Anda di halaman 1dari 13

Perbedaan Analisis Univariat dan Multivariat

Jika kita menganalisis data yang mempunyai lebih dari satu variabel, belum tentu analisis data
tersebut dikategorikan analisis multivariat, bisa saja analisis data tersebut hanya analisis univariat.
Jika kita didefinisikan, analisis univariat adalah analisis data secara serentak dimana data yang
diamati hanya memiliki satu variabel dependen (variabel tidak bebas) pada setiap objek yang diamati.
Sedangkan analisis multivariat adalah analisis data secara serentak dimana pada data tersebut
terdapat lebih dari satu variabel dependen pada setiap objek yang diamati. Jadi perbedaan analisis
univariat dan multivariat terdapat pada jumlah variabel dependen yang diamati.
Perbedaan analisis univariat dan multivariat bisa dimisalkan pada analisis regresi berganda. Analisis
regresi berganda merupakan metode analisis yang dikategorikan ke dalam analisis univariat. Sebab
jika kita lihat persamaan analisis regresi berganda y = bo + b1x1 + b2x2 + ..., yang "berganda" adalah
variabel independennya, yaitu xp, sedangkan variabel dependennya hanya satu yaitu y. Jika analisis
regresi mempunyai lebih dari satu variabel dependen, maka analisis regresi tersebut menjadi analisis
regresi multivariat. Jika variabel independennya hanya satu variabel namun variabel dependennya
lebih dari satu, maka analisis regresi tersebut tetap dikatakan analisis regresi multivariat. Hal ini juga
berlaku untuk jenis analisis lain, misalnya ANOVA yang hanya memiliki satu variabel dependen
(variabel respon), ketika variabel dependennya lebih dari satu, maka dinamakan MANOVA.

Penelitian analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel dari
hasil penelitian (Notoadmodjo, 2005 : 188). Analisa univariat berfungsi untuk meringkas
kumpulan data hasil pengukuran sedemikian rupa sehingga kumpulan data tersebut
berubah menjadi informasi yang berguna. peringkasan tersebut dapat berupa ukuran
statistik, tabel, grafik. Analisa univariat dilakukan masingmasing variabel yang diteliti.2
Seorang peneliti dapat menguji satu atau lebih perlakuan pada satu kelompok atau
lebih yang dibentuk. Untuk menguji tentu diperlukan analisis statistik yang sesuai dengan
maksud statistiknya (korelasi, komparasi, pengaruh, dan lain-lain).3
Analisis terhadap satu perlakuan yang dimaksudkan adalah analisis secara statistik
untuk menguji hipotesis yang berkenaan dengan kualitas sebuah perlakuan seperi
baik/jelek, berhasil/gagal, memuaskan/mengecewakan) atau rata-rata atau normal tidaknya
sebuah sebaran data.4 Biasanya analisis univariat dilakukan untuk mengetahui distribusi
frekuensi, kecenderungan tengah, dan penyebaran.
B. Penerapan Perhitungan Analisis Univariat
Berikut disajikan contoh analisis univariat dari beberapa perhitungan distribusi
frekuensi, kecenderungan tengah, dan normalitas.
1. Distribusi Frekuensi
Berikut disajikan hasil analisis univariat dari ouptput perhitungan program komputer
SPSS dengan sampel penelitian berdasarkan usia, riwayat penyakit dan masa kerja.
Tabel 1. Distribusi frekuensi sampel menurut usia
Usia
Cumulative
Frequency
Valid

Percent

Valid Percent

Percent

< 40 tahun

22

44.0

44.0

44.0

>= 40 tahun

28

56.0

56.0

100.0

Total

50

100.0

100.0

Terlihat dari tabel di atas bahwa frekuensi sampel yang berusia < 40 tahun sebanyak 22 orang
(44%) dan sampel yang berusia >= 40 tahun sebanyak 28 orang (56%).

Tabel 2. Distribusi frekuensi sampel menurut riwayat penyakit


Riwayat Penyakit
Cumulative
Frequency
Valid

Percent

Valid Percent

Percent

tidak

23

46.0

46.0

46.0

ya

27

54.0

54.0

100.0

Total

50

100.0

100.0

Terlihat dari tabel di atas bahwa frekuensi sampel yang menjawab tidak ada 23 orang (46%)
dan sampel yang menjawab ya sebanyak 27 orang (54%).

