teknik II

Teknik III

Teknik IV

Skor R

Skor

Skor

Skor

20
5
11
21
8
9
21
18
30
22
10
6
10
14

6
12
21
18
12
7
20
27
16
27
8
12
12
11

1
3
4
2
2
1
3
4
1
4
2
3
2
1
R2=

9
19
8
30
20
10
16
9
22
19
4
7
21
23

2
4
1
4
4
3
2
1
3
2
1
2
4
3
R3 =

15
10
16
15
16
12
10
12
21
18
12
14
20
27

3
2
3
1
3
4
1
2
2
1
4
4
3
4
R4=

4
1
2
3
1
2
4
3
4
3
3
1
1
2
R1=
34

33

36

37

Jawaban:
H0

: Tidak ada perbedaan yang signifikan dalam efektivitas keseluruhan

dari keempat teknik.

H1
: Minimal ada satu keefektivitasan dari keempat teknik yang berbeda.
Uji Statistik: Uji Friedman
Tingkat Signifikansi: =5 ; n = 14
Distribusi Sampling :

mendekati distribusi Chi Square dengan derajat

bebas k 1, bila n dan/atau k besar dengan demikian wilayah kritis dapat

ditentukan dengan melihat tabel C.
Rj

k
12
r2 =

nk (k +1) j=1
r2 =
2

r =

12
( 34 )2+ (33 )2+ (36 )2+ ( 37 )2 ][3 ( 14 )( 4+1 ) ]
[
( 14 )( 4 ) ( 4+1)
12
( 4.910 )210=0.43
280

Keputusan: Bila digunakan

Nilai

=0,05 maka menurut tabel,

2
0,05 ;41

=7,82 .

Friedman (0,43) ternyata lebih kecil dari 7,82 maka H0 diterima.

Kesimpulan: Dengan tingkat kepercayaan 95%, dapat disimpulkan bahwa tidak

ada perbedaan yang signifikan dalam efektivitas keseluruhan dari keempat
teknik.
Dengan Menggunakan SPSS :
1. Masukkan data ke dalam SPSS

2. Klik Analyze Nonparametric Tests Legacy Dialogs Pilih K Related

Sample

3.

Masukkan Teknik1, Teknik2, Teknik3, Teknik4 ke dalam Test Variabel

4. Pilih Statistics, lalu pilih Descriptive, lalu Continue.

5. Tetap pada pilihan Friedman, lalu klik OK

Hasil Output :
Descriptive Statistics
N

Mean

Std. Deviation

Minimum

Maximum

Teknik1

12

15,08

7,902

30

Teknik2

12

15,50

7,243

27

Teknik3

12

14,42

7,740

30

Teknik4

12

14,25

3,279

10

21

Ranks
Mean Rank
Teknik1

2,58

Teknik2

2,50

Teknik3

2,42

Teknik4

2,50

Test Statisticsa
N
Chi-Square
df
Asymp. Sig.
a. Friedman Test

12
,100
3
,992

Dapat diketahui dari hasil output menunjukkan bahwa nilai sig= 0.992 > = 0.05,
maka Ho diterima. Artinya tidak ada perbedaan yang signifikan dalam efektivitas
keseluruhan dari keempat teknik.
2. Sepuluh juri diminta untuk menguji kualitas dari empat merek orange juice. Juri
menilai orange juice menggunakan skor pada 5-point scale ,dengan 1 = bad, 2 = poor,
3 = average, 4 = good, 5 = excellent. Hasil penilaian ke-10 juri adalah sebagai berikut:
Juri

Merek Orange Juice

Orange Juice A Orange Juice B Orange Juice C Orange Juice
D

Apakah ada perbedaan kualitas dari keempat merek orange juice tersebut (gunakan = 0,05)?
Jawaban :
Setelah dirangking
Juri

Merek Orange Juice

Orange Juice Orange Juice Orange Juice Orange Juice

A
B
C
D

Hipotesis:
H0 :Tidak ada perbedaan kualitas dari keempat merek orange juice
H1 :Ada perbedaan kualitas dari ke empat merek orange juice
Kriteria :
H0 akan ditolak akan ditolak apabila p-value atau
Statistik hitung :

12
( R 2j ) 3 n ( k+ 1 )
nk ( k +1 )

12
( 202 +272 +312 +222 ) 3.10 ( 4+1 )
10.4 ( 4+1 )

12
( 400+ 729+ 961+484 ) 30 ( 5 )
40 ( 5 )

r2 =

r2 =

r2 =

r2 =[ 0.06 ( 2574 ) ] 150

r2 (k1 )

r =154.44150
r2 =4.44

Dengan dk = k-1 = 4-1= 3 didapat

2
Jadi r hitung = 4.44 <

r2 table = 7.815.

r2 table = 7.815

Maka Ho diterima artinya Tidak ada perbedaan kualitas dari keempat merek
orange juice tersebut.
Menghitung dengan SPSS
Langkah-langkah:
1. Masukkan data kedalam SPSS

2. Klik Analyze Nonparametric Tests Legacy Dialogs Pilih K

Related Sample

3. Masukkan metode A, B, C, dan D ke test variable

`
4. Pilih Statistics, lalu pilih Descriptive, lalu continue.

5. Tetap pada pilihan Friedman, laluklik OK

Hasil output
Descriptive Statistics
N

Mean

Std. Deviation

Minimum

Maximum

10

3.00

.943

10

3.70

1.160

10

4.10

1.287

10

3.20

.919

Ranks
Mean Rank
A

2.00

2.70

3.10

2.20

Test Statisticsa
N

10

Chi-Square

4.440

Df

Asymp. Sig.

.218

a. Friedman Test

Dapat diketahui dari hasil output menunjukkan bahwa nilai sig = 0.218> =
0.05, maka Ho diterima artinya Tidak ada perbedaan kualitas dari keempat
merek orange juice tersebut.
3. Suatu metode diet penurunan berat badan yaitu metode DASH (Dietary Approaches to
Stop Hipertension) diuji coba terhadap 10 orang sebagai sampel. Metode ini bertujuan
menurunkan tekanan darah. Pelaku diet tidak berpantang terhadap makanan dan
hanya memperbanyak sayuran dan buah-buahan. Untuk menguji apakah metode ini
efektif menurunkan berat badan, dilakukan uji coba terhadap 10 orang. Pengukuran
berat badan dilakukan sebelum program diet, 1 minggu melakukan program diet
DASH dan 2 minggu kemudian. Apakah terdapat perbedaan antara ketiga kelompok
sampel tersebut ? Data sampel sebagai berikut :

Langkah-langkahdalam SPSS
Pada langkah pertama, akan diuji normalitas data dengan uji kolmogorov Smirnov.
Hasilnya sebagai berikut.

Pada tabel uji Kolmogorov-Smirnov di atas, nilai signifikansi pada sampel sebelum
diet sebesar (0.152), minggu 1 (0.002) dan minggu 2 (0.200). Hanya kelompok
sampel sebelum diet dan sampel minggu 2 yang berdistribusi normal sedangkan
kelompok sampel minggu 1 tidak berdistribusi normal. Oleh karena tidak terpenuhi
asumsi normal pada semua kelompok sampel maka digunakan uji Friedman.
Langkah-langkah

Analyze<Nonparametrics

Masukkan variable sebelum diet, Minggu 1 dan Minggu 2 ke Test

Variables
Pada pilihan test type centang pilihan Friedman
Pada menu Statistics, centangpilihan Descriptive, kemudian OK

Hasil Output SPSS sebagaiberikut:

Nilai rata-rata rank berat badan merupakan nilai bukan sebenarnya, tetapi dilakukan
rangking terhadap data aktual. Nilai mean rank sebelum diet sebesar 2.60, pada
minggu 1 nilai mean rank turun menjadi 2.00 sedangkan pada minggu 2 nilai mean
rank turun lagi menjadi 1.40.

Hasil uji Friedman, nilai chi-square sebesar 7,200. Nilai df=2;(k-1), dimana k adalah
banyaknya kelompok sampel yaitu 3 sampel, sedangkan nilai signifikansi p-value
0,027. Karena nilai p-value 0,027 lebih kecil dari 0,05 maka kesimpulannya adalah
terdapat perbedaan nilai rata-rata rank antara sebelum diet, diet minggu 1 dan diet
minggu 2.
Untuk menguji atau membandingkan antara 2 kelompok, misalnya sampel sebelum
diet dengan diet minggu 1, sebelum diet dan minggu 2 atau diet minggu 1 dengan
minggu 2 dapat dilakukan dengan uji Post Hoc.
4. Terdapat 5 desain mobil sport. Sepuluh pengemudi profesional diminta mencoba dan
kemudian diminta memberikan rating dengan skala antara 0 (sangat tidak nyaman)
sampai 100 (amat sangat nyaman). Hasilnya adalah:
Pengemud

Desain Mobil Sport

C

i (n=10)

Skor

Rank

Skor

Rank

Skor

Rank

Skor

Rank

Skor

Rank

1
2
3
4
5
6
7
8
9
10

40
60
80
82
42
86
8
14
9
12

3
4
2
5
3
4
1
3
4
4
R1 =

90
8
2
60
99
3
50
3
10
7

5
2
1
4
5
1
4
1
5
2
R2 =

10
98
90
5
3
99
9
29
5
6

1
5
3
1
2
5
2
5
2
1
R3 =

48
12
98
50
2
40
10
19
7
50

4
3
4
2
1
2
3
4
3
5
R4 =

18
3
99
55
60
45
82
10
1
8

2
1
5
3
4
3
5
2
1
3
R5 =

Jumlah (Rj)

Jawaban:

33

30

27

31

29

H0: Tidak ada perbedaan berarti dalam rating masing masing desain mobil sport.
H1: Terdapat perbedaan dalam rating masing masing desain mobil sport.
Uji Statistik: Uji Friedman
Tingkat Signifikansi: =5
Distribusi Sampling:

; n = 10dan k = 5
mendekati distribusi Chi Square dengan derajat bebas

k 1, bila n dan/atau k besarmaka wilayah kritis dapat ditentukan dengan melihat

tabel C.
Rj

k
12
r2 =

nk (k +1) j=1
2

r =

r2 =

12
( 332 +302 +272 +312 +292 ) 3(10)(5+1)
( 10 ) ( 5 ) ( 5+1 )

4520
180
25

r =0.8
Keputusan : Bila digunakan
r2

=0,05 maka menurut tabel,

20,05 ;51=9.84 . Nilai

Friedman (0.8) ternyata lebih kecil dari 9.84 maka H0 diterima.

AtauTerima H0 , karena p value >

(0.90 < p-value < 0.95).

Kesimpulan:Dengan tingkat kepercayaan 95%, dapat disimpulkan bahwa tidak ada

perbedaan berarti dalam rating masingmasing desain mobil sport.
Dengan Menggunakan SPSS
1. Masukkan data kedalam SPSS

2. Klik Analyze Nonparametric Tests Legacy Dialogs Pilih K Related Sample

3. Masukkan A, B, C,D, dan E ke test variable

4. Pilih Statistics, lalu pilih Descriptive, lalu Continue.

5. Tetap pada pilihan Friedman, laluklik OK

Hasil Output :
Test Statisticsa
N

10

Chi-Square

,800

df

Asymp. Sig.

,938

a. Friedman Test

Descriptive Statistics
N
A
B
C

Ranks

Mean

Std. Deviation

Minimum

Maximum

10

43,30

32,007

86

10

33,20

38,317

99

35,40

42,283

99

Dapat

33,60

29,583

98

dari hasil output

38,10

35,209

99

diketahui

D
A
E

10
Mean Rank
10
3,30
10

3,00

2,70

bahwa nilai sig= 0.938 > = 0.05, maka Ho diterima. Artinya

3,10

2,90

tidak ada perbedaan berarti dalam rating masing masing desain

mobil sport.

menunjukkan

1. Anova Dua Arah

Pengujian anova dua arah mempunyai beberapa asumsi diantaranya:
1. Populasi yang diuji berdistribusi normal,
2. Varians atau ragam dan populasi yang diuji sama,
3. Sampel tidak berhubungan satu dengan yang lain.
Pada pembahasan kali ini, dititikberatkan pada pengujian ANOVA 2 arah yaitu
pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria
dalam pengujian ANOVA mempunyal level. Tujuan dan pengujian ANOVA 2 arah
ini adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji
terhadap hasil yang diinginkan. Misal, seorang guru menguji apakah ada pengaruh
antara jenis media belajar yang digunakan pada tingkat penguasaan siswa terhadap
materi.(Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik Infrwnsial).
Jakarta: Bumi Aksara).
Tujuan dari pengujian anova dua arah adalah untuk mengetahui apakah ada
pengaruh dari berbagai kriteria yang diuji terhadap hasil yang diinginkan.
(Furqon.

2009.

Statistika

Terapan

untuk

Penelitian.

Cetakan

ketujuh.

ALFABETA: Bandung ).
Dengan menggunakan teknik anova 2 arah ini kita dapat membandingkan
beberapa rata-rata yang berasal dari beberapa kategori atau kelompok untuk satu
variable perlakuan. Bagaimanapun, keuntungan teknik analisis varian ini adalah
memungkinkan untuk memperluas analisis pada situasi dimana hal-hal yang
sedang diukur dipengaruhi oleh dua atau lebih variable. (Hasan, Iqbal.

2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial). Jakarta: Bumi

Aksara).
Anova 2 arah ini digunakan bila sumber keragaman yang terjadi tidak hanya
karena satu faktor (perlakuan). Faktor lain yang mungkin menjadi sumber
keragaman respon juga harus diperhatikan. Faktor lain ini bisa berupa perlakuan
lain yang sudah terkondisikan. Pertimbangan memasukkan faktor kedua sebagai
sumber keragaman ini perlu bila faktor itu dikelompokkan, sehingga keragaman
antar kelompok sangat besar,, tetapi kecil dalam kelompoknya sendiri.( Hasan,
Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial). Jakarta: Bumi
Aksara)
Hipotesis yang diuji
Untuk menentukan apakah ada variasi dalam pengamatan yang
diakibatkan oleh perbedaan dalam perlakuan, uji hipotesisnya
adalah :
H0 : 1. = 2. = = k. atau bisa dituliskan H0 : 1 = 2 = = k
H1 : paling sedikit dua diantaranya tidak sama
Untuk menentukan apakah ada variasi dalam pengamatan yang
diakibatkan oleh perbedaan dalam blok, uji hipotesisnya adalah :
H0 : .1 = .2 = = .b atau bisa dituliskan H0 : 1 = 2 = = b

f ( k 1,k ( n 1))
H1 : paling sedikit dua diantaranya tidak sama
Statistik uji H0 ditolak bila F hitungan >

1.1.

Anova Dua Arah tanpa Interaksi

Anava atau Anova adalah sinonim dari analisis varians terjemahan dari
analysis of variance, sehingga banyak orang menyebutnya dengan anova. Anova
merupakan bagian dari metoda analisis statistika yang tergolong analisis
komparatif

lebih

dari

dua

rata-rata

(Riduwan.2008.Dasar-dasar

Statistika.Bandung:Alfabeta).
Menurut M. Iqbal Hasan (2003), pengujian klasifikasi dua arah tanpa interaksi
merupakan pengujian hipotesis beda tiga rata-rata atau lebih dengan dua faktor
yang berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan. Tujuan
dari pengujian anova dua arah adalah untuk mengetahui apakah ada pengaruh dan
berbagai kriteria yang diuji terhadap hasil yang diinginkan.

Sumber Varians

Jumlah

Derajat bebas

kuadrat
JKB

b1

Rata-Rata

JKK

k 1

Error

JKE

( k 1 ) (b1)

Total

JKT

kb1

Kolom

V1

V2
= b1 dan
= ( k 1 ) (b1)

V1

Kolom :

V2
= k 1 dan
= ( k 1 ) (b1)

Jumlah Kuadrat Total

b

T2
( JKT )= T
kb
i=1 j=1
2
ij

Jumlah Kuadrat Baris

b

T i2

( JKB ) = i=1
k

T2
kb

Jumlah Kuadrat Kolom

b

T j2

( JKK )= j=1
k

T2
kb

f0

kuadrat

Rata-Rata Baris

Baris :

Rata-rata

S1 =

JKB
db

S 22=

JKK
db

S3 =

JKE
db

f 1=

S1
2
S3

S 22
f 2= 2
S3

Jumlah Kuadrat Error

( JKE ) =JKT JKBJKK

Keterangan : T = total
1) Contoh Soal :
Berikut ini adalah hasil perhektar dari 4 jenis padi dengan penggunaan pupuk yang
berbeda.
V1

V2

V3

V4

P1

25

P2

10

34

P3

24

19

21

23

20

83

Dengan taraf nyata 5%, ujilah apakah rata-rata hasil perhektar sama untuk :
a. Jenis pupuk (pada baris),
b.

Jenis tanaman (pada kolom).

1
Jawab:
1. Hipotesis
a.

H 0=a 1=a2 =a3

H 1=sekurangkurangnya ada satu ai 0

b.

H 1= 1= 2= 3=0
H 1=sekurangkurangnya ada satu j 0

2. Taraf nyata ( )=5 =0,05(nilai f tab ) :

a. Untuk baris
V 1=b1=31=2
V 2=( k 1 ) ( b1 ) =( 31 ) ( 41 )=6

f a(V

;V 2)

=f 0,05(2; 6)=5,14

b. Untuk kolom
V 1=b1=41=3
V 2=( k 1 ) ( b1 ) =( 31 ) ( 41 )=6
f a(V

;V 2)

=f 0,05(3 ;6)=4,76

3. Kreteria pengujian
H 0 diterima apabila f 0 5,14
a.
H 0 ditolak apabila f 0 >5,14
b.

H 0 diterima apabila f 0 4,76

H 0 ditolak apabila f 0 > 4,76

4. Perhitungan
b

( JKT )= T ij2
i=1 j=1

T2
kb

4 2+ 92 ++52

83
4 (3)

605574,08

30,92
b

T i2
( JKB ) =

i=1

T2

kb

25 +34 +24
83

4
4 (3 )

2357 6889

4
12

589,25574,08

15,17
b

T j2
( JKK )=

j=1

T2

kb

192 +212 +232 +202 832

3
4 (3 )

1731 6889

3
12

 577574,08
2,92

( JKE ) =JKT JKBJKK

30,9215,172,92=12,83

S 12=

JKB 15,17 15,17

=
=
=7,585=7,59
db
31
2

S2 =

JKK 2,92 2,92

=
=
=0,97
db 41
3

S 32=

JKE
JKE
12,83 12,83
=
=
=
=2,14
db ( k1)(b1) 3 (2)
6

f 1=

S12 7,59
=
=3,55
S32 2,14

S 22 0,97
f 2= 2 =
=0,45
S3 2,14
5. Kesimpulan
a. Karena

f 0=3,55< f 0,05 (2 ;6)=5,14

. Maka

H0

diterima. Jadi, rata-rata hasil

perhektar sama untuk pemberian ketiga jenispupuk tersebut.

f =0,45< f 0,05 (3 ;6 )=4,76
H0
b. Karena 0
. Maka
diterima. Jadi, rata-rata hasil
perhektar sama untuk penggunaan ke-4 varietas tanaman tersebut.

1.2.

Anova Dua Arah dengan Interaksi

Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian

beda tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan
pengaruh interaksi antara kedua faktor tersebut diperhitungkan. ( Hasan, Iqbal.
2006. Analisis Data Penelitian dengan Statistik. Jakarta: Bumi Aksara ).
Sumber Varians

Jumlah

Derajat Bebas

f0

Rata-rata Kuadrat

Kuadrat
Rata-rata baris

JKB

b-1

S 12 =

JKB
db

Rata-rata kolom

JKK

k-1

S 22=

JKK
db

JK (BK)

(k-1)(b-1)

Interaksi

Error

JKE

bk (n-1)

Total

JKT

n-1

S3 =

S 12
f 1= 2
S4

JK ( BK )
db

f 1=

JKE
db

f 1=

S 42 =

Jumlah Kuadrat Total

b

i=1 j=1 k=1

Jumlah Kuadrat Baris

b

T i2
i =1

kn

T2
bkn

Jumlah Kuadrat kolom

b

JKK =

T
X ijk2 bkn

JKT =

JKB =

T j2

T2

bn
bkn

j=1

S 22
S 42
S 32
S 42

Jumlah kuadrat bagi interaksi Baris Kolom

b

JK(BK) =

T ij2
i =1 j=1

T i2

T j2

T2
i=1
j=1
+
kn
bn
bkn

Jumlah Kuadrat Eror

JKE= JKT-JKB-JKK-JK(BK)
Keterangan : T = total
1) Contoh soal :
Tingkat aktivitas
Ekstrakulikuler

t1

t2

t3

t4

Total

Ekonomi Tingkat Keluarga

V1

V2

V3

64

72

74

66

81

51

70

64

65

65

57

47

63

43

58

58

52

67

59

66

58

68

71

39

65

59

42

58

57

53

41

61

59

46

53

38

723

736

651

TOTAL

607

510

527

466

2110

Nb: untuk mempermudah dalam penyelesaian, masing-masing dijumlahkan

terlebih dahulu , b = 4, k = 3, n = 3
jawab :

1. Hipotesis
f 1 : H '0=1 =2=3=4=0
H '1=sekurangkurangnya ada satu 1 0
f 2 : H '0' =1 = 2= 3= 4=0
''

H 1 =sekurangkurangnya ada satu j 0

f 3 : H '0' ' =()11=()12=( )13==()43=0
''

H ' 1 =sekurangkurangnya ada satu( )ij 0

2. Taraf nyata 5% = 0,05
f 1 > f ( b1 ;bk (n1) )
f 1 > f 0,05 ( 41; 4 (3)2 )
f 1 > f 0,05 (3 ;24 )
f 1 >3,01 H '0 ditolak
f 2> f ( k1 ;bk (n1) )
f 2>f 0,05 (31 ;4 (3)2)
f 2> f 0,05 (2 ;24 )
f 2>3,40 H ''0 d itolak
f 3 > f ((b 1 )(k1);bk ( n1) )
f 3 > f 0,05 (( 41 )(3 1 ); 4 (3)2 )
f 3 > f 0,05 (6 ;24 )
f 3 >2,51 H ''0 ' ditolak
3. Perhitungan
JKT=
b

X ijk
i=1 j=1 k=1

2
T2
2
2
2 2110

=64 +66 ++38

bkn
36

X ijk

i=1 j=1 k=1

127448

2
T2
2
2
2 2110

=64 +66 ++38

bkn
36

4452100
=127448123669=3779
36

T i2

JKB =

i =1

kn

607 2+ 5102+ 5272+ 4662 21102

=1157
9
36

T
bkn

T 2 7232 +7362 +6512 2110 2

=

=350
bkn
12
36

T j2

JKK =

j=1

bn
b

JK(BK) =

T ij T i T j2
2

T2
i=1
j=1
+
kn
bn
bkn

i =1 j=1

200 2+ +1502 607 2+ +466 2 7232 ++ 6512 21102

+
=
9
9
12
36
= 771
JKE= JKT JKB JKK - JK(BK) = 3779 1157 350 771 = 1501
S 12=

JKB 1157
=
=385,67
db
41

S 22=

JKK 350
=
=175
db 31

S 32=

JK ( BK )
db

S 42 =

JKE 1501
=
db
24
2

771
6

= 128,5

= 62,54

S
f 1 = 12
S4

385,67
=6,17> f 1 tab maka H '0 ditolak
62,54

S 22
f 1= 2
S4

175
''
=2,8< f 2 tab maka H 0 diterima
62,54

S
f 1 = 32
S4

128,5
=2,05< f 3 tab maka H '0' ' diterima
62,54

4. Kesimpulan
Tingkat aktivitas ekstrakulikuler berpengaruh terhadap prestasi belajar, tingkat
ekonomi tidak berpengaruh pada prestasi siswa. Dan adanya interaksi antara tingkat
ekonomi dengan kegiatan ekstrakulikuler.