BAB II

PEMBAHASAN

2.1 Uji ANOVA

2.1.1 Pengertian Uji Analisis of Variance (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, tenaga
yang banyak. di samping itu, kita akan menghadapi risiko salah yang
besar. untuk itu, telah ditemikan cara analisis yang mengandung
kesalahan lebih kecil da dapat menghemat waktu serta tenaga yaitu
dengan ANOVA (Analisys of variances).

Secara umum, analisis varians menguji dua varians (atau ragam)

berdasarkan hipotesis nol bahwa kedua varians itu sama. varians
pertama adalah varians antar contoh (among samples) dan varians
kedua adalah varians di dalam masing-masing contoh (within
samples). Dengan ide semacam ini, analisis varians dengan dua
contoh akan memberikan hasil yang sama dengan uji-t untuk dua rata-
rata (mean).

Analisis of variance atau ANOVA merupakan salah satu teknik

analisis multivariate yang berfungsi untuk membedakan rerata lebih
dari dua kelompok data dengan cara membandingkan variansinya.
Analisis varian termasuk dalam kategori statistik parametric. Sebagai
alat statistika parametric, maka untuk dapat menggunakan rumus
ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi
normalitas, heterokedastisitas dan random sampling (Ghozali, 2009).
Seperti yang dikatakan oleh Agustinus Bandur dalam bukunya
“Penelitian Kuantitatif-Desain Dan Analisis Data Dengan SPSS”,
analisys of variance (ANOVA) dapat digunakan dalam situasi ketika

3
 4

kita memiliki satu variable interval atau rasio sebagai variable

dependen dan satu atau lebih variable nominal atau ordinal sebagai
variable dependen.

Analisis varian dapat dilakukan untuk menganalisis data yang

berasal dari berbagai macam jenis dan desain penelitian. Analisis
varian banyak dipergunakan pada penelitian-penelitian yang banyak
melibatkan pengujian komparatif yaitu menguji variabel terikat
dengan cara membandingkannya pada kelompok-kelompok sampel
independen yang diamati. Analisis varian saat ini banyak digunakan
dalam penelitian survey dan penelitian eksperimen.

ANOVA bisa dikatakan sebagai salah satu teknik penelitian

statistic yang sering digunakan oleh banyak peneliti karena memiliki
dua karakteristik seperti (Bandur, 283:2013):

a. ANOVA akan membantu kita untuk menganalisis data dari hasil

desain penelitian eksperimental.
b. 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
disebutkan terakhir, kita bisa menguku hubungan sebab akibat pada
variable independen dan dependen.

Anova dapat digolongkan kedalam beberapa kriteria, yaitu :

a. Klasifikasi satu arah (One Way ANOVA)

Anova klasifikasi satu arah merupakan ANOVA yang didasarkan
pada pengamatan satu kriteria atau satu faktor yang menimbulkan
variasi.

b. Klasifikasi dua arah (Two Way ANOVA)

 5

ANOVA klasifikasi dua arah merupakan ANOVA yang didasarkan

pada pengamatan dua kritenia atau dua faktor yang menimbulkan
variasi.

2.1.2 Contoh Kasus

Dalam makalah ini akan dilakukan penelitian tentang:

Seorang peneliti ingin mengetahui apakah terdapat perbedaan hasil belajar

matematika siswa smp berdasarkan jenjang pendidikan terakhir orang tua dan
jenis kelamin siswa tersebut :

a. Faktor jenjang pendidikan terakhir orang tua terdiri dari 3 taraf yaitu
smp,slta dan perguruan tinggi (PT)
b. Faktor jenis kelamin terdiri 2 taraf, yaitu prempuan dan laki

Kemudian akan diteliti tentang :

1. Apakah ada perbedaan hasil belajar matematika siswa berdasarkan jenjang

pendidikan terakhir orang tua.
2. Apakah ada perbedaan hasil belajar matematika siswa berdasarkan jenis
kelamin siswa.
3. Apakah ada interaksi jenjang pendidikan terakhir orang tua dengan jenis
kelamin siswa dalam menentukan hasil belajar siswa.

Persiapan data sebelum melakukan uji two way anova:

Melakukan pengkodean atau pengkatagorian data variabel faktor :

1. Pengkodean data untuk jenjang pendidikan terakhir orang tua dengan

ketentuan : kode 1 untuk smp, kode 2 untuk Slta, kode 3 untuk PT
2. Pengkodean untuk jenis kelamin siswa dengan ketentuan : kode 1 untuk
laki-laki, kode 2 untuk prempuan.

Langkah –langkah uji two way anova

1. Melakukan uji normalitas nilai residual standar
2. Lakukan uji homogenitas dan uji two way anova

Dasar pengambilan keputusan uji normalitas

 6

1. Jika nilai sik >0,05 maka residual standar normal

2. Jika nilai sik< 0,05 maka residual standar tidak normal

Langkah awal uji statistic ANOVA melalui SPSS :

1. Buka file atau data yang ter save di Ms exel

2. Buka aplikasi SPSS nya terus pilih variable view, menulis variable
penelitian yang akan kita input nama-nama

3. Setelah data exel di input ke aplikasi SPSS nya

 7

4. Selanjutnya yang dibutuhkan adalah melakukan uji normalitas nilai

residual standard, maka kita harus membuat variabel residual. Caranya
pilih menu analyze, klik di general linear model terus klik di univariate

5. Di kolom itu hasil belajar matematika dipindahkan di kolom dependent

variabel, jenjang pendidikan dan jenis kelamin dipindahkan di kolom fixed
factor (s) lalu klik save.
 8

6. Dan beri tanda centang pada standardized di kolom residuals ini fungsinya
memunculkan variabel baru yakni nilai residual standard terus pilih
continue lalu ok.

7. Selanjutnya abaikan output yang keluar di SPSS fokus pada variabel

standard riset residual, selanjutnya kita akan menguji normalitas untuk
variabel ini.
 9

8. Selanjutnya kita akan uji normalitas untuk variabel caranya pilih menu
analyze kemudian descriptive statistics. Lalu klik explore , selanjutnya
masukan variabel standardized residual ke kolom dependent list terus klik
plots terus beri centang pada mormality plots with test baru pilih continue
terus klik ok .

9. Selanjutnya muncul output SPSS dan perhatikan output test normallity dan
disini kita lihat lagi dasar pengambilan keputusan dalam uji normalitas
karena nilai sig sebesar 0,698 lebih besar dari 0,05 maka nilai residual
standard nya normal karena berdistribusi normal maka syarat yang
pertama pada uji normalitas nilai residual standard terpenuhi.
 10

10. Selanjutnya kita akan melakukan uji homogenitas. (uji homogenitas bisa
dilakukan sekaligus pada saat kita melakukan uji two way anova . Pilih menu
analize kemudian pilih general linear model terus klik univariate kemudian
pilih save kita hilangkan tanda centang yang di standardized pilih continue
kemudian pilih options dan pindahkan variabel pendidikan, jenis kelamin,
pendidikan dan jenis kelamin ke kolom diplay means for selanjutnya beri
centang pada homogenety tests dan descriptive stabstistic baru klik continue
terus klik ok.
 11

11. Selanjutnya muncul output pada SPSS nya yaitu univariate analysis of
variance atau disebut output analysis two way anova kita tinggal interpretasi
saja.
 12

12. Selanjutnya kita masuk ke output levene’s test of equallity of error

variances inilah adalah output tentang uji homogenitas
13
14
 15

2.2 Uji Beda Proporsi

2.2.1 Pengertian

Dalam penerapan praktis, kita ingin menguji apakah ada hubungan

antara dua variabel kategorik. Atau kita ingin menguji apakah ada
perbedaan proporsi pada populasi. Jika perbedaan proporsi itu eksist
dapat kita katakan bahwa adanya keterkaitan atau hubungan antara
dua variabel kategorik tersebut.

Misalnya kita ingin menguji apakah proporsi hipertensi pada

populasi perokok lebih tinggi dari proporsi hipertensi pada populasi
bukan perokok. Pengamatan dilakukan terhadap kebiasaan merokok
dan pengukuran dilakukan terhadap tekanan darahnya (yang setelah
diukur dikategorikan menjadi normotensi dan hipertensi). Apabila
pengamatan diatas disusun didalam suatu tabel, maka tabel tersebut
dinamakan tabel kontingensi (tabel silang). Dari data tersebut dapat
dilakukan uji statistik untuk melihat ada tidaknya asosiasi antara dua
sifat/variabel tadi (kebiasaan merokok dan hipertensi).

Uji statistik untuk melihat hubungan antara dua variabel yang

dikategorikan sering digunakan uji “chi-square” (χ2). Secara spesifik
uji chi square dapat digunakan untuk menentukan/menguji:
 16

a. Ada tidaknya hubungan/asosiasi antara 2 variabel (test of

independency).
b. Apakah suatu kelompok homogen dengan sub kelompok lain (test
of homogenity).
c. Apakah ada kesesuaian antara pengamatan dengan parameter
tertentu yang dispesifikasikan (Goodness of fit).

Secara umum tidak ada asumsi yang harus dipenuhi untuk uji
χ2, karena distribusi χ2 ini termasuk free-distribution. Hanya saja,
jumlah pengamatan tidak boleh terlalu sedikit, frekuensi harapan
(expected frequency) tidak boleh kurang dari satu dan frekuensi
harapan yang kurang dari lima tidak boleh lebih dari 20%. Jika
asumsi ini tidak terpenuhi maka harus dilakukan pengelompokan
ulang sampai hanya menjadi dua kelompok saja (tabel 2 x 2),
Pada tabel 2 x 2 gunakan Fisher Exact test yang merupakan nilai-
p sebenarnya, yang secara otomatis sudah ada di output SPSS.
 BAB III

PENUTUP

3.1 Kesimpulan

Sesuai dengan penelitian yang sudah dilakukan, peneliti telah

menemukan hasil mengambilan keputusann dalam uji normalitas dimana
nilai signifikan 0,698 > 0,05 maka nilai standard residualnya normal, dan
mengenai hasil belajar matematika berdasarkan pendidikan terakhir orang
tua dan jenis kelamin dengan menggunakan uji Two Way ANOVA, peneliti
menyimpulkan hasil uji homogen hasil belajar matematika siswa laki-laki
SMP sebesar 58,57 dan hasil belajar matematika siswa perempuan SMP
sebesar 61,42. Sehingga peneliti menyimpulkan bahwa uji two way
ANOVA terpenuhi. Dan tidak ada perbedaan belajar berdasarkan
pendidikan terakhir orangtua dan jenis kelamin dengan nilai matematika
siswa SMP. Peneliti memilih meneliti menggunakan two way ANOVA
karena memiliki dua variabel independen yaitu kualifrikasi pendidikan
terakhir orang tua dan kualifikasi jenis kelamin.

3.2 Saran

1. Agar mahasiswa mengerti dan mengetahui tentang uji beda lebih dua
mean dan uji proposi

2. Agar mahasiswa dapat mengaplikasikan uji beda lebih dari dua mean
dan proposi dalam pembelajaran .

17
18