3. Distribusi frekuensi sampel menurut masa kerja


Tabel 3. Distribusi frekuensi sampel menurut masa kerja
Masa Kerja
Cumulative
Frequency
Valid

Percent

Valid Percent

Percent

< 10 tahun

16

32.0

32.0

32.0

>= 10 tahun

34

68.0

68.0

100.0

Total

50

100.0

100.0

Terlihat dari tabel di atas bahwa frekuensi sampel yang mempunyai masa kerja < 10 tahun ada
16 orang (32%) dan sampel dengan masa kerja lebihd ari atau sama dengan 10 tahun sebanyak 34
orang (68%).
2.Mean
Ratarata(mean)darisampeldinyatakansebagai:

dimanan=jumlahpengukuranpengukuransampel

Contoh:Tentukanrataratadaripengukuranpengkuran2,9,11,5,6

3. Median
Median dari himpunan pengukuran x1, x2, x3, x4, ..... xn didefinisikan sebagai nilai

dari x yang jatuh ditengah-tengah jika pengukuran-pengukuran disusun sesuai urutan


besarnya. Jika jumlah pengukuran genap, kita pilih median sebagai nilai x yang terletak di
tengah antara dua pengukuran-pengukuran tengah.
Contoh: tinjaulah pengukuran-pengukran sampel sbb: 9, 2, 7, 11, 14.
Jika disusun dalam urutan besarnya 2, 7, 9, 11, 14. Maka dipilih 9 sebagai median.
Contoh: tinjaulah pengukuran-pengukran sampel sbb: 9, 2, 7, 11, 14. 6
Jika disusun dalam urutan besarnya 2, 6, 7, 9, 11, 14. Maka kita memilih median sebai nilai
tengah antara 7 dan 9, yaitu 8.
4. Modus
Modus (mode) dari himpunan n pengukuran-pengukuran x1, x2, x3, x4, ..... xn
didefinisikan sebagai nilai dari x yang tampil dengan frekuensi tertinggi.
Contoh: tinjaulah pengukuran-pengukran sampel sbb: 9, 2, 7, 11, 14. 7, 2, 7.
Karena 7 tampil tiga kali (paling banyak), maka modus adalah 7.
5. Rentang (Range)
Ukuran paling sederhana dari variasi adalah rentang (range). Rentang dari himpunan
pengukuran-pengukuran x1, x2, x3, x4, ..... xn didefinisikan sebagai beda (selisih) antara
pengukuran terbesar dan pengukuran yang terkecil. Contoh: bila dari hasil pengukuran
diperoleh nilai 3, 4, 5, 9, 11, 2, 13; maka rentangnya adalah 13-2 = 11.
Tabel 4. Contoh Hasil Analisis Univariat
Descriptive Statistics
N

Range

Minimum

Maximum

Statistic

Statistic

Statistic

Statistic

Mean
Statistic

Std. Error

Kelas X1

32

27

50

77

70.03

1.514

Kelas X2

32

27

52

79

69.28

1.600

Kelas X3

32

23

65

88

75.94

.973

Kelas X4

32

17

60

77

70.97

1.182

Kelas X5

32

18

61

79

72.13

1.083

Kelas X6

32

13

73

86

79.06

.508

Kelas X7

32

12

68

80

74.16

.617

Kelas X8

32

14

70

84

74.06

.571

Kelas X9

32

13

72

85

77.97

.607

Kelas X10

32

23

65

88

76.97

1.110

Kelas X11

32

19

61

80

73.25

.747

Kelas X12

32

16

71

87

75.25

.526

Valid N (listwise)

32

Dari output SPSS tabel di atas dapat diketahui bahwa jumlah anak masing-masing
kelas adalah 32 (N = 32). Nilai terendah (min) untuk kelas X1 adalah 50 dan nilai tertinggi
77, dengan range 27 dan nilai rata-rata 70,03. Kelas X2 nilai terendahnya (min) 52,
sedangkan nilai tertingginya (max) 79 dengan range 27 dan nilai rata-rata (mean) 69,28.
Kelas X3 nilai terendahnya (min) 65, sedangkan nilai tertingginya (max) 88 dengan range 23
dan nilai rata-rata (mean) 75,94, demikian seterusnya.
Contoh lain dari analisis statistik univariat adalah pengujian normalitas data suatu
kelompok sampel atau lebih. Berikut disajikan salah satu pengujian normalitas melalui
bantuan komputer program SPSS dengan uji Kolmogorov-Smirnov yang menguji apakah
data dari kelompok pretes dan postes dari suatu perlakuan berdistribusi normal atau tidak.
Tabel 2. Contoh Uji Normalitas dengan Kolmogorov-Smirnov Test
One-Sample Kolmogorov-Smirnov Test
Pretes
N
Normal Parametersa,,b

