PEMBAHASAN
Menurut riduwan Anava atau Anova adalah anonim dari analisis varian
terjemahan dari analysis of variance, sehingga banyak orang menyebutnya
dengan anova. Anova merupakan bagian dari metoda analisis statistika yang
tergolong analisis komparatif lebih dari dua rata-rata (Riduwan,2008).
Jadi, 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.
Tujuan dari uji anova satu jalur menurut Riduwan,2008 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 lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi
atau varian itu asalnya dari pengertian konsep “Mean Square” atau kuadrat
rerata (KR).
Rumusnya :
𝐽𝐾
𝐾𝑅 = 𝑑𝑏
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat).
Dapat dirumuskan :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − untuk 𝑑𝑏𝐴 = 𝐴 − 1
𝑛𝐴𝑖 𝑁
(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ untuk 𝑑𝑏𝐷 = 𝑁 − 𝐴
𝑛𝐴𝑖
(∑𝑋𝜏 )2
Dimana: = sebagai faktor koreksi
𝑁
𝐾𝑅
11. Carilah 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus : 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑅𝐴
𝐷
(D)
15. Tentukan kriteria pengujian : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≥𝐹𝑡𝑎𝑏𝑒𝑙 , maka tolak 𝐻0 berarti
signifikan dan konsultasikan antara 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝐹𝑡𝑎𝑏𝑒𝑙 kemudian
bandingkan
16. Buat kesimpulan.
2.3 Aplikasi Atau Contoh Uji Anova Satu Jalur
Di bawah ini terdapat beberapa kasus tentang uji anava satu arah, yaitu:
Kasus 1 :
(data diambil dari Riduwan.Dasar-Dasar Statistika.2013)
Seorang ingin mengetahui perbedaan prestasi belajar untuk mata kuliah
dasar-dasar statistika antara mahasiswa tugas belajar, izin belajar dan
umum. Data diambil dari nilai UT sebagai berikut:
Tugas belajar(A1) = 6, 8, 5, 7, 7, 6, 6. 8, 7, 6, 7 = 11 orang
= 1579-1564
= 15
6. Menghitung derajat bebas antar group dengan rumus :
DbA = A-1 A= jumlah group
= 3-1
=2
7. Menghitung kuadrat Rerata Antar group( KRA)
JKA
KRA = 𝑑𝑏𝐴
15
= 2
= 7,5
8. Menghitung Jumlah Kuadrat Dalam group ( JKD )
(𝛴𝐴𝑖)2
JKD = Σ X2T - Σ 𝑛𝐴𝑖
732 712 902
= 1616 - ( + + )
11 12 12
= 1616 – 1579
= 37
9. Menghitung derajat bebas dalam group dengan rumus=
DbD = N-A
= 35- 3
= 32
10. Menghitung kuadrat Rerata Dalam group( KRD)
JKD
KRD = 𝑑𝑏𝐴
37
= 32
= 1,16
𝐾𝑅𝐴
11. F.hitung = 𝐾𝑅𝐷
7,5
= 1,16
= 6,47
12. Taraf signifikan sebesar α = 5 %
13. F.tabel =F (1-α) (dbA.dbD)
F.tabel = 3,30
14. tabel ringkasan anova
ANOVA
NILAI
15. Kriteria pengujian: jika F hitung > F tabel, maka tolak Ho berarti signifikan.
Setelah dikonsultasikan dengan tabel F kemudian dibandingkan antara F
hitung dengan F tabel, ternyata F hitung > F tabel, atau 6,47 > 3,30 maka
tolak Ho berarti signifikan.
16. Kesimpulan:
Ho ditolak dan Ha diterima, jadi terdapat perbedaan yang signifikan antara
mahasiswa tugas belajar, izin belajar dan umum.
Kasus 2 :
Terdapat 4 empat mesin yang akan diperbandingkan. Oleh karena
itu, mesin-mesin ini dijalankan oleh tenaga manusia, dan oleh karena faktor-
faktor lain yang tidak dapat diterangkan, sehingga keluaran per jamnya
dianggap memiliki kemungkinan produktivitasnya tidak sama. Di bawah ini
disajikan sampel acak dari keluaran yang diamati selama 5 jam yang
berbeda.
TABEL
Buktikan apakah ada perbedaan atau tidak pada produktivitas empat mesin
tersebut?
Jawab:
Langkah-langkah menjawab :
= 39000-3200
= 7000
6. Menghitung derajat bebas antar group dengan rumus :
DbA = A-1 A= jumlah group
= 4-1
=3
7. Menghitung kuadrat Rerata Antar group( KRA)
JKA
KRA = 𝑑𝑏𝐴
7000
= 3
= 2.333
8. Menghitung Jumlah Kuadrat Dalam group ( JKD )
(𝛴𝐴𝑖)2
JKD = Σ X2T - Σ 𝑛𝐴𝑖
1002 1502 3502
= 43600 - ( + + )
5 5 5
= 43600-39000
= 4600
9. Menghitung derajat bebas dalam group dengan rumus=
DbD = N-A
= 20- 4
= 16
10. Menghitung kuadrat Rerata Dalam group( KRD)
JKD
KRD = 𝑑𝑏𝐴
4600
= 16
= 287,5
𝐾𝑅𝐴
11. F.hitung = 𝐾𝑅𝐷
2.333
= 287,5
= 8,116
12. Taraf signifikan sebesar α = 5 %
13. F.tabel =F (1-α) (dbA.dbD)
F.tabel = 3,24
ANOVA
poduktivitas
15. Kriteria pengujian: jika F hitung > F tabel, maka tolak Ho berarti signifikan.
Setelah dikonsultasikan dengan tabel F kemudian dibandingkan antara F
hitung dengan F tabel, ternyata F hitung > F tabel, atau 8,116 > 3,24 maka
tolak Ho berarti signifikan.
16. Kesimpulan:
Ho ditolak dan Ha diterima, jadi terdapat perbedaan yang signifikan antara
produktivitas mesin 1, mesin 2, mesin 3, dan mesin 4.
Kasus 3 :
Seorang manajer sebuah bank sedang meninjau kinerja dari para
karyawan bagi kemungkinan menaikkan gaji dan mempromosikan jabatan.
Di dalam mengevaluasi para petugas kasir (teller), manajer menentukan
bahwa criterion dari kinerja mereka adalah jumlah pelanggan yang dilayani
setiap hari.
TABEL
Buktikan apakah ada perbedaan atau tidak antara kasir 1, kasir 2, dan
kasir 3?
Jawab:
Langkah-langkah menjawab :
Ho: tidak ada perbedaan yang signifikan antara pelanggan pada kasir 1,
kasir 2, dan kasir 3.
= 50052- 49928
= 124
6. Menghitung derajat bebas antar group dengan rumus=
DbA = 3-1 A= jumlah group
= 3-1
=2
= 62
8. Menghitung Jumlah Kuadrat Dalam group ( JKD )
(𝛴𝐴𝑖)2
JKD = Σ X2T - Σ 𝑛𝐴𝑖
2492 3242 3302
= 50298 – ( + + )
6 6 6
= 50298- 50052
= 246
9. Menghitung derajat bebas dalam group dengan rumus=
DbD = N-A
= 18- 3
= 15
10. Menghitung kuadrat Rerata Dalam group( KRD)
JKD
KRD = 𝑑𝑏𝐴
246
= 15
= 16,4
𝐾𝑅𝐴
11. F.hitung = 𝐾𝑅𝐷
62
= 15
= 3,8
12. Taraf signifikan sebesar α = 5 %
13. F.tabel =F (1-α) (dbA.dbD)
F.tabel = 3,68
15. Kriteria pengujian: jika F hitung > F tabel, maka tolak Ho berarti signifikan.
Setelah dikonsultasikan dengan tabel F kemudian dibandingkan antara F
hitung dengan F tabel, ternyata F hitung > F tabel, atau 3,8 > 3,68 maka
tolak Ho berarti signifikan.
16. Kesimpulan:
Ho ditolak dan Ha diterima, jadi terdapat perbedaan yang signifikan antara
jumlah pelanggan pada kasir 1, kasir 2, dan kasir 3.
f table =
Rata-rata JKK db numer 2 = k S2K = KTK = f hitung = 𝛼 =
kolom –1 JKK KTK db numer 2 =
k−1 KTG
db denum =
f table =
Galat JKG db denum = (r– S2G = KTG
1)(k–1) JKG
= (r−1)(k−1)
N2 j N2
JKB = ∑ri=1 − JKG = JKT – JKB - JKK
k rk
Keterangan:
k : banyaknya kolom
r : banyaknya baris/blok
xij : data pada baris ke-i, kolom ke-j
Ni : total (jumlah) baris ke-i
Nj : total (jumlah) kolom ke-j
N : total (jumlah) seluruh pengamatan
Contoh :
Terdapat 4 metode diet dan 3 golongan usia peserta program diet.
Berikut data rata-rata penurunan berat peserta keempat metode dalam
tiga kelompok umur.
N2 j N2
JKK = ∑kj=1 −
r rk
( 142 + 162 + 112 + 92 ) 502
= −
3 12
( 196 + 256 + 121+81 ) 2500
= −
3 12
654 2500
= − = 218 – 208.33333 = 9.67
3 12
Langkah 4 : Kesimpulan.
Menurut Baris dan Blok, nilai F hitung berada di daerah penerimaan H0.
Berarti : setiap metode pada setiap kelompok umur memberikan rata-rata
penurunan berat badan yang sama.
f table =
Nilai JKK db numer 2 = S2K = KTK = f hitung 𝛼 =
tengah k–1 JKK KTK
= KTG db numer 2 =
k−1
kolom db denum =
f table =
Interaksi JK[BK] db numer 3 = S2K = KT[BK] f hitung 𝛼=
[BK] [r–1][k–1] JK[BK] KT[BK] db numer 3 =
= =
[r–1][k–1] KTG
db denum =
f table =
Galat JKG db denum = S2G = KTG
r.k.[n – 1] =
JKG
r.k.[n – 1]
N2
JKT = ∑ri=1 ∑kj=1 ∑nm=1 x 2 ijm − rkn
N2 N2
JKB = ∑ri=1 k.nj − rkn
N2 N2
JKK = ∑kj=1 r.nj − rkn
N2 IJ N2 N2 N2
JK[BK] = ∑ri=1 ∑kj=1 − ∑ri=1 k.nj − ∑kj=1 r.nj +
N rkn
Contoh :
Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut adalah data
rata-rata penurunan berat badan setelah 1 bulan melakukan diet. Ujilah apakah
penurunan berat badan sama untuk setiap metode diet, kelompok umur dan
interaksi dengan taraf uji 5 %?
< 20 tahun
5 0 3 4
#1
4 2 4 2
#2
5 1 8 2
#3
20-40 tahun
5 4 2 5
#1
6 2 2 3
#2
2 1 4 2
#3
4 5 2 6
> 40 tahun 4 5 1 4
#1 5 0 2 4
#2
#3
1. Merumuskan Hipotesis
o Hipotesis anova kolom
H0: a1 = a2 = ... = ak, Tidak ada perbedaan yang nyata antara rata-
rata hitung dari kategori Metode(kolom)
H1: a1 ≠ a2 ≠ ... ≠ ak, Ada perbedaan yang nyata antara rata-rata
hitung dari kategori Metode (kolom)
o Hipotesis anova baris
H0: b1 = b2 = ... = bj, Tidak ada perbedaan yang nyata antara rata-
rata hitung dari kategori umur (baris)
H1: b1 ≠ b2 ≠ ... ≠ bj, Ada perbedaan yang nyata antara rata-rata
hitung dari kategori umur (baris)
o Hipotesis interaksi
H0: (ab)11 = (ab)12 = ... = (ab)kj, Tidak ada interaksi antara
variabel metode dan umur
H1: (ab)11 ≠ (ab)12 ≠ ... ≠(ab)kj, ada interaksi antara variabel
metode dan umur
2. Identifikasi model.
Pertama. berdasarkan hipotesis yang digunakan yaitu membandingkan
rata-rata lebih dari dua kelompok maka metode yang mungkin
adalah Anova. kedua Sampel yang digunakan tiap kelompok sudah
dikategorikan sehingga tipe anova yang cocok adalah Anova dua arah.
kemudian dari tiap kategori tersebut dilakukan pengulangan sehingga kita
menggunakan anova dua arah dengan interaksi.
3. Memeriksa asumsi Anova.
Dalam metode anova yang perlu diperhatikan ada empat seperti pada
keterangan diatas. asumsi normal dan homogenitas antar varians kelompok
harus terpenuhi. dalam contoh ini kita asumsikan asumsi terpenuhi karena
kita fokus pada langkah-langkah anova dua arah dengan interaksi.
kemudian kelompok yang dianalisis berasal dari kelompok saling bebas.
dan data yang digunakan merupakan data rasio. Setelah asumsi ini
terpenuhi maka bisa lanjut ke perhitungan selanjutnya. kalau tidak ganti
metode.
4. Menyusun/mengkategorikan tabel data agar lebih mudah menghitungnya.
Penghitungannya agak berbeda dengan jenis anova yang lain.
perhitungannya terpisah seperti berikut:
< 20 tahun
#1 5 0 3 4
T1** = 40
#2 4 2 4 2
#3 5 1 8 2
T13* =
T11* = 14 T12* = 3 T14* = 8
15
20-40 tahun
#1 5 4 2 5
T2** = 38
#2 6 2 2 3
#3 2 1 4 2
T24* =
T21* = 13 T22* = 7 T23* = 8
10
T34* =
T31* = 13 T32* = 10 T33* = 5
14
Sumber Jumlah
Derajat Kuadrat
Keragaman Kuadrat F hitung
Bebas (db) Tengah (KT)
(SK) (JK)
JKG = db JKG=
Galat (G) KTG =2,53
60,67 3x4x2=24
db
Total (T) JKT =116 JKT=[3x4x3]
-1 =35
6. Menghitung F tabel