ANALISIS VARIANS (ANOVA)

Makalah disusun untuk memenuhi tugas presentasi mata kuliah

Statistik Manajemen Pendididkan Islam

Dosen Pengampu:
DRS. Suparto, M.Pd.I
Disusun oleh Kelompok :
1. Tri Dewi Kusumawati (D03216036)
2. Anisa Agustina (D93216073)
3. Murwati Iftah (D93214081)

PROGRAM STUDI MANAJEMEN PENDIDIKAN ISLAM

JURUSAN PENDIDIKAN ISLAM
FAKULTAS TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM NEGERI SUNAN AMPEL SURABAYA
2019
 KATA PENGANTAR

‫بسم هللا الرحمن الرحيم‬

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.

Surabaya, 16 April 2019

Tim Penyusun

2
 DAFTAR ISI

KATA PENGANTAR ............................................................................................... 2

DAFTAR ISI ............................................................................................................. 3
BAB I PENDAHULUAN
A. Latar Belakang ............................................................................................... 4
B. Rumusan Masalah .......................................................................................... 4
C. Tujuan ............................................................................................................ 5
BAB II PEMBAHASAN
A. Konsep Analisis Varians................................................................................ 6
B. Analisis Varians Satu Arah (One-Way ANOVA) ........................................... 7
C. Analisis Varians Dua Arah (Two-Way ANOVA) ........................................... 13
BAB III PENUTUP
A. Simpulan ........................................................................................................ 26
DAFTAR PUSTAKA ................................................................................................ 27

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?

3. Bagaimana analisis varians dua arah (Two-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

A. Konsep Analisis Varians

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.1 Anova
(analysis of varians) atau sering disebut dengan istilah rasio F, merupakan teknik
analisis yang fungsinya hampir sama dengan teknik t-tes, yaitu untuk menguji
perbedaan mean (rata – rata) dari sampel. Kelebihan teknik ini dibandingkan
dengan teknik uji-t di dalam rancangan penelitian eksperimen, adalah untuk
menguji beda mean tidak berbatas pada dua mean sampel, akan tetapi dapat
digunakan untuk menguji lebih dari dua beda mean. Dengan demikian teknik ini
dapat dipakai dalam semua situasi yang cocok untuk uji-t (t-tes), di sisi lain teknik
ini dapat melakukan banyak hal yang tidak dapat dilakukan oleh uji-t.2
Dasar pemikiran penggunaan teknik ini, adalah bahwa varians total semua
objek suatu eksperimen dapat dianalisis dari dua sumber, yaitu variansi
antarkelompok (variance between groups) dan variansi di dalam kelompok
(variance within groups). Persyaratan penggunaan teknik ini sama dengan
persyaratan penggunaan teknik t-tes, yaitu sampel siambil secara random dari
populasi yang berdistribusi normal, datanya harus berskala interval atau rasio.
Di dalam perhitungan rasio – F variansi antar kelompok dimasukkan ke
dalam pembilang, sedangkan variansi di dalam kelompok dimasukkan ke dalam
penyebutnya atau error term. Dengan demikian, jika variansi antarkelompok
meningkat, maka angka rasio – F nya akan meningkat. Bila variansi di dalam
kelompok bertambah besar, maka angka rasio –F nya akan menurun.3
Karakteristik uji statistik Anava :4

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.

Beberapa persyaratan dan asumsi dalam menggunakan Anava menurut Triola

dalam buku Fajri adalah:5

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

B. Analisis Varians Satu Arah (One-Way ANOVA)

Dinamakan analisis varians satu arah, karena analisisnya menggunakan
varians dari data hasil pengamatan merupakan pengaruh satu faktor. Dari tiap
populasi secara independen kita ambil sebuah sampel acak, berukuran n₁ dari
populasi kesatu, n₂ dari populasi kedua dan seterusnya berukuran nₖ dari populasi
ke k. Data sampel akan dinyatakan dengan Yᵢⱼ yang berarti data ke-j dalam sampel
yang diambil dari populasi ke-i.6

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

6. Hitunglah derajat bebas antar group dengan rumus : 𝑑𝑏𝐴 = 𝐴 − 1

𝐽𝐾
7. Hitunglah kudrat rerata antar group (𝐾𝑅𝐴 ) dengan rumus : 𝐾𝑅𝐴 = 𝑑𝑏𝐴
𝐴

8. Hitunglah jumlah kuadrat dalam antar group (𝐽𝐾𝐷 ) dengan rumus :

(∑𝑋𝐴𝑖 )2
𝐽𝐾𝐷 = (∑𝑋𝜏 )2 − ∑ 𝑛𝐴𝑖

(∑𝑋𝐴1 )2 (∑𝑋𝐴2 )2 (∑𝑋𝐴3 )2

= ∑𝑋 2𝐴1 += ∑𝑋 2𝐴2 += ∑𝑋 2𝐴3 − ( + + )
𝑛𝐴1 𝑛𝐴2 𝑛𝐴3

9. Hitunglah derajat bebas dalam group dengan rumus : 𝑑𝑏𝐷 = 𝑁 − 𝐴

𝐽𝐾
10. Hitunglah kuadrat rerata dalam antar group (𝐾𝑅𝐷 ) dengan rumus : 𝐾𝑅𝐷 = 𝑑𝑏𝐷
𝐷

𝐾𝑅
11. Carilah 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus : 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐾𝑅𝐴
𝐷

12. Tentukan taraf signifikansinya, misalnya α = 0,05 atau α = 0,01

13. Cari 𝐹𝑡𝑎𝑏𝑒𝑙 dengan rumus : 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(1−𝛼)(𝑑𝑏𝐴,𝑑𝑏𝐷)
14. Buat Tabel Ringkasan Anova

7
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan, 118.
8
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan, 119.

8
 TABEL RINGKASAN ANOVA SATU ARAH

Sumber Jumlah Derajat Kuadrat 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 Taraf

Kuadrat
Varian bebas Rerata Signifikan
(SV) (JK) (db)
(KR) (𝜌)

Antar (∑𝑋𝐴𝑖 )2 𝐴−1 𝐽𝐾𝐴 𝐾𝑅𝐴 𝛼

∑ −
𝑛𝐴𝑖
group 𝑑𝑏𝐴 𝐾𝑅𝐷
(∑𝑋𝜏 )2
𝑁
(A)

Dalam (∑𝑋𝜏 )2 − 𝑁−𝐴 𝐽𝐾𝐷 - -

group (∑𝑋𝐴𝑖 )2 𝑑𝑏𝐷
∑ 𝑛𝐴𝑖
(D)

Total (∑𝑋𝜏 )2 𝑁−1 - - -

(∑𝑋𝜏 )2
−
𝑁

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

Izin belajar (A2) = 5, 6, 6, 7, 5, 5, 5, 6, 5, 6, 8, 7 = 12 orang

Umum (A3) = 6, 9, 8, 7, 8, 9, 6, 6, 9, 8, 6, 8 = 12 orang

Buktikan apakah ada perbedaan atau tidak?

9
Yulingga Nanda dan Wasis Himawanto, Statistik Pendidikan, 119 – 122.

9
Langkah-langka menjawab =

1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan

variannya homogen.
Hipotesis ( Ha dan Ho) dalam bentuk kalimat:
a. Ha: terdapat perbedaan yang signifikan antara mahasiswa tugas belajar, izin
belajar, dan umum
b. Ho: tidak ada perbedaan yang signifikan antara mahasiswa tugas belajar, izin
belajar, dan umum
2. Hipotesis Ha dan Ho dalam bentuk statistika :
Ha : A1 ≠ A2 = A3
Ho : A1 = A2 = A3
3. Daftar statistika induk
No. A1 A2 A3