36

36

9.31

12.19

1.261

1.261

Absolute

.207

.172

Positive

.207

.172

Negative

-.126-

-.161-

Kolmogorov-Smirnov Z

1.241

1.034

.092

.235

Mean
Std. Deviation

Most Extreme Differences

Postes

Asymp. Sig. (2-tailed)


a. Test distribution is Normal.
b. Calculated from data.

Kriteria:JikanilaiAsymp.Sig>0,05makadataberdistribusinormal.Terlihatpadakeduavariabel
nilaiAsymp.Sig0,092dan0,235makadatapadavariabelpretesdanpostespadaperlakuantersebut
berdistribusinormal.

Analisis Ragam / Analysis of variance (Anova)


satu arah (one way)
Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil perlakuan
(treatment) pada sebuah populasi dengan populasi yang lain dengan metode uji
hipothesis yang ada (Distribusi Z, Chi Kuadrat, atau Distribusi-T). Membandingkan
satu rata-rata populasi dengan satu rata-rata populasi yang lain, selain memakan waktu,
juga beresiko mengandung kesalahan yang besar. Untuk itu, kita memerlukan sebuah
metode yang cepat dan beresiko mengandung kesalahan lebih kecil, yakni ANOVA
(Analysis of Variance). Pada materi umum Anova yang sudah dijelaskan bahwa Anova
dibagi kedalam tiga jenis yaitu anova satu arah, anova dua arah tanpa interaksi dan
anova dua arah dengan interaksi. Kali ini kita akan membahas anova satu arah. Kali ini
akan mencoba sedikit berbagi mengenai Anova satu arah. Selain itu akan dicoba sedikit
contoh kasus cara pengerjaan secara manual.

Kapan menggunakan Analisis ragam (Anova) satu


arah (one way)?
Anova digunakan untuk melihat perbandingan rata-rata beberapa kelompok biasanya
lebih dari dua kelompok. Anova satu arah digunakan pada kelompok yang digunakan
berasal dari sampel yang berbeda tiap kelompok. Jadi, bisa disimpulkan Pertama yang
perlu dilihat tujuannya membandingkan rata-rata kelompok lebih dari
dua. Kedua Sampel yang digunakan dari sampel yang berbeda per kelompok.

Asumsi-asumsi yang harus dipenuhi dalam analisis


varians (anova):
1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena
hanya digunakan satu penduga (estimate) untuk varians dalam contoh
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan
perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Hipotesis dalam Anova (analysis of variance):


Dalam analysis of variance hanya satu hipotesis yang digunakan yaitu hipotesis dua
arah (two tail). artinya hipotesis ini yaitu apakah ada perbedaan rata-rata. kita cuma
pengen tahu itu, tidak spesifik yang mana yang berbeda. Nah kalau mau tahu kelompok

yang benar-benar terdapat perbedaan rata-rata ada uji lanjutan dilakukan uji lanjutan.
kalau tentang itu akan dibahas di lain tempat. Berikut hipotesis dalam Anova.
H0: 1 = 2 = 3 = ... = n, Tidak ada perbedaan yang nyata antara ratarata hitung dari n kelompok
H1: 1 2 3 ... n, Ada perbedaan yang nyata antara rata-rata
hitung dari n kelompok

Langkah-langkah
dengan ANOVA

melakukan

1. Kumpulkan
sampel
dan
berdasarkan kategori tertentu.

uji

hipotesis

kelompokkan

Untuk memudahkan pengelompokkan dan perhitungan, buat tabel data sesuai


dengan kategori berisi sampel dan kuadrat dari sampel tersebut. Hitung pula total
dari sampel dan kuadrat sampel tiap kelompok. Selain itu, tentukan pula
hipotesis nol (H0) dan hipotesis alternatif (H1).

2. Menentukan tipe anova

Untuk menentukan tipe anova. terlebih dahulu bertanya apakah dari hipotesis
tersebut cocok untuk anova? jika tujuannya membandingkan rata-rata tiga
kelompok atau lebih maka boleh pakai Anova. Pertanyaan keduaapakah
sampel tiap kelompok diambil dari sampel yang berbeda? jika berasal dari
sampel yang berbeda maka menggunakan Anova satu arah/one way.

3. Memeriksa apakah sudah memenuhi asumsiasumsi sehingga bisa digunakan anova


o Normalitas,
adalah Menguji apakah data tiap kelompok memiliki distribusi normal. hal
ini bisa dilakukan dengan uji kolmogorov smirnov, shapira wilk.

o Homogenitas
adalah Menguji apakah varians tiap kelompok sama. Dalam menghitung
homogenitas bisa digunakan uji bartlett dan uji levene.

o Saling bebas
Menunjukkan bahwa setiap kelompok tidak saling berhubungan. Biasanya
yang digunakan logika apakah saling bebas atau tidak.

o Aditif (Saling menjumlahkan).


Artinya data yang dianalisis merupakan data interval/rasio

4. Menghitung variabilitas dari seluruh sampel.


Pengukuran total variabilitas atas data dapat dikelompokkan menjadi tiga bagian,
berikut rumus dalam Anova:

o Total of sum squares (SSt) jumlah kuadrat total


(jkt).
Merupakan jumlah kuadrat selisih antara skor individual dengan rata-rata
totalnya.

Keterangan: k = banyaknya kolom N = Banyaknya pengamatan/


keseluruhan
data
ni = banyaknya ulangan di kolom ke-i xij = data pada kolom ke-i ulangan
ke-j T** = Total (jumlah) seluruh pengamatan

o Sum Square Between(SSb) jumlah kuadrat


kolom (jkk).
Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya.
Variansi di sini lebih terpengaruh karena adanya perbedaan perlakuan
antar kelompok.

Keterangan
T*i = Total (jumlah) ulangan pada kolom ke-i

o Sum Square within(SSw) jumlah kuadrat galat


(jkg).
Variansi yang ada dalam masing-masing kelompok. Banyaknya variansi
akan tergantung pada banyaknya kelompok, dan variansi di sini tidak
terpengaruh / tergantung oleh perbedaan perlakuan antar kelompok.
JKG = JKT - JKK

5. Menghitung
freedom).

derajat

kebebasan

(degree

of

Derajat kebebasan atau degree of freedom (dilambangkan dengan v, dof, atau


db) dalam ANOVA akan sebanyak variabilitas. Oleh karena itu, ada tiga macam
derajat kebebasan yang akan kita hitung:

o Derajat kebebasan untuk JKT


merupakan derajat kebebasan dari Jumlah kuadrat total (JKT) ini akan
kita lambangkan dengan dof JKT.
db JKT = N - 1

o Derajat kebebasan untuk JKK


merupakan derajat kebebasan dari Jumlah kuadrat kolom (JKK) ini akan
kita lambangkan dengan dof JKK.
db JKK = k-1

o Derajat kebebasan untuk JKG


Merupakan derajat kebebasan dari Jumlah kuadrat galat (JKG) ini akan
kita lambangkan dengan dof JKG
db JKG = N - k
Derajat kebebasan juga memiliki sifat hubungan yang sama dengan sifat
hubungan variabel, yakni:
db JKT = db JKK + db JKG

6. Menghitung variance antar


variance dalam kelompok.

kelompok

dan

Variance dalam ANOVA, baik untuk antar kelompok maupun dalam kelompok
sering disebut dengan kuadrat tengah atau deviasi rata-rata kuadrat (mean
squared deviation) dan dilambangkan dengan MS atau KT. Dengan demikian,
maka mean squared deviation masing-masing dapat dicari dengan rumus
sebagai berikut:
o KTK = JKK / db JKK
o KTG = JKG / db JKG

7. Menghitung F hitung

Menghitung nilai distribusi F (Fhitung) berdasarkan perbandingan variance antar


kelompok dan variance dalam kelompok.Fhitung didapatkan dengan rumus di
bawah ini:
Fhitung = KTK/KTG

8. Menghitung F tabel

Selain itu, F berdasarkan tabel (Ftabel) juga dihitung, berdasarkan nilai derajat
kebebasan (langkah ke-4) menggunakan tabel distribusi-F. Jangan lupa untuk
mencantumkan gambar posisi Fhitung dan Ftabel dalam grafik distribusi-F.

