Analisis Ragam (Varians)

1. Konsep Dasar

Analisis varians adalah suatu cara yang dapat

digunakan untuk menguji rataan populasi.Teknik
analisis varians digunakan untuk menganalisis atas
menguraikan seluruh (total) variasi atau bagian-
bagian yang bermakna. Analisis varians digunakan
untuk menguji k buah rataan populasi (k > 2).
Populasi-populasi itu akan dianggap saling bebas
dan menyebar normal dengan rataan 1,2,,k
dan varians sama dengan 2.

2. Analisis Varians Klasifikasi Satu Arah

Peubah acak berukuran n yang dipilih dari setiap k

populasi dan ingin menguji hipotesis :
H0 : 1 = 2 = =k
H1 : sekurang-kurangnya dua rataan populasi yang
tidak sama.

1
 Hasil pengamatannya :

Perlakuan
1 2 i k
y11 y21 yi1 yk1
y12 Y22 yi2 yk2
. . . .
. . . .
. . . .
y1n y2n yin ykn
Jumlah T1. T2. Ti. Tk. T
Rataan y 1. y 2. y i. y k. y

Model matematika :
k
yij i ij , i i dan i 0
i 1

i
i 1
k

Rumus perhitungan jumlah kuadrat:

Ukuran contoh (sampel) sama = n

2
 k n 2
T
JKT yij
2
; JKT Jumlah Kuadrat Total
i 1 j 1 nk
k

T T i. 2
JKA i 1
; JKA Jumlah Kuadrat Perlakuan
n nk
JKG JKT JKA ; JKG Jumlah Kuadrat Galat

Tabel Analisis Varians untuk Klasifikasi Satu Arah

Sumber Jumlah Derajat Rataan Fhitung

Variasi Kuadrat bebas Kuadrat
Perlakuan JKA k-1 2
S1
JKA 2
S1
k 1
S2
Galat JKG k (n-1) S2
JKG -
k n 1
Total JKT nk - 1 - -

Rumus perhitungan jumlah kuadrat: ukuran contoh

(sampel) tak sama.
k n 2
T
JKT yij
2

i 1 j 1 N
k 2 2
T T
JKA i.
i 1 ni N
JKG JKT JKA
k
N n1 n2 ... nk ni
i 1

Derajat bebas : N 1 untuk JKT;

k 1 untuk JKA;

3
 N k untuk JKG

3. Uji Kesamaan Beberapa Varians

Hipotesis :
H0 : 12 = 22 = . = k2
H1 : tidak semua varians sama

a. Uji Bartlett
Statistik Uji :
S
1

b
2 n 1 1
1 S
2 n 2 1
2
... S 2 n k 1
k
Nk

2
S p

Keputusan tolak H0 bila b < bk (;n); untuk

ulangan sama = n
b < bk (; n1, n2, , nk ); untuk ulangan tidak
sama dimana
n1b k (; n1 ) n 2 b k (; n 2 ) ... n k b k (; n k )
b k (; n1 , n 2 ,..., n k )
N

bk (;n) = Tabel nilai kritis uji Bartlatt

b. Uji Cochran
Uji ini terbatas untuk ukuran contoh
(sampel) sama.

Statistik uji
Si2 terbesar
G k

S
i 1
2
i
4
 Keputusanmenolak H0 : bila G>g; g =
nilai kritis pada uji Cochran

4. Pembandingan Ganda Rataan Perlakuan.

Selang kepercayaan k(1-) 100% beda rataan

perlakuan ke i dan ke:
2 S2 2 S2
yi y t 1 ( Nk ) i j . yi y j t 1
2 n 2
( N k ) n

Pasangan perlakuan ke-i dan ke-k berbeda bila

2 S2
yi . y k . t 1 atau
2
( Nk ) n

2 JKG
yi . y t 1
2
( N k ) n(N k)

BNT = Beda Nyata Terkecil atau

LSD = Least Significant Difference
2 JKG
t1
BNT = 2
( N k ) n(N k)

5
 Selang kepercayaan (1-)% serentak dari Tukey
untuk beda dua rataan :

y i . y j . q(; k, N k )
JKG
i - j y i . y j . q(; k, N k )
JKG
n( N k) ( N k )n

Dan pasangan i, j berbeda jika

yi . y j .
BNJ = Beda Nyata Jujur

BNJ = (HSD = Honestly Significant Difference)

JKG
q (; k , N k )
BNJ = ( N k) n

5. Analisis Varians Klasifikasi Dua Arah

Bentuk rancangannya, rancangan (acak) kelompok

= Randomized Complete Block Design

Model matematikanya
Yij = - i + j + ij

Hasil pengamatan

6
 Perlakuan Kelompok (B)
(A) 1 2 B
1 y11 y12 y1b
2 y21 y22 y2b
: : : : :
: : : : :
a ya1 ya2 yab
T..2
JKT y ji y.. y ij
a b 2
a b
2
; db ab 1
i 1 j1 i 1 j1 ab

y
2
i .
a
T..2
JKA b y i y..
2
j1
; db a 1
i 1 b ab

y
2
i .
a
T..2
JKB a y i y..
2
j1
; db b 1
i 1 a ab
JKG y ij y ij JKT JKA JKB, db(a 1)(b 1)
2

i j

JKA JKB
R2
JKT

Tabel Analisis Varians (Klasifikasi Dua Arah)

7
 Sumber Jumlah Derajat Rataan F
Variansi Kuadrat Bebas kuadrat
2JKAA
SS1212/ S /(a 1) JKA a-1
2JKBB
SS22 22/ S /(b 1) JKB b-1

Galant
S 2 JKG /(a 1)(b 1) JKG (a-1)(b-1) ___

Total JKT ab-1 ___ ___

Selang kepercayaan (1-) 100% beda rataan

dua perlahan I - k adalah
2S2
y i . y k . q (; a , r ) ;

b

2S2
y i . y k . q (; a , r )
b

dimana =(a-1)(b-1)

Hipotesis H0 : i = k, untuk i k ditolak bila.

y i y k q ( ; a , ) 2S2 / b

6. Analisis Varians Data Bebas Sebaran

8
 Uji Kruskal - Wallis

N = Ji = Jumlah (banyaknya) pengamatan dari

satu gugus data. Peringkat (rank) pengamatan yji
yang terkecil = 1 dan yang terbesar = N.

Hipotesis H0 : 1 = 2 = = I
Rij = peringkat dari yij
Ri = total peringkat pengamat
contoh ke-i
R .= rataan peringkat contoh ke-i
i

N 1
E ( R ij )
2
1 N 1
E ( R i .) E (R ij )
Ji j 2

Statistik uji kesamaan rataan :

2

12 I
N 1
K Ji R i .
N( N 1) j1

2
atau

12 I
R i2 .
K Ji j 3( N 1)
N ( N 1) i 1 i

Hipotesis H0 ditolak pada taraf uji jika, K 2 ( 1)

, I = banyaknya perlakuan.

9
 Bila H0 : benar,
N( N 1) 1 1
R i . R i . ~ N 0,

12 J i . J i .

R i . R i .
Z
Sehingga N( N 1) 1 1

12 J i . J i .

N ( N 1) 1 1
R i . R i . Z
2m 12 J i J i .

Dimana m = I (I - 1)/2

Uji Kruskal-Wallis identik dengan analisis varians

klasifikasi satu arah pada sebaran populasi normal
(Completely Randomized Design).

Uji Friedman

Uji ini adalah identik dengan analisis varians

klasifikasi dua arah (Rancangan Kelompok =
Randomized Block Design).

10
Model Matematika :
yij = + i + j + ij
H0 : 1 2 = = I = 0

Setiap perlakuan dari 1 sampai dengan I diberi

peringkat masing-masing dengan rataan
peringkatnya R . i

Statistik uji : 12 J I
I 1
2

Fr Ri.
I ( I 1) i 1 2

12

I J ( I 1)
R i2 . 3 J (I 1)

Fr 2 ( I 1)
Keputusan menolak H0 bila

11
 ANALISIS VARIANS
OLEH
PRATIWI SIMANUNGKALIT
071101054
FAKULTAS KEPERAWATAN USU

1. Pengertian dan Manfaat ANAVA

Analisis Varians (Analysis of Variance), merupakan sebuah teknik inferensial yang digunakan untuk
menguji perbedaan rerata nilai. Sebagai sebuah teknik analisis varians atau yang seringkali disebut dengan
anava saja mempunyai banyak keuntungan. Pertama, anava dapat digunakan untuk menentukan apakah
rerata nilai dari dua atau lebih sampel berbeda secara signifikan atau. Kedua, perhitungan anava juga
menghasilkan harga F yang secara signifikan menunjukkan kepada peneliti bahwa sampel yang diteliti
berasal dari populasi yang berbeda, walaupun anava tidak dapat menunjukkan secara rinci yang manakah di
antara rerata nilai dari sampel-sampel tersebut yan gberbeda secara signifikan satu sama lain. Uji T lah
yang dapat menyempurnakan ini. Ketiga, anava juga dapat digunakan untuk menganalisis data yang
dihasilkan dengan desain factorial jamak. Dalam desain factorial yang menghasilkan harga F ganda, anava
dapat menyelesaikan tugas sekaligus. Dengan anava inilah peneliti dapat mengetahui antarvariabel
manakah yang memang mempunyai perbedaan secara signifikan, dan varibel-variabel manakah yang
berinteraksi satu sama lain.
Keuntungan lain dari anava adalah kemampuannya untuk mengetes signifikansi dari kecenderungan
yang dihipotesiskan. Hasilnya disebut dengan analisis kecenderungan. Sebaagai contoh peneliti
mengelompokkan siswa ke dalam empat kelompok berdasarkan tingkat kedisiplinannya seseorang akan
semakin tinggi prestasi belajarnya. Untuk menguji hipotesis ini peneliti dapat menggunakan anava.
Manfaat lain dari anava adalah, bahwa teknik ini dapat digunakan untuk menguji signifikansi perubahan
varians dua ampel atau lebih. Dengan menggunakan teknik anava peneliti tidak perlu berkali-kali
melakukan pengujian tetapi hanya cukup sekali saja. Disamping penghematan tersebut, seperti sudah
dikemukakan diatas, dengan anava peneliti dapat melihat akibat dari interaksi dua faktor. Beberapa asumsi
yang harus dipenuhi dalam uji anova adalah sebagai berikut :
a) Varians homogeny (sama)
b) Sampel kelompok independen
c) Data berdistribusi normal
d) Jenis data yang dihubungkan adalah : ada/tidaknya perbedaan rerata data numerik pada kelompok kategorik

Untuk uji normalitas dapat menggunakan koefisien of varians, histogram, K-S test. Sedangkan untuk
menguji varians sama/tidak menggunakan Levene test. Alternative uji anova yang dapat digunakan adalah
Kruskal-Wallis.

12
1. Harga-Harga yang Diperlukan dalam Uji Analisis Varians
Untuk dapat menggunakan teknik anava dengan baik, perlu kiranya mengenal beberapa pengertian
tentang harga-harga yang terdapat di dalam rumusnya. Baik dalam anava tunggal maupun anava ganda
terdapat beberapa istilah teknis yang belum terdapat di dalam teknik-teknik sebelumnya. Harga-harga yang
dimaksud adalah : sumber variasi, jumlah kuadrat (disingkat JK), rerata kuadrat atau mean kuadrat (singkat
MK), dan harga F.
1.1 Sumber Variasi
Pengertian sumber variasi digunakan sebagai judul kolom dalam table persiapan anava. Hal-hal
yang terkandung di dalam di bawah judul tersebut adalah hal-hal yang dipandang menunjukkan variasi
sehingga menyebabkan timbulnya perbedaan nilain yang dianalisis. Sebagai sumber variasi misalnya
perbedaan yang terjadi di antara kelompok, di dalam kelompok, dan interaksi antara dua faktor atau lebih.
1.2 Jumlah Kuadrat
JKtot = X2-(X)2/N
Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. Ada beberapa
jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total,
jumlah kuadrat antar kelompok, jumlah kuadrat dalam kelompok. Untuk anava ganda masih ada satu
pengertian lagi yaitu kuadrat interaksi. Dengan rumus :
1.
(X)2/N= faktor koreksi
JKant = [(Xk)2/nk- (X)2/N ]

2.

k = banyaknya kelompok
nk = banyaknya subjek dalam kelompok

JKtot = Jkant + Jkdal

3.

1.3 Pengertian Mean Kuadrat

F = MKant/MKdal
Selain jumlah kuadrat, ada pengertian penting yang sangat berperan di dalam perhitungan dangan anava
yakni mean kuadrat. Dengan mean kuadrat inilah harga F dapat diketahui, karena F diperoleh dari
pembagian harga mean kuadrat. Mean kuadrat (rerat kuadrat) diperoleh dengan rumus :

2. Jenis-Jenis Anava
Sesuai dengan banyaknya faktor yang terlibat, maka anava dibedakan secara garis besar menjadi dua
yaitu :
1) Anava tunggal atau anava satu jalan
2) Anava ganda atau anava lebih dari satu jalan.

13
2.1 Analisis Varians Satu Jalan
Yang dimaksud dengan analisis varians satu jalan adalah analisis varians yang digunakan untuk
mengolah data yang hanya mengenal satu variable pembanding.
Langkah langkah dalam anava ini adalah :
1. Mengelompokkan sekor berdasarkan kategori
Tabel 1
Pengelompokkan Prestasi Praktik Menurut Kelompok Dukungan Orang Tua Siswa
Sangat Mendukung (SM) Mendukung (M) Tidak Mendukung (TM)
49 36 36 36 29 45 33 45 39
37 35 47 37 28 30 34 35 40
46 38 34 48 47 31 30 34 47
37 34 49 42 39 32 44 35
34 40 35 35 48 49 36 40
30 31 48 31 38 33 46
Jumlah = 15 org Jumlah = 18 org Jumlah = 17 org

2. Membuat tabel statistik

Tabel 2
Tabel Statistik untuk Anava Tunggal

KLp
SM M TM Jumlah
Harga
nk 15 18 17 50 (N)
X 37.67 38,67 38,35
X 564 696 652 1912
X2 21654 27838 25568 75060

3. Membuat Tabel Rumus Unsur Persiapan Anava

Tabel 3
Rumus Unsur Tabel Persiapan Anava Satu Jalan
Sumber Variasi Jumlah Kuadrat (JK) d.b. MK
Kelompok (K) JK = (Xk)2 /nk - (XT) 2/ nk dbk = K-1 MKk = JKk/dbk

JKd = JKT-JKk
Dalam (d) dbd = N-K MKd = JKd/dbd
2 2
Total (T) = X [(XT) /nk]
T = N-1

4. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan

5. Memasukkan harga-harga dalam tabel ringkasan anava

14
 Sumber Variasi JK d.b. MK Fo
Kelompok (K) 9,6376 (3-1) = 2 4,8188 = 0,117

Dalam (d) 1935,4824 (50-3) = 47 41,1805

Total (t) 1945,12 (50-1) = 49

Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan

dbf = dbk lawan dbd. Setelah harga F ditemukan dan dikonsultasikan dengan tabel F, langkah selanjutnya
adalah mengadakan pengujian terhadap harga rerata untuk setiap kelompok sampel. Perhitungan pengujian
dilakukan pada setiap pasangan harga rerata, yang dilakukan dengan uji-t. Menurut peraturan lama,
pengujian rerata (uji joli) hanya dilakukan jika harga F 0 signifikan. Belakangna disarankan oleh para ahli
bahwa uji-t terhadap setiap pasangan harga rerata selalu dilakukan walaupun harga F 0 tidak signifikan.
Rumus yang dilakukan pada uji joli adalah :

Hasil harga t dikonsultasikan dengan tabel t dengan d.b. = ( n1 + n2 2 ). Oleh karena yang diuji joli
ada tiga harga rerata, maka lakukan uji joli sebanyak tiga kali.

2.2 Analisis Varians Dua Jalan

Analisis varians dua jalan merupaka teknik analisis data penelitian dengan desain faktorial dua faktor.
Dalam penelitian ini terdapat dua variable yang digunakan untuk dasar peninjauan sekor utntuk variable
terikat. Anava dua jalan mempunyai judul kolom dan judul baris dengan menggunakan klasifikasi dua
variable yang digunakan sebagai dasar tinjauan sekor untuk variable terikat. Anava dua jalan yang juga
disebut dengan anava modal AB mempunyai dua variabel. Model diagram analisis dua jalan dapat berupa
dua alternative sbb.

Alternatif 1 Alternatif 2
A-1 A-2
B1 B2 B3 B1 B2 B3
1 2 3 4 5 6
A
A-1 A-2
B
B1 1 4
B2 2 5
B3 3 6

15
 Langkah langkah dalam anava ini adalah :
1. Mengelompokkan sekor berdasarkan kategori
Tabel 4
Pengelompokan data anava dua jalan dengan tabel ( 3 x 3 )
A
A-1 A-2 A-3
B
49 40 31 45 48 48 47 49
B1 46 35 29 38 47 44 10
5 6 4
34 36 37 47 35 36 37 35 39 40 40
B2 34 30 36 31 39 42 33 35 34
7 8 6
37 34 38 31 49 30 33 34 36
B3 48 28 30 46 32
3 5 7

2. Membuat tabel statistik

Tabel 5
Tabel Statistik untuk Anava Dua Jalan dengan Tabel ( 3 x 3 )
B Statistik A1 A2 A3 Jlh
5 6 4 15
N
X 180 225 175 631
B1
X2 6714 11127 7771 27201
X
36 42,5 43,75 -
7 7 6 20
N
X 254 255 221 730
B2
X2 9382 9361 8191 26934
X
36,43 36,83 -
3 5 7 15
N
X 109 168 256 551
B3
X2 3969 7350 9606 20925
X
36,33 37,2 36,57 -
15 18 17 50
N
Jlh. X 564 696 652 1912
X2
21654 2783 25568 75060

3. Membuat Tabel Rumus Unsur Persiapan Anava

Tabel 6
Rumus Unsur Tabel Persiapan Anava Dua Jalan

16
 Sumber Variasi Jumlah Kuadrat Db MK Fo P
Antara A = A-1 (2)

=
Antara B B-1 (2)

= JKA - JKB
Antara AB dbA x dbB (4)
(Interaksi)
JKd = JKA JKB - JKAB

Dalam (d) dbT-dbA-dbB-dbAB

Total (T) =- N-1 (49)

4. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan

Seperti pada waktu anava tunggal, pada pengerjaan anava gandapun sama, yakni sesudah ditemukan
harga F, signifikan maupun tidak, harus dilanjutkan dengan perhitungan uji joli. Untk anava ganda yang
memiliki sel sebanyak 9 buah, uji jolinya bukan hanya 9 tetapi 36 kali.

2.3 Analisis Varians Tiga Jalan

Dari uraian tentang jumlah kuadrat untuk anava dua jalan dapat diketahui bahwa JK ant merupakan
jumlah dari JKA , JKB , JKAB. Untuk anava tiga jalan, karena juga terdapat pengaruh faktor utama dan faktor
interaksi, maka hubungan antara jumlah kuadrat total,, jumlah kuadrat antara dan jumlah kuadrat dalam sbb
:

JKtot = JKant + JKdal

JKA+ JKB+ JKABS+ JKAC+ JKBC+ JKABC

faktor utama faktor interaksi

Langkah langkah dalam anava ini sama dengan anava dua jalan.
Tabel 7
Bentuk Tabel Pengelompokan data anava tiga jalan

A1 A2
B1 B2 B3 B1 B2 B3
C1
C2
C3
Jlh.

17
 Tabel 8
Bentuk Tabel Statistik Anava Tiga Jalan

A1 A2
Statistik Jumlah
B1 B2 B3 B1 B2 B3
C1
C2
C3
Jlh.

Tabel 9
Rumus Unsur Tabel Persiapan Anava Tiga Jalan

Sumber Variasi Jumlah Kuadrat (JK) d.b MK

Antara A JKA = A-1

JKB =
Antara B B-1
JKC =

Antara C JKAB = - JKA-JKB C-1

Interaksi AB dbA x dbB

JKAC = - JKA-JKC

Interaksi AC JKBC = - JKB-JKC dbA x dbC

JK BC = - JKA- JKB-JKC-JKAB-JKAC-JKBC
Interaksi BC dbB x dbC
JKd = JKT-JKant
= JKT JKA JKB JKC JKAB
JKAC - JKBC
Interaksi ABC dbA x dbB x dbC

Dalam dbT dbant

Total JKA = N-1

Derajat kebebasan ( d.b ) yang digunakan untuk konsultasi adalah : d.b faktor pembilang lawan d.b. d
sebagai penyebut. Pedoman untuk mengadakan interpretasi terhadap harga F0 adalah :

18
 Jika F0 Ft 1% Jika F0 Ft 5% Jika F0 Ft 5%
1. Harga Fo yang diperoleh sangat Harga Fo yang diperoleh signifikan Harga Fo yang diperoleh tidak
signifikan Ada perbedaan rerata secarasignifikan
2. Ada perbedaan rerata secara signifikan Tidak ada perbedaan rerata secara
signifikan Hipotesa Nihil (Ho) ditolak p < 0,05signifikan
3. Hipotesa Nihil (Ho) ditolak atau p = 0,01 Hipotesa tidak Nihil (Ho) diterima p
4. p < 0,05 atau p = 0,01 > 0,01

2 ANALISIS VARIANS DALAM SPSS

1. Entry Data
Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua
kelompok. Kelompok dikenali dari variabel bebas (x). Sebagai contoh, akan dianalisis data untuk menguji
hipotesis:
1. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media
audio-video, multi media, dan hipermedia.
2. Pada siswa yang berkepribadian introvert, terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang
mengikuti pembelajaran dengan media audio -video, multi media, dan hipermedia.
3. Pada siswa yang berkepribadian ekstrovert, terdapat perbedaan hasil belajar Bahasa Inggris antara siswa
yang mengikuti pembelajaran dengan media audio-video, multi media, dan hipermedia.
4. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar
Bahasa Inggris.
Data hasil penelitian adalah sebagi berikut:
Jns.Media Audio-Video Multimedia Hipermedia
Kepribadian (A1) (A2) (A3)

Ekstrovert
5, 7, 4, 6, 3, 5, 7 6, 7, 8, 5, 6, 7, 8 7, 8, 9, 8, 8, 6, 7
(B1)
Introvert
8, 9, 8, 9, 8, 7, 6 7, 7, 8, 6, 6, 5, 7 6, 5, 6, 6, 7, 4, 7
(B2)

Apabila dibuat dalam bentuk tabel kerja, maka tabel di atas akan tampak seperti di bawah
ini :
YA1B1 YA1B2 YA2B1 YA2B2 YA3B1 YA3B2
5 6 7 8 7 6
7 7 8 9 7 5
4 8 9 8 8 6
6 5 8 9 6 6
3 6 8 8 6 7
5 7 6 7 5 4

19
 7 8 7 6 7 7
Setelah dimasukkan ke form SPSS, data dalam form SPSS akan tampak sebagai berikut.

2. Analisis Data

Menu ANAVA pada SPSS terletak di General Linear Model, dengan langkah- langkah seperti
berikut.
Analyze
General Linear Model
Univariate

Menu akan tampak seperti bagan di bawah ini.

20
Apabila menu tersebut sudah dipilih, maka akan tampak kotak dialog. Pindahkan y ke
dependent variabel dan x ke fixed faktor(s), seperti bagan berikut.

21
Selanjutnya dipilih menu- menu yang lain untuk melengkapi analisis yang diperlukan.
Misalnya, jika diperlukan uji lanjut, maka pilih menu Post Hoc sehingga muncul menu
dialog seperti di bawah ini.

Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih. Misalnya,
pada contoh di atas dipilih uji Tukey dan Uji Scheffe. Setelah itu, pilih menu Continue.
Berikutnya, pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis. Jika
semua menu yang diperlukan sudah dipilih, maka selanjutnya pilih OK, sehingga muncul
hasil analisis. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.

22
 Tests of Between-Subjects Effects

Dependent Variable:VAR00001

Source Type III Sum of Squares df Mean Square F Sig

Corrected Model 33.643a 5 6.729 5.266

Intercept 1853.357 1 1853.357 1450.453

VAR00002 24.429 2 12.214 9.559

VAR00003 1.167 1 1.167 .913

VAR00002 * VAR00003 8.048 2 4.024 3.149

Error 46.000 36 1.278

Total 1933.000 42

Corrected Total 79.643 41

a. R Squared = .422 (Adjusted R Squared = .342)

Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9,559 dengan signifikansi
0,000. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.
a. Susun hipotesis
Ho : 1 = 2 = 3
H1 : 1 2 = 3 atau 1= 2 3 atau 1 2 3
b. Tetapkan signifikansi, misalnya a=0,05.
c. Bandingkan a dengan signifikansi yang diperoleh (sig). Apabila a < sig., maka H1 diterima,
sebaliknya bila a sig., maka H0 diterima.
d. Ternyata hasil analisis menunjukkan bahwa sig. besarnya 0,000 lebih kecil daripada a = 0,05.
Dengan demikian H0 ditolak dan H1 diterima. Jadi kesimpulannya, terdapat perbedaan hasil
belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video,
multi media, dan hipermedia.
.
Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc...) yang dipilih,
yakni Uji Tukey dan Uji Scheffe, seperti tampak di bawah ini.

23
 Multiple Comparisons

Dependent Variable:y

95% Confid

(I) VAR00002 (J) VAR00002 Mean Difference (I-J) Std. Error Sig. Lower Bound

Tukey HSD 1.00 2.00 -1.7143* .42725 .001 -2.7586

3.00 -.2143 .42725 .871 -1.2586

2.00 1.00 1.7143* .42725 .001 .6700

3.00 1.5000* .42725 .003 .4557

3.00 1.00 .2143 .42725 .871 -.8300

2.00 -1.5000* .42725 .003 -2.5443

Scheffe 1.00 2.00 -1.7143* .42725 .001 -2.8051

3.00 -.2143 .42725 .882 -1.3051

2.00 1.00 1.7143* .42725 .001 .6234

3.00 1.5000* .42725 .005 .4091

3.00 1.00 .2143 .42725 .882 -.8766

2.00 -1.5000* .42725 .005 -2.5909

Based on observed means.

The error term is Mean Square(Error) = 1.278.

*. The mean difference is significant at the 0.05 level.

Jika diperhatikan hasil di atas, maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2
berbeda secara signifikan dengan koefisien -1,71. Perbedaan tersebut ditunjukkan oleh
bilangan signifikansi yang diperoleh (sig.) sebesar 0,001 yang jauh lebih kecil daripada taraf
signifikansi yang ditetapkan, yakni 0,05. Dengan cara yang sama dapat dilihat perbedaan
antara sel-sel yang lain.

konsep dasar analisis varians

Konsep Dasar Analisis Varians
Analisis varians digunakan untuk menguji hipotesis komparatif rata-rata k sampel
bila datanya berbentuk interval atau ratio. Satu sampel dalam k kejadian/pengukuran
berarti sampel tersebut berpasangan, model before-after. Satu sampel diberi perlakuan

24
sampe 5 kali, ini berarti sudah 5 sampel berpasangan. Sedangkan k sampel dalam satu
kejadian berarti sampel independent. ( 5 sampel diberi satu kali perlakuan , adalah
merupakan 5 sampel independent).
Trdapat beberapa analisis varians , yaitu :
1. Analisis Varians Klasifikasi Tunggal ( Single Classification)

2. Analisis Varians Klasifikasi Ganda ( Multiple Classification)

Analisis Varians Klasifikasi Tunggal, yang sering juga disebut anova satu jalan
digunakan untuk menguji hipotesis komparatif rata-rata k sampel , bila pada setiap
sampel hanya terdiri atas satu kategori, sedangkan Anova Klasifikasi Ganda / dua jalan
digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila pada setiap sampel
terdiri atas dua atau lebih kategori.
Contoh:
Bila ingin menguji hipotesis ada tidaknya perbedaan secara signifikan antara
penghasilan pegawai negeri, petani, pedagang, dan nelayan maka digunakan Anova satu
jalan, tetapi bila akan menguji hipotesis ada tidaknya perbedaan secara signifikan antara
penghasilan pegawai negeri, petani, pedagang, dan nelayan berdasarkan jenis kelamin
( pria/wanita) maka digunakan anova dua jalan.
Untuk mempermudah pemahaman tentang dua jenis anova tersebut, maka dapat
dilihat melalui dua model tabel ringkasan anova.
Contoh data yang dianalisis dengan anova satu jalan :

Data Sampel I Data Sampel II Data Sampel III

4 8 9

3 7 7

5 6 4

Contoh data yang dianalisis dengan anova dua jalan :

Kategori Data Sampel I Data Sampel II Data Sampel III Data Sampel IV

Kategori I 6 5 7 9
( Pria ) 7 6 5 7
9 9 4 6

Kategori II 6 5 8 5
( Wanita ) 5 4 5 4

25
 4 3 3 3

BAB 2
PEMBAHASAN

2.1 Pengertian ANOVA

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia
metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan
analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga
uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali
diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis
varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan
(estimation, khususnya di bidang genetika terapan). Analisis of variance atau ANOVA
merupakan salah satu teknik analisis multivariate yang berfungsi untuk membedakan
rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis
varian termasuk dalam kategori statistik parametrik. Sebagai alat statistika parametrik,
maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji
asumsi meliputi normalitas, heterokedastisitas dan random sampling.
Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari
berbagai macam jenis dan desain penelitian. Analisis varian banyak dipergunakan pada
penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji
variabel terikat dengan cara membandingkannya pada kelompok-kelompok sampel
independen yang diamati. Analisis varian saat ini banyak digunakan dalam penelitian
survey dan penelitian eksperimen. Secara umum, analisis varians menguji dua varians
(atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama
adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians
dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata
(mean).

26
 Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians
menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan
percobaan:
1. Data berdistibusi 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).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk
berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki
keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai
bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi,
dan kemasyarakatan.
Untuk membandingkan data hasil penelitian yang diperoleh dari 2 kelompok
sampel dapat dilakukan uji student t test, baik untuk sampel yang berkorelasi maupun
independen. Apabila kita memiliki banyak kelompok sampel, sedangkan kita
berkeinginan untuk membandingkan data dari seluruh kelompok tersebut tentu kurang
efisien bila kita melakukan uji t tersebut karena kita harus melakukan uji t untuk tiap 2
kelompok sampel. Sebagai contoh apabila kita memiliki kelompok sampel A, B dan C
maka kita harus melakukan penghitungan dengan uji t antara kelompok A dan B, lalu
antara kelompok A dan C serta yang terakhir antara kelompok B dan C. Jadi praktis kita
harus melakukan 3 kali uji t.
Berdasarkan hal tersebut akhirnya para ahli statistik mencari uji alternatif yang
bisa digunakan untuk membandingkan beberapa kelompok sampel dengan satu kali
pengujian saja. Uji Anova merupakan alternatif terbaik untuk mengatasi hal tersebut. Uji
Anova sering pula disebut uji F. Uji Anova ini merupakan salah satu uji statistik
parametrik. Beberapa persyaratan yang harus dipenuhi dalam melakukan uji Anova
adalah sebagai berikut:
a. Sampel diambil secara acak dari masing-masing populasi.

27
 b. Jika sampel mendapat perlakuan yang berbeda, maka penetapan jenis perlakuan
dilakukan dengan cara randomisasi.
c. Populasi-populasi asal sampel mempunyai distribusi normal.
d. Setiap populasi mempunyai varian sama.
e. Data yang diambil dalam skala data ratio atau interval.
Pada dasarnya ANOVA dapat dibagi menjadi dua kelompok besar, yaitu:
1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independen variabel
(variabel bebas). Kondisi ini yang sering disebut dengan single factor experiment
(analisis varians satu arah), yang akan dibahas pada makalah ini.
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa independen
(variabel bebas). Kondisi ini yang sering disebut dengan two way factor experiment
(analisis varians dua arah) One way ANOVA digunakan untuk menguji hipotesis rata-rata
k sampel, bila pada setiap sampel itu hanya terdiri atas satu kategori, sedangkan two way
Anova digunakan untuk menguji hipotesis rata-rata k sampel, bila setiap sampel terdiri
atas lebih dari satu kategori.

2.2 Anova Satu Jalur (One Way Anova)

Analisis varians satu jalur merupakan teknik statistika parametrik yang digunakan
untuk pengujian perbedaan beberapa kelompok rata-rata, di mana hanya terdapat satu
variabel bebas atau independen yang dibagi dalam beberapa kelompok dan satu variabel
terikat atau dependen. Dalam teknik Anova satu jalur biasanya digunakan dalam
penelitian eksperimen atau pun Ex-Post-Facto.
Asumsi yang digunakan adalah :
Sampel diambil dari distribusi normal, sehingga sampel juga berdistribusi normal.
Kenormalan ini dapat diatasi dengan memperbesar jumlah sampel.
Masing-masing kelompok mempunyai variabel yang sama.
Sampel diambil secara acak.
Hipotesis dalam ANOVA akan membandingkan rata-rata dari beberapa populasi
yang diwakili oleh beberapa kelompok sampel secara bersama, sehingga hipotesis
matematikanya adalah :
H0 : 1 = 2 = k
o Seluruh mean populasi adalah sama

28
o Tak ada efek treatment (tak ada keragaman mean dalam grup)
H1 : tidak seluruh mean populasi adalah sama
o Minimal ada 1 mean populasi yang berbeda
o Terdapat sebuah efek treatment
o Tidak seluruh mean populasi berbeda (beberapa pasang mungkin sama)

A. Langkah-langkah Anova satu jalur

Langkah-langkah uji anova untuk satu jalur meliputi:
1.) Sebelum anova dihitung, asumsikan bahwa data dipilih secara random, berdistribusi
normal, dan variannya homogen
2.) Buatlah hipotesis ( Ha dan H0) dalam bentuk kalimat
3.) Buatlah hipotesis ( Ha dan H0) dalam bentuk statisitk
4.) Buatlah daftar statistik induk
5.) Hitunglak jumlah kuadrat antar grup (JKA) dengan rumus :

6.) Hitunglah derajat bebas antar grup dengan rumus dbA = A-1
7.) Hitunglah Kuadrat Rerata Antar group (KR ) dengan rumus :

8.) Hitunglah jumlah Kuadrat Dalam antar group ( JKD) dengan rumus :

9.) Hitunglah derajat bebas dalam grup dengan rumus : dbD = N-A
10.) Hitunglah Kadrat rerata Dalam group (KRD ) dengan rumus :

11.) Carilah Fhitung dengan rumus :

29
12.) Tentukan taraf signifikannya , misalnya = 0,05 atau = 0,01
13.) Cari Ftabel dengan rumus Ftabel = F(1-) (dbA,dbD)
14.) Buatlah tabel ringkasan Anova
Tabel
Ringkasan Anova Satu Jalur

Sumber Varian Jumlah Kuadrat (JK) Derajat Kuadrat Fhitung Ta

( SV) bebas Rerata sig
( db) ( KR)
Antar Group (A) A-1

Dalam Group ( D) N-A - -

Total N-1 - -

15) Tentukanlah kriteria pengujian : Jia Fhitung F tabel maka tolak H0 berarti signifikan dan
konsultasikan antara Fhitung dengan Ftabel kemudian bandingkan
16) Buatlah kesimpulan

B. Contoh Soal dan Pembahasan

Seorang ingin mengetahui perbedaan prestasi belajar untuk mata kuliah dasar-dasar
statistika antara mahassiswa tugas belajar, izin belajarn dan umum.
Data diambil dari nilai UTS sebagai berikut :
Tugas belajar ( ) =68577668767 = 11 orang
Izin belajar ( ) =566755565687 = 12 orang
Umum ( ) =698789669868 = 12 orang
Buktikan apakah ada perbedaan atau tidak?

LANGKAH-LANGKAH MENJAWAB :
1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya
homogen.
2. Hipotesis ( dan ) dalam bentuk kalimat.

30
 = Terdapat perbedaan yang signifikan antara mahasiswa tugas belajar, izin belajar dan
umum.
= Tidak ada perbedaan yang signifikan antara mahasiswa tugas belajar, izin belajar
dan umum.
3. Hipotesis ( dan ) dalam bentuk statistic
: = : =
4. Daftar statistik induk

NILAI UTS
NO
1 6 5 6
2 8 6 9
3 5 6 8
4 7 7 7
5 7 5 8
6 6 5 9
7 6 5 6
8 8 6 6
9 7 5 9
10 6 6 8
11 7 8 6
12 - 7 8

STATISTIK TOTAL(T)
11 12 12 N=35
73 71 90 234
943 431 692 1616
6,64 5,92 7,5 6,69
484,45 420,08 675 1564,46
Varians ( 0,85 0,99 1,55 1,33

31
5. Menghitung jumlah kuadrat antar group ( ) dengan rumus :

+ )
6. Hitunglah derajat bebas antar group dengan rumus :
=A1=31=2 A = jumlah group A
7. Hitunglah kudrat rerata antar group ( ) dengan rumus :

=
8. Hitunglah jumlah kuadrat dalam antar group ( ) dengan rumus :

9. Hitunglah derajat bebas dalam group dengan rumus :

10. Hitunglah kuadrat rerata dalam antar group ( ) dengan rumus :

=
11. Carilah dengan rumus :

12. Tentukan taraf signifikansinya, misalnya = 0,05

13. Cari dengan rumus :

Cara mencari : Nilai dan arti angka

0,95 = Taraf kepercayaan 95% atau taraf signifikan 5%.
Angka 2 = pembilang atau hasil dari
Angka 32 = penyebut atau hasil dari
Apabila angka 2 dicari ke kanan dan angka 32 ke bawah maka akan bertemu
dengan nilai . Untuk taraf signifikansi 5% dipilih pada bagian atas dan 1%
dipilih pada bagian bawah.
14. Buat Tabel Ringkasan Anova

32
 TABEL
RINGKASAN ANOVA SATU JALUR
Sumber Jumlah Kuadrat Derajat Kuadrat Taraf
Varian (SV) (JK) bebas (db) Rerata Signifik
(KR) ( )

Antar group 15,07

(A)

Dalam group - -
(D)

Total - - -

15. Tentukan kriteria pengujian : jika , maka tolak berarti signifan.

Setelah konsultasikan dengan tabel F kemudian bandingkan antara dengan

,ternyata : > atau 6,61 > 3,30 maka tolak berarti signifan.

16. Kesimpulan
ditolak dan diterima. Jadi, terdapat perbedaan yang signifikan antara mahasiswa
tugas belajar, izin belajar dan umum.

2.3 Anova Dua Jalur (Two Ways Anova)

Analisis varian 2 arah yaitu suatu metode untuk menguraikan keragaman total data
menjadi komponen-komponen yang mengukur berbagai sumber keragaman dengan
menggunakan One-Way ANOVA dengan dua perlakuan.

Analisis varians dua arah terbagi atas dua jenis, yaitu:

a) Analisis dua arah tanpa interaksi
b) Analisis dua arah dengan interaksi

a. Analisis dua arah tanpa interaksi

Analisis varians dua arah merupakan pengujian hipotesis beda tiga rata-rata atau
lebih dengan dua faktor yang berpengaruh dan interaksi antara dua faktor tersesbut
ditiadakan.

33
 Langkah-langkah analisis varians dua arah, sebagai berikut:
1. Menentukan formulasi hipootesis
a) : 1=2 ==r=0
sekurang-kurangnya satu i tidak sama dengan nol

b) : 1=2 ==r=0

sekurang-kurangnya satu i tidak sama dengan nol

2. Menentukan taraf nyata
Taraf nyata dan F tabel ditentukan dengan pembilang dan penyebut masing-masing:
a) Untuk baris: v1 = b 1 dan v2 = (k 1)(b 1)
b) Untuk kolom: v1 = k 1 dan v2 = (k 1)(b 1)

3. Menentukan kriteria pengujian

a) diterima apabila

ditolak apabila

b) diterima apabila
ditolak apabila

4. Membuat analisis varians dalam bentuk tabel ANAVA

Sumber Jumlah Derajat Bebas Kuadrat Tengah f hitung
Keragaman Kuadrat
Nilai Tengah JKB b-1
Baris
Nilai Tengah JKK k-1
Kolom JKE (k 1)( b 1)
Error

Total JKT kb - 1
Rumus hitung jumlah kuadrat

JKT =

JKB =

34
 JKK =

JKG = JKT JKB- JKK

5. Membuat kesimpulan
Menyimpulkan H0 diterima atau tidak dengan membandingkan antara langkah keempat
dengan kriteria pengujian pada langkah ketiga

Contoh soal:
Berikut ini adalah data nilai siswa SMA N 1 palembang kelas X dalam menjawab soal
matematika.
Tabel data nilai siswa SMA N 1 Palembang kelas X dalam menjawab soal matematika.
Skor nilai X.A X.B X.C X.D Total
0-40 4 6 7 8 25
41-75 9 8 10 7 34
76-100 6 7 6 5 24
Total 19 21 23 20 83
Dengan taraf nyata 5%, ujilah apakah rata-rata nilai siswa sama untuk :
a. Skor nilai yang diberikan,
b. siswa yang mendapat skor tersebut !

penyelesaian :
1. Menemukan formulasi hipotesis
a. Ho :
H1 : sekurang-kurangnya satu i 0
b. Ho :
H1 : sekurang-kurangnya satu j 0

2. Taraf nyata () dengan nilai F tabel:

= 5% = 0,05
a. Untuk baris : v1 = 3-1 = 2 dan v2 = (2)(3) = 6, F0,05(2;6) = 5,14
b. Untuk kolom : v1 = 4-1 = 3 dan v2 = (2)(3) = 6, F0,05(3;6) = 4,76

3. Kriteria pengujian
a. Ho diterima apabila F0 5,14
Ho ditolak apabila F0 > 5,14
b. Ho diterima apabila F0 4,76

35
 Ho ditolak apabila F0 > 4,76

4. Analisis varians
JKT = 42 + 92 + . . . + 52 = 30,92
JKB =

JKK =
JKE = 30,29 15,17 2,92 = 12,83

Sumber Jumlah Derajat Rata-rata Fo

varians kuadrat kebebasan kuadrat
Rata-rata baris 15,17 2 7,59
f1 = 3,55
Rata-rata 2,92 3 0,97
kolom
f2 = 0,45
12,83 6 2,14
Error
Total 30,92 11

5. Kesimpulan
a. Karena Fo = 3,55 < F0,05(2;6) = 5,14, maka Ho diterima. Jadi, rata-rata nilai siswa sama
untuk skor nilai yang diberikan
b. Karena Fo = 0,45 < F0,05(3;6) = 4,76, maka Ho diterima. Jadi, rata-rata nilai siswa sama
untuk keempat kelas X sekolah tersebut.

b. Analisis dua arah dengan interaksi

Analisis 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.

Langkah-langkah pengujian klasifikasi dua arah dengan interaksi ialah sebagai berikut :
1. Menentukan formulasi hipotesis
a. Ho :
H1 : sekurang-kurangnya satu i 0
b. Ho :
H1 : sekurang-kurangnya satu j 0
c. Ho : ()11 = ()12 = ()13 = . . .= ()bk = 0
H1 : sekurang-kurangnya satu ()bk 0

36
2. Menentukan taraf nyata () dan F tabel
Taraf nyata () dan F tabel ditentukan dengan derajat pembilang dan penyebut masing-
masing :
a. Untuk baris : v1 = b-1 dan v2 = kb(n-1),
b. Untuk kolom : v1 = k-1 dan v2 = kb(n-1)
c. Untuk interaksi : v1 = (k-1)(b-1) dan v2 = kb(n-1)
3. Menentukan kriteria pengujian
a. Untuk baris :
Ho diterima apabila F0 F(v1;v2)
Ho ditolak apabila F0 > F(v1;v2)
b. Untuk kolom :
Ho diterima apabila F0 F(v1;v2)
Ho ditolak apabila F0 > F(v1;v2)
c. Untuk interaksi :
Ho diterima apabila F0 F(v1;v2)
Ho ditolak apabila F0 > F(v1;v2)
4. Membuat analisis varians dalam bentuk tabel ANOVA
Sumber Jumlah Derajat bebas Rata-rata Fo
varians kuadrat kuadrat
Rata-rata baris JKB b-1

Rata-rata JKK k-1

kolom
JKI (b-1)(k-1)
Interaksi
JKE bk(n-1)
Error

Total JKT bkn-1

JKE = JKT JKB JKK JKI

37
 b = baris, k = kolom, n = ulangan percobaan

5. Membuat kesimpulan
Menyimpulkan Ho diterima attau ditolak, dengan membandingkan antara langkah ke-4
dengan kriteria pengujian pada langkah ke-3.

Contoh soal:
Berikut ini adalah sekolah Lanjutan yang terdiri dari 3 universitas ternama yaitu UNPAD,
UNSRI dan UGM terhadap keempat fakultas dari masing-masing unversitas.
Observasi yang dilakukan oleh Departemen Kementrian Pendidikan menghasilkan
data sebagai berikut;
Fakultas
F. kedokteran FKIP F. Teknik F.Hukum
PTN
UNPAD 60 59 70 55
58 62 63 61
UNSRI 75 61 68 70
71 54 73 69
UGM 57 58 53 62
41 61 59 53

Dengan taraf nyata 1%, ujilah hipotesis berikut ini?

a. Tidak ada beda data rata-rata untuk ketiga universitas?.
b. Tidak ada beda data rata-rata untuk keempat fakultas tersebut?.
c. Tidak ada interaksi antara universitas dengan Fakultas yang ada di Universutas tersebut?

Penyelesaian :
b=3 k=4 n=2
1. Menentukan formulasi hipotesis
a. Ho :
H1 : sekurang-kurangnya satu i 0
b. Ho :
H1 : sekurang-kurangnya satu j 0
c. Ho : ()11 = ()12 = ()13 = . . .= ()34 = 0
H1 : sekurang-kurangnya satu ()ij 0

38
2. Menentukan taraf nyata () dan F tabel
= 1% = 0,01
a. Untuk baris : v1 = 2 dan v2 = 3.4.(1) = 12, F0,01(2;12) = 6,93
b. Untuk kolom : v1 = 3 dan v2 = 3.4.(1) = 12 , F0,01(3;12) = 5,95
c. Untuk interaksi : v1 = 6 dan v2 = 3.4.(1) = 12, F0,01(6;12) = 4,82

3. Menentukan kriteria pengujian

a. Ho diterima apabila F0 6,93
Ho ditolak apabila F0 > 6,93
b. Ho diterima apabila F0 5,95
Ho ditolak apabila F0 > 5,95
c. Ho diterima apabila F0 4,82
Ho ditolak apabila F0 > 4,82

4. Analisis Varians :
V1 V2 V3 V4 Total
P1 118 121 133 116 488
P2 146 115 141 139 541
P3 98 119 112 115 444
Total 362 355 386 370 1.473

JKE = 1.373,6 589,7 88,8 409,6 = 285,5

Sumber Jumlah Derajat bebas Rata-rata Fo

varians kuadrat kuadrat
Rata-rata baris 589,7 2

Rata-rata 88,8 3 29,6

kolom
409,6 6 68,3
Interaksi
285,5 12 23,8
Error

39
 Total 1.373,6 23

5. Kesimpulan
a. Karena F0 = 12,4 > F0,01(2;12) = 6,93, maka Ho ditolak. Jadi, ada perbedaan data rata-rata
ketiga universitas.
b. Karena F0 = 1,24 < F0,01(3;12) = 5,95, maka Ho diterima. Jadi, tidak ada perbedaan data
rata-rata untuk keempat fakultas tersebut
c. Karena F0 = 2,78 < F0,01(6;12) = 4,82, maka Ho diterima. Jadi, tidak ada interaksi antara
universitas dengan fakultas yang ada di masing-masing universitas tersebut.

BAB 3
PENUTUP

3.1 Kesimpulan
Analisis varian satu arah adalah metoda analisis statis yang bersifat satu
arah untuk menguji apakah dua populasi atau lebih yang independen dan melihat
perbandingan lebih dari dua kelompok data.
Langkah uji anava satu arah yaitu: asumsikan bahwa data dipilih secara
random,berdistribusi normal, dan variannya homogeny, buatlah hipotesis ( dan )

dalam bentuk kalimat, buatlah hipotesis ( dan )dalam bentuk statistic, buatlah daftar

statistik induk, hitunglah jumlah kuadrat antar group ( ), hitunglah derajat bebas antar

group, hitunglah kudrat rerata antar group ( ),hitunglah jumlah kuadrat dalam antar

group ( ),hitunglah derajat bebas dalam group, hitunglah kuadrat rerata dalam antar

group ( ) ,Carilah dengan rumus : , tentukan taraf

signifikansinya, misalnya = 0,05 atau = 0,01, cari dengan rumus :

,buat Tabel Ringkasan Anova, Tentukan kriteria pengujian : jika

40
 , maka tolak berarti signifikan dan konsultasikan antara

dengan kemudian bandingkan, dan buat kesimpulan.

Analisis varian 2 arah yaitu suatu metode untuk menguraikan keragaman
total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman
dengan menggunakan One-Way ANOVA dengan dua perlakuan.

Analisis varians dua arah terbagi atas dua jenis, yaitu:

a) Analisis dua arah tanpa interaksi
b) Analisis dua arah dengan interaksi

ANOVA (Analysis of Variance)

Analisis varians (ANOVA) adalah kumpulan dari model statistik yang digunakan untuk
menganalisis perbedaan rata-rata antara kelompok dan prosedur terkait (seperti variasi
antara kelompok), yang dikembangkan oleh ahli statistik dan evolusi biologi Ronald
Fisher. Dalam pengaturan ANOVA, varians diamati pada variabel tertentu dibagi menjadi
komponen disebabkan berbagai sumber variasi. Dalam bentuk yang paling sederhana,
ANOVA menyediakan uji statistik apakah rata-rata beberapa kelompok adalah sama, dan
adanya generalisasi t-test untuk lebih dari dua kelompok. Seperti melakukan beberapa
dua-sample t-tes akan menghasilkan peningkatan kesempatan dalam mengamati tipe I
kesalahan statistik, maka ANOVA berguna untuk membandingkan (pengujian) tiga atau
lebih berarti (kelompok atau variabel) untuk signifikansi statistik.