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

Σx2 493 431 692 1616

4. Menghitung Jumlah Kuadat Antar Group (JKA)

(∑𝑋𝐴𝑖 )2 (∑𝑋𝜏 )2
JKA = −
𝑛𝐴𝑖 𝑁

732 712 902 2342

JKA =( + + )-
11 12 12 35

= 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 =F (1-0,05) (2.32)

F.tabel = F (0,95) (2.32)

F.tabel = 3,30

13. Tabel ringkasan anova

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

Hasil gandum, dalam kilogram per petak

Varians Jenis Pupuk

gandum
Jenis 1 Jenis 2 Jenis 3 Total

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 ∑(𝑥.𝑗 − 𝑥̅ . . ) + ∑ ∑(𝑥𝑖𝑗 − 𝑥̅𝑖. − 𝑥̅.𝑗 + 𝑥̅. . )2

2

𝑗=1 𝑖=1 𝑗=1

Identitas jumlah kuadrat ini secara ringkas dapat dituliskan sebagai

JKT = JKB + JKK +JKG

Sedangkan dalam hal ini

𝑟 𝑐
2
JKT = ∑ ∑(𝑥𝑖𝑗 − 𝑥̅ . . ) = jumlah kuadrat total,
𝑖=1 𝑗=1

JKB = c ∑(𝑥𝑖. − 𝑥̅ . . )2 = jumlah kuadrat bagi nilai tengah baris,

𝑖=1

JKK = 𝑟 ∑(𝑥.𝑗 − 𝑥̅ . . )2 = jumlah kuadrat bagi nilai tengah kolom,

𝑗=1

𝑟 𝑐

JKG = ∑ ∑(𝑥𝑖𝑗 − 𝑥̅𝑖 . − 𝑥̅ .𝑗 + 𝑥̅. . )2 = jumlah kuadrat galat.

𝑖=1 𝑗=1

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)

Yang bersifat takbiasa bagaimanapun kebenaran hipotesis nolnya.

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

𝑓1 > 𝑓𝛼 [𝑟 − 1, (𝑟 − 1)(𝑐 − 1)]

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

𝑓2 > 𝑓𝛼 [𝑐 − 1, (𝑟 − 1)(𝑐 − 1)]

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.

(r - 1)(c - 1) = (rc - 1) – (r - 1) – (c - 1).

Rumus hitung bagi keempat jumlah kuadrat tersebut diberikan di bawah ini.

𝑟 𝑐
2 𝑇.2.
JKT = ∑ ∑ 𝑥𝑖𝑗 − ,
𝑟𝑐
𝑖=1 𝑗=1

∑𝑟𝑖=1 𝑇𝑖2. 𝑇.2.

JKB = −
𝑐 𝑟𝑐

∑𝑐𝑗=1 𝑇.𝑗2 𝑇.2.

JKK = −
𝑟 𝑟𝑐

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

Sumber Jumlah Derajat Bebas Kuadrat Tengah f Hitung

Keragaman Kuadrat

Nilai JKB r–1 JKB 𝑠12

𝑠12 = 𝑓1 =
Tengah 𝑟−1 𝑠32
Baris

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

1. (a) 𝐻0′ : 𝛼1 = 𝛼2 = 𝛼3 = 𝛼4 = 0, (pengaruh baris nol),

(b) 𝐻0′′ : 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 0 (pengaruh kolom adalah nol).
2. (a) 𝐻1′ : sekurang-kurangnya satu 𝛼𝑖 tidak sama dengan nol
(b) 𝐻1′′ : sekurang-kurangnya satu 𝛽1 tidak sama dengan nol
3. 𝛼 = 0.05
4. Wilayah kritik : (a) 𝑓1 > 4.76, (b) 𝑓2 > 5.14
5. Perhitungan
7202
JKT = 642 + 552 + … + 532 − = 662 ,
12

2102 + 1592 + 1832 + 1682 7202

JKB = − = 498 ,
3 12

2362 + 2522 + 2322 7202

JKK = − = 56 ,
4 12

JKG = 662 – 498 – 56 = 108

Hasil itu serta sedikit perhitungan lainnya dicantumkan dalam tabel di bawah ini

17
 TABEL 1.3

Analisis Ragam bagi Dua dalam Tabel

Sumber Jumlah Derajat bebas Kuadrat f Hitung

keragaman kuadrat tengah

Nilaitengah 498 3 166 9.22

Baris

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

Hasil Gandum dari Percobaan dengan Tiga Ulangan

Jenis Varitas Gandum

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

Sedangkan dalam hal ini

𝑟 𝑐 𝑛
2
JKT = ∑ ∑ ∑(𝑥𝑖𝑗 − 𝑥̅ . . ) = jumlah kuadrat total,
𝑖=1 𝑗=1 𝑘=1

JKB = cn ∑(𝑥̅𝑖. − 𝑥̅ . . )2 = jumlah kuadrat bagi nilai tengah baris,

𝑖=1

JKK = 𝑟𝑛 ∑(𝑥̅.𝑗 − 𝑥̅ . . )2 = jumlah kuadrat bagi nilai tengah kolom,

𝑗=1

𝑟 𝑐

JK(BK) = 𝑛 ∑ ∑(𝑥̅𝑖𝑗. − 𝑥̅𝑖.. − 𝑥̅.𝑗. + 𝑥̅. . . )2 = jumlah kuadrat galat.

𝑖=1 𝑗=1

𝑛 2
JKG = ∑𝑟𝑖=1 ∑𝑐𝑗=1 ∑ (𝑥𝑖𝑗𝑘 − 𝑥̅ 𝑖𝑗. ) = jumlah kuadrat galat
𝑘=1

Banyaknya derajat bebas juga diuraikan menurut identitas

rcn – 1 = (r – 1) + (c – 1) + (r – 1)( c – 1) + rc(n – 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.

Adanya interaksi dalam suatu percobaan dapat menyembunyikan atau menutupi

beda yang nyata antar pengaruh baris atau pengaruh kolom.Karena alasan inilah maka
setiap uji yang menghasilkan penerimaan hipotesis tersebut dianggap tidak sah bila
interaksi nyata.

Hasil perhitungan dalam massalah analisis ragam bagi klasifikasi dua-arah

dengan beberapa pengamatan per sel biasanya diringkaskan seperti dalam Tabel 1.5

TABEL 1.5.

Analisis Ragam bagi Klasifikasi Dua-Arah dengan Interaksi

Sumber Jumlah
Derajat Bebas F
Keragaman Kuadrat Kuadrat Tengah
(db) Hitung
(SK) (JK)

Nilai JKB JKB 𝑓1

r–1 𝑠12 =
tengah 𝑟−1 𝑠12
Baris = 2
𝑠4

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

Jumlah-jumlah kuadrat di atas biasanya diperoleh melalui rumus hitung berikut :

Rumus Hitung Jumlah Kuadrat

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

JKG = JKT - JKB JKK JK(BK)

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

𝑡1 200 217 190 607

𝑡2 186 152 172 510

𝑡3 192 196 139 527

𝑡4 145 171 150 466

Total 723 736 651 2110

21102
JKT = 642 + 662 + . . . + 382 − 36
= 127448 – 123669 = 3779

6072 + 5102 + 5272 + 4662 21102

JKB = −
9 36
= 124.826 – 123.669 = 1157

7232 + 7362 + 6512 21102

JKK = −
12 36

= 124.019 – 123.669 = 350

2002 + 1862 + . . .+ 1502

JK (BK) = – 124.826 – 124.019 + 123.669
3

= 771

JKG = 3779 – 1157 – 350 – 771 = 1501

Sumber Keragaman Jumlah Derajat Bebas Kuadrat F hitung

Kuadrat Tengah
Nilai tengah baris 1157 3 385.667 6.17
Nilai tengah kolom 350 2 175.000 2.80
Interaksi 771 6 128.500

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