ANOVA

Disusun untuk memenuhi tugas mata kuliah “Statistik”

Dosen Pengampu : Nawang Sulistyani, M.Pd

Disusun Oleh :

Kelompok 12

1. Sheren Mega Velina 201710430311143

2. Aghitsatul Habibah 201710430311147
3. Riska Nurvanita 201710430311169
4. Tika Fariha Rohmatin 201710430311179

UNIVERSITAS MUHAMMADIYAH MALANG

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
PENDIDIKAN GURU SEKOLAH DASAR
2018
 KATA PENGANTAR

Puji syukur saya panjatkan kehadiran allah SWT tuhan semesta alam karena atas ijin dan
kehendaknya juga makalah ini dapat kami selesaikan tepat pada waktunya. Tidak lupa kami juga
mengucapkan banyak terima kasih atas bantuan dari berbagai pihak Penulisan dan pembuatan
makalah ini bertujuan untuk memenuhi tugas mata kuliah statistik. Adapun yang kami bahas dalam
makalah ini mengenai anova.

Dan harapan kami semoga makalah ini dapat menambah pengetahuan dan pengalaman bagi
para pembaca. Untuk kedepannya dapat memperbaiki bentuk maupun menambah isi makalah agar
menjadi lebih baik lagi.

Karena keterbatasan pengetahuan dan pengalaman kami, kami yakin masih banyak
kekurangan dalam makalah ini, oleh karena itu kami sangat mengharapkan saran dan kritik yang
membangun dari pembaca demi kesempurnaan makalah ini.

Penulis,

Kelompok 12

i
DAFTAR ISI

ii
 BAB I

PENDAHULUAN

A. Latar Belakang
Kita ketahui bahwa kumpulan hasil pengamatan mengenai suatu hal, skor hasil
belajar siswa, berat bayi yang baru lahir, gaji pegawai disuatu perusahaan, hasil jagung
setiap hektar misalnya,nilai datanya bervariasi dari yang satu dengan yang lain. Karena ada
variasi ini untuk sekumpulan data, telah dihitung alat ukurnya, yaitu varians. Varians
bersama rata-rata juga telah banyak digunakan untuk membuat kesimpulan mengenai
populasi, baik secara deskriptif maupun induktif melalui penafsiran dan pengujian
hipotesis mengenai parameter. Dalam analisis varians, dapat dilihat variasi-variasi yang
muncul karena adanya beberapa perlakuan (treatment) untuk menyimpulkan data atau
tidaknya perbedaan rataan pada populasi.
Jika untuk menguji perbedaan rata-rata antara 2 kelompok independen digunakan
Uji-t, maka untuk melakukan uji terhadap perbedaan rata-rata antara 3 kelompok
independen atau lebih, kita tidak boleh menggunakan uji-t berlulang-ulang. Misalnya kita
ingin mengetahui apakah ada perbedaan rata-rata hasil antara 3 kelompok intervensi,
apakah ada perbedaan rata-rata berrat badan bayi lahir menurut tingkat pendidikan ibu
(rendah, menengah dan tinggi)
Dalam menganalisis data seperti ini (lebih dari dua kelompok) sangat tidak
dianjurkan menggunakan uji t. Ada dua kelemahan jika menggunakan uji t yaitu pertama
kita harus melakukan pengujian berulang kali sesuai kombinsi yang mungkin, kedua: bila
melakukan uji t berulang-ulang akan menigkatkan (inflasi) nilai α, inflasi nilai α sebesar
=1-(1-α)n.
Untuk mengtasi masalah tersebut maka uji statististik yang dianjurkan (uji yang
tepat) dalam menganalisis beda lebih dari 2 mean kelompok indepeden adalah UJI
ANOVA.
B. Rumusan Masalah
1. Apakah yang diamaksud dengan anova?
2. Apa yang dimaksud dengan anova satu jalur?
3. Apa yang dimaksud anova dua jalur?

1
2
 BAB II
PEMBAHASAN

A. PENGERTIAN ANOVA
Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata), apabila kita
mengambil langkah pengujian perbedaan rata-rata tersebut satu persatu (dengan t test) akan
memakan waktu dan tenaga yang banyak, disamping itu kita akan menghadapi resiko salah
yang besar. Untuk itu telah ditemukan cara analisis yang mengandung kesalahan yang lebih
kecil dan dapat menghemat waktu secara tenaga yaitu dengan Anova (Analisys of variances).
Analisis of variance atau Anova merupakan salah satu teknik analisis multivariate yang
berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara
membandingkan variansiya.
Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam
jenis dan desain penelitian. Analisis varian banyak dipergunkan pada peneletian-penelitian
yang banyak melibatkan pengujian komperatif yaitu menguji variabel terkait dengan cara
membandingkannya pada kelompok-kelompok sampel independen yang diamati.
Anova bisa dikatakan sebagai salah satu teknik penelitian statistic yang sering digunakan
oleh banyak peneliti karena memiliki dua karakteristik seperti:
1. Anova akan membantu kita untuk menganalisis data dari hasil desain penelitian
eksperimental.
2. Anova akan membantu kita untuk melihat hubungan sebab akibat. Hal inilah yang
membedakan t-test dengan anova dengan correlation dan multi-regretion. Dalam kedua
tes statistic yang disebut terakhir, kita bisa mengukur hubungan sebab akibat pada
variabel independen dan dependen.

B. ANOVA SATU JALUR

Anova (one way anova) merupakan analisis ragam satu arah biasanya digunakan untuk
menguji rata-rata/pengaruh perlakuan dari suatu percobaan yang menggunakan 1 faktor,
dimana 1 faktor tersebut memiliki 3 atau lebih kelompok. Disebut satu arah karena peneliti
dalam penelitiannya hanya berkepentingan dengan 1 faktor saja atau juga dapat dikatakan one
way anova mengelompokkan data berdasarkan satu criteria saja. Misalnya, ingin mengetahui

3
ada perbedaan yang nyata antara rata-rata hitung tiga kelompok data dan uji statistic yang
digunakan uji F.
Ada beberapa asumsi yang digunakan pada pengujian anova, yaitu :
1. Data dari populasi-populasi (sampel) berjenis interval atau rasio
2. Populasi-populasi (sampel) yang akan diuji lebih dari 2 populasi
3. Populasi-populasi yang akan diuji berdistribusi normal
4. Varian setiap populasi (sampel) harus sama
Uji anova terbagi dua yaitu uji one way anova (satu faktor) dan uji two way anova (dua
faktor).one way anova merupakan pengujian komparatif untuk data berjenis intervalrasio
dengan k sampel (lebih dari dua sampel) yang berkolerasi dengan satu faktor yang
mempengaruhi.

1. Macam-Macam Anova
Pada dasarnya ANOVA dapat dibagi menjadi dua kelompok besar, yaitu :
a. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independent variabel
(variabel bebas). Kondisi ini yang sering disebut dengan single factor experiment (analisis
variance satu arah).
b. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independent variabel
(variabel bebas). Kondisi ini yang sering disebut dengan two factor experiment (analisis
variance dua arah).
Untuk mempermudah memahami konsep pengelompokan ANOVA dalam dua bagian besar,
perlu kiranya kita lihat suatu contoh model ANOVA yang mungkin ditemui :
1. Single factor experiment :
Metode Mengajar
A B C D
Sampel Sampel Sampel Sampel

2. Two Factor experiment :

Metode Mengajar
Jenis Kelamin L Sampel Sampel Sampel
P Sampel Sampel Sampel

4
 Melalui pengamatan model di atas, jelas bahwa dalam two factor experiment
pengelompokan dipengaruhi oleh lebih dari satu variabel.
Untuk memperoleh data pada setiap sel, maka pengelompokan itu dilakukan pada saat
pengambilan sampel. Oleh karena itu, model ini lebih cocok untuk penelitian eksperimental
dimana dari awal sampel-sampel tersebut telah dikotak-kotakan. Melalui control yang baik
maka pembesan informasi antar kelompok dapat ditanggung lagi. Walaupun demikian tidak
menutup kemungkinan Anova diterapkan pada penelitian survei.

2. Variabilitas Dalam Anova dan Pengujiuannya

Perhitungan dalam anova didasarkan pada variance, walaupun tujuannya adalah menguji
beberapa perbedaan rata-rata. Hal ini sebenarnya telah disinggung di muka (pada saat
membicarakan perbedaan rata-rata dua populasi). Kita baru bisa mengatakan bahwa rata-rata
tersebut berbeda apabila telah dilihat pula variabilitasnya. Ukuran yang baik untuk melihat
variabilitas adalah simpangan baku maupun variance. Oleh karena itu, pengujian disini pun di
dasarkan pada variance.
Pengukuran total variabilitas atas data yang ada dapat dikelompokkan menjadi 3 bagian :
a. Variabilitas antar kelompok (between treatments variability) merupakan variansi rataa-rata
kelompok sampel terhadap rata-rata keseluruhannya. Variansi disini lebih terpengaruh oleh
adanya perbedaan perlakuan (treatments) antar kelompok, disingkat SSb.
b. Variabilitas dalam kelompok (within treatments variability), merupakan variansi yang ada
dalam masing-masing kelompok, banyaknya variansi akan tergantung pada banyaknya
kelompok, dan variansi disini tidak terpengaruh/tergantung oleh perbedaan perlakuan antar
kelompok, disingkat SSw.
c. Jumlah kuadrat penyimpangan total (total sum of squares) merupakan jumlah kuadrat
selisih antara skor individual dengan rata-rata totalnya, disingkat SSt.
Setelah konsep variabilitas dapat kita pahami, maka langkah selanjutnya adalah mencari/
menghitung variabilitas tersebut. Jumlah kuadrat antar kelompok (SSb) atau (Jka)dapat dicari
dengan rumus :

5
 SSb = ∑ T2/n – G2/n
Keterangan:
k adalah banyaknya kelompok
T adalah total X masing-masing kelompok
G adalah total X keseluruhan
n adalah jumlah sampel masing-masing kelompok
N adalah jumlah sampel keseluruhan
Untuk menghitung jumlah kuadrat dalam kelompok menggunakan rumus:
SSw= SSmk
Keterangan :
SSmk adalah jumlah kuadrat simpangan masing-masing kelompok
Selanjutnya untuk menghitung jumlah kuadrat total dapat menggunakan rumus:
SSt= ∑X2 – G2/N
Apabila kita telah mengetahui besarnya SSb dan SSw, maka SSt dapat dihitung dengan
menggunakan rumus:
SSt = SSb+ SSw
Apabila kita mengamati skor pada masing-masing kelompok ternyata ada perbedaan, maka
kita tidak boleh puas dengan ondisi itu.
Langkah selanjutnya adalah mempertanyakan kenapa terjadi perbedaan antar mereka.
Untuk itu marilah kita bahas sebuah ilustrasi: pengykuran skor ujian siswa di kelas pagi dan kelas
sore. Ternyata dari hasil ujian diperoleh informasi bahwa hasil ujian siswa yang masuk pagi lebih
baik daripada hasil ujian siswa yang masuk sore hari.
Dalam kondisi ini ada beberapa kemungkinan yang menyebabkan terjadinya perbedaan
antara skor siswa pagi dan sore, yaitu:
1. Hasil ujian memang dipengaruhi oleh waktu ujian. Kondisi ini sering disebut dengan
treatment effect.
2. Siswa-siswa pagi secara individual berbeda dengan siswa-siswa sore. Perbedaan individual
ini berkemungkinan berpengaruh terhadap hasil ujian. Hasil ujian memang bisa
dipengaruhi oleh perbedaan individual (individual defferences), karena pengujian memang

6
 merupakan pengukuran terhadap individu dan masing-masing individu tersebut merupakan
variabel bebas.
3. Pengukuran yang salah karena lemahnya alat ukur, kurangnya perhatian (tidak adanya
keseriusan subjek penelitian dan menjawab pertanyaan), atau kesalahan dalam melakukan
prediksi, dapat mengakibatkan terjadinya perbedaan skor antara klompok satu dengan
kelompok lainnya.
Setelah kita membahas ilustrasi yang memberi gambaran pada kita sumber-sumber
perbedaan yang mungkin muncul, maka jekas bahwa peneliti perlu melakukan control yang baik
terhadap sumber-sumber tersebut, sehingga kesimpulan yang diambil dapat bermanfaat.
Contoh 62 Hasil penelitian tentang hasil belajar siswa yang diajar dengan metode yang berbeda
A,B,C sebagai berikut:
Metode A Metode B Metode C
8 10 5
6 7 7
7 8 8
5 6 4
9 9 6
Berdasarkan data diatas marilah kita hitung SS1’ SSb’ SSw.
Jawab : Untuk mempermudah perhitungan, data diatas perlu disusun kembali dengan kolom
yang lebih lengkap sebagai berikut:
XA XA2 XB XB2 XC XC2
8 64 10 100 5 25
6 36 7 49 6 36
7 49 8 64 8 64
5 25 6 36 4 16
9 81 9 81 7 49
35 255 40 330 30 190
Dari tabel diatas dapat diambil beberapa faktor yang diperlukan dalam perhitungan lebih
lanjut, yaitu :
TA = 35 TB = 40 Tc = 30
nA = 5 nB= 5 nc = 5

7
 G = 105
N= 15
∑X2= 255+ 330+ 190 =775
Selanjutnya marilah kita hitung jumlah kuadrat masing-masing:
SSt = ∑X2 – G2/N
= 775- 1052 /15
=775-735
= 40
SSb = ∑T2/n – G2/n
= 352/5 + 402 +/5 + 302 +/5 – 1052/5
= 1225 + 1600 + 900/5 – 11025/15
= 745- 735
= 10
SSt = SSb +SSw
SSw = SSt - SSb
= 40 – 10
= 30
Langkah diatas merupakan langkah yang lebih singkat daripada langkah yang lainnya.
Walaupun demikian pemakai bebas dalam menentukan langkah yang ingin diikuti. Untuk itu perlu
dibuktikan kecocokannya jika menggunakan langkah (rumus) yang lainnya.
Derajat kebebasan (degress of freedom) dalam Anova akan sebanyak variabilitas. Oleh
karena ada 3 macam variabilitas, maka dk pun ada 3 macam.
1. Derajat kebebasan untuk SSt sebesar N-1, sehingga pada contoh diatas dk SSt =15 – 1 = 14
2. Derajat kebebasan untuk SSw dapat dicari dengan rumus
dk SSw = ∑ (n-1)
disamping itu dkSSw dapat pula dicari dengan rumus
dk SSw = N-k
Keterangan :
K adalah banyaknya kelompok
N adalah jumlah sampel keseluruhan
Untuk contoh diatas:

8
 dk SSw = (5-1)+(5-1)+(5-1) atau dk SSw = 15- 3
= 4+4+4 =12
= 12
3. Derajat kebebasan untuk SSb sebesar k-1, hal ini disebabkan karena dk disini terikat dengan
banyaknya kelompok seperti halnya SSb. untuk contoh diatas
SSb =3 -1 = 2
Derajat kebebasan juga mempunyai sifat hubungan yang sama dengan sifat hubungan
variabel.
Jika : SSt = SSb +SSw
Maka : dkSSt = dkSSb + dkSSw
Dengan demikian asalkan kita telah memperoeh 2 buah dk, maka kita akan mudah
mendapatkan dk yang lainnya. Disamping itu, kondisi tersebut dapat digunakan untuk control
apakah perhitungan kita salah atau benar.
Langkah selanjutnya adalah mencari variance antar kelompok dan variance dalam
kelompok. Telah kita pelajari bahwa variance merupakan hasil bagi SS dengan derajat kebebasan.
Variance dalam Anova baik untuk antar kelompok maupun dalam kelompok sering disebut dengan
deviasi rata-rata kuadrat(mean squared devitation) dan sering disingkat MS. Dengan demikian,
maka mean squared deviation dapat dicari dengan rumus :
MS = SS/dk
MSb = SSb/ dkSSb
MSw = SSw/dkSSw
Untuk contoh diatas :
MSb = 10/2 = 5
MSw = 30/12 = 2,5
Oleh karena dalam Anova kita akan membandingkan beberapa rata-rata secara serentak,
maka t tes tidak dapat digunakan. Rumus yang dapat mengatasi kondisi ini adalah F distribusi,
yang dapat dicari dengan rumus :
F= MSb/ MSw
Untuk soal diatas F hitungnya adalah :
F= 5/2,5 = 2

9
 Apabila F hitung sudah ditemukan maka langkah berikutnya adalah melihat F tabel
kemudian membandingkan antar F hitung dengan F tabel. Untuk melihat F tabel diperlukan alpha
dan dk. Dk yang dibutuhkan untuk melihat tabel F ada 2 macam, yaitu dk SSb dan dkSSw.
Dalam tabel F, dkSSb sebagai pembilang (kolom atas dari kiri ke kanan), sedangkan dkSSw
merupakan penyebut (kolom kiri dari atas kelompok bawah). Perpotongan antara dkSSb dan dkSSw
merupakan titik kritis penerimaan hipotesis nol.
Untuk contoh diatas F tabel adalah:
Dengan alpha 0,05, F (2,12) = 3,88
Dengan alpha 0,01, F (2,12) = 6,93
Apabila F hitung lebih besar daripada F tabel, maka kita akan menolak hipotesis nol.
Sebaliknya, jika F hitung sama dan atau lebih kecil daripada F tabel, maka kita akan menerima
hipotesis nol. Untuk contoh diatas F hitung sebesar 2, sedangkan F tabel untuk alpha 0,05 adalah
3,88.
Oleh karena F hitung lebih kecil daripada F tabel, maka kita menerima hipotesis nol. Hal
ini berarti bahwa rata-rata hasil belajar siswa yang diajar dengan metode A sama dengan rata-rata
hasil belajar siswa yang diajar dengan metode B dan sama pula dengan rata-rata hasil belajar siswa
yang diajar dengan metode C. implikasi dari pernyataan tersebut adalah metode A, B dan C tidak
mempunyai efek yang berbeda terhadap hasil belajar siswa.
Untuk lebih jelasnya perhitungan-perhitungan diatas dapat disatukan dalam satu tabel
Anova (jika menggunakan computer merupakan print out analisis of variance) sbb:
Sumber Variance dk SS MS F
Antar kelompok 2 10 5
Dalam kelompok 12 30 2,5 2
Total 14 40

c. Anova Sampel Berbeda

Pembahasan diatas berkaitan dengan sampel yang sama antara kelompok satu dengan
kelompok lain. Dalam suatu eksperimen kadang-kadang sukar untuk menentukan jumlah sampel
yang sama untuk setiap kelompok. Lebih-lebih jika pengambilan sampelnya didasarkan pada
perhitungan proporsional random sampel. Sebenarnya anova lebih akurat untuk menghadapi

10
jumlah sampel yang sama setiap kelompok. Walaupun demikian bukan berarti sampel yang tidak
sama lalu tidak dapat dianalisisnya.
Anova masih bisa dikatakan valid untuk menganalisis perbedaan rata-rata dari beberapa
kelompok sampel walaupun jumlah sampel antar kelompok tidak sama, asalkan sampelnya cukup
besar dan perbedaan jumlah sampel tidak terlalu mencolok. Walaupun demikian kita perlu hati-
hati karena bagaimana pun perbedaan jumlah sampel akan mempengaruhi nilai T, sedangkan nilai
T mempunyai peranan penting dalam menghitung SSb. selanjutnya SSb digunakan dasar pada
perhitungan MSb dan MSb akan digunakan untuk menghitung F, dan akhirnya dapat
mempengaruhi kesimpulan yang diambil.
Contoh 63 Sebuah penelitian terhadap hasil belajar mahasiswa pada mata kuliah Statistik
ditinjau dari latar belakang sekolah sebelumnya.
Perlakuan dalam pengajaran adalah sama, dan pengambilan sampel didasarkan pada teknik
proporsional random sampling, sehingga tidak menghasilkan sampel untuk setiap kelompok.
Kelompok lulusan SMEA terambil sebanyak 6 dan dari lulusan SMA A2 sampel sebanyak 7
mahasiswa kelompok lulusan SMA A1 terambil sampel sebanyak 10 mahasiswa. Masing-masing
kelompok diajar secara terpisah, sehingga diharapkan tidak terjadi perembesan informasi dari
kelompok yang satu dengan kelompok yang lainnya.
Hasil pengumpulan datanya sbb:
SMEA (X1) X21 SMA A1 X22 SMA A2 X23
(X2) (X3)
7 49 10 100 10 100
8 64 9 81 9 81
8 64 9 81 5 25
6 36 10 100 8 64
9 81 7 49 7 49
7 49 8 64 7 49
8 64 6 36
7 49
7 49
6 36
53 407 53 475 72 538

11
Dari tabel di atas dapat diambil kesimpulan :
T1 = 53 T2 = 53 T3 = 72
n1 = 7 n2 = 6 n3= 10
N= 23 G = 178
∑ X2 =1420
Penyusunan Hipotesis :
H0 : µ1 = µ2 = µ3

H1 : Paling sedikit salah satu m tidak sam dengan yang lainnya.

Penentuan alpha :ditetapkan 0,05
Penentuan derajat kebebasan:
dk SSt = N-1
=23-1
=22
dk SSb = k-1
= 3-1
=2
dk SSw = N-k
= 23-3
= 20
Penentuan F tabel, dengan alpha 0,05 maka:
F (2,20) = 3,49
Perhitungan F:
SSt = ∑X2- G2/N
= 1420 – 1782/23
= 1420 – 1377,565217
= 42,434783
= 42,43
SSb = ∑T2/n – G2/N
= 532/7 +532/6 + 722/10 – 1782/23
= 10,28716356
= 10,29

12
SSw = SSt - SSb
= 42,43 – 10,29
= 32,14
MSb = SSb : dk SSb
= 10,29 : 2
= 5,145
MSw = SSw : dk SSw
= 32,14 : 20
= 1,607
F = MSb : MSw
= 5,145 : 1,607
= 3,201617922
= 3,20
Mengingat F hitung lebih kecil daripada F tabel, maka kita menerima hipotesis nol. Ini
berarti bahwa rata-rata nilai statistic bagi mahasiswa yang berasal dari SMEA, SMA A1 dan SMA
A3 tidak berbeda secara signifikan. Hal ini mengandung implikasi bahwa latar belakang jurusan
pendidikan tidak mempunyai efek terhadap hasil belajar statistik di perguruan tinggi.
Ringkasan perhitungan diatas sebagai berikut:
Sumber Variance dk SS MS F
Antar Kelompok 2 10,29 5,145
Dalam Kelompok 20 32,14 1,607 3,20
Total 22 42,43

d. Asumsi Dasar Dalam Anova

1. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi skor sampel
dalam kelompok pun hendaknya normal. Kenormalan dapat diatasi dengan memperbanyak sampel
dalam kelompok, karena semakin banyak n maka distribusi akan mendekati normal. Apabila
sampel tiga kelompok kecil dan tidak dapat pula diatasi dengan jalan melakukan transformasi.
2. Kesamaan Variansi

13
 Masing- masing kelompok hendaknya berasal dari populasi yang mempunyai variansi yang
sama. Untuk sampel yang sama pada setiap kelompok, kesamaan variansi dapat diabaikan. Tetapi,
jika banyaknya sampel pada masing-masing kelompok tidak sama, maka kesamaan variansi
populasi memang sangat diperlukan. Kalau hal ini diabaikan bisa menyesatkan (terutama dalam
pengambilan keputusan). Apabila variansi berbeda dan banyaknya sampel tiap kelompok tidak
sama, diperlukan langkah penyelamatan yaitu dengan jalan melakukan transformasi (misalnya
dengan mentranformasikan dengan logarithma).
3. Pengamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan merupakan
informasi yang bebas. Asumsi ini merupakan asumsi yang tidak bisa ditawar lagi, dengan kata lain
tidak ada cara untuk mengatasi tidak terpenuhinya asumsi ini. dengan demikian maka setiap
peneliti harus merencanakan secara cermat dalam pengambilan sampel.
Asumsi-asumsi diatas hendaknya dipenuhi oleh data yang akan dianalisis dengan Anova.
Ketidakterpenuhinya asumsi ini dapat menimbulkan kesimpulan yang salah. Hal ini mengandung
arti bahwa kesimpulan penelitian yang dianalisis dengan Anova tidak memberikan arti apa-apa.
Walaupun ada asumsi yang sifatnya tidak kaku. Artinya dapat diatasi dengan jumlah sampel
namun pengujian atass terpenuhinya asumsi merupakan tindakan yang disarankan.

e. Analisis Sesudah Amova

Sesudah perhitungan F tes dan kita dapat membandingkannya dengan F tabel, analisis kita
sebenarnya belumlah selesai. Hal ini disebabkan karena kesimpulan yang didasarkan pada
perhitungan F tes dalam anova hanyalah merupakan kesimpulan yang masih luas (kasar).
Seandainya F signifikan (menolak Hipotesis nol), ini berarti ada perbedaan efek treatment terhadap
output dari masing-masing kelompok. Namun informasi perbedaan efek tersebut masih bersifat
umum, karena F tes sama sekali tidak menunjukkan efek treatment terhadap kelompok mana yang
berbeda.
Untuk mempermudah dalam pemahaman konsep diatas marilah kita perhatikan sebuah
ilustrasi yang berkenaan pengujian jipotesis. Misalnya kita menghadapi 4 kelompok, maka
hipotesis nol dan hipotesis alternatifnya sbb:
H0 : µ1= µ2= µ3= µ4
H1= Paling sedikit 1 µ tidak sama

14
 Jika F hitung > daripada F tabel, maka kita akan menolak H0, sehingga yang kita hadapi
ada beberapa kemungkinan, yaitu:
µ1 = µ2 = µ3 ≠ µ4
µ1 = µ2 ≠ µ3 = µ4
µ1 ≠ µ2 = µ3 = µ4
µ1 = µ2 = µ3 ≠ µ4
µ1 = µ2 ≠ µ3 ≠ µ4
µ1 ≠ µ2 = µ3≠ µ4
µ1 ≠ µ3≠ µ2= µ 4
µ1 = µ2≠ µ3≠ µ4
µ1 = µ4≠ µ2≠ µ3
µ2 = µ4≠ µ1≠ µ3
µ1 ≠ µ2 ≠ µ3 ≠ µ4
Beberapa kemungkinan diatas merupakan informasi yang lebih teliti, sehingga deskripsi
kita akan lebih tajam. Oleh karena itu Anova harus dilanjutkan lagi dengan analisis lain yang dapat
memberikan informasi yang lebih teliti lagi. Analisis lanjutan Anova sering disebut dengan pasca
Anova (post hoc).
Untuk memperoleh informasi lebih lanjut, telah ditemukan beberapa tes statistik. Yang
umum dipakai dalam pendidikan adalah Turkey’s HSD. Pembahasan lebih lanjut yang akan
dibicarakan disini. Jika kita menolak hipotesis nol.
Langkah analisis pasca Anova :
1. Hitung Turkey’s HSD
√𝑆𝑀𝑒
HSD= 𝑞 =
n
Keterangan
n adalah banyak sampel per kelompok
q adalah the studenzed range statistic, yang dapat dilihat dalam tabel yang sudah
disusun, dengan memakai dasar alpha (𝛼), k dan dk
k adalah banyak kelompok
dk adalah N-k

15
 2. Cari perbedaan rata-rata antar kelompok, dan untuk mempermudah dalam
menginterpretasikan perlu disusun dalam suatu table khusus
3. Interpretasikan nilai HSD yaitu dengan jalan membandingkan perbedaan rata-rata antar
kelompok dengan hasil perhitungan HSD. Apabila perbedaan rata-rata antar kelompok itu
lebih besar daripada nilai HSD., maka perbedaan tersebut dapat dikatakan signifikan.
Catatan:
Cara ini hanya dapat diterapkan pada Anova sampel sama. Jika n per kelompok tidak sama maka
n dapat ditentukan dengan rumus
n= 2 (n1 x n2 / (n1 + n2)
keterangan :
n1 : n kelompok yang mempunyai ͞x terkcil
𝑛2 ∶ 𝑛 kelompok yang mempunyai ͞x terbesar

f. Anova Satu Arah dengan Rank

Apabila variabel terikat mempunyai skala ordinal maka analysis of variance mempunyai
langkah yang agak berbeda dengan yang telah kita pelajari di muka. Kadang-kadang kita dipaksa
oleh keadaan data untuk melakukan perubahan data menjadi berskala ordinal. Ini terjadi apabila
syarat-syarat untuk melakukan analisis of variance seperti di muka tidak terpenuhi. Setelah kita
menghadapi data berskala ordinal, maka masalah normalitas tidak lagi menjadi persyaratan. Hal
ini disebabkan karena asumsi yang dipakai disini, bahwa data sampel diperoleh dari populasi yang
berdistribusi frekuensi. Anova satu arah untuk menghadapi data yang berskala ordinal adalah
Kruskal-Walles.
Kruskal-Walles menggunakan asumsi bahwa masing-masing kelompok sampel diambil
dari populasi yang sama. Sedangkan distribusi Kruskal-Walles (H) dapat ditaksir melalui distribusi
chi-square dengan derajat kebebasan sebesar k-1. Kruskal-Walles dapat dihitung dengan rumus:
12 𝑆12 𝑆22 𝑆𝑘2
H= [ + +⋯ ] − 3(𝑛 + 1)
𝑛(𝑛+1) 𝑁1 𝑁2 𝑁𝑘

Keterangan:
S adalah jumlah rank
n adalah jumlah keseluruhan
Langkah-langkah pengujian hipotesis dengan skala ordinal adalah:

16
 1. Menyusun hipotesis:
2. Menyusun rank
3. Menghitung Kruskal-Walles
4. Membandingkan hasil perhitungan H dengan tabel (chisquare distribusi) berdasarkan alpha
dan derajat kebebasan= k-1
5. Mengambil kesimpulan yaitu akan menerima hipotesis nol apabila H sama dengan atau
lebih kecil daripada nilai tabel, sebaliknya tolak hipotesis nol jika H lebih besar daripada
nilai tabel.
Contoh 65 suatu penelitian terhadap hasil belajar siswa yang diajar dengan metode yang
berbeda yaitu metode A, B,C. setelah dilakukan tes kemampuan ternyata syarat
normalitas tidak dapat dipenuhi, sedangkan sampel relatif kecil.
Penyebaran skor adalah sebagai berikut :
A : 82 80 81 83 84 79
B : 71 29 78 75 74 36
C : 91 84 93 82 91 94
Apakah metode mengajar mempunyai efek yang berbeda terhadap hasil belajar ?

g. Anova Pengukuran Ulang

Dalam dunia pendidikan sering kita menghadapi perubahan perilaku siswa setelah
diajar/dididik. Perubahan tersebut dapat diikuti dengan suatu tes yang berulang-ulang. Dengan
demikian akan terkumpul beberapa skor untuk setiap individu untuk satu variabel terikat. Dengan
melakukan pengujian/pengukuran yang berulang-ulang kita dapat mengetahui perkembangan
perilaku/kemampuan subjek penelitian atas efek eksperimen.
Perhitungan disini tidak jauh berbeda dengan perhitungan Anova yang telah kita pelajari
pada tatap muka sebelumnya. Perbedaannya terletak pada sumber variabilitas yang mempunyai
sumbangan/pengaruh terhadap variabilitas antar kelompok.
Sumber variabilitas yang mempengaruhi variabilitas antar kelompok adalah:
1. Efek eksperimen
2. Kesalahan eksperimen
Sedangkan sumber variabilitas antar kelompok tanpa pengulangan pengukuran terdiri dari:
1. Efek eksperimen

17
 2. Kesalahan eksperimen
3. Perbedaan individual
Sumber variabilitas dalam kelompok tetap sama, yaitu:
1. Perbedaan individu
2. Kesalahan eksperimen
Dengan memperhatikan sumber-sumber variabilitas tersebut, maka F hitung akan sam
( mendekati) 1, jika hipotesis nol benar ( tidak ada efek eksperimen), karena
efek eksperimen+kesalahan eksperimen
F=
kesalahan eksperimen

Sebaliknya, apabila hipotesis nol tidak benar F hitung akan lebih besar dari 1
Rumus rumus Sum Square (SS) sama dengan rumus rumus SS yang telah dibahas pada
pembahasan terdahulu.
Hal yang perlu ditambahkan adalah sum square between subject, dihitung dengan rumus:
SSbs = ∑ p2/X – G2- N
Keterangan :
k = banyak kali pengukuran
p = jumlah skor setiap individu untuk k kali pengukuran.
Mengingat kita dapat menghitung SSw dengan rumus yang telah kita pelajari terdahulu, dan
dapat menghitung SSbs, maka SSe dapat dihitung dengan persamaan SSe = SSw - SSbs
Di samping itu dapat dihitung dengan rumus :
SSe = ∑X2- ∑T2/n - ∑p2/k + G2/N
Rumus diatas berasal dari perhitungan aljabar biasa:
SSt = SSb+ SSw
Oleh karena SSw = SSbs +SSe’ maka rumus diatas menjadi:
SSt = SSb+SSbs+ SSe
SSe = SSt + SSb - SSbs
Oleh karena itu rumus-rumus SSt’ SSb’ dan SSbs’ maka rumus diatas dapat menjadi :
𝐺2 𝑇2 𝐺2 𝑃2 𝐺2
SSe = (∑𝑥 2 − ) − (∑ − ) − (∑ − )
𝑁 𝑛 𝑁 𝑘 𝑁
𝐺2 𝑇2 𝐺2 𝑃2 𝐺2
= ∑𝑥 2 − −∑ − -∑ −
𝑁 𝑛 𝑁 𝑘 𝑁
𝑇2 𝑃2 𝐺2
= ∑𝑥 2 − ∑ −∑ −
𝑛 𝑘 𝑁

18
Derajat kebebasan untuk SS𝑡 ′ 𝑆𝑆𝑏 ′ dan SSw sama dengan perhitungan dimuka. Sedangkan dk
SSbs = n-1; dk 𝑆𝑆𝑒 = (N-k)-(n-1)
Variance yang dibutuhkan untuk menghitung F ada 2 yaitu :
𝑆𝑆𝑏 (lihat dimuka)
𝑀𝑆𝑒 : 𝑆𝑆𝑒 : dk 𝑆𝑆𝑒
𝐷engan demikian F hitung 𝑀𝑆𝑏 : 𝑀𝑆𝑒
Catatan:
Kesalahan yang umum terjadi adalah menggunakan dk SSw’ bukannya dk SSe. ingat bahwa
error dalam anova pengukuran ulang tidak sama dengan error dalam anova pengukuran
tunggal.
Contoh 66: Suatu penelitian tentang pengetahuan guru-guru atas suatu materi yang ditatar
dalam suatu penataran. Pengukuran dilakukan beberapa kali:sebelum ditatar, selesai ditatar,
sebelum setelah ditatar dan 3 bulan setelah ditatar.
Hasil pengukuran untuk 4 guru sbb:
Guru Sebelum Selesai 1 Bulan 3 Bulan P
Ditatar Ditatar Setelah Sesudah
Ditatar Ditatar
A 3 8 5 4 20
B 0 6 4 2 12
C 2 5 3 2 12
D 1 6 3 1 11
Jumlah 6 25 15 9 55
Dari tabel diatas dapat diketahui dan dihitung :
T1 = 6 T2 = 25 T3 = 15 T4 = 9
PA = 20 PB = 12 PC = 12 PD= 11
n=4 N = 16 k=4 G = 55
∑X2 = 259
Penyusunan hipotesis:
H0 : µ1 = µ2 = µ3 = µ4
H1 : Paling sedikit salah satu µ tidak sama
Penentuan alpha, misalnya ditentukan 0,01

19
 Penentuan derajat kebebasan:
dk SSb =k-1
=4-1
=3
dk SS e = (N-k) – (n-1)
= (16-4) – (4-1)
= 12 – 3
=9
Penentuan F tabel, dengan alpha 0,01 maka:
F (3,9) = 6,99
Penghitungan F:
SSb = ∑ T2/ n – G2/N
= 62/4 + 252/4 + 152/4 + 92/4 – 552/16
= 241,75 – 189,0625
= 52,6875
SSe = ∑X2 -∑T2/n - ∑ p2/k + G2/N
= ∑ T2/n = 241,75
= p2/k = 202/4 + 122/4 + 112/4
= 100 + 36 + 36 + 30,25
= 202,25
Jadi
SSe = 259 – 241,75 – 202,25 + 189,0625
= 4,0625
MSb = SSb : dk SSb
= 52,6875 : 3
= 17,5625
MSe = SSe : dk SSe
= 4,0625 : 9
= 0,45138888889
F = 17,5625 : 0,45138888889
= 38,90769232

20
 = 38,91
Tabel anova sebagai berikut:
Sumber Variance Dk SS MS F
Antar Kelompok 3 52,6875 17,5625
Dalam Kelompok 38,91
(error) 9 4,0625 0,45139
Dihitung, maka tabel anova sebagai berikut:
Sumber Variance Dk SS MS F
Antar Kelompok 3 52,6875 17,5625
Dalam Kelompok (error) 12 17,25 38,91
Antar Subjek 3 13,1875
Error 9 4,0625 0,45139
Total 27 69,9375
Oleh karena F hitung lebih besar daripada F tabel maka kita menolak hipotesis nol, artinya
paling tidak salah satu µ ada yang berbeda secara signifikan dengan µ lainnya.
Untuk mengetahui mana yang berbeda, perlu perhitungan Turkey’s HSD. Rumus HSD
dalam anova pengukuran ulang sedikit berbeda, yaitu tempat MSw digantikan dengan MSe’ dan
derajat kebebasan yang dipakai adalah dk SSe’ sehingga rumusnya :
√𝑆𝑀𝑒
HSD= 𝑞 =
n
Asumsi dalam ANOVA pengukuran ulang :
1. Sampel diambil secara acak (random)
2. Distribusi populasi untuk setiap kelompok adalah normal
3. Variance distribusi populasi untuk masing-masing kelompok homogen.
4. Covariance homogen, ini berarti bahwa setiap subjek relative terhadap pada posisinya.

C. ANOVA DUA ARAH

1. Pengertian
Mengingat masalah kependidikan itu merupakan masalah kompleks, maka design yang
dikembangkan untuk penelitian di bidang pendidikan biasanya kompleks. Oleh karena itu, tidak
mengherankan jika suatu pengukuran terhadap variabel terikat terkaitkan dengan banyak variabel

21
bebas. Bahkan, semakin banyak variabel bebas maka akan semakin teliti dan akan semakin baik
penelitian tersebut. Tentunya dengan semakin banyak variabel yang akan diungkapkan, semakin
banyak resikonya, diantaranya: sukar dalam menetapkan sampel, sukar melakukan kontrol, sukar
menganlisis, suka menginterprestasikan, dan lain – lain kesukaran, disamping itu membutuhkan
waktu banyak dan biaya bbanyak.
Apabila design yang dikembangkan untuk mencari ada tidaknya perbedaan dari 2 (Dua)
variabel bebas, dan masing – masing variabel bebas dibagi dalam beberapa kelompok maka design
yang dikembangkan tersebut sering disebut dengan two factorial design. Dalam kasus ini peneliti
akan mengahadapi kelompok sebanyak hasil kali banyak kelompok variabel bebas pertama dan
banyak kelompok banyak variabel bebas ke dua.
Misalnya kita mempunyai variabel bebas metode mengajar, dan jenis kelamin. Untuk
variabel bebas metode mengajar dikkelompokkan menjadi 3 (metode A, B, dan C), sedangkan
untuk jenis kelamin dibagi 2 yaitu laki – laki dan perempuan. Dalam hal ini banyak kelompok
yang akan dihadapi adalah 3 x 2 = 6.
Apabila kita menambah variabel bebas menjadi tiga, dan variabel bebas lainnya adalah asal
daerah sekolah (kota besar, kota kecil, dan desa), maka jumlah kelompok yang dihadapi adalah 3
x 2 x 3 = 18.

Untuk ilustrasi pertama di atas design fuctorialnya sbb:

JENIS KELAMIN METODE MENGAJAR
A B C
Laki – laki
Perempuan

Untuk ilustrasi kedua , yang mempuanyai tiga variabel bebas:

Metode A B C

Asal Daerah KB KC D KB KC D KB KC D
J. Kelamin L P L P L P L P L P L P L P L P L P

22
2. Perbandingan Anova Satu Arah dan Dua Arah
Analisis disini merupakan penyempurnaan anova satu arah. Sebenarnya analisis anova satu
arah dapat dipakai untuk menghadapi kasus variabel bebes lebih dari satu. Hanya saj terpaksa
analisisnya dilakukan satu per satu, sehingga akan menghadapi banyak kasus ( N semakin banyak
). Pada kasus dua variabel bebas ( contoh diatas ), apabila setiap kelompok berisi 20 sampel maka
jumlah sampel keseluruhan adalah 20 x 6 = 120. Jia dilakukan analisyis of fariance satu arah, maka
sampel yang akan dianalisis akan sebanyak 240. Untuk memahami konsep ini marilah kita lakukan
analisis satu per satu yang didasarkan pada variabel bebas. Perincian analisis sbb:
a. Anova khusus untuk variabel bebas: metode mengajar, kita akan menghadapi sampel
sebanyak 120 yang terdiri dari:
METODE MENGAJAR
A B C
Sampel laki – laki 20 Smapel laki – laki 20 Sampel laki – laki 20
Sampel perempuan 20 Sampel perempuan 20 Sampel perempuan 20
Jadi N – 40 Jadi N = 20 Jadi N = 20
b. Anova yang berkaitan dengan variabel jenis kelamin akan melibatkan sampel sebanyak 120
yang terdiri dari :
JENIS KELAMIN
Laki – laki Perempuan
Sampel yang diajar dengan metode Sampel yang diajar dengan metode
A = 20 A = 20
B = 20 B = 20
C = 20 C = 20
Jadi N = 60 Jadi N = 60

Untuk setiap analisis kita akan berhadapan dengan 120 kasus, sehingga dua kali analisis kita
akan mengahadapi 240 kasus. Apabila analisis dilaukan serentak ( dengan ANOVA dua arah, maka
yang dihadapi hanya sebanyak 120 kasus ). Hal ini disebabkan karena pada saat kita menganalisis
23
perbedaan efek metode mengajar terhadap hasil belaljar mencakup pula analisis perbedaaan
perngaruh jenis kelamin terhadap hasil belajar. Dengan demikian maka analisis yang sifatnya
mengulang dengan data yang sama dapat dhindari.
Dengan melakukan analisis of variance dua arah akan dihindari pula terjadinya noise ( suatu
kemungkinan yang menyatakan terdapat suatu efek karena bercampurnya suatu analisis data ).
Noise ini dapat dihindari pada analisis of variance dua arah karena analisis disini melibatkan
kontrol terhadap perbedaan (kategorikal) variabel bebas. Pada kasus diatas, jika dilakukan analisis
terpisah (satu arah), disaat kita menganalisis perbedaan hasil belajar antara kelompok yang diajar
dengan metode A dengan B maupun C, kita tidak meperdulikan perbedaan pengaruh jenis kelamin
terhadap hasil belajar. Dengan demikian maka ada tidaknya perbedaan efek metode mengajar
terhadap hasil mengajar tidak murni, karena masih ada pengaruh/efek variabel lain yang tidak
diperhitungkan, yaitu perbedaan jenis kelmain. Kalau tidak dipertimbangkan perbedaan jenis
kelamin, maka ada kemungkinan sampel yang dikelompokkan eksperimen dengan metode A
didomisili oleh perempuan, maupun sebaliknya. Sehingga penyebaran skor yang ada pada
kelompok A tidak merupakan wakil siswa keseluruhan yang terdiri dari anak laki – laki dan
perempuan. Situasi kelamin memang tidak mempunyai pengaruh terhadap hasil belajar.
Disamping itu, analisis of variance dua arah dapat menyajikan bagaimana kondisi interaksi antara
variabel bebas yang satu dengan variabel yang lainnya.
Interaksi merupakan suatu kebersamaan antar faktor dalam mempengaruhi variabel bebas,
dengan sendirnya pengaruh faktor – faktor secara mandiri telah dihilangkan. Jika terdapat interaksi
berarti efek faktor satu terhadap variabel terikat akan mempunyai garis yang tidak sejajar dengan
efek faktor lain terhadap variabel terkait sejajar (saling berpotongan), maka antara tidak
mempunyai interaksi.
3. Hipotesis
Hipotesis dalam ANOVA dua arah (dua variabel bebas) terdiri dari:
a. Yang berkaitan dengan pengaruh faktor pertama (A), atau efek baris
H0 : µA1 = µA2
Ini berari bahwa tidak terdapat perbedaan hasil belajar siswa laki – laki dan perempuan.
H0 : µA1 ≠ µA2
Ini berarti bahwa terdapat perbedaan antara hasil belajar siswa laki – laki dan perempuan.
b. Yang dikaitkan dengan pengaruh faktor kedua (B), atau efek kolom

24
 H0 : µB1 = µB2 = µB3
Ini berarti bahwa tidak terdapat perbedaan hasil belajar siswa yangdiajar dengan metode
A,B, dan C.
H1 : paling sedikit salah satu ¼ tidak sama dengan yang lainnya. Ini berarti bahwa paling
tidak salah satu rata – rata hasil belajar siswa yang didik dengan metode A, B, dan C tidak
sama.
c. Interaksi A x B
H0 : efek faktor A tidak tergantung pada faktor B, dan juga efek faktor B tidak tergantung
pada faktor A. Ini berarti bahasa masing – masing faktor (jenis kelamin siswa dan metode
mengajar) tidak saling bergantung atau independent antara yang satu dengan yang lainnya
dalam mempengaruhi hasil belajar siswa. Dengan kata lain, sesudah rata- rata hasil belajar
yang dipengaruhi oleh jenis kelamin siswa dan metode mengajar secara mandiri
dihilangkan, tidak terdapat p[erbedaan hasil belajar pada suatu kombinasi kategori jnis
kelamin dan metode mengajar lainnya.
H1 : efek faktor yang satu tergantung pada faktor yang lainnya. Hal ini berarti bahwa
masing – masing faktor (jenis kelamin siswa dan metode mengajar) saling tergantung satu
sama laimnya dalam mempengaruhi hasil belajar siswa. Sehingga masing – masing
kombinasi kategori pada faktor jenis kelamin siswa dan metode mengajar mempuanyai
perbedaan rata hasil belajar secara signifikan.
4. Perhitungan Anova Dua Arah
Seperti hal nya pada ANPVA satu arah, ANOVA dua arah menggunakan F ratio di mana:
a. Variance antar kelompok diasumsikan desebabkan oleh:
1) Efek perlakuan, dimana kemungkinan hanya faktor A, dan faktor B, atau interaksi A x
B yang berpengaruh.
2) Perbedaan individual.
3) Error eksperimental.
b. Variance dalam kelompok diasumsikan disebabkan oleh:
1) Perbedaan individual.
2) Error eksperimental.
Untuk mempermudah pemahaman perhitungan F ratio perlu disepakatkan untui
menggunakan simbol yang sama sebagai berikut.

25
 G adalah jumlah skor keseluruhan (nilai total pengukuran variabel terikat untuk seluruh
sampel).
N adalah banyak sampel keseluruhan (merupakan penjumlahan banyak sampel pada
masing – masing sel).
A adalah jumlah skor masing – masing baris (jumlah skor masing – masing baris pada
faktor A).
B adalah jumlah skor masing – masing kolom (jumlah skor masing – masing pada kolom
faktor B).
p adalah banyaknya kelompok pada faktor A.
q adalah banyaknya kelompok pada faktor B.
n adalah banyaknya sampel masing – masing sel..
perhitungan disini tidak jauh berbeda dengan yang sebelumnya. Sebelum perhitungan kita
sampai pada perhitungan F, terlebih dahulu harus dihitung SS, dengan rumus:
SSt = ∑X2 – G2/N
Derajat kebebasannya adalah: N- 1
Sedangkan SSb dapat dihitung dengan rumus:

AB2
SSb = ∑ - G2/n
n

Perubahan rumus SSb disebabkan: karena jumlah setiap sel AB nukannya T seperti ANOVA
satu arah. Sedangkan derajat kebebasannya berkaitan dengan banyaknya sel sehingga besarnya
adalah pq – 1.
SSw merupakan jumlah dari masing – masing SS atau merupakan selisih antara SSt dengan
SSb dengan derajat kebebasan sebesar: (n – 1) atau N – pq.
Dalam ANOVA dua arah mengandung asumsi yang agak berbeda dengan ANOVA satu arah
(sumber variance antar kelompok), sehingga SSb terdiri dari tiga macam SSt, yaitu:
a. SSA merupakan besarnya sumbangan faktor A terhadap keseluruhan efek kepelakuan.
b. SSB merupakan besarnya sumbangan faktor B terhadap keseluruhan efek kepelakuan.
c. SSAB merupakan besarnya sumbangan kedua faktor secara bersama terhadap keseluruhan
efek perlakuan.

26
 Sum of squares tersebut diatas dapat dihitung dengan rumus:
SSA = ∑ A2 qn – G2 N

SSB = ∑ B2 pn – G2 n

SSAB = SSb – SSA – SSB

Derajat kebebasan untuk masing – masing SS di atas adalah:
dkSSA =p–1
dkSSB =q–1
dkSSAB = dkSSb – dkSSA - dkSSB
atauu
= dkSSA x dkSSB
atau
= (p – q) (q – 1)
Mean squares dalam ANOVA dua arah terdiri dari tiga macam disamping MSw karena pada
ANOVA dua arah akan menguji hipotesis.
Mean squares faktor A dihitung dengan rumus:
MSA = SSA
dkSSA
Mean squares faktor B dihitung dengan rumus:
MSA = SSB
dkSSB
Sedangkan sum squares untuk interaksi dihitung dengan rumus:
MSA = SSAB
dkSSAB
F ratio terdiri dari tiga macam yang dapat dihitung dengan rumus:
FA = MSA
MSW
FB = MSB
MSW
FAB = MSAB

27
 MSW
Langkah selanjutnya adalah membandingkan F tabel dengan F hitung, apabila F tabel lebih
besar dari pada F hitung maka kita akan menerima hipotesis nol, demikian sebaliknya jika F taabel
lebih kecil dari F hitung maka hiotesis nol akan ditolak.
Contoh 67 suatu eksperimen metode yang terdiri dari tiga macam metode (A,B, dan C) diterapkan
untuk siswa SLTA dengan memperhatikan kemampuan siswa (intelegensi siswa)
tinggi dan rendah. Dari tes setelah eksperimen selesai penyebaran skornya sebagai
berikut:
METODE MENGAJAR
A (B1) B (B2) C (B3)
40 60 60
I 30 70 75
T Rendah 50 70 75
E (A1) 70 65 85
L 50 50 80
E A1B2=240 A1B2=315 A1B2=385
G 50 45 55
E 60 75 80
N Tinngi 75 80 90
S (A2) 65 90 95
I 60 70 80
A1B2= 310 A1B2= 360 A1B2= 400
Yang ingin diketahui peneliti adalah:
a. Apakah intelegensi (tinggi rendah) mempunyai efek terhadap hasil yang berbeda?
b. Apakah metode mengajar (A, B, dan C) mempunyai efek terhadap hasil yang berbeda?
c. Apakah intelegensi (tinggi rendah) berinteraksi dengan metode mengajar (A, B, dan C)?
Jawab:
a. Permusan hipotesis:
1) Pengaruh faktor intelegensi.
H0 : µA1 = µA2

H1 : µA1 ≠ µA2

28
 2) Pengaruh faktor metode mengajar:
H0 : µB1 = µB2 = µB3
H1 : paling sedikit salah satu u tidak sama.
3) Interaksi intelegensi dan metode mengajar
H0 : efek faktor intelegensi tidak tergantung pada faktor metode mengajar atau efek faktor
metode mengajar tidak tergantung pada faktor intelegensi terhadap hasil belajar.
H1 : efek intelegensi tergantung pada faktor metode mengajar atau efek metode mengajar
tergantung pada faktor intelegensi terhadap hasil belajar.
b. Inventarisasi hal diketahui:
A1 = 940 A2 = 1070
B1 = 550 B2 = 675 B3 = 785
G = 2010
∑ X2 = 142250
P =2
q =3
n =5
N = 30
c. Perhitungsn derajat kebebasan:
dk SSt =N–1
= 30 – 1
= 29
dk SSb = pq – 1
= (2 x 3) – 1
=5
dk SSw = N – pq
= 30 – (2 x 3)
= 24
dk SSA =p–1
=2–1
=1
dk SSB =q–1

29
 =3–1
=2
dk SSAB = dk SSA x dk SSB
=1x2
=2
d. Perhitungan sum squares:
SSt = ∑X2 – G2
N
= 142250 – 2010
30
= 7580
e. Perthitungan mean squares:
SSb = ∑ AB2 G2
n N
= 2402 + 3102 + 3152 + 3602 + 3852 + 4002 20102
5 5 5 5 5 5` 30
= 138150 – 134670
= 3480
SSw = SSt - SSb
= 7580 – 3480
= 4100
SSA = ∑ A2 G2
qn N
= 9402 + 10702 – 20102
3X5 3X5 30
= 135133,33 – 134670
= 563,33
SSB = ∑ B2 G2
pn N
= 5502 + 6752 + 7852 + 20102
2X5 2X5 2X5 30

30
 = 137435 – 134670
= 2765
SSAB = SSb – SSA - SSB
= 3480 – 563,33 – 2765
= 151,67
MSW = SSw
dk SSw
= 4100 : 24
= 170,833
MSA = SSA
dk SSA
= 563,33 : 1
= 563,33
MSB = SSB
dk SSB
= 2765 : 2
= 1382,5
MSAB = SSAB
dk SSAB
= 151,67 : 2
= 75,835
f. Perhitungan F ratio
1) Faktor tingkat intelegensi (faktor A)
FA = MSA
MSw
= 563,33 : 170,833
= 3,2975 = 3.30
F0,5(1,24) = 4,26
2) Faktor metode mengajar
FB = MSB
MSw

31
 = 1328,5 : 170,833
= 8,092698717
= 8,09
F0,5(1,24) = 3,40
3) Interaksi faktor intelegensi dan metode mengajar (interaksi A x B)
FAB = MSAB
MSw
= 75,835 : 170,833
= 0,443913061
= 0,4439
F0,5(1,24) = 3,40
g. Tabel ANOVApengambilan keputusan
Sumber variance dk SS MS F
Baris (A) 1 563,33 563,33 3,2975
Baris (B) 2 2765 1382,5 8,0927
Interaksi (AB) 2 151,67 75,835 0,4439
Dalam sel 24 4100 170,833
29 7580

h. Pengmbilan keputusan
1) Untuk faktor A, kita menerima hipotesis nol : tidak terdapat perbedaan hasil belajar siswa
yang mempunyai intelegensi tinggi dan rendah. Ini berarti bahwa integelensi tidak
mempunyai peran yang cukup signifikan terhdap hasil belajar sehingga perbedaan hasil
belajar siswa yang berintelegensi tinggi tidak berbeda dengan hasil belajar siswa yang
berintelegensi rendah.
2) Untuk faktor B, kita menolak hipotesis nol : paling tidak salah satu rata – rata hasil belajar
siswa yang diajarkan dengan metode berbeda, akan berbeda dengan yang lainnya. Ini berari
dari ketiga metode mengajar paling tidak salah satu mempunyai efek yang berbeda dengan
yang lainnya. Tetapi, sampai tahap ini kita belum memperoleh informasi yang jelas tentang
metode yang mana yang benar – benar mempunyai efek bebrbeda dengan yang lainnya.
Dalam hal ini kita masih menghadapi beberapa kemungkinan, yaitu:

32
 a) µB1 = µB1 ≠ µB3
b) µB1 ≠ µB1= µB3
c) µB1 ≠ µB1 = µB3
d) µB1 ≠ µB1 ≠ µB3
Untuk mengetahui secara pasti rata – rata mana ynag berbeda dengan yang lainnya perlu
perhitungan pasca ANOVA (ingat pada pembahasan yang lalu).
3) Untuk interaksi A x B kita menerima hipotes nol : efek faktor metode mnegajar terhadap
haasil belajar siswa tidak tergantuk pada efek faktor intelegensi.

Jika inteaksi kedua faktor ternyata tidak signifikan (menerima haipotesis nol), maka kita
tidak perlu melakukan tindakan (analisis) lebih lanjut. Tetapi, jika interaksi keduanya signifikan
(menolak hipotesis nol), maka kita masih perlu melakukan analisis lebih lanjut untuk mengetahui
kombinasi mana yang sebenarnya berbeda dengan yang lainnya. Untuk analisis lanjutan ini kita
harus jumlah masing – masing sel, selanjutnya menentukan rata – rata tiap sel. Langkah senjutnya
adalah menghitung rata- rata baris dan kolom, serta rata – rata total. Sesudah semua rata – rata
diperoleh, langkah selanjutnya adalah melakukan analisis elementer rata – rata, dan akhirnya
melakukan interpretasi.

Contoh 68 seorang peneliti ingin menerapkan satu diantara tiga metode mengajar (A, B, dan
C).sebelum mengambil keputusan peneliti tersebut melakukan penelitian yang
berbentuk eksperimen atas tiga metode itu dengan suatu kontrol ontelegensi siswa
(siswa yang berintelegensi tinggi dan rendah). Dari hasil penelitian tersebut jumlah
masing – masing sel dan rata – rata sebagai berikut:

METODE MENGAJAR Jumlah

A B C Baris
T ∑Y = 10 ∑Y = 35 ∑Y = 15 ∑Y = 60
Y=2 Y=7 Y=3 Y=4
I
R ∑Y = 20 ∑Y = 5 ∑Y = 5 ∑Y = 30
Q
Y=4 Y=1 Y=1 Y=2
Jumlah ∑Y = 30 ∑Y = 20 ∑Y = 20 Total
Y=3 Y=4 Y=2
Kolom ∑Y = 90
Y=3

33
 Berdasarkan tabel diatas dibuat rata – rata sel dengan minghilangkan rata – rata kolom yaitu
mengurangi setiap rata – rata sel dengan masing – masing rata – rata kolomnya. Tabel rata – rata
sel setelah dihilangkan rata – rata kolom.

2 – 3 = -1 7–4=3 3–2=1
4–3=1 1 – 4 = -3 1 – 2 = -1

Pengaruh variabel kolom yaitu hasil pengurangan rata – rata masing – masing rata – rata
kolom dengan rata – rata total.

Kolom 1 = 3 – 3 = 0

Kolom 2 = 4 – 3 = 1

Kolom 3 = 2 – 1 = - 1

Pengaruh variabel baris yaitu hasil pengurangan rata – rata masing – masing rata – rata baris
dengan rata – rata total.

Baris 1 = 4 – 3 = 1

Baris 2 = 2 – 3 = - 1

Dengan menghilangkan rata – rata kolom dan pengaruh baris maka rata – rata tiap sel sebagai
berikut:

-1 – 1 = -2 3–1=2 1–1=0
1 – (-1) = 2 -3 – (-1) = -2 -1 – (-1) = 0
Pada kolom pertama, bagi siswa mempunyai IQ tinggi mempunyai nila -2, dan sebaliknya
yang ber IQ rendah mempunyai nilai 2.

Pada kolom kedua, bagi siswa yang mempunyai IQ tinggi mempunyai nilai 2, dan sebaliknya
yang ber IQ rendah mempunyai nilai min 2.

Pada kolom ketiga, bagi siswa yang mempunyai Iq tinggi mempunyai nilai 0, demikian pula
untuk siswa yang ber IQ rendah, hal ini berarti bahwa terjadinya interaksi antara metode mengajar
dengan intelegensi hanya pada metode A dan metode B. Metode A lebih cocok untuk siswa yang

34
berintelegensi rendah, sabaliknya metode B lebih cocok untuk siswa yang berintelegensi tinggi.
Sedangkan metode c tidak mempunyai daya pembeda antara siswa yang berintelegensi tinggi
maupun rendah.

Cara diatas merupakan penyelesaian lanjut dengan motode konfirmasi, sehingga kadang –
kadang masih menyesatkan, lebih – lebih jika sampel masing – masing sel banyak dan skor dalam
sel mempunyai rentangan yang besar. Untuk mengatasi hal tersebut , maka semua perhitungan
didasarkan pada median bukannya rata – rata.

5. Asumsi Dalam Anova Dua Arah

Ada beberapa ansumsi yang dipakai dalam ANOVA dua arah:
a. Setiap skor dalam sel harus berdistribusi normal, asumsi ini dapat sedikit diabaikan jika
sampel tiap sel cukup banyak.
b. Varaiasi skor pada setiap sel hnedaknya homogin atau sama.
c. Skor yang ada bebas dari pengaruh variabel yang tidak diteliti. Hal ini bisa dicapai dengan
mengambil sampel acak dari populasi yang sudah dikalisfikasikan sesuai dengan sel yang
ada. Disamping itu perlu dilakukan kontrol atas terjadinya perembesan pengaruh faktor lain
maupun antar kelompok itu sendiri.
Seperti halnya ANOVA satu arah, ANOVA dua arah pun bisa dilakukan untuk jumlah sampel
yang tidak sama antara sel yang satu dengan sel yang lainnya. Tetapi ANOVA dua arah dengan
jumlah yang berbeda, agak berbeda dengan urain di atas. Dalam kasus tersebut rata – rata
hendaknya ditimbang, sehingga pengaruh perbedaan jumlah sampel tidak mempengaruhi hasil
analisis.

35
36