BAB I

PENDAHULUAN

A. Latar Belakang

Kita ketahui bahwa kumpulan hasil pengamatan mengenai sesuatu hal, skor
hasil belajar siswa, berat bayi yang baru lahir misalnya, nilai datanya bervariasi dari
yang satu dengan yang lain. Karena adanya 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 penaksiran dan pengujian hipotesis mengenai parameter.

Varians untuk sekumpulan data melukiskan derajat perbedaan atau variasi

nilai data individu yang ada dalam kelompok data tersebut. Secara umum varians
dapat digolongkan ke dala varians sistematik dan varians galat. Varians sistematik
adalah pengukuran karena adanya pengaruh yang menyebabkan skor atau nilai data
lebih condong ke satu arah tertentu dibandingkan ke arah lain.

Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian
adalah varians antar kelompok atau disebut juga varians eksperimental. Varians ini
menggambarkan adanya perbedaan antara kelompok-kelompok hasil pengukuran.
Dengan demikian varians ini terjadi karena adanya perbedaan antara kelompok-
kelompok individu. (Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).

Jika uji kesamaan dua rata-rata atau uji t digunakan untuk mencari perbedaan
atau persamaan dua rata-rata, maka uji beberapa rata-rata digunakan untuk mencari
perbedaan atau persamaaan beberapa rata-rata. Uji ini disebut dengan nama
analysis of variance (anova atau anava).

Sebenarnya uji t dapat juga digunakan untuk menguji beberapa rata-rata

secara bertahap. Misalnya ada tiga rata-rata yaitu: I,II, dan III. Agar uji t dapat
dipakai maka mula-mula dicari I dengan II,kemudian I dengan III, dan akhirnya II
dengan III. Dengan demikian kita tiga kali menggunakan uji t.Namun,pengujian
lebih tepat apabila menggunakan beberapa rata-rata . Sebab:

1
a. setiap kali kita menggunakan uji t,maka akan terjadi kesalahan atau
penyimpanan sebesar sebesar (1-α)k, di mana k = sekian kali menggunakan uji
t.Seandainya kita 3x menggunakan uji t,dengan α = 0,05,maka akan terjadi
kesalahan atau penyimpangan sebesar (1-0,05)3 = 0,14 atau jika α = 0,01 akan
terjadi kesalahan sebesar (1-0,01)3 = 0,999;
b. banyak uji t digunakan dengan rumus:
𝑛(𝑛 − 1)
2

Seandainya ada empat rata-rata (n = 4),maka banyak uji t dilakukan adalah:

4(4 − 1)
=6
2

Sebelum uji kesamaan beberapa rata-rata dