Dosen Pengampu:
DRS. Suparto, M.Pd.I
Disusun oleh Kelompok :
1. Tri Dewi Kusumawati (D03216036)
2. Anisa Agustina (D93216073)
3. Murwati Iftah (D93214081)
Puji syukur kami panjatkan kehadirat Allah Subhanahu Wata΄ala, karena berkat
limpahan rahmat, taufiq, serta hidayah-Nya kami dapat menyelesaikan makalah yang
berjudul “ Analisis Varians (Anova)” ini dengan baik. Sholawat serta salam semoga
tetap tercurahkan kepada junjungan kita, Rasulullah Muhammad SAW, yang telah
membimbing kita dari jalan kegelapan menuju jalan yang terang yakni agama Islam.
Makalah ini memuat pendahuluan, pembahasan, penutup, dan daftar pustaka.
Makalah ini kami susun untuk memenuhi tugas mata kuliah “Statistik Manajemen
Pendidikan Islam” pada semester VI Program Studi “Manajemen Pendidikan Islam”
Fakultas Tarbiyah dan Keguruan Universitas Islam Negeri Sunan Ampel Surabaya.
Kami mengucapkan terima kasih kepada Bapak Suparto, selaku dosen pengampu
mata kuliah “Statistik Manajemen Pendidikan Islam ” yang telah memberikan banyak
wawasan dan pengetahuan khususnya dalam hal manajemen mutu pendidikan. Tak ada
gading yang tak retak, begitupun dengan makalah ini yang masih jauh dari sempurna,
oleh karena itu kami mengharapkan kritik dan saran yang bersifat membangun demi
kesempurnaan makalah ini. Semoga makalah ini dapat menambah pengetahuan pembaca
dan bermanfaat untuk pengembangan ilmu pengetahuan bagi kita semua.
Tim Penyusun
2
DAFTAR ISI
3
BAB I
PENDAHULUAN
A. Latar Belakang
Seringkali 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 membutuhkan banyak waktu, dan tenaga yang
banyak. Disamping itu, kita juga akan mengahadapi resiko salah yang besar.
Untuk itu, telah ditemukan cara analisis yang mengandung kesalahan lebih kecil
dan dapat menghemat waktu serta tenaga yaitu 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 antarcontoh dan varians kedua adalah varians di dalam masing-masing
contoh. Dengan ini, analisis varians dengan dua contoh akan memberikan hasil
yang sama dengan uji-t untuk dua rata-rata (mean).
Pada makalah ini akan didiskusikan perbandingan dua atau lebih
parameter populasi. Sebuah teknik yang dipakai untuk membandingkan dua atau
lebih parameter populasi kita kenal sebagai Analisys of Variances atau sering
disebut ANOVA. Teknik ini sering dipakai untuk penelitian terutama pada
rancangan penelitian eksperimen, misal penelitian-penelitian yang memiliki
implikasi pengambilan keputusan untuk menggunakan teknologi baru, prosedur-
prosedur baru dan kebijakan-kebijakan baru.
Oleh karena itu pada kesempatan kali ini kami menyusun makalah ini
sebagai upaya untuk mempelajari dan memahami pokok bahasan yang berkaitan
dengan uji anava, sehingga kami dapat memiliki pengetahuan dan pemahaman
tentang anava.
B. Rumusan Masalah
1. Bagaimana konsep analisis varians ?
2. Bagaimana analisis varians satu arah (One-Way ANOVA) itu?
4
C. Tujuan
1. Memahami konsep analisis varians.
2. Memahami analisis varians satu arah (One-Way ANOVA).
3. Memahami analisis varians dua arah (Two-Way ANOVA).
5
BAB II
PEMBAHASAN
1
Hiranaldi, Prinsip – prinsip Statistik (Jakarta : Erlangga, 2005), 192.
2
Bambang Soepeno, Statistik Terapan : dalam Penelitian Ilmu – ilmu Sosial dan Pendidikan (Jakarta :
Rineka Cipta, 1997), 172.
3
Bambang Soepeno, Statistik Terapan, 172.
4
Fajri Ismail, Statistika untuk Penelitian Pendidikan dan Ilmu – ilmi Sosial (Jakarta: Prenadamedia Group,
2018), 286.
6
1. Uji statistik untuk membandingkan rata – rata pada tiga kelompok atau lebih
2. Terdiri dari dua atau lebih variabel independen dan satu variabel dependen
3. Karena bagian dari statistik interferensial, data yang dianalisa berapa data
interval atau rasio
4. Uji anava sangat baik digunakan untuk penelitian eksperimen. Pada non
eksperimen digunakan pada penelitian expost facto (penelitian setelah
kejadia).
5. Jika terjadi interaksi, dapat dilakukan dengan cara membandingkan rata – rata
data dua kelompok. Uji ini biasanya disebut uji post hoc atau uji lanjut. Uji ini
dengan menggunakan uji Tukey, t-Dunnet dan sebagainya.
1. Populasi mendekati normal apabila populasi tidak normal, maka uji Anava
diganti dengan uji parametik di antaranya uji Kruskall – Wallis.
2. Populasi memiliki varians yang sama
3. Sampel berasal dari random sampling
4. Varians antara populasi yang dibandingkan adalah homogen
5. Sampel yang dianalisis berasal dari dua kelompok yang berbeda (bukan
sampel berpasangan)
6. Data bersifat interval atau rasio
5
Fajri Ismail, Statistika untuk Penelitian Pendidikan dan Ilmu – ilmi Sosial, 287.
6
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan (Yogyakarta: Deepublish, 2017), 118.
7
Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari
dua rata – rata. Sedangkan, gunanya untuk menguji kemampuan generalisasi.
Maksudnya dari signifikasi 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.7
Lankah – langkah Anova Satu Arah :8
1. Sebelum anova dihitung, asumsikan bahwa data dipilih secara random,
berdistribusi normal, dan variasinya homogen.
2. Buatlah hipotesis (𝐻𝑎 dan 𝐻0 ) dalam bentuk kalimat.
3. Buatlah hipotesis (𝐻𝑎 dan 𝐻0 )dalam bentuk statistik.
4. Buatlah daftar statistik induk.
5. Hitunglah jumlah kuadrat antar group (𝐽𝐾𝐴 ) dengan rumus :
(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2 (∑𝑋𝐴1 )2 (∑𝑋𝐴2 )2 (∑𝑋𝐴3 )2 (∑𝑋𝜏 )2
𝐽𝐾𝐴 = ∑ − =( + + )−
𝑛𝐴𝑖 𝑁 𝑛𝐴1 𝑛𝐴2 𝑛𝐴3 𝑁
𝐾𝑅
11. Carilah 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus : 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑅𝐴
𝐷
7
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan, 118.
8
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan, 119.
8
TABEL RINGKASAN ANOVA SATU ARAH
15. Tentukan kriteria pengujian : jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≥𝐹𝑡𝑎𝑏𝑒𝑙 , maka tolak 𝐻0 berarti
signifikan dan konsultasikan antara 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝐹𝑡𝑎𝑏𝑒𝑙 kemudian
bandingkan
16. Buat kesimpulan.
Di bawah ini terdapat kasus tentang uji anava satu arah, yaitu:
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:9
Tugas belajar(A1) = 6, 8, 5, 7, 7, 6, 6. 8, 7, 6, 7 = 11 orang
9
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan, 119 – 122.
9
Langkah-langka menjawab =
1. 6 5 6
2. 8 6 9
3. 5 6 8
4. 7 7 7
5. 7 5 8
6. 6 5 9
7. 6 5 6
8. 8 6 6
9. 7 5 9
10. 6 6 8
11. 7 8 6
12. 7 8
Statistika Total = T
N 11 12 12 N=35
10
Σx 73 71 90 234
= 1579-1564
= 15
5. Menghitung derajat bebas antar group dengan rumus=
DbA = A-1 A= jumlah group
= 3-1
=2
6. Menghitung kuadrat Rerata Antar group( KRA)
JKA
KRA = 𝑑𝑏𝐴
15
= 2
= 7,5
7. Menghitung Jumlah Kuadrat Dalam group ( JKD )
(𝛴𝐴𝑖)2
JKD = Σ X2T - Σ 𝑛𝐴𝑖
732 712 902
= 1616 - ( + + )
11 12 12
= 1616 – 1579
= 37
8. Menghitung derajat bebas dalam group dengan rumus=
DbD = N-A
= 35- 3
= 32
9. Menghitung kuadrat Rerata Dalam group( KRD)
JKD
KRD = 𝑑𝑏𝐴
11
37
= 32
= 1,16
𝐾𝑅𝐴
10. F.hitung = 𝐾𝑅𝐷
7,5
= 1,16
= 6,47
11. Taraf signifikan sebesar α = 5 %
12. F.tabel =F (1-α) (dbA.dbD)
F.tabel = 3,30
ANOVA
NILAI
Sumber Jumlah Mean
varian (SV) Kuadra(JK) db Square F Sig.
Antar
15 2 7.540 6.47 .004
Group(A)
Dalam
37 32 1.139
Group(D)
Total 52 34
14. 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.
15. Kesimpulan:
Ho ditolak dan Ha diterima, jadi terdapat perbedaan yang signifikan antara
mahasiswa tugas belajar, izin belajar dan umum.
12
C. Analisis Varians Dua Arah (Two-Way ANOVA)
Two way anava merupakan pengujian hipotesis komparatif untuk data ordinal
dari k sampel (lebih dari dua sampel) yang berkorelasi. Two way anava dapat
dibedakan atas dua jalur setiap variabel di bagi lagi ke dalam kelompok tertentu
yang memiliki karakterisik khusus. Analisis dua arah ini digunakan bila sumber
keragaman yang terjadi tidak hanya karena satu faktor (perlakuan). Faktor lain yang
mungkin menjadi sumber keragaman respon juga harus diperhatikan. Dalam
penyelesaian kasus two way anava ini, terdapat dua metode yang digunakan yaitu
two way anava tanpa interaksi dan two way anava dengan interaksi.
1. Two way anova tanpa interaksi
Pengujian dua arah tanpa interaksi merupakan pengujian hipotesis beda
tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi
antara kedua faktor yang ditiadakan.
Segugus pengamatan dapat diklasifikasikan menurut dua kriteria dengan
menyusun data tersebut dalam baris dan kolom, kolom menyatakan klasifikasi
yang satu sedangkan baris menyatakan kriteria klasifikasi yang lain. Setiap
kombinasi perlakuan membentuk sebuah sel dalam susunan itu, dan tiap sel
dalam tabel itu hanya berisi satu pengamatan. Dalam pasal ini kita akan
menurunkan rumus-rumus sehingga memungkinkan kita menguji apakah
keragaman hasil disebabkan oleh perbedaan varitas gandum, perbedaan jenis
pupuk, atau perbedaan keduanya.
TABEL 1.1
1 64 72 74 210
2 55 57 47 159
3 59 66 58 183
4 58 57 53 168
13
Total 236 252 232 720
Semua suku hasilkali adalah sama dengan nol, oleh karena itu
𝑟 𝑐 𝑟
2
∑ ∑(𝑥𝑖𝑗 − 𝑥̅ . . ) = c ∑(𝑥𝑖. − 𝑥̅ . . )2
𝑖=1 𝑗=1 𝑖=1
𝑐 𝑟 𝑐
𝑟 𝑐
Salah satu penduga bagi 𝜎 2 yang didasarkan pada r-1 derajat bebas, adalah
JKB
𝑠12 =
𝑟−1
Bila pengaruh baris 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑟 = 0, maka 𝑠12 merupakan nilai dugaan
tak biasa bagi 𝜎 2 Akan tetapi, bila pengaruh baris tidak semuanya nol, JKB cenderung
mempunyai nilai yang besar, sehingga 𝑠12 menduga lebih 𝜎 2 Nilai dugaan kedua bagi
𝜎 2 , yang didasarkan pada (r-1)(c-1) derajat bebas adalah
14
JKK
𝑠22 =
𝑐−1
Nilai 𝑠22 adalah nilai dugaan takbias bagi 𝜎 2 bila pengaruh kolom 𝛽1 = 𝛽2 = ⋯ =
𝛽𝑐 = 0 . Bila pengaruh kolom tidak semuanya nol, JKK cenderung mempunyai nilai
yang besar, sehingga 𝑠22 menduga lebih 𝜎 2 . Nilai dugaan ketiga bagi 𝜎 2 , yang
didasarkan pada (r – 1)(c – 1) derajat bebas dan bersifat bebas dari 𝑠12 dan 𝑠22 , adalah
JKG
𝑠32 =
(𝑟 − 1)(𝑐 − 1)
Untuk menguji hipotesis nol bahwa pengaruh baris semuanya sama dengan nol,
kita hitung rasio
𝑠12
𝑓1 = 2
𝑠3
Yang merupakan nilai perubah acak 𝐹1 yag mempunyai sebaran F dengan r-1
dan (r-1)(c-1) derajat bebas hipotesis nol besar. Hipotesis nol ditolak pada taraf nyata
𝛼 bila
Begitu pula, untuk menguji hipotesis nol bahwa pegaruh kolom semuanya sama
dengan nol, kita menghitung rasio
𝑠22
𝑓2 =
𝑠32
Yang merupakan nilai perubah acak 𝐹2 yang mempunyai sebaran F dengan c-1
dan (r-1)(c-1) derajat bebas bila hipotesis nol benar. Hipotesis nol akan ditolak pada
taraf nyata 𝛼 bila
15
Dalam prakteknya kita pertama-tama menghitung JKT, JKB dan JKK dan baru
kemudian dengan menggunakan dalil identitas jumlah kuadrat kita memperolek JKG
melalui pengurangan. Derajat bebas galat juga diperoleh melalui pengurangan.
Rumus hitung bagi keempat jumlah kuadrat tersebut diberikan di bawah ini.
𝑟 𝑐
2 𝑇.2.
JKT = ∑ ∑ 𝑥𝑖𝑗 − ,
𝑟𝑐
𝑖=1 𝑗=1
JKG = JKT-JKB-JKK
Perhitungan dalam masalah analisis ragam untuk klasifikasi dua arah dengan
satu pengamatan per sel. Dapat diringkaskan seperti dalam tabel berikut.
TABEL 1.2
ANALISIS Ragam bagi Klasifikasi Dua-Arah dengan Satu Pengamatan per sel
JKK
𝑠22 = 𝑠22
JKK c–1 𝑐−1 𝑓2 =
Nilai 𝑠32
Tengah
Kolom
16
JKG (𝑟 − 1)(𝑐 − 1) JKG
𝑠32 =
(𝑟 − 1)(𝑐 − 1)
Galat
Total JKT rc – 1
Contoh soal :
Untuk data tabel 1.1, ujilah hipotesis 𝐻0′ , pada taraf nyata 0.05 bahwa tidak ada beda
rata-rata hasil gandum untuk keempat perlakuan pupuk tersebut. Juga ujilah hipotesis
𝐻0′′ bahwa tidak ada beda rata-rata hasil untuk ketiga varitas gandum tersebut.
Jawab
Hasil itu serta sedikit perhitungan lainnya dicantumkan dalam tabel di bawah ini
17
TABEL 1.3
Nilaitengah 56 2 28 1.56
Kolom
Galat 108 6 18
Total 662 11
Keputusan:
a. Tolak 𝐻0′ dan disimpulkan bahwa ada beda rata-rata hasil gandum bila digunakan
keempat pupuk di atas.
b. Terima 𝐻0′′ dan disimpulkan bahwa tidak ada beda rata-rata hasil untuk ketga
varitas gandum tersebut. 10
2. Two way anova dengan Interaksi
TABEL 1.4
Pupuk 𝑣1 𝑣2 𝑣3
64 72 74
𝑡1 66 81 51
70 64 65
10
Ronald E. Walpole, Pengantar Statistika Edisi Ke-3 (Jakarta: PT. Gramedia Pustaka Utama, 1988),
397-404.
18
65 57 47
𝑡2
63 43 58
58 52
67
59 66
58
𝑡3 68 71
39
65 59
42
58 57
53
𝑡4 41 61
59
46 53
38
Untuk menguji apakah ada beda antar nilai tengah baris dan kolom bila
interaksinya tidak dapat diabaikan, kita harus memperoleh nilai dugaan takbias dan
bebas bagi 𝜎 2 . Ini paling baik dicapai bila diperoleh hasil pengukuran yang berulang-
ulang di bawah kondisi yang sama. Sekarang misalkan bahwa kita mempunyai alasan
yang memadai bahwa varitas gandum dan jenis pupuk dalam Tabel 1.1 berinteraksi.
Kita ulangi percobaan yang sama dua kali lagi, dan mencatat hasilnya dalam tabel 1.4.
Percobaab demikian ini dikatakan telah diulang tiga kali.
19
Tiga hipotesis yang akan diuji adalah
1. 𝐻0′ : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑟 = 0
𝐻1′ : sekurang-kurangnya satu 𝛼1 tidak sama dengan nol,
2. 𝐻0′′ : 𝛽1 = 𝛽2 = ⋯ = 𝛽𝑐 = 0
𝐻1′′ : sekurang-kurangnya satu 𝛽𝑗 tidak sama dengan nol.
3. 𝐻0′′′ : (𝛼𝛽)11 = (𝛼𝛽)12 = ⋯ = (𝛼𝛽)𝑟𝑐 = 0 ,
𝐻1′′′ : sekurang-kurangnya satu (𝛼𝛽)𝑖𝑗 tidak sama dengan nol.
Masing-msing uji tersebut akan didasarkan pada pembandingan nilai dugaan yang
bebas bagi 𝜎 2 , yaitu dengan cara menguraikan jumlah kuadrat total menjadi empat
komponen melalui identitas
JKT = JKB + JKK + JK(BK) + JKG
𝑟 𝑐 𝑛
2
JKT = ∑ ∑ ∑(𝑥𝑖𝑗 − 𝑥̅ . . ) = jumlah kuadrat total,
𝑖=1 𝑗=1 𝑘=1
𝑟 𝑐
𝑛 2
JKG = ∑𝑟𝑖=1 ∑𝑐𝑗=1 ∑ (𝑥𝑖𝑗𝑘 − 𝑥̅ 𝑖𝑗. ) = jumlah kuadrat galat
𝑘=1
20
Dengan membagi setiap jumlah kuadrat pada ruas kanan dari identitas jumlah
kuadrat di atas dengan derajat bebasnya masing-masing, maka kita memperoleh empat
nilai dugaan
JKB
𝑠12 =
𝑟−1
JKK
𝑠22 =
𝑐−1
JK(BK)
𝑠32 =
(𝑟 − 1)(𝑐 − 1)
JKG
𝑠32 =
𝑟𝑐(𝑛 – 1)
bagi 𝜎 2 , yang semuanya merupakan penduga takbias bila hipotesia nolnya benar.
Untuk menguji hipotesis 𝐻0′ bahwa pengaruh baris semuanya sama, kita
menghitung rasio
𝑠12
𝑓1 =
𝑠42
yang merupakan nilai bagi peubah acak 𝐹1 yang mempunyai sebaran F dengan (r – 1)
dan rc(n – 1) derajat bebas bila 𝐻0′ benar. Hipotesis nol itu ditolak pada taraf nyata 𝛼
bila 𝑓1 > 𝑓𝛼 [𝑟 − 1, 𝑟𝑐(𝑛 – 1)].
Begitu pula, untuk menguji hipotesis 𝐻0′′ bahwa pengaruh kolom semuanya sama,
kita menghitung rasio
𝑠22
𝑓2 = 2
𝑠4
yang merupakan nilai peubah acak 𝐹2 yang mempunyai sebaran F dengan (𝑐 − 1) dan
𝑟𝑐(𝑛 – 1) derajat bebas bila 𝐻0′′ benar. Hipotesis ini ditolak pada taraf nyata 𝛼 bila
𝑓2 > 𝑓𝛼 [(𝑐 − 1), 𝑟𝑐(𝑛 – 1)].
Terakhir untuk menguji hipotesis 𝐻0′′ pengaruh interaksi semuanya sama, kita
menghitung rasio
21
𝑠32
𝑓3 =
𝑠42
yang merupakan nilai suatu peubah acak 𝐹3 yang mempunyai sebaran F dengan (𝑟 −
1)(𝑐 − 1) dan 𝑟𝑐(𝑛 – 1) derajat bebas.
TABEL 1.5.
Sumber Jumlah
Derajat Bebas F
Keragaman Kuadrat Kuadrat Tengah
(db) Hitung
(SK) (JK)
JKK
JKK 𝑠22 =
Nilai 𝑐−1 𝑓2
c–1
tengah 𝑠22
Kolom =
𝑠42
𝑠32
JK(BK)
=
(𝑟 − 1)(𝑐 − 1)
𝑓3
JK(BK)
Interaksi (r – 1 )( c – 1) 𝑠32
=
𝑠42
JKG
𝑠32 =
𝑟𝑐(𝑛 – 1)
JKG
Galat rc(n – 1 )
22
Total JKT rcn – 1
𝑟 𝑐 𝑛
2
𝑇. 2.
JKT = ∑ ∑ ∑ 𝑥𝑖𝑗𝑘 −
𝑟𝑐𝑛
𝑖=1 𝑗=1 𝑘=1
𝑟
∑𝑖=1 𝑇. 2. 𝑇. 2.
JKB = −
𝑐𝑛 𝑟𝑐𝑛
𝑐
∑ 𝑇.𝑗2 .
𝑗=1 𝑇. 2.
JKK = −
𝑟𝑛 𝑟𝑐𝑛
𝑟
∑𝑟𝑖=1 ∑𝑐𝑗=1 𝑇𝑖𝑗2 . ∑𝑖=1 𝑇. 2. ∑𝑐𝑗=1 𝑇.𝑗2 . 𝑇. 2.
JK(BK) = − − +
𝑛 𝑐𝑛 𝑟𝑛 𝑟𝑐𝑛
Contoh 2. Untuk data dalam tabel 1.4, digunakan taraf nyata 0.05 untuk menguji
hipotesis berikut:
(a) 𝐻0′ : tidak ada beda hasil gandum rata-rata untuk keempat jenis pupuk yang
digunakan;
(b) 𝐻0′′ : tidak ada beda hasil rata-rata untuk ketiga varitas gandum;
(c) 𝐻0′′′ : tidak ada interaksi antara jenis pupuk dan varitas gandum.
Jawab :
1. (a) 𝐻0′ : 𝛼1 = 𝛼2 = 𝛼3 = 𝛼4 = 0,
(b) 𝐻0′′ : 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0
(c) 𝐻0′′′ : (𝛼𝛽)11 = (𝛼𝛽)12 = ⋯ = (𝛼𝛽)43 = 0
2. (a) 𝐻1′ : sekurang-kurangnya satu 𝛼𝑖 tidak sama dengan nol
(b) 𝐻1′′ : sekurang-kurangnya satu 𝛽𝑖 tidak sama dengan nol
(c) 𝐻1′′′ : sekurang-kurangnya (𝛼𝛽)𝑖𝑗 tidak sama dengan nol
23
3. 𝛼 = 0.05
4. Wilayah kritik : (a) 𝑓1 > 3.01 (b) 𝑓2 > 3.40 (c) 𝑓3 > 2.51
5. Perhitungan : Dari Tabel 1.4 pertama-tama kita buat tabel total berikut :
𝑣1 𝑣2 𝑣3 Total
21102
JKT = 642 + 662 + . . . + 382 − 36
= 127448 – 123669 = 3779
= 771
24
Galat 1501 24 62.542 2.05
Total 3779 35
6. Keputusan:
(a) Tolak 𝐻0′ dan simpulkan bahwa ada perbedaan hasil rata-rata untuk keempat
jenis pupuk yang digunakan
(b) Terima 𝐻0′′ dan simpulkan bahwa tidak ada beda hasil rata-rata untuk ketiga
varitas gandum tersebut.
(c) Terima 𝐻0′′′ dan simpulkan bahwa tidak ada interaksi antara jenis pupuk yang
digunakan dengan varritas gandum tersebut.11
11
Ronald E. Walpole, Pengantar Statistika Edisi Ke-3, 404-411.
25
BAB III
PENUTUP
A. Kesimpulan
Analisis varians adalah suatu teknik statistik yang memungkinkan kita
untuk mengetahui apakah dua atau lebih mean populasi akan bernilai sama dengan
menggunakan data dari sempel – sempel masing – masing populasi. Analisis
varians ada dua macam yaitu analisis varians satu arah (One-Way ANOVA) dan
analisis varians dua arah (Two-Way ANOVA).
Dinamakan analisis varians satu arah, karena analisisnya menggunakan
varians dari data hasil pengamatan merupakan pengaruh satu faktor. Tujuan dari
uji anova satu jalur adalah untuk membandingkan lebih dari dua rata – rata.
Two way anava merupakan pengujian hipotesis komparatif untuk data
ordinal dari k sampel (lebih dari dua sampel) yang berkorelasi. Ada dua metode
yang digunakan yaitu two way anava tanpa interaksi dan two way anava dengan
interaksi.
26
DAFTAR PUSTAKA
Fajri Ismail. Statistika untuk Penelitian Pendidikan dan Ilmu – ilmi Sosial (Jakarta: Prenadamedia Group,
2018).
Hiranaldi. Prinsip – prinsip Statistik (Jakarta : Erlangga, 2005).
Soepeno, Bambang. Statistik Terapan : dalam Penelitian Ilmu – ilmu Sosial dan Pendidikan (Jakarta :
Rineka Cipta, 1997).
Walpole, Ronald E. Pengantar Statistika Edisi Ke-3 (Jakarta: PT. Gramedia Pustaka Utama, 1988).
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan (Yogyakarta: Deepublish, 2017).
27