9. Membandingkan Fhitung dengan Ftabel :


10.

o Jika Fhitung > Ftabel : tolak H0


o Jika Fhitung Ftabel : terima H0

Buat kesimpulan,

sesuai dengan kasus awal yang ditanyakan. Simpulkan, apakah perlakuan


(treatment) memiliki efek yang signifikan pada sampel data atau tidak. Jika hasil
tidak signifikan, berarti seluruh rata-rata sampel adalah sama. Jika perlakuan
menghasilkan efek yang signifikan, setidaknya satu dari rata-rata sampel
berbeda dari rata-rata sampel yang lain.

Contoh penghitungan Analysis of variance


(Anova) dengan tabel.
Berdasarkan langkah-langkah diatas untuk mempermudah perhitungan dibuat tabel
seperti berikut:

Sumber
(SK)

Keragaman Jumlah

Kuadrat Derajat

(JK)

Bebas Kuadrat

(db)

Tengah

(KT)

F hitung
F

Kolom (K)

db JKK = k-1

KTK

hitung

= =

JKK / db JKK

KTK
KTG

Galat (G)

JKG = JKT - JKK

db JKG= N-k

KTG
JKG / db JKG

Total (T)

db JKT= N-1

Contoh Kasus dalam perhitungan Analysis of


Variance (Anova) satu arah
Contoh Kasus Anova satu arah:
Terdapat 4 metode diet dan 3 golongan usia peserta program diet Berikut data rata-rata
penurunan berat peserta keempat metode dalam tiga kelompok umur.
Sampel
Sampel 1
Sampel 2
Sampel 3

Penurunan Berat Badan (Kg)


Metode 1
Metode 2
4
8
6
12
4
-

Metode 3
7
3
-

Metode 4
6
5
5

Apakah keempat metode diet tersebut memberikan rata-rata penurunan berat badan
yang sama?
Uji pendapat tersebut dengan taraf nyata 5 %

Solusi kasus Anova satu arah


1. Merumuskan Hipotesis
H0 :
(Setiap metode memberikan rata-rata penurunan berat badan
yang
sama)
H1 : Ada suatu metode yang memberikan rata-rata penurunan berat badan yang
tidak sama

2. Identifikasi model.
Pertama. berdasarkan hipotesis yang digunakan yaitu membandingkan rata-rata
lebih
dari
dua
kelompok
maka
metode
yang
mungkin
adalah Anova. kedua Sampel yang digunakan tiap kelompok berbeda perlakuan
sehingga tipe anova yang cocok adalah Anova satu arah.

3. Memeriksa asumsi Anova.


Dalam metode anova yang perlu diperhatikan ada empat seperti pada
keterangan diatas. asumsi normal danhomogenitas antar varians kelompok
harus terpenuhi. dalam contoh ini kita asumsikan asumsi terpenuhi karena kita
fokus pada langkah-langkah anova satu arah. kemudian kelompok yang
dianalisis berasal dari kelompoksaling bebas. dan data yang digunakan
merupakan data rasio. Setelah asumsi ini terpenuhi maka bisa lanjut ke
perhitungan selanjutnya. kalau tidak ganti metode.

4. Menghitung F hitung melalui Variabilitas, Derajat


bebas dan Kuadrat tengah
o Jumlah
Kuadrat
Total
2
2
2
2
2
2
2
2
2
2
2
JKT = (4 +6 +4 +8 +12 +7 +3 +6 +5 +5 )-(60 /10)=420-360=60

(JKT)

o Jumlah
Kuadrat
2
2
2
JKK=(14 /3+20 /2+10 /2+162/3)-(602/10)
=40.67
o Jumlah
Kuadrat
JKG = JKT - JKK = 60-40.67 = 19.33
o Kuadrat
Tengah
KTK = JKK / k-1 = 40.67/3 = 13.55
o Kuadrat
Tengah
KTG = JKG / N - k = 19.33/6 = 3.22
o f
f hitung =KTK / KTG = 13.55/3.22 = 4.21

Kolom
(JKK)
=(65.33+200+50+85.33)-360
Galat

(JKG)

Kolom

(KTK)

Galat

(KTG)
hitung

5. Perhitungan Tabel anova


Agar mempermudah perhitungan kita menggunakan tabel berikut:
Sumber Keragaman Jumlah Kuadrat Derajat Bebas Kuadrat Tengah
(SK)
(JK)
(db)
(KT)
Kolom (K)

JKK = 40.67

Galat (G)

JKG = 19.33

Total (T)

JKT = 60

6. Menghitung F

db JKK = 4-1 =
KTK =13.55
3
db JKG= 104=6
db JKT=10 -1
=9

F hitung
F hitung
=
4.21

KTG =3.22

tabel

F table pada = 0.05 db1=3 dan dk2=6 adalah 4.76

7. Kesimpulan :
Karena F hitung ada di daerah penerimaan (F hitung < F tabel) maka H0 terima,
sehingga bisa disimpulkan setiap metode memberikan dampak rata-rata
penurunan berat badan yang sama

Uji ANOVA Satu Arah (One Way ANOVA) adalah Jenis Uji Statistika Parametrik yang bertujuan
untuk mengetahui apakah terdapat perbedaan rata-rata antara lebih dari dua group sampel.
Yang dimaksud satu arah adalah sumber keragaman yang dianalisis hanya berlangsung satu arah yaitu
antar perlakuan (Between Group). Adapun faktor lain yang berpotensi mempengaruhi keragaman data
dimasukkan kedalam Galat (within Group) dan sebisa mungkin dikontrol, sehingga jenis uji ini
umumnya dilakukan pada rancangan perlakuan yang faktor-faktor lingkungannya dapat dikontrol,
misalnya pada percobaan di laboratorium atau di greenhouse.
Contoh kasus: Seorang peneliti ingin membandingkan rata-rata produktivitas dari 7 jenis varietas padi
yang berbeda, yaitu varietas A, B, C, D, E, F dan G, masing-masing perlakuan tersebut diulang
sebanyak 3 kali, sehingga total unit perlakuan berjumlah 21 unit (7 x 3 = 21) . Penelitian dilakukan
menggunakan Rancangan Acak Lengkap, masing-masing perlakuan ditempatkan secara random.
Berikut adalah data produktivitas tanaman padi (ton/ha), untuk masing-masing perlakuan:

Contoh :
Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh perbedaan
metode Membaca pada tingkat keberhasilan. Ada tiga metode belajar yang akan diuji.
Diambil sampel masing-masing 5 orang siswa untuk membaca suatu artikel, lalu dicatat
waktu yang digunakan (menit) untuk kemudian diberi pertanyaan setelahnya sebagai berikut :
Metode 1
(Membaca lambat/ 8 menit)
21
27
29
23
25

Metode 2 (Sedang/5 Menit)

Metode (Cepat/ 2,5 Menit)

17
25
20
15
23

31
28
22
30
24

Ujilah dengan = 0,05 apakah ada pengaruh perbedaan metode Membaca pada waktu
yang digunakan?
Penyelesaian :
Metode 1 (membaca lambat)
21
27
29
23
25
T1 = 125

Metode 2 (sedang)

Metode 3 (Cepat)

17
25
20
15
23
T2 = 100

31
28
22
30
24
T3 = 135

Dari tabel di atas bisa dihitung


Total keseluruhan nilai = 360
JKK =
+
+

JKT = 212 + 272 + ... + 242 -

= 298

= 130

JKS = 298 130 = 168


Tabel ANOVA
Sumber
Derajat
Keragaman Bebas
Antar Kolom 2
Sisaan
Total

12
14

Jumlah
Kuadrat
130

Varian
(Ragam)
65

168
298

14

F hitung

Ftabel

4,64

F(2,12)
3,89

Pengujian hipotesis :

H0 = 1 = 2 = ..... = k
Ha = Tidak semuanya sama ( setidaknya ada i

j , untuk i

j)

Statistik Uji = Fhitung = 4,64


Karena Fhitung > Ftabel, maka tolak Ho
Kesimpulan : ada pengaruh perbedaan metode membaca pada waktu yang digunakan.
Adapun contoh kasus ANOVA dua arah adalah :

1. Ingin mengetahui pengaruh dari tingkat harga dan tingkat distribusi terhadap keinginan
pelanggan membeli barang A (harga : sangat mahal, mahal, murah dan distribusi: sangat
lancar, lancar dan tidak lancar).
2. Apakah tingkat pendidikan : bukan sarjana, sarjana muda dan sarjana serta tingkat umur
(<35, 35-55, >55) mempengaruhi tingkat konsumsi sejenis minuman tertentu?

Anda mungkin juga menyukai