ANALISIS VARIANS

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

1
 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.

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
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. JKtot = ∑X2-∑(X)2/N

∑(X)2/N= faktor koreksi

2. JKant = ∑ [(∑Xk)2/nk- (∑X)2/N ]

k = banyaknya kelompok
nk = banyaknya subjek dalam kelompok

3.
JKtot = Jkant + Jkdal

2
1.3 Pengertian Mean Kuadrat
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 : F = MKant/MKdal

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.

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

3
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
Jumlah Kuadrat (JK) d.b. MK F
Variasi
Kelompok JK = (∑Xk)2 /nk - (∑XT) 2/ dbk = K-1 MKk = JKk/dbk F0 = MKk/MKd
nk
(K)
JKd = JKT-JKk dbd = N-K MKd = JKd/dbd
Dalam (d)
Total (T) JKT = ∑XT2[(∑XT)2/nk] db = N-1

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

5. Memasukkan harga-harga dalam tabel ringkasan anava

Sumber Variasi JK d.b. MK Fo P

Kelompok (K) 9,6376 (3-1) = 2 4,8188 4,8188 >0,05
= 0,117
41,1805
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

4
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 F0 signifikan. Belakangna disarankan oleh para ahli bahwa uji-t terhadap setiap pasangan
harga rerata selalu dilakukan walaupun harga F0 tidak signifikan. Rumus yang dilakukan pada uji
joli adalah :
X 1 − 𝑋2
𝑡0 = 1 1
√𝑀𝐾𝑑 (𝑛 +𝑛 )
1 2

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

Langkah – langkah dalam anava ini adalah :

5
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
48 28 30 46 32
B3
3 5 45
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
180 225 175 631
B1 ∑X
∑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 -
N 3 5 7 15
B3 ∑X
109 168 256 551
∑X2

6
 X 3969 7350 9606 20925
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
Sumber Variasi Jumlah Kuadrat Db MK Fo P

Antara A (∑𝑋𝐴 )2 (∑𝑋𝑇 )2 A-1 (2) JK 𝐴 MK𝐴

JK 𝐴 = ∑ –
𝑛𝐴 𝑁
𝑑𝑏𝐴 MK 𝑑
(∑𝑋𝐵 )2 (∑𝑋𝑇 )2
Antara B JK 𝐵 = ∑ – B-1 (2) JK 𝐵 MK 𝐵
𝑛𝐴 𝑁
𝑑𝑏𝐵 MK 𝑑
Antara AB (∑𝑋𝐵 )2 (∑𝑋𝑇 )2
dbA x dbB (4) JK 𝐴𝐵 MK𝐴𝐵
(Interaksi) JK 𝐴𝐵 = ∑ – – JKA - JKB
𝑛𝐵 𝑁 𝑑𝑏𝐴𝐵 MK 𝑑

JK 𝑑
Dalam (d) JKd = JKA – JKB - JKAB dbT-dbA-dbB-dbAB
𝑑𝑏𝑑

Total (T) (∑𝑋𝑇 )2 N-1 (49)

JKT = ∑(𝑋𝑇 )2 - 𝑁

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

7
 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.

Tabel 8
Bentuk Tabel Statistik Anava Tiga Jalan

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

8
 Tabel 9
Rumus Unsur Tabel Persiapan Anava Tiga Jalan

Sumber
Jumlah Kuadrat (JK) d.b MK F0 P
Variasi
Antara A (∑𝑋𝐴 )2 (∑𝑋𝑇 )2 A-1 JK 𝐴 MK𝐴
JKA = ∑ –
𝑛𝐴 𝑁 𝑑𝑏𝐴 MK 𝑑

(∑𝑋𝐵 )2 (∑𝑋𝑇 )2
JKB = ∑ – MK 𝐵
Antara B 𝑛𝐵 𝑁 B-1 JK 𝐵
𝑑𝑏𝐵 MK 𝑑
(∑𝑋𝐶 )2 (∑𝑋𝑇 )2
JKC = ∑ –
𝑛𝐶 𝑁 JK 𝐶 MK 𝐶
Antara C C-1
𝑑𝑏𝐶 MK 𝑑
(∑𝑋𝐴𝐵 )2 (∑𝑋𝑇 )2
JKAB = ∑ – - JKA-JKB
𝑛𝐴𝐵 𝑁
JK 𝐴𝐵 MK𝐴𝐵
Interaksi AB dbA x dbB
𝑑𝑏𝐴𝐵 MK 𝑑
(∑𝑋𝐴𝐶 )2 (∑𝑋𝑇 )2
JKAC = ∑ – - JKA-JKC
𝑛𝐴𝐶 𝑁
JK 𝐴𝐶 MK𝐴𝐶
Interaksi AC dbA x dbC
𝑑𝑏𝐴𝐶 MK 𝑑
(∑𝑋𝐵𝐶 )2 (∑𝑋𝑇 )2
JKBC = ∑ – - JKB-JKC
𝑛𝐵𝐶 𝑁
JK 𝐵𝐶 MK 𝐵𝐶
Interaksi BC dbB x dbC
𝑑𝑏𝐵𝐶 MK 𝑑
(∑𝑋𝐵𝐶 )2 (∑𝑋𝑇 )2
JK BC = ∑ – - JKA-
𝑛𝐵𝐶 𝑁
JKB-JKC-JKAB-JKAC-JKBC
Interaksi dbA x dbB x JK 𝐴𝐵𝐶 MK𝐴𝐵𝐶
ABC JKd = JKT-JKant dbC
𝑑𝑏𝐵 MK 𝑑
= JKT – JKA – JKB – JKC – JKAB
JKAC - JKBC JK 𝑑
Dalam dbT – dbant
𝑑𝑏𝑑

Total (∑𝑋𝑇 2 ) N-1

JKA = ∑𝑋𝑇 2 𝑁

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
:

9
 Jika F0 ≤ Ft 1%
1. Harga Fo yang diperoleh
sangat signifikan
2. Ada perbedaan rerata
secara signifikan
3. Hipotesa Nihil (Ho) ditolak
4. p < 0,05 atau p = 0,01
Jika F0 ≤ Ft 5% Jika F0 ≥ Ft 5%
1. Harga Fo yang diperoleh 1. Harga Fo yang diperoleh
signifikan tidak signifikan
2. Ada perbedaan rerata 2. Tidak ada perbedaan rerata
secara signifikan secara signifikan
3. Hipotesa Nihil (Ho) 3. Hipotesa tidak Nihil (Ho)
ditolak p < 0,05 atau p = diterima p > 0,01
0,01

2 ANALISIS VARIANS DALAM SPSS

1. Entry Data

10
 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

(A1) (A2) (A3)
Kepribadian

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

11
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.

12
Apabila menu tersebut sudah dipilih, maka akan tampak kotak dialog. Pindahkan y ke dependent
variabel dan x ke fixed faktor(s), seperti bagan berikut.

13
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.

14
 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.

Tests of Between-Subjects Effects

Dependent Variable:VAR00001

Type III Sum of

Source Squares df Mean Square F Sig.

Corrected Model 33.643a 5 6.729 5.266 .001

Intercept 1853.357 1 1853.357 1450.453 .000

VAR00002 24.429 2 12.214 9.559 .000

15
VAR00003 1.167 1 1.167 .913 .346

VAR00002 * VAR00003 8.048 2 4.024 3.149 .055

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.

Multiple Comparisons

Dependent Variable:y

(I) (J) 95% Confidence Interval

VAR000 VAR000 Mean Difference
02 02 (I-J) Std. Error Sig. Lower Bound Upper Bound

Tukey HSD 1.00 2.00 -1.7143* .42725 .001 -2.7586 -.6700

3.00 -.2143 .42725 .871 -1.2586 .8300

2.00 1.00 1.7143* .42725 .001 .6700 2.7586

3.00 1.5000* .42725 .003 .4557 2.5443

3.00 1.00 .2143 .42725 .871 -.8300 1.2586

16
 2.00 -1.5000* .42725 .003 -2.5443 -.4557

Scheffe 1.00 2.00 -1.7143* .42725 .001 -2.8051 -.6234

3.00 -.2143 .42725 .882 -1.3051 .8766

2.00 1.00 1.7143* .42725 .001 .6234 2.8051

3.00 1.5000* .42725 .005 .4091 2.5909

3.00 1.00 .2143 .42725 .882 -.8766 1.3051

2.00 -1.5000* .42725 .005 -2.5909 -.4091

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.

17
 DAFTAR PUSTAKA

Arikunto, S. 2009. Manajemen Penelitian. Jakarta : Rineka Cipta

http://www.undiksha.ac.id/e-learning/staff/dsnmateri/4/1-54.pdf

18