1. Konsep Dasar
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
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
3
N k untuk JKG
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
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
2 JKG
yi . y t 1
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
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
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) ___
2S2
y i . y k . q (; a , r )
b
dimana =(a-1)(b-1)
8
Uji Kruskal - Wallis
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
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
, 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 Friedman
10
Model Matematika :
yij = + i + j + ij
H0 : 1 2 = = I = 0
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
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
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
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
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
14
Sumber Variasi JK d.b. MK Fo
Kelompok (K) 9,6376 (3-1) = 2 4,8188 = 0,117
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.
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
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
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.
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
JKB =
Antara B B-1
JKC =
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
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
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
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
Total 1933.000 42
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
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.
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)
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 :
4 8 9
3 7 7
5 6 4
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
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.
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)
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 :
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
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
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 :
=
11. Carilah dengan rumus :
32
TABEL
RINGKASAN ANOVA SATU JALUR
Sumber Jumlah Kuadrat Derajat Kuadrat Taraf
Varian (SV) (JK) bebas (db) Rerata Signifik
(KR) ( )
Dalam group - -
(D)
Total - - -
16. Kesimpulan
ditolak dan diterima. Jadi, terdapat perbedaan yang signifikan antara mahasiswa
tugas belajar, izin belajar dan umum.
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
ditolak apabila
b) diterima apabila
ditolak apabila
Total JKT kb - 1
Rumus hitung jumlah kuadrat
JKT =
JKB =
34
JKK =
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
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
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.
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
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
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
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
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
40
, maka tolak berarti signifikan dan konsultasikan antara
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.
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
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.
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.
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)
= X2 - 2 X +N
= X2 - 2 +
= X2 -
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 = - (9)
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 =
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.
50
Gambar.3 Langkah-langkah dalam Pengujian Hipotesis
dengan Anova Satu Jalur
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
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)
F= = 1,58
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 = + + ... + -
= + + ... + -
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
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.
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=
= 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.
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.
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.
62
nilai ttabel diperoleh dengan melihat tabel distribusi nilai t. Untuk taraf signifikansi 5%
diperoleh 2,02.
Nilai LSD =
= 2,02
= 1,508
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.
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.
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.
JKkol = -
= + + -
= + + -
JKbar = -
= + -
67
4. Menghitung Jumlah Kuadrat Interaksi, dengan rumus:
JKint = JKbag - (JKkol + JKbar)
JKbag = + + ... + -
= + + + + + -
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