Modul Praktikum SPSS

Analysis of Variance
(ANOVA)
Oleh:
Andi Lala, S.Pd.I.,M.Pd

E-mail: rubbelalfarabi@gmail.com

PENDAHULUAN

Anava atau Anova adalah anonim dari analisis varian terjemahan dari analysis
of variance, sehingga banyak orang yang menyebutnya dengan anova. Anova merupakan
bagian dari metode analisis statistika yang tergolong analisis komparatif (perbandingan)
lebih dari dua rata-rata (Riduan, 2008). Analisis varians (analysis of variance) atau
ANOVA adalah suatu metode analisis statistika yang termasuk ke dalam cabang
statistika inferensi.1
Anova (Analysis of variances) digunakan untuk melakukan analisis komparasi
multivariabel. ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi untuk
membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Jenis data
yang tepat untuk anova adalah nominal dan ordinal pada variabel bebasnya, jika data
pada variabel bebasnya dalam bentuk interval atau ratio maka harus diubah dulu dalam
bentuk ordinal atau nominal. Sedangkan variabel terikatnya adalah data interval atau
ratio2.

1
Ada dua macam statistika yaitu statistika deskriptif dan statistika inferensial. Statistika
deskriptif adalah statistik yang digunakan untuk analisa data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada tujuan membuat kesimpulan
untuk generalisasi. Statistika deskriptif berkenaan dgn deskripsi data misal dari menghitung rata-rata dan
varians dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah
lebih mudah dibaca dan lebih bermakna.
Sedangkan statistika inferensial adalah tatistik yang digunakan untuk menganalisisdata sampel dan
hasilnya akan digeneralisasikan/diinferensialkan kepada populasi dimana sampel diambil. Misal melakukan
pengujian hipotesis melakukan prediksi observasi masa depan atau membuat model regresi.
2
Menurut skala pengukurannya, data dikelompokan menjadi empat kelompok, yaitu nominal,
ordinal, interval dan rasio.

1
 Tujuan utama dari ANOVA adalah untuk membandingkan mean dari tiga
kelompok atau lebih, untuk memberikan informasi apakah perbedaan yang teramati
(observed differences) antar kelompok tersebut terjadi karena kebetulan (chance) atau
karena suatu pengaruh tertentu yang bersifat sistematis (systematic effect).
Beberapa asumsi yang harus dipenuhi untuk dapat menggunakan uji Anova
adalah sebagai berikut:
1. Sampel berasal dari kelompok yang independen
Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara
random terhadap beberapa (> 2) kelompok yang independen, yang mana nilai pada
satu kelompok tidak tergantung pada nilai di kelompok lain.
2. Varian antar kelompok harus homogen
Setiap kelompok hendaknya berasal dari popolasi yang sama dengan variansi yang
sama pula.
3. Data masing-masing kelompok berdistribusi normal
Distribusi data harus normal, agar data berdistribusi normal dapat ditempuh dengan
cara memperbanyak jumlah sampel dalam kelompok.
Uji Anova dapat dibagi menjadi 3 jenis berdasarkan jumlah variabel yang
diamati, yaitu One Way Anova, Two Way Anova dan Manova (banyak arah) One Way
Anova digunakan bila ada satu variabel yang ingin diamati, Two Way Anova digunakan
apabila terdapat dua variabel yang ingin diamati, dan Manova digunakan apabila
terdapat lebih dari dua variabel yang ingin diamati Pada pembahasan kali ini, penulis

 Nominal, variabel yang hanya dapat membedakan nilai datanya dan tidak tahu nilai data mana yang
lebih tinggi atau rendah. Contoh; jenis kelamin, suku dll. Jenis kelamin laki-laki tidak lebih tinggi
dibandingkan perempuan . Suku Jawa tidak dapat dikatakan lebih baik/lebih buruk dari suku sunda.
Dengan ilustrasi ini dapat dijelaskan bahwa variabel nominal, nilai datanya sederajat.
 Ordinal, variabel yang dapat membedakan nilai datanya dan juga sudah diketahui tingkatan lebih tinggi
atau lebih rendah, tapi belum diketahui besar beda antar nilai datanya. Contoh pendidikan, pangkat,
stadium penyakit dll. Pendidikan SD pengetahuannya lebih rendah dibandingkan SMP. Namun
demikian, kita tidak dapat tahu besar perbedaan pengetahuan orang SD dengan SMP.
 Interval, variabel yang dapat dibedakan, diketahui tingkatannya dan diketahui juga besar beda antar
nilainya, namun pada variabel interval belum diketahui kelipatan suatu nilai terhadap nilai yang lain
dan pada skala interval tidak mempunyai titik nol mutlak. Contohnya variabel suhu, misalnya benda A
suhunya 40 derajat dan benda B 10 derajat. Benda A lebih panas dari benda B dan beda panas anta
benda A dan B 30 derajat, namun kita tidak bisa mengatakan bahwa benda A panasnya 4 kali dari
benda B (ini berarti tidak ada kelipatannya!). Selanjutnya, kalau suatu benda suhunya 0 derajat, ini
tidak berart bahwa benda tersebut tidak punya panas (tidak mempunyai nilai nol mutlak),
 Rasio, variabel yang paling tinggi skalanya, yaitu bisa dibedakan, ada tingkatan, ada besar beda
dan ada kelipatannya serta ada nol mutlak. Contoh berat badan, tinggi badan dll. Misal A beratnya 30
kg dan B beratnya 60 kg. Dalam hal ini dapat dikatakan bahwa A lebih ringan dari B, selisih berat
antara A dan B adalah 30 kg, berat b dua kali lebih tinggi dari berat A. Berat 0 kg, ini berarti tidak ada
berat (tidak ada bendanya) sehingga ada nol mutlak.

2
hanya akan membahas tentang One Way Anova, sedangkan Two Way Anova akan
dibahas pada pertemuan selanjutnya.

PEMBAHASAN

A. Pengertian One Way Anova

Analisis Variansi searah (One Way Anova ) merupakan alat uji statistik yang
digunakan untuk menguji apakah populasi yang independen mempunyai rata – rata
yang berbeda atau tidak. Dalam analisis variansi searah terdapat 1 variabel tak bebas
(variabel dependen) dan 1 variabel bebas atau (independen)
Dinamakan analisis varians satu arah, karena analisisnya menggunakan
varians dan data hasil pengamatan merupakan pengaruh satu faktor. ANAVA satu
jalur yaitu analisis yang melibatkan hanya satu peubah bebas. Secara rinci, ANAVA
satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri berikut:
1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang dipilih
dan ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut tidak
acak karena peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori
lain di luar yang diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin
hanya terdiri atas dua ketegori (pria-wanita), atau peneliti hendak
membandingkan keberhasilan antara Metode A, B, dan C dalam meningkatkan
semangat belajar tanpa bermaksud menggeneralisasikan ke metode lain di luar
ketiga metode tersebut.
2. Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat
kualitatif atau kuantitatif.
3. Setiap subjek merupakan anggota dari hanya satu kelompok pada peubah bebas,
dan dipilih secara acak dari populasi tertentu. (Furqon. 2009).
Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari
dua rata-rata. Sedangkan gunanya untuk menguji kemampuan generalisasi.
Maksudnya dari signifikansi hasil penelitian. Jika terbukti berbeda berarti kedua
sampel tersebut dapat digeneralisasikan (data sampel dianggap dapat mewakili
populasi). Anova satu jalur dapat melihat perbandingan lebih dari dua kelompok
data. (Riduwan.2008)

3
 Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 )
.Uji-t atau uji-z hanya dapat melihat perbandingan dua kelompok data saja.
Sedangkan anova satu jalur lebih dari dua kelompok data. Contoh: Perbedaan
prestasi belajar statistika antara mahasiswa tugas belajar (𝑋1), izin belajar (𝑋2)
dan umum (𝑋3).

B. Prosedur Uji Hipotesis One Way Anova

Langkah-langkah pengujian klasifikasi satu arah (one way ANOVA) adalah
sebagai berikut:
1. Menentukan formulasi hipotesis
Ho : µ1 = µ2 = µ3 = µ4
Artinya, semua rata-rata (mean ) populasi adalah sama. Tidak ada efek faktor
terhadap variabel respon
Ha : µ1 ≠ µ2 = µ3 = µ4 (Sekurang-kurangnya ada satu perbedaan antara rata-rata
satu dengan yang lainnya)
Artinya, minimal satu rata-rata populasi berbeda (yang lainnya sama). Ada
efek atau pengaruh faktor terhadap variabel respon. Tidak berarti bahwa
semua populasi berbeda

2. Menentukan Kriteria Pengujian

 Ho ditolak jika p-value (didapat dari Sig.) < α (0,05)
Jika Ho ditolak artinya Ha diterima
 Ho diterima jika p-value (didapat dari Sig.) > α (0,05)
Jika Ho terima artinya Ha diolak

C. Aplikasi One Way Anova dengan SPSS

Untuk lebih memahami penggunaan One Way Anova, di bawah ini akan
diberikan bebarapa kasus yang akan di analisis dengan One Way Anova dengan
menggunakan software SPSS versi 20.

4
 CONTOH KASUS
Seorang peneliti ingin mengetahui skor kemampuan mata kuliah statistika
terapan pada mahasiswa Pasca Sarjana Universitas Sultan Ageng Tirtayasa
Serang Banten yang diambil dari empat program studi, yaitu MP, BI, Hukum dan
Akuntansi. Masing-masing program studi diambil sebanyak 10 mahasiswa. Skor
nilai statistika terapan adalah antara 0 – 100. Nilai dari masing-masing sampel
adalah sebagai berikut:
Data Skor Kemampuan Statistika Terapan
Program Studi
No.
MP BI Hukum Akuntansi
1 75 74 54 64
2 55 75 58 58
3 59 64 60 57
4 60 64 74 60
5 70 68 69 64
6 75 70 65 66
7 76 70 70 65
8 66 85 72 55
9 71 65 65 64
10 77 68 60 60

Untuk dapat melakukan analisis Anova tabel tersebut harus di rubah

terlebih dahulu dengan format sebagai berikut:

No. Resp Skor Program Studi (Kode)

1 75 1
2 55 1
3 59 1
4 60 1
5 70 1
6 75 1
7 76 1
8 66 1
9 71 1

5
 No. Resp Skor Program Studi (Kode)

10 77 1
11 74 2
12 75 2
13 64 2
14 64 2
15 68 2
16 70 2
17 70 2
18 85 2
19 65 2
20 68 2
21 54 3
22 58 3
23 60 3
24 74 3
25 69 3
26 65 3
27 70 3
28 72 3
29 65 3
30 60 3
31 64 4
32 58 4
33 57 4
34 60 4
35 64 4
36 66 4
37 65 4
38 55 4
39 64 4
40 60 4
Keterangan: MP (1), BI (2), Hukum (3), Akuntansi (4)
Berdasarkan tabel di atas, menjadi jelas terlihat, bahwa pada data di atas
hanya terdapat dua variabel, yaitu variabel Skor (Y) dan Variabel Program Studi
(X). Setelah data siap, selanjutnya kita akan memulai melakukan uji analisis
Anova satu arah dengan bantuan software SPSS dengan langkah-langkah sebagai
berikut:

6
  Buka program SPSS versi 20, sehingga muncul jendela SPSS 20 seperti gambar di
bawah ini:

Lalu klik Variabel View

 Setelah itu muncul tampilan variabel view seperti ini:

4.Klik kolom Values pada baris 2,

sehingga mumcul kotak dialog Value
1. Input dikolom Name: Skor Labels seperti di bawah ini:
pada baris 1 dan
Program_Studi pada baris 2
2. Input dikolom Label: Skor
kemampuan Statistik
Terapan pada baris 1 dan
Program Studi pada baris 2
3. Input dikolom Measure Scale
pada baris 1 dan Norminal
pada baris 2

7
 Pada kotak dialog Value Labels input data seperti ini:

1. Input kotak Value

dengan angka 1, dan
kotak Label dengan
MP
2. Setelah itu klik Add

 Setelah itu outputnya sebagai berikut:

3. Setelah itu input kembali (ulang

langkah sebelumnya) kotak Value
2, untuk Label BI, klik Add, Value
3, untuk Label Hukum, klik Add,
dan Value 4, untuk Label
Akuntansi, klik Add. Sehingga
outputnya seperti di bawah ini:

4. Setelah itu klik OK

 Setelah itu kita akan kembali lagi ke jendela awal SPSS, variabel View seperti ini:

8
 Hasil Input kolom Values

1. Langkah selanjutnya klik Data View

2. Setelah itu muncul jendela Data View seperti di bawah ini:

3. Langkah selanjutnya copy data variabel Skor dan data
variabel Program Studi kolom Data View, sehingga
tampilan seperti di bawah ini:

9
 Setelah data terinput seperti gambar di atas, langkah selanjutnya adalah:

1. Klik menu
Analyze

2. pilih Compare Means

3. Klik One-Way ANOVA

 Lalu muncul kotak dialog seperti ini:

4. Klik Skor Kemampuan S...

5. Klik Tanda Panah, untuk

6. Klik Program memasukkan variabel skor ke kotak
Sudi Dependent List

7. Klik tanda panah untuk

memasukkan variabel
Program Studi ke kotak
Factor
8.
 Lalu hasilnya seperti ini:

8. Selanjutnya Klik menu Options..

10
  Muncul kotak dialog Options seperti dibawah ini:

9. Klik pilihan Descriptive untuk

menampilkan statistik deskripsi

10. Klik pilihan Homogeneity of variance test

untuk menampilkan uji homogenutas
(kesamaan varian)

12. Klik pilihan Means plot untuk

menampilkan plot rata-rata

11. Klik Continue

 Kemudian muncul kembali kotak dialog One-Way ANOVA

13. Klik
Tukey
14. Klik Post Hoc...

Perhatikan Significance level, harus 0,05,

karena nilai α yang digunakan 5%

16. Setelah itu kembali lagi ke

kotak dialog One-Way
15. Klik Continue
ANOVA , lalu klik OK
11
 Kemudian akan muncul pada jendela Output SPSS sebagai berikut:

Untuk menyalin tabel output SPSS ke halaman Microsoft

Office Word, klik kanan (mouse) pada tabel yang ingin di
salin, lalu klik (kiri) copy. Setelah itu Paste di halaman
Microsoft Office Word yang diinginkan

12
D. Penjelasan Hasil Output Analisis One Way ANOVA
 Output Bagian I (Descriptives)
Descriptives
Skor Kemampuan Statistika Terapan
95% Confidence Interval
Std. Std. for Mean
N Mean Minimum Maximum
Deviation Error Lower Upper
Bound Bound

MP 10 68,40 7,975 2,522 62,70 74,10 55 77

BI 10 70,30 6,413 2,028 65,71 74,89 64 85
HUKUM 10 64,70 6,584 2,082 59,99 69,41 54 74
AKUNTANSI 10 61,30 3,802 1,202 58,58 64,02 55 66
Total 40 66,18 7,056 1,116 63,92 68,43 54 85

Pada bagian pertama ini, terlihat hasil-hasil ringkasan data statistic deskriptif
dari keempat sampel seperti mean , standar deviasi, angka terendah dan tertinggi
serta standar error.
Sebagai contoh deskripsi dari program studi MP berdasarkan tabel di atas,
diketahui bahwa skor rata-rata (Mean) kemampuan statistika terapan program studi
MP adalah 68,40. Skor terendah (Minimum) adalah 55 dan skor tertinggi
(Maximum) adalah 77. Dengan tingkat kepercayaan 95% atau signifikansi 5%, rata-
rata skor kemampuan statistika terapan program studi MP ada pada range 62,70
sampai 74,10.

 Output Bagian II (Test of Homogeneity of Variances)

Test of Homogeneity of Variances

Skor Kemampuan Statistika Terapan
Levene Statistic df1 df2 Sig.

1,830 3 36 ,159

Pada bagian kedua ini (Uji Homogeneity of Variances) bertujuan untuk

menguji berlaku tidaknya asumsi untuk ANOVA, yaitu apakah skor kemampuan
statistika terapan pada mahasiswa MP, BI, Hukum dan Akuntansi mempunyai
varians yang sama:
Untuk mengetahui apakah asumsi keempat kelompok sampel yang ada
mempunyai varian yang sama (homogen) dapat diterima. Untuk itu sebelumnya

13
 perlu dipersiapkan hipotesis tentang hal tersebut. Adapun hipotesisnya adalah
sebagai berikut :
Ho = Keempat variansi populasi adalah sama
Ha = Keempat variansi populasi adalah tidak sama
Dengan pengambilan Keputusan:
Jika signifikan > 0.05 maka Ho diterima
Jika signifikan < 0,05 maka Ho ditolak
Berdasarkan pada tabel di atas, hasil yang diperoleh pada test of homogeneity
of variances, diketahui bahwa probabilitas atau signifikaninya adalah 0,159, ini
artinya nilai Sig > α (0,159 > 0,05) maka dapat disimpulkan bahwa hipotesis nol
(Ho) diterima, yang berarti asumsi bahwa keempat varian populasi adalah sama
(homogeny) dapat diterima (tidak berbeda secara signifikan).

 Output Bagian III (ANOVA)

ANOVA
Skor Kemampuan Statistika Terapan
Sum of df Mean F Sig.
Squares Square
Between Groups 479,075 3 159,692 3,930 ,016
Within Groups 1462,700 36 40,631
Total 1941,775 39

Setelah keempat varians terbukti sama (homogen), baru dilakukan uji Anova
untuk menguji apakah apakah skor kemampuan statistika terapan mahasiswa dari
keempat program studi secara siginifikan berbeda atau sebenarnya sama. Output
Anova adalah akhir dari perhitungan yang digunakan sebagai penentuan analisis
terhadap hipotesis yang akan diterima atau ditolak. Dalam hal ini hipotesis yang
akan diuji adalah :
Ho = Tidak terdapat perbedaan rata-rata skor kemampuan statistika terapan
mahasiswa program studi MP, BI, Hukum dan Akuntansi pada Universitas
Sultan Ageng Tirtayasa Serang Banten
Ha = Terdapat perbedaan rata-rata skor kemampuan statistika terapan mahasiswa
program studi MP, BI, Hukum dan Akuntansi pada Universitas Sultan
Ageng Tirtayasa Serang Banten

14
 Dengan ketentuan pengambilan Keputusan:
Jika nilai signifikan > 0.05 maka Ho diterima
Jika signifikan < 0,05 maka Ho ditolak
Berdasarkan pada tabel ANOVA di atas, diketahui bahwa nilai probabilitas
atau signifikaninya adalah 0,016, ini artinya nilai Sig < α (0,016 < 0,05) maka dapat
disimpulkan bahwa hipotesis nol (Ho) ditolak dan hipotesis alternatif (Ha) diterima.
Hal ini menunjukan bahwa terdapat perbedaan rata-rata skor kemampuan statistika
terapan mahasiswa program studi MP, BI, Hukum dan Akuntansi pada Universitas
Sultan Ageng Tirtayasa Serang Banten.

 Output Bagian IV (Post Hoc Test)

Pada output keempat (Post Hoc Test) merupakan penentuan signifikansi per
pasangan (multiple comparisons). Uji ini dilakukan sebagai uji lanjutan karena
adanya perbedaan (diterimanya Ha).
Meskipun telah diuji signifikansinya secara umum masih diperlukan
pengujian signifikansi untuk setiap pasangan. Hasil pengujian signifikansi secara
umum pada analisis varian meskipun menyatakan ada perbedaan secara signifikan
(nyata), maka tidak dapat diartikan bahwa setiap pasangan pasti berbeda secara
signifikan (nyata). Hasil pembuktian tersebut hanya dapat dinyatakan setidak‐
tidaknya ada satu pasang (dua kelompok) yang berbeda secara signifikan (nyata).
Oleh karena itu perlu adanya pengujian per pasangan untuk menentukan pasangan
mana yang berbeda secara signifikan dan pasangan mana yang tidak berbeda. Untuk
mengetahui pasangan‐pasangan mana yang berbeda secara signifikan dan pasangan‐
pasangan mana yang tidak berbeda diperlukan adanya uji signifikansi per pasangan.
Untuk memudahkan dalam menentukan pasangan‐pasangan yang berbeda
secara signifikan dan pasangan‐pasangan yang tidak berbeda dapat dilihat pada
output hasil analisis yang disajikan pada tabel Multiple Comparisons seperti hasil
output bagian keempat dari hasil analisis One Way ANOVA di bawah ini:

15
 Multiple Comparisons
Dependent Variable: Skor Kemampuan Statistika Terapan
Tukey HSD
95% Confidence
Mean Difference Interval
(I) Program Studi (J) Program Studi Std. Error Sig.
(I-J) Lower Upper
Bound Bound

BI -1,900 2,851 ,909 -9,58 5,78

MP HUKUM 3,700 2,851 ,570 -3,98 11,38

AKUNTANSI 7,100 2,851 ,078 -,58 14,78

MP 1,900 2,851 ,909 -5,78 9,58
BI HUKUM 5,600 2,851 ,220 -2,08 13,28
*
AKUNTANSI 9,000 2,851 ,016 1,32 16,68
MP -3,700 2,851 ,570 -11,38 3,98
HUKUM BI -5,600 2,851 ,220 -13,28 2,08
AKUNTANSI 3,400 2,851 ,635 -4,28 11,08
MP -7,100 2,851 ,078 -14,78 ,58
*
AKUNTANSI BI -9,000 2,851 ,016 -16,68 -1,32

HUKUM -3,400 2,851 ,635 -11,08 4,28

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

Berdasarkan tabel Multiple Comparisons menunjukkan bahwa terdapat

beberapa pasangan yang berbeda secara nyata (signifikan). Salah satu ciri yang
sangat mudah untuk dikenali bahwa pasangan tersebut berbeda secara signifikan
(nyata) yaitu nilai pada kolom Mean Difference (i‐j) diberi tanda bintang.
Pasangan yang berbeda secara nyata untuk hasil analisis berdasarkan hasil
tabel di atas, yaitu pasangan BI dengan Akuntansi, dengan Mean Difference
sebesar 9000 dan signifikansi hitung sebesar 0,016 (0,016 < 0,05). Sedangkan
pasangan yang lainnya (MP – BI, MP – Hukum, MP – Akuntansi, BI – Hukum, dan
Hukum – Akuntansi) berdasarkan hasil tabel di atas menunjukkan tidak ada
perbedaan, karena pada kolom Mean Difference (i‐j) tidak ada tanda bintang, selain
itu juga nilai Sig. nya > 0,05.

 Output Bagian V (Homogeneous Subsets)

Pada bagian V (Homogeneous Subsets) menyajikan pasangan‐pasangan yang
dinyatakan tidak berbeda. output bagian kelima dari hasil analisis One Way ANOVA
dapat dilihat di bawah ini:

16
Homogeneous Subsets
Skor Kemampuan Statistika Terapan
Tukey HSD
Program Studi N Subset for alpha = 0.05
1 2
AKUNTANSI 10 61,30
HUKUM 10 64,70 64,70
MP 10 68,40 68,40
BI 10 70,30
Sig. ,078 ,220
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 10,000.

Berdasarkan tabel Homogeneous Subsets di atas diketahui bahwa:

1) Pada subset 1 terlihat grup dengan anggota Akuntansi, Hukum dan MP dengan Sig.
0,078. Dengan demikian program studi Akuntansi, Hukum dan MP tidak mempunyai
perbedaan yang signifikan karena nilai Sig > alpha (0,078 > 0,05)
2) Pada subset 2 terlihat grup dengan anggota Hukum, MP dan BI dengan Sig. 0,220.
Dengan demikian program studi Hukum, MP dan BI tidak mempunyai perbedaan
yang signifikan karena nilai Sig > alpha (0,220 > 0,05)

 Output Bagian VI (Means Plot)

Means Plot

17
 Pada bagian VI ini (Means Plot) merupakan grafik garis yang menunjukan
rata-rata dari keempat program studi. Berdasarkan grafik means plot di atas terlihat
nilai rata-rata yang tertinggi adalah program studi BI dan yang rata-rata terendah
adalah program studi Akuntansi.

E. Penentuan Komponen Varian

Out put atau hasil olahan komputer dan hasil olahan secara manual untuk
analisis varian atau yang lain, pada dasarnya memiliki tujuan yang sama. Pada
analisis varian yang utama adalah digunakan untuk menghitung komponen varian
sebagaimana yang dinyatakan pada rumus;

𝑌𝑖𝑗= 𝜇+𝜏𝑗 +𝜀𝑖𝑗

Komponen‐komponen yang terdapat pada rumus di atas berupa; jumlah
kuadrat total (sum of squares total), jumlah kuadrat antara kelompok (sum of squares
between groups), dan jumlah kuadrat dalam kelompok (sum of squares within
groups). Hasil analisis ini terdapat pada tabel ANOVA yang terdiri atas enam kolom
dan tiga baris seperti di bawah ini:
ANOVA
Skor Kemampuan Statistika Terapan
Sum of Mean
df F Sig.
Squares Square
Between Groups 479,075 3 159,692 3,930 ,016
Within Groups 1462,700 36 40,631
Total 1941,775 39

Berdasarkan hasil analisis yang ditampilkan pada tabel ANOVA maka dapat
dihitung besarnya komponen varian masing‐masing dengan cara sebagai berikut:.
 Persentase komponen varian antarkelompok (between groups) sebesar

479,075
x 100% = 24,7%
1941,775

 b. Persentase komponen varian dalam kelompok (within groups) sebesar

1462,700
x 100% = 75,3 %
1941,775

18
Hasil perhitungan tersebut berarti bahwa sebesar 24,7% varian pada variabel terikat
(Skor Kemampuan Statistika Terapan) disebabkan oleh variasi atau perbedaan pada
nilai variabel bebas yang berupa program studi. Selebihnya sebesar 75,3% tidak
diketahui sebabnya.

KESIMPULAN

Berdasarkan pembahasan tersebut menunjukkan bahwa pada analisis varian

terdapat tiga hal pokok yang harus dilakukan. Ketiga hal pokok yang harus
dilakukan pada analisis varian yaitu berupa:
1. Analisis signifikansi secara umum
Pada analisis ini digunakan untuk menguji hipotesis secara umum tanpa
harus melihat per pasangan. Berdasarkan hasil perhitungan di atas, meskipun
pada hasil analisis secara umum menyatakan ada perbedaan secara signifikan
(nyata) maka kita dapat menyatakan bahwa setidak‐ tidaknya terdapat satu
pasangan (dua kelompok) yang berbeda secara signifikan (nyata). Hasil
tersebut tidak dapat diartikan bahwa setiap pasangan pasti berbeda secara
signifikan (nyata).

2. Analisis signifikansi per pasangan

Analisis signifikansi per pasangan ini digunakan untuk memberikan
penjelasan atas analisis signifikansi secara umum. Pada bagian analisis ini dapat
digunakan untuk menunjukkan pasangan‐pasangan mana yang berbeda secara
signifikan dan pasangan‐pasangan mana yang tidak berbeda. Output hasil
analisis yang dapat digunakan yaitu ditampilkan pada tabel Multiple
Comparisons.

3. Besarnya komponen varian

Bagian ini dimaksudkan untuk menghitung berapa besarnya setiap
komponen varian (yaitu komponen penjelas dan bukan penjelas). Berdasarkan
pada contoh di atas, maka besarnya Komponen penjelas varian dihitung
berdasarkan pada Sum of Square pada baris Between groups. Besarnya

19
 Komponen bukan penjelas varian dihitung berdasarkan pada Sum of Square
pada baris Within groups dari total Sum of Square.

REFERENSI

Riduwan.2008.Dasar-dasar Statistika. Bandung:Alfabeta

Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA:

Bandung

Santoso, Singgih, 2002. Menguasai SPSS 21 di Era Informasi, PT. Elex Media
Komputindo.

Wahana Komputer, 2009, Panduan Praktis SPSS 17 untuk Pengelolaan Data Statistik,
Penerbit Andi

20
21