Hipotesis dalam ANOVA

Dalam analysis of variance hanya satu hipotesis yang digunakan, yaitu hipotesis dua arah
(two tail) artinya hipotesis ini ingin mengetahui apakah ada perbedaan rata-rata atau tidak
dan tidak spesifik yang mana yang berbeda.
H0: 1 = 2 = 3 = = n, Tidak ada perbedaan yang nyata antara rata-rata hitung dari
n kelompok
H1: 1 2 3 n, Ada perbedaan yang nyata antara rata-rata hitung dari n
kelompok

Mengapa menggunakan ANOVA?

Uji hipotesis dengan ANOVA digunakan karena alasan-alasan berikut:
1. Memudahkan analisa atas beberapa kelompok sampel yang berbeda dengan resiko kesalahan
terkecil.

2. Mengetahui signifikansi perbedaan rata-rata () antara kelompok sampel yang satu dengan yang
lain. Bisa jadi, meskipun secara numeris bedanya besar, namun berdasarkan analisa ANOVA,
perbedaan tersebut tidak signifikan sehingga perbedaan bisa diabaikan. Sebaliknya, bisa jadi
secara numeris bedanya kecil, namun berdasarkan analisa ANOVA, perbedaan tersebut signifikan,
sehingga minimal ada satu yang berbeda dan perbedaan antar kelompok sampel tidak boleh
diabaikan.

41
 3. Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk
percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan
analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen
laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.

Asumsi-asumsi dalam 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).

ANALISIS VARIANS (ANOVA)

Pengantar
Teknik analisis komparatif dengan menggunakan tes t yakni dengan mencari
perbedaan yang signifikan dari dua buah mean hanya efektif bila jumlah variabelnya dua.
Namun bila jumlah variabelnya lebih dari dua penggunakan tes t tidak efektif lagi,
karena langkah pengujian dilakukan satu persatu, sehingga sangat tidak efisien dari segi
waktu, biaya dan tenaga, ditambah dengan peluang melakukan kesalahan juga semakin
besar. Untuk mengatasi hal tersebut ada teknik analisis komparatif yang lebih baik bila
menggunakan jumlah variabel yang banyak yaitu Analysis of variances (analisis varian)
yang disingkat ANOVA (ANAVA).
Analisis Varians digunakan untuk menguji hipotesis komparatif rata-rata k sampel
bila datanya berbentuk interval atau ratio. Satu sampel dalam k kejadian/pengukuran
berarti sampel tersebut berpasangan, model before-after. Satu sampel diberi perlakuan
sampai 5 kali, ini berarti sudah 5 sampel berpasangan. Sedangkan k sampel dalam satu
kejadian berarti sampel independen (Lima sampel diberi satu kali perlakuan, adalah
merupakan lima sampel independent)
Terdapat beberapa jenis Analisis Varians, yaitu:
a. Analisis Varians Klasifikasi Tunggal (Single Classification ) / satu jalur
b. Analisis Varians Klasifikasi Ganda (Multiple Classification) / dua jalur
Analisis varians klasifikasi tunggal (satu jalur) digunakan untuk menguji hipotesis
komparatif rata-rata k sampel, bila pada setiap sampel hanya terdiri atas satu kategori,

42
 Anova Klasifikasi Ganda/dua Jalur digunakan untuk menguji hipotesis komparatif rata-
rata k sampel bila pada setiap sampel terdiri atas dua atau lebih kategori.
Contoh :
Bila ingin menguji hipotesis ada tidaknya perbedaan secara signifikan antara penghasilan
pegawai negeri, petani, pedagang, dan nelayan, maka digunakan anova satu jalur. Tetapi
bila akan menguji hipotesis ada tidaknya perbedaan secara signifikan antara penghasilan
pegawai negeri, petani, pedagang dan nelayan berdasarkan jenis kelamin (pria/wanita)
maka digunakan anova dua jalur.
Untuk memudahkan pemahaman tentang dua jenis anova tersebut, maka dapat dilihat
melalui dua model tabel ringkasan berikut. Tabel 1 untuk anova satu jalur, dan tabel 2
untuk anova dua jalur. Dalam anova satu jalur terdiri atas tiga kelompok sampel, (tanpa
ada kategori) sedangkan dalam anova dua jalur terdiri atas tiga kelompok sampel, dimana
masing-masing sampel terdiri atas dua kategori, yaitu pria dan wanita.
TABEL 1
CONTOH DATA YANG DIANALISIS DENGAN ANOVA SATU JALUR
Data Sampel I Data Sampel II Data Sampel III
5 9 9
4 8 4
7 5 6
TABEL 2
CONTOH DATA YANG DIANALISIS DENGAN ANOVA DUA JALUR
Kategori Data Sampel Data Sampel Data Sampel Data Sampel
I II III IV
Kategori I 6 5 7 9
(Pria) 7 6 5 7
9 9 4 6
Kategori II 6 5 8 5
(Wanita) 5 4 5 4
4 3 3 3
Dalam menggunakan anova harus terpenuhi asumsi dasarnya, agar kesimpulan yang
diambil tidak menimbulkan kesalahan atau kurang akurat. Adapun asumsi dasar yang
harus terpenuhi adalah :
a Distribusi data harus normal yang dapat diperoleh dengan memperbanyak sampel dalam
kelompok.

43
b Nilai-nilai varian dalam kelompok-kelompok sampel harus menunjukkan adanya
homogenitas. Setiap kelompok hendaknya berasal dari populasi yang sama dengan
variansi yang sama pula. Bila banyaknya sampel sama pada setiap kelompok, maka
kesamaan variansinya dapat diabaikan. Tapi bila banyaknya sampel pada masing-masing
kelompok tidak sama, maka kesamaan variansi populasi sangat diperlukan.
c Data yang diolah harus berskala interval atau rasio.
d Pengambilan sampel dilakukan secara random (acak).
Sebenarnya anova lebih akurat digunakan untuk jumlah sampel yang sama pada
setiap kelompoknya. Namun dapat juga digunakan untuk analisis jumlah sampel yang
berbeda pada setiap kelompoknya, yang penting asumsi dasar dari Anova terpenuhi.
Dalam contoh perhitungan nanti akan diberikan untuk jumlah sampel yang sama saja.
Analisis Varians Klasifikasi Tunggal (One Way Classification) / satu jalur

Seperti
telah dikemukakan bahwa, analisis varians merupakan teknik statistik parametris
interferensial, yang digunakan untuk menguji hipotesis komparatif rata-rata k sampel
secara serentak. Oleh karena itu, dalam penelitian akan terdapat 3, 4 atau lebih kelompok
sampel yang selanjutnya digunakan sebagai dasar perhitungan untuk pengujian hipotesis.
Setiap sampel akan mempunyai Mean (rata-rata) dan Varians (simpangan baku kuadarat).
Perhatikan Gambar di bawah berikut (n = jumlah sampel, M = mean/rata-rata, s2 =
varians).

44
 Gambar.1 Empat kelompok sampel sampel dengan n, M, dan s2 berbeda

Selanjutnya bila empat kelompok sampel tersebut akan diuji perbedaanya secara
signifikan maka perlu digabungkan, dapat digambarkan seperti Gambar.2

Gambar.2 Gabungan empat kelompok sampel, sehingga memunculkan variasi kelompok, variasi
antar kelompok, dan variasi total.

Variasi Dalam Kelompok, Variasi Antar Kelompok, dan Variasi Total

45
 Bilamana penulis hanya meghadapi satu kelompok, variasi yang penulis peroleh
adalah variasi dalam kelompok. Akan tetapi bilamana penulis mempunyai lebih dari satu
kelompok, maka kecuali variasi dalam kelompok penulis juga mempunyai variasi antar
kelompok. Hal ini dapat diterangkan dengan grafik Gambar.2 di atas.
Jika misalnya penulis menghadapi empat kelompok atau empat sampel, maka
akan diperoleh empat mean, yaitu M1 (mean dari kelompok 1), M2, M3, dan M4. Bilamana
dari keempat mean itu dicari meannya (mean dari mean-mean), maka penulis akan
mempunyai satu mean induk yang mewakili semua mean-mean itu. Mean induk ini biasa
disebut Mean Total, atau disingkat Mtot. Jadi, dalam penyelidikan yang melibatkan lebih
dari satu kelompok akan terdapat dua macam mean, yaitu mean dari tiap-tiap kelompok
yang disebut mean-kelompok, atau Mk, dan mean total.
Jika diambil suatu nilai X dalam sampel IV, maka akan ada dua macam deviasi,
yaitu deviasi dari mean dalam kelompok itu sendiri (i.c. adalah X - M 4), dan deviasi dari
mean total (i.c. adalah X - M tot). Deviasi yang terakhir ini terdiri dari deviasi (X - M 4)
ditambah dengan deviasi (M4 - Mtot). Deviasi (X - M4) itu disebut deviasi dalam
kelompok, sebab deviasi ini terjadi pada suatu nilai X dalam kelompok sampelnya sendiri.
Deviasi (M4 - Mtot) adalah deviasi antar kelompok, karena deviasi itu terjadi dari mean
suatu kelompok terhadap mean total yang terbentuk oleh mean sejumlah kelompok.
Selain itu masih ada satu deviasi lagi, yaitu deviasi (X - M tot) yang disebut deviasi total,
karena deviasi itu terdapat pada sesuatu nilai X terhadap mean total.
Dari pengertian ini penulis dapat memahami karena variasi tersusun oleh deviasi-
deviasi, maka kita akan mempunyai macam-macam variasi. Variasi dalam kelompok atau
disingkat variasi dalam adalah variasi yang terjadi dalam kelompok masing-masing.
Variasi yang terbentuk dari Mk - Mtot disebut variasi antar kelompok atau disingkat variasi
antar. Sedangkan variasi total ialah variasi yang tersusun dari variasi dalam dan variasi
antar.

Jumlah Kuadrat dalam Kelompok, Jumlah Kuadrat Antar Kelompok, dan Jumlah
Kuadrat Total.
Istilah jumlah kuadrat adalah singkatan dari istilah jumlah deviasi kuadrat.
Dengan mempelajari bahwa deviasi adalah bilangan yang menunjukkan penyimpangan

46
 sesuatu nilai X dari mean dan diberi simbol X, yang diperoleh dari X - M. Jadi, jumlah
kuadrat dapat dari simbul x2, disingkat JK.
Karena dalam pengujian hipotesis melibatkan lebih dari dua kelompok sampel,
maka akan terdapat beberapa macam JK, yaitu:
(1) JK dalam kelompok, disingkat JK dalam, ditulis JKdal.
(2) JK antar kelompok, disingkat JK antar, ditulis JKant.
(3) JK total, ditulis JKtot.

Rumus-Rumus Jumlah Kuadrat

Telah dijelaskan bahwa terdapat 3 macam JK, dimana otomatis akan memiliki tiga
macam rumus JK yang digunakan untuk menghitung tiap-tiap JK. Rumus-rumus untuk
itu adalah sebagai berikut:
(1) Junlah Kuadrat Total atau JKtot
Jumlah Kuadrat Total (JKtot) merupakan penjumlahan kuadrat deviasi nilai
individu dengan Mtot. Jadi, jika dimisalkan X1, X2, ..., XN mewakili nilai-nilai variabel
individu, maka JKtot adalah:
JKtot = (X1 - Mtot)2 + (X2 - Mtot)2 + ... +(XN - Mtot)2 (1)
Perlu dicatat bahwa nilai-nilai X1, X2, dan seterusnya adalah nilai-nilai variabel
individu dalam tiap-tiap sampel. Dalam mencari JKtot ini kita tidak memandang dari
sampel kelompok mana X diperoleh. Jadi jika dimisalkan menghadapi 5 kelompok yang
tiap-tiap kelompoknya terdiri dari sepuluh X, maka dapat dibuat 5(10)X = 50X, yaitu X1,
X2, ..., X50.
Mtot diperoleh dari menjumlahkan semua mean individu (mean tiap-tiap
kelompok) dan membaginya dengan jumlah kelompok. Jika jumlah kelompok tersebut m,
maka

Mtot = (2)

Jadi jika dari lima kelompok diperoleh mean masing-masing 10, 11, 12. 15, dan
17, maka Mtot dari kelima kelompok itu adalah :

Mtot = = = 13 (3)

47
 Akan tetapi rumus mean total seperti yang disebutkan di atas hanya berlaku jika jumlah
subjek dalam tiap-tiap kelompok adalah sama. Jika jumlah subjek dalam tiap-tiap
kelompok tidak sama, maka rumusnya menjadi:

Mtot = (4)

Dalam mana n1, n2, dan nm masing-masing adalah jumlah subjek dalam kelompok-
kelompok I, II, dan m. Dan jika n1 + n2 + ... + nm kita beri simbol N, maka rumusnya
menjadi:

Mtot = (5)

Dengan mengurangkan tiap-tiap nilai variabel dengan Mtot akan diperoleh deviasi
individu. Bila deviasi-deviasi individu individu ini dikuadratkan dan kemudian
dijumlahkan, maka diperoleh Mtot .
Dalam praktek jika menghadapi 200 atau 300 individu, penggunaan rumus M tot
seperti tersebut diatas akan memberikan beban pekerjaan penghitung yang tak terhingga
banyaknya.
Untuk menghemat segala tenaga, waktu, dan pikiran kita dapat menggunakan
rumus :

Mtot = X2 - (6)

Rumus ini dijabarkan dari

JK = X2 = (X M)2 = (X2 - 2XM + M2)
= X2 - 2 XM + M2

= X2 - 2 X +N

= X2 - 2 +

= X2 -

(2) Jumlah Kuadrat Antar Kelompok (JKant)

48
 Jumlah Kuadrat Antar (JKant) merupakan jumlah selisih kuadrat mean Total (Mtot)
dengan Mean Setiap Kelompok (Mi), dikalikan dengan jumlah sampel setiap kelompok.
Dengan memperhatikan n setiap kelompok, maka JKant dapat disusun kedalam persamaan
sebagai berikut:
JKant = n1(M1 - mtot)2 + n2(M2 - mtot)2 + ... + nm(xm - Mtot)2 (7)
Berdasarkan persamaan tersebut, maka setelah disederhanakan, ditemukan rumus JKant
adalah sebagai berikut.

JKant = + + ... + - (8)

Bila disingkat menjadi:

JKant = - (9)

(3) Jumlah Kuadrat Dalam Kelompok (JKdal)

Deviasi Total (X - Mtot) terbentuk dari Deviasi Dalam Kelompok (X - Mdal) dan
Deviasi antar kelompok (Mdal - Mtot). Jadi:
(X - Mtot) = (X Mdal) + (Mdal- Mtot)
Xtot = Xdal + Xant
Xdal = Xtot - Xant
Jadi
JKdal = JKtot - JKant (10)
Setiap sumber variasi didampingi dengan dk, dan dk untuk setiap sumber variasi
tidak sama.
Untuk Antar Kelompok dk =m1
Untuk Dalam Kelompok dk =Nm
Total dk =N1
m = jumlah kelompok sampel
N = jumlah seluruh anggota sampel
Untuk dapat menghitung harga F hitung, maka beberapa sumber variasi harus
dihitung mean kelompoknya, yang meliputi Mean Antar Kelompok dan Mean Dalam
Kelompok
Untuk Antar Kelompok : MKant = JKant : (m - 1)

49
 Untuk Dalam Kelompok : MKdal= JKant : (N - m)
Fhitung = MKant : MKdal (11)
Jadi untuk pengujian hipotesis Anova Klasifikasi Tunggal diperlukan langkah-
langkah sebagai berikut :
1. Menghitung jumlah Kuadrat Total (JKTot) dengan rumus :
JKTot = X2 -
2. Menghitung Jumlah Kuadrat Antar Kelompok (JKAnt) dengan rumus :

JKAnt =

3. Menghitung Jumlah Kuadrat Dalam Kelompok (JKDlm) dengan rumus :

JKDlm=JKTot - JKAnt
4. Menghitung Mean Kuadrat Antar Kelompok (MKAnt) dengan rumus :
MKAnt = m = jumlah kelompok sampel
5. Menghitung Mean Kuadrat Dalam Kelompok (JKDlm), dengan rumus :
MKDlm = N= jumlah seluruh anggota sampel
6. Menghitung Fhitung dengan rumus :

Fhitung =

7. Membandingkan harga Fhitung dengan Ftabel ( pada tabel F) dengan dk pembilang (m-1) dan
dk penyebut (N-1).
Harga F hasil perhitungan tersebut selanjutnya disebut Fhitung (Fh), yang berdistribusi F
dengan dk pembilang (m-1) dan dk penyebut (N-1) tertentu. Ketentuan pengujian
hipotesis : Bila harga F hitung lebih kecil atau sama dengan F tabel (F h Ftabel) maka H0
diterima, dan Ha ditolak, sebaliknya bila Fh > Ftabel, maka Ha diterima, dan H0 ditolak
8. Membuat kesimpulan pengujian hipotesis : H0 diterima atau H0 ditolak.

Langkah-langkah dalam perhitungan Anova tersebut dapat dilihat pada gambar 3 di

bawah ini.

50
 Gambar.3 Langkah-langkah dalam Pengujian Hipotesis
dengan Anova Satu Jalur

Untuk memudahkan perhitungan dalam rangka pengujian hipotesis dengan

Analisis Varians, maka harga-harga yang telah diperoleh dari perhitungan di atas perlu
disusun ke dalam tabel ringkasan anova, seperti ditunjukkan pada tabel :

TABEL 3

51
 TABEL RINGKASAN ANOVA MENGUJI HIPOTESIS k SAMPEL
Sumber dk Jumlah Kuadrat MK Fh Ftab Keputusan
variasi (JK)
Total N-1 FhFtab
- H0 diterima
Lihat
Antar m-1
- Ftabel Fh> Ftab
Kelompok
untuk H0 ditolak
5%
atau
1%
Dalam N- JKTot-JKAnt
Kelompok m

Contoh Penggunaan Anova Satu Jalur (Sampel Berkorelasi)

Dilakukan penelitian untuk mengetahui pengaruh alat kerja baru terhadap tingkat
produktivitas kerja di perusahaan sepatu. Penelitian menggunakan sampel yang terdiri
atas 15 orang yang sebelum menggunakan alat kerja baru, dan sesudah menggunakan 3
bulan dan 6 bulan. Jadi karyawan yang digunakan sebagai sampel penelitian adalah tetap,
dan dapat diulang selama 3 kali. Produktivitas kerja diukur dari jumlah pasang sepatu
yang dihasilkan pada setiap hari. Produktivitas selama tiga periode itu selanjutnya
disusun ke dalam Tabel 3 berikut.
Hipotesis penelitiannya adalah sebagai berikut :
H0 : Tidak terdapat perbedaan produktivitas kerja karyawan dengan adanya alat kerja baru (alat
kerja baru tidak berpengaruh terhadap produktivitas)
Ha : Terdapat perbedaan produktivitas kerja karyawan dengan adanya alat kerja baru (alat kerja
baru dapat meningkatkan produktivitas kerja)
Pengumpulan data melalui tahap sebagai berikut :

Gambar.4 Langkah-labgkah dalam Pengujian Hipotesis produktivitas kerja untuk

mengetahui pengaruh pengguna alat kerja baru

Penggunaan Analisis Varians dilandasi pada asumsi:

52
1. Sampel diambil secara sampel
2. Data berdistribusi normal
3. Varians antar sampel homogen
Sebelum analisis varians dilakukan maka ketiga asumsi tersebut harus dipenuhi
terlebih dahulu, oleh karena itu diperlukan pengujian asumsi. Cara pengambilan sampel
secara random telah diberikan pada teknik sampling, cara pengujian normalitas data telah
diberikan pada bab kurve normal, dan cara menguji homogenitas varians telah diberikan
pada teknik t-test.
Selanjutnya sebelum analisis varians untuk pengujian hipotesis seperti yang telah
dirumuskan di atas, maka diperlukan pengujian homogenitas varians terlebih dulu.
Pengujian menggunakan uji F.

F= (12)

Berdasarkan perhitungan yang telah tertera pada tabel 4, dapat diketahui

bahwa varians terbesar = 4,92 dan terkecil = 3,12. Dengan demikian harga F hitung dapat
diperoleh:

F= = 1,58

Harga F hitung tersebut selanjutnya dibandingkan dengan dk pembilang = n2 - 1 dan dk

penyebut = n1 - 1. Kebetulan jumlah n1 dan n2 disini sama, yaitu 14. Jadi dk pembilang
14, dk penyebut 14. Berdasarkan tabel F (Tabel I Lampiran), maka harga F tabel untuk
5% = 2,48 dan untuk 1% = 3,7. Ternyata harga F hitung lebih kecil dari F tabel (1,57 <
2,48). Dengan demikian dapat disimpukan bahwa varians data yang akan dianalisis
homogen, sehingga perhitungan Anova dapat dilanjutkan (Bila F hitung lebih besar dari
tabel, maka disimpulkan bahwa varians tidak homogen).
Selanjutnya untuk dapat melakukan perhitungan Anova, maka harga tiap X
tersebut dikuadaratkan, dan selanjutnya dijumlahkan, baik ke kanan dan ke bawah
dengan menggunakan nilai pada tabel 4 dan tabel 5 perhitungannya sebagai berikut.

TABEL 4
PRODUKTIVITAS KERJA KARYAWAN (X1, X2, X3) SELAMA TIGA PERIODE
PENGUKURAN SEBELUM DAN SESUDAH MEMAKAI ALAT KERJA BARU

53
 NO Produktivitas Produktivitas Setelah 3 Produktivitas Setelah 6
Sebelum Memakai Bulan Memakai Alat Bulan Memakai Alat
Alat Kerja Baru Kerja Baru Kerja Baru
(X1) (X2) (X3)
1 12 13 18
2 13 15 18
3 10 12 14
4 15 18 20
5 13 15 15
6 14 17 19
7 10 18 20
8 12 20 21
9 13 14 18
10 14 16 17
11 13 18 17
12 10 16 19
13 13 15 16
14 10 13 17
15 15 16 14
Juml 187,00 236,00 263,00
12,46 15,73 17,53
2375 3782 4675
1,77 2,22 2,13
s
3,12 4,92 4,55
s2
= 686 = 10832

Dari tabel 4 tersebut dapat dihitung harga-harga yang diperlukan untuk uji Anova.
1. JKtot = - = 10.382 - = 374,3

2. JKant = + + ... + -

= + + ... + -

= 2.331,27 + 3.713,07 + ... + 4.611,27 10.257,69

= 197,92
3. JKdal = JKtot - JKant = 374,3 - 197,92 = 176,38
4. MKant = = = 98,96

5. MKdal = = = 4,2

54
6. Fhit = = = 23,56
N = jumlah seluruh anggota sampel
m = jumlah kelompok sampel
TABEL 5
TABEL PENOLONG UNTUK PERHITUNGAN ANOVA
Sampel I Sampel II Sampel III Jumlah Total
2 2
X1 X1 X2 X2 X3 X32 X X2
12 144 13 169 18 324 43 637
13 169 15 225 18 324 46 718
10 100 12 144 14 196 36 440
15 225 18 324 20 400 53 949
13 169 15 225 15 225 43 619
14 196 17 289 19 361 50 846
10 100 18 324 20 400 48 824
12 144 20 400 21 441 53 985
13 169 14 196 18 324 45 689
14 196 16 256 17 289 47 741
13 169 18 324 17 289 48 782
10 100 16 256 19 361 45 717
13 169 15 225 16 256 44 650
10 100 13 169 17 289 40 558
15 225 16 256 14 196 45 650
187 2375 236 3782 263 4675 686 10832
n1=15 n2=15 n3=15 =45

Berdasarkan hasil perhitungan tersebut, selanjutnya dimasukkan ke dalam tabel 6

ringkasan Anova berikut :
TABEL 6
TABEL RINGKASAN ANOVA HASIL PERHITUNGAN
Jumlah
Sumber
Dk Kuadrat MK Fh Ftab Keputusan
Variasi
(JK)
Total 45-1=44 374,31 Fh >Ftab
Antar 197,92 98,96 (23,63>3,22)
3-1=2
Kelompok 23,63 5%=3,22 Jadi H0
Dalam 176,39 4,20 ditolak
45-3=42 Ha diterima
Kelompok

Jadi harga F hitung sebesar 23,63. Harga tersebut selanjutnya dibandingkan

dengan harga F tabel dengan dk pembilang m-1 dan penyebut N-m. Dengan demikian dk
pembilang =3-1=2 dan dk penyebut =45-3=42. Berdasarkan dua dk tersebut, maka dapat

55
diketahui bahwa harga F tabel untuk 5% =3,22 dan untuk 1%=5,15. Ternyata harga F
hitung 34,14 lebih besar daripada F tabel (23,63>3,22 atau 23,63>5,15). Karena harga F
hitung lebih besar daripada harga F tabel baik untuk kesalahan 5% maupun 1% maka
hipotesis nol (H0) yang diajukan ditolak dan Ha diterima.
Jadi tedapat perbedaan produktivitas kerja pegawai sebelum ada mesin baru, dan
setelah 3 bulan dan 6 bulan ada mesin baru. Dengan demikian dapat disimpulkan bahwa
dengan adanya mesin baru dalam industri sepatu tersebut, maka produktivitas karyawan
menjadi meningkat.
Dalam pengujian ini ternyata dapat memberikan informasi bahwa terdapat
perbedaan produktivitas kerja karyawan selama tiga kali pengukuran, yaitu sebelum ada
mesin baru (X1), setelah 3 bulan ada mesin baru (X2), dan setelah 6 bulan ada mesin baru
(X3). Di sini belum diketahui apakah yang berbeda itu X1 dengan X2, X2 dengan X3 atau
X1 dengan X3. Di sini belum diketahui apakah yang berbeda itu X1 dengan X2, X2 dengan
X3 atau X1 dengan X3. Untuk itu diperlukan perhitungan lebih lanjut. Untuk mengetahui
hal itu harus dilakukan Uji Pasca Anova.

Uji Pasca Anova

Pengujian tentang ada atau tidaknya perbedaan nilai rata-rata setelah anova
dikerjakan jika H0 ditolak Ha diterima. Terdapat bermacam-macam jenis uji pasca anova.
Yaitu uji LSD (Least Significant Difference), HSD (Honestly Significant Difference), uji
t, uji Jarak Berganda Ducan (Ducans Multiple Range Test), uji Student Newman Keul,
dan uji Dunnett. Pada kesempatan ini akan disajikan uji pasca anova, yaitu uji t, uji LSD
(Least Significant Difference dan HSD (Honestly Significant Difference).

Uji t (Pasca Anova)

Pembuktian antar dua sampel pada kasus anova di atas dengan uji t digunakan
rumus t-test berkorelasi :

t= (13)

Seperti telah dikemukakan yang akan diuji dengan t-test di sini adalah :

56
 1. Perbedaan produktivitas kerja sebelum menggunakan alat kerja baru dengan setelah 3
bulan menggunakan (X1-X2).
2. Perbedaan produktivitas kerja sebelum menggunakan alat kerja baru dengan setelah 6
bulan menggunakan (X1 :X3).
3. Perbedaan produktivitas kerja setelah 3 dan 6 bulan menggunakan alat kerja baru (X 2
:X3).
Hipotesis yang diajukan adalah :
1. H0 : tidak ada perbedaan produktivitas kerja karyawan sebelum menggunakan alat kerja baru
dan setelah menggunakan 3 bulan.
Ha : Terdapat perbedaan produktivitas kerja karyawan sebelum menggunakan alat kerja baru
dan setelah menggunakan 3 bulan.
2. H0 : tidak ada perbedaan produktivitas kerja karyawan sebelum menggunakan alat kerja baru
dan setelah menggunakan 6 bulan.
Ha : Terdapat perbedaan produktivitas kerja karyawan sebelum menggunakan alat kerja baru
dan setelah menggunakan 6 bulan.
3. H0 : tidak ada perbedaan produktivitas kerja karyawan setelah menggunakan 3 bulan dan
setelah 6 bulan menggunakan alat kerja baru.
Ha : Terdapat perbedaan produktivitas kerja karyawan setelah menggunakan 3 bulan dan 6
bulan menggunakan alat kerja baru.
Karena yang akan diuji adalah sampel berkorelasi, maka harus dicari terlebih
dahulu korelasi X1 dengan X2, korelasi X1 dengan X3 , korelasi X2 dengan X3 dengan cara
sebagai berikut:
TABEL 7
TABEL PENOLONG UNTUK PERHITUNGAN KORELASI
X1 X1 x12 X2 x2 x22 X3 x3 x32 x1x2 X1x3 x2x3
1 12 - 0,21 13 -2,73 7,45 18 0,47 0,22 1,26
2 13 0,46 0,29 15 -0,73 0,53 18 0,47 0,22 -
3 10 0,54 6,05 12 -3,73 13,9 14 - 12,4 0,39
4 15 - 6,45 18 2,27 1 20 3,53 6 9,18
5 13 2,46 0,29 15 -0,37 5,15 15 2,47 6,10 5,78
6 14 2,54 2,37 17 1,27 0,53 19 - 6,40 -
7 10 0,54 6,05 18 2,27 1,61 20 2,53 2,16 0,39

57
 8 12 1,54 0,21 20 4,27 5,15 21 1,47 6,10 1,96
9 13 - 0,29 14 -1,73 18,3 18 2,47 12,0 -
1 14 2,46 2,37 16 0,27 2 17 3,47 4 5,58
0 13 - 0,29 18 2,27 2,99 17 0,47 0,22 -
11 10 0,46 6,05 16 0,27 0,07 19 - 0,28 1,96
1 13 0,54 0,29 15 -0,73 5,15 16 0,53 0,28 -
2 10 1,54 6,05 13 -2,73 0,07 17 - 2,16 0,93
1 15 0,54 6,45 16 0,27 0,53 14 0,53 2,34 0,42
3 - 7,45 1,47 0,28 1,23
1 2,46 0,07 - 12,4 -
4 0,54 1,53 6 0,66
1 - - -
5 2,46 0,53 0,39
2,54 - 6,72
3,53 0,69
187 0,1 43,7 236 0,05 68,8 236 0,05 63,7 16,9 - 41,1
x 1 9 2 4 4,78 7
12,4 15,7 17,5
6 3 3
s 1,76 2,22 2,10
s2 3,12 4,92 4,55

Untuk menghitung nilai korelasi antara dua sampel (r) digunakan rumus :

r= dimana r =korelasi antara dua sampel (14)

Untuk korelasi X1 dengan X2

r=

= 0,308
Untuk korelasi X1 dengan X3

58
 r=

=-0,09
Untuk korelasi X2 dengan X3

r=

= 0,62
Dari perhitungan diperoleh harga masing-masing korelasi antara dua sampel
adalah :
1) Korelasi X1 dengan X2 dari perhitungan ditemukan : 0,308
2) Korelasi X1 dengan X3 dari perhitungan ditemukan : -0,09
3) Korelasi X2 dengan X3 dari perhitungan ditemukan : 0,62
Menguji hipotesis pertama, X1 : X2 (lihat harga rata-rata, s, dan s2 pada tabel A.2)
Gunakan rumus t di atas :

t=

t=

t = -5,32
Harga t hitung tersebut selanjutnya dibandingkan dengan t tabel dengan dk = n1+ n2
-2 = 15+15-2 =28. Berdasarkan dk =28, untuk 5%, maka harga t tabel 2,048 (uji dua
pihak). Ternyata harga t hitung lebih besar dari harga t tabel (-5,32>2,048) (ingat harga
t/perbandingan adalah harga mutlak). Dengan demikian H0 ditolak, dan Ha diterima.
Kesimpulannya terdapat perbedaan secara signifikan produktivitas kerja karyawan

59
sebelum dan sesudah 3 bulan menggunakan alat kerja baru. Produktivitas kerja karyawan
setelah 3 bulan dengan alat baru sudah lebih tinggi.

Pengujian hipotesis ke-2 (X1 :X3)

t=

t=

t = -9,22
Harga t hitung selanjutnya dibandingkan dengan t tabel dengan dk = n 1 + n2 -2 =
15+15-2 =28. berdasarkan dk=28, untuk kesalahan 5%, maka harga t tabel 2,048 (uji 2
pihak). Ternyata harga t hitung lebih besar dari harga t tabel (-9,22> 2,048). Dengan
demikian Ha diterima, dan H0 ditolak. Kesimpulannya terdapat perbedaan secara
signifikan produktivitas kerja karyawan sebelum dan sesudah 6 bulan menggunakan alat
kerja baru. Produktivitas kerja karyawan setelah 6 bulan dengan alat baru sudah lebih
tinggi.
Pengujian hipotesis ke-3 (X2 :X3)

t=

t=

t = -3,67
Harga t hitung tersebut selanjutnya dibandingkan dengan t tabel dengan dk= n 1 +
n2 -2 = 15+15-2 =28. berdasarkan dk=28, untuk kesalahan 5%, maka harga t tabel 2,048
(uji 2 pihak). Ternyata harga t hitung lebih kecil dari harga t tabel (-3,67>2,048). Dengan
demikian H0 ditolak, dan Ha diterima. Kesimpulannya terdapat perbedaan secara
signifikan produktivitas kerja karyawan meningkat sejak 3 bulan dan lebih meningkat
lagi setelah 6 bulan menggunakan alat kerja baru.

60
 Dari ketiga pengujian dengan t test tersebut memberikan informasi bahwa,
produktivitas kerja karyawan meningkat setelah 3 bulan dan lebih meningkat lagi setelah
6 bulan menggunakan alat kerja baru.

Uji Tukeys HSD (pasca Anova)

Analisis sesudah anova berikut menggunakan Tukeys HSD. Proses perhitungannya
adalah sebagai berikut :
a) Menghitung Tukeys HSD dengan rumus :

HSD = , dimana q= the studentizet range statistik (lihat tabel)

HSD =

=1,78
Penjelasan :
q diperoleh dengan melihat tabel studentizet range statistik. Kolom untuk k
perlakuan, baris untuk menentukan dk atau df. Dimana dk = N-k. Jadi k =3, dk =45-3
=42. Karena tidak ada dk = 42 maka digunakan yang mendekati yaitu 40. Setelah melihat
tabel studentizet range statistik diperoleh 3,44 dan untuk dk = 60 adalah 3,40. Untuk dk =
42 berada diantara dk=40 dan dk=60, untuk nilai dk tiap skala dapat dicari dengan selisih
antar kedua dk tersebut yaitu 3,44-3,40 =0,04 :20 =0,002. Untuk dk=42 adalah 3,44-
(2x0,002)=3,43.
b) Mencari perbedaan rata-rata kelompok.
Menghitung rata-rata masing-masing kelompok.
X1 =12,46
X2 =15,73
X3= 17,53
Selanjutnya berdasarkan rata-rata masing-msing kelompok tersebut dibuat tabel 8
perbedaan rata-rata antar kelompok sebagai berikut :
TABEL 8
TABEL PERBEDAAN RATA-RATA ANTAR KELOMPOK
X1 X2 X3
X1 - 3,27 5,07

61
 X2 3,27 - 1,8
X3 5,07 1,8 -
Selanjutnya membandingkan perbedaan rata-rata antar kelompok dengan nilai HSD, bila
perbedaan rata-rata lebih besar berarti ada perbedaan yang signifikan. Tapi bila lebih
kecil dari nilai HSD berarti tidak ada perbedaan yang signifikan.
Dari tabel diatas dapat disimpulkan sebagai berikut :
X1 X2
X1 X 3
X2 X 3
Kesimpulan
1 Terdapat perbedaan secara signifikan produktivitas kerja karyawan sebelum dan sesudah
3 bulan menggunakan alat kerja baru. Produktivitas kerja karyawan setelah 3 bulan
dengan alat baru sudah lebih tinggi
2 Terdapat perbedaan secara signifikan produktivitas kerja karyawan sebelum dan sesudah
6 bulan menggunakan alat kerja baru. Produktivitas kerja karyawan setelah 6 bulan
dengan alat baru sudah lebih meningkat
3 Terdapat perbedaan secara signifikan produktivitas kerja karyawan meningkat sejak 3
bulan dan lebih meningkat lagi setelah 6 bulan menggunakan alat kerja baru.

Uji LSD (Least Significant Diffence)/BNT (Pasca Anova)

Analisis sesudah anova berikut menggunakan LSD (Least Significant Diffence).
Proses perhitungannya adalah sebagai berikut :

a. Menghitung LSD dengan rumus :

LSD = dimana, KGT = Kuadrat Tengah Galat (MKDlm) (15)

b. Menentukan Kuadrat Tengah Galat

KGT = MKDlm = = =4,19

c. Menentukan nilai ttabel

62
 nilai ttabel diperoleh dengan melihat tabel distribusi nilai t. Untuk taraf signifikansi 5%
diperoleh 2,02.

d. Menghitung nilai LSD

Nilai LSD =

= 2,02

= 1,508

e. Mencari perbedaan rata-rata kelompok.

Menghitung rata-rata masing-masing kelompok.

X1 =12,46
X2 =15,73
X3= 17,53
Selanjutnya berdasarkan rata-rata masing-msing kelompok tersebut dibuat tabel 9
perbedaan rata-rata antar kelompok sebagai berikut :

TABEL 9
TABEL PERBEDAAN RATA-RATA ANTAR KELOMPOK
X1 X2 X3
X1 - 3,27 5,07
X2 3,27 - 1,8
X3 5,07 1,8 -
Selanjutnya membandingkan perbedaan rata-rata antar kelompok dengan nilai LSD, bila
perbedaan rata-rata lebih besar berarti ada perbedaan yang signifikan. Tapi bila lebih
kecil dari nilai LSD berarti tidak ada perbedaan yang signifikan.
Dari tabel diatas dapat disimpulkan sebagai berikut :
X1 X2
X1 X 3
X2 X 3

Kesimpulan

63
 1. Terdapat perbedaan secara signifikan produktivitas kerja karyawan sebelum dan sesudah
3 bulan menggunakan alat kerja baru. Produktivitas kerja karyawan setelah 3 bulan
dengan alat baru sudah lebih tinggi
2. Terdapat perbedaan secara signifikan produktivitas kerja karyawan sebelum dan sesudah
3 bulan menggunakan alat kerja baru. Produktivitas kerja karyawan setelah 3 bulan
dengan alat baru sudah lebih meningkat.
3. Terdapat perbedaan secara signifikan produktivitas kerja karyawan meningkat sejak 3
bulan dan lebih meningkat lagi setelah 6 bulan menggunakan alat kerja baru.

Analisis Varians Klasifikasi Ganda (Multiple Classification) / dua jalur

Seperti telah dikemukakan bahwa, analisis varians klasifikasi ganda / dua jalur /
tiga jalur dst, merupakan teknik statistik interferensial parametris yang digunakan untuk
menguji hipotesis komparatif lebih dari dua sampel (k sampel) secara serempak bila
setiap sampel terdiri atas dua kategori atau lebih.
Pada contoh Anova yang telah diberikan di atas adalah Anova Klasifikasi
Tunggal, tetapi bila setiap kelompok sampel karyawan perusahaan sepatu tersebut terdiri
atas kelompok pria dan wanita atau pegawai Golongan I, Golongan II, Golongan III,
maka akan dianalsis dengan Anova Dua Jalur dan Tiga Jalur.
Perhatikan contoh dalam tabel 9 Berikut. Produktivitas kerja pegawai = X,
sedangkan X2 adalah nilai kuadrat untuk menghitung Anova.
Dari tabel 9 Tersebut terlihat bahwa, eksperimen tentang pengaruh alat kerja baru
terhadap produktivitas kerja, dilakukan pada pegawai pria dan wanita. Jumlah pegawai
pria dan wanita yang digunakan sebagai sampel sama yaitu 10 orang. Disini terlihat
bahwa setiap sampel yang digunakan sebagai eksperimen terdiri atas dua kategori, yaitu
pegawai pria dan wanita. (Contoh yang pertama tidak ada kategorinya). Berdasarkan hal
tersebut, maka pengujian hipotesis akan dilakukan dengan Anova Dua Jalur (hanya untuk
dua kategori, bila kategori tiga digunakan Anova Tiga Jalur dst). Dengan adanya dua
kategori pada setiap sampel yang digunakan pada penelitian, maka akan terdapat tiga
hipotesis nol yang diuji yaitu:
Ho1 :Tidak dapat perbedaan produktivitas kerja pegawai berdasarkan alat kerja yang baru.
Data ini merupakan data kolom yang ke bawah. Ada tiga kolom, yaitu (X1 = X2 = X3).

64
Ho2 :Tidak terdapat perbedaan pdroduktivitas keja berdasarkan jenis kelamin. Data ini
merupakan data baris (row) yang kekanan. Ada dua baris, karena kategorinya hanya dua
yaitu Pria dan Wanita.
Ho3 :Tidak terdapat interaksi antara alat kerja baru (variabel independen) dengan jenis
kelamin dalam hal produktivitas kerja (variabel dependen) / interaksi kolom dengan baris
(Lihat tabel 10).

TABEL 10
PRODUKTIVITAS KERJA PEGAWAI PRIA DAN WANITA SEBELUM DAN
SETELAH MEMAKAI ALAT KERJA BARU
Sampel I Sampel II Sampel III
Jenis Sebelum Setelah 3 bulan Setelah 6 bulan
Total
Kelamin memakai alat memakai alat memakai alat
Pegawai kerja baru kerja baru kerja baru
2 2
X1 X1 X2 X2 X3 X32 Xtot Xtot2
12 144 13 169 18 324 43 637
13 169 15 225 18 324 46 718
10 100 12 144 14 196 36 440
15 225 18 324 20 400 53 949
Kelompok
13 169 15 225 15 225 43 619
Pegawai
14 196 17 289 19 361 50 846
Pria
10 100 18 324 20 400 48 824
12 144 20 400 21 441 53 985
13 169 14 196 18 324 45 689
14 196 16 256 17 289 47 741
Total Bag.
126 1612 158 2552 180 3284 464 7.448
Pria
15 225 13 169 16 256 44 650
13 169 15 225 17 289 45 683
15 225 16 256 13 169 44 650
12 144 12 144 14 144 38 484
Kelompok
14 196 15 225 16 256 45 677
Pegawai
10 100 14 196 15 225 39 521
Wanita
11 121 16 256 17 289 44 666
13 169 13 169 15 225 41 563
14 196 14 196 16 256 44 708
15 225 13 169 14 144 42 617
Total Bag.
132 1770 141 2092 153 2357 426 6.219
Wanita
Jml Tot 258 3382 299 4644 333 5641 890* 13.667**
12,9 14,9 16,65
S 1,68 2,13 2,25
2
s 2,83 4,57 5,08

65
 * 890 = 258 + 299 + 333 atau jumlah dari atas
** 13.667 = 3382 + 4644 + 5641 atau jumlah dari atas
Interaksi ini terjadi karena adanya kategori dalam setiap sampel. Interaksi
merupakan pengaruh variabel independen terhadap salah satu kategori sampel dalam
variabel dependen. Bila dengan adanya alat kerja baru dapat lebih meningkatkan
produktivitas karyawan pria daripada wanita, maka hal ini terjadi interaksi. Masalah
interaksi ini dapat dipahami melalui gambar.

Penjelasan Gambar sebagai berikut:

1. Gambar A. Terjadi interaksi yang signifikan. Alat kerja baru ternyata hanya
meningkatkan produktivitas pegawai pria, dan malah cendrung menurunkan produktivitas
kerja pegawai wanita. Dalam gambar grafik prouktivitas kerja pegawai pria naik, dan
pegawai wanita cenderung turun. Saran yang diberikan adalah: memberi alat kerja baru
kepada pegawai wanita.

Alat lama Alat Baru Alat lama Alat Baru Alat lama Alat Baru
Gambar A Gambar B Gambar C
Gambar.5 Kemungkinan Terjadinya Interaksi

2. Gambar B. Tidak terjadi interaksi. Ternyata dengan adanya alat kerja baru dapat
meningkatkan secara signifikan produktivitas kerja baik pegawai pria maupun wanita.
Dalam gambar ke dua grafik naik. Saran yang diberikan adalah memberi alat baru baik
untuk pegawai pria dan wanita.

66
3. Gambar C. Tidak diketahui interaksi. Alat baru tidak meningkatkan produktivitas kerja
pegawai pria maupun wanita. Tetapi produktivitas kerja pegawai pria selalu lebih tinggi
dari wanita. Jadi yang berpengaruh bukan alatnya, tetapi jenis kelaminnya. Saran yang
diberikan adalah, tidak perlu ganti alatnya, tetapi memperbanyak pegawai pria.

Contoh Penggunaan Anova Dua Jalur :

Berdasarkan data yang tertera dalam tabel dapat diuji Hipotesis Nol (Ho) seperti yang
tertera di atas.
Langkah-langkah yang diperlukan dalam pengujian hipotesis dengan Anova Dua Jalur
hampir sama dengan Anova Satu Jalur, hanya ditambah dengan adanya interaksi.
Langkah-langkah penggunaan Anova Dua Jalur sebagai berikut:
1. Menghitung JK Total:

JKtot = Xtot2 - = 13667 - = 465,33

2. Menghitung Jumlah Kuadrat Kolom (kolom arah ke bawah), dengan rumus:

JKkol = -

= + + -

= + + -

= 3328,2 + 4470,05 + 5544,45 13201,67

= 141,03
3. Menghitung Jumlah Kuadrat Baris (Baris Arah ke Kanan), dengan rumus:

JKbar = -

= + -

= 7176,53 + 6049,2 13201,67

= 24,06

67
 4. Menghitung Jumlah Kuadrat Interaksi, dengan rumus:
JKint = JKbag - (JKkol + JKbar)

JKbag = + + ... + -

= + + + + + -

= 1587,6 + 2496,4 + 3240 + 1742,4 + 1988,1 + 2340,9 13201,6

= 193,8
JK int = 193,8 (141,03 + 24,06) = 28,71
5. Menghitung Jumlah Kuadrat Dalam
JKdal = JK tot (JK kol + JKbar + JK int)
= 465.33 141,03 + 24,06 + 28,71
= 271,51
6. Menghitung dk untuk:
a. dk kolom = k - 1 dalam hal ini jumlah kolom = 3.
Jadi dkk =3-1=2
b. dk baris = b - 1 dalam hal ini jumlah baris = 2
Jadi dkb = 2 - 1 =1
c. dk interaksi = dkk dkb = 2 1 = 2. Atau (k - 1)(b - 1)
d. dk dalam = (N - kb) = 60 - 3
e. dk total = (N - 1) = 60 - 1 = 59
7. Menghitung Mean Kuadrat (MK): masing-masing JK dibagi dengan dk-nya.
a. MKkol = 141,03 : 2 = 70,515
b. MKbar = 24,06 : 1 = 24,06
c. MKint = 28,71 : 2 = 14,35
d. MKdal = 271,52 : 54 = 5,03
Memasukkan hasil perhitungan ke dalam Tabel Ringkasan Anova Dua Jalur. Lihat Tabel
10.
8. Menghitung harga Fhkol, Fhbar, Fhint dengan cara membagi dengan MKint Mkdal = 5,03
Fhkol = 70,52 : 5,03 = 14,02
Fhbar = 24,06 : 5,03 = 4,78

68
 Fhint = 14,35 : 5,03 = 2,85

TABEL 11
TABEL RINGKASAN ANOVA DUA JALUR
Sumber
Dk Jumlah Kuadrat Mean Kuadrat Fh
Variabel
Antar Kolom 3-1=2 141,03 70,52 70,49 : 5,03 = 14,01
Antar Baris 2-1=1 24,06 24,06 24,06 : 5,03 = 4,78
Interaksi (kolom
21=2 28,71 14,35 14,35 : 5,03 = 2,85
baris)
Dalam 60 - 2 3 = 54 271,51 5,03
Total 60 1 = 59 465,33

Untuk mengetahui bahwa harga-harga F tersebut signifikan atau tidak, maka perlu
dibandingkan dengan F tabel.
1. Untuk kolom (Alat Kerja Lama atau Baru) harga F tabel dicari dengan bedasarkan dk
Antar kolom (pembilang) = 2, dan dk Dalam (penyebut) = 54 (F2:54). Berdasarkan dk
(2:54) maka harga F tabel = 3,17 untuk 5% dan 5,01 untuk 1%. Harga F hitung = 14,01
ternyata lebih besar dari harga F tabel = 3,17 untuk 5% dan 5,01 untuk 1%. Karena harga
F hitung lebih besar daripada harga F tabel, maka Ho ditolak dan Ha diterima. Hal ini
berarti terdapat perbedaan produktivitas kerja berdasarkan alat kerja, (sebelum dan
sesudah tiga bulan dan 6 bula menggunakan alat kerja baru). Alat kerja baru berarti
meningkatkan produktivitas kerja baik untuk pegawai pria maupun wanita secara
signifikan.
2. Untuk Baris (Produktivitas kerja berdasarkan jenis kelamin), Hanya harga F hitung dicari
berdasarkan dk pembilang = 1 dan penyebut = 54. Harga F tabel = 4,02 untuk 5% dan
7,12 untuk 1%. Harga F hitung(4,78) ternyata lebih besar dari harga F tabel untuk 5%.
(4,78 > 4,02), tetapi lebi kecil untuk 1% (4,78 < 7,12). Karena harga F hitung lebi besar
daripada F tabel 5%, maka Ha diterima dan Ho ditolak. Hal ini berarti terdapat
perbedaan produktivitas kerja berdasarkan jenis kelamin secara signifikan untuk
kesalahan 5%. Untuk kesalahan 1% tidak terdapat perbedaan yang signifikan.
3. Untuk Interaksi. Harga F tabel dicari berdasarkan dk pembilang = 2 dan dk penyebut =
54 (dk interaksi dan dk dalam). Berdasarkan dk tersebut, maka harga F tabel = 3,17 untuk
5% dan 5,01 untuk 1%. Harga F hitung = 2,85 lebih kecil dari F tabel (2,85 < 3,17 <

69
5,01). Dengan demikian Ha ditolak, dan Ho diterima. Jadi kesimpulannya tidak terdapat
interaksi yang signifikan antara alat kerja baru dengan produktivitas kerja pegawai
berdasarkan jenis kelamin. Alat kerja baru berpengaruh baik pada pegawai pria dan
wanita dalam meningkatkan produktivitas kerja.
Berdasarkan hasil penelitian tersebut, maka dapat diberikan saran bahwa, supaya
produktivitas kerja pegawai baik pria maupun wanita meningkat, maka diperlukan alat
kerja yang baru.
Langkah-langkah pengujian hipotesis dengan Anova di atas, bila diringkas ke
dalam bagan seperti Gambar berikut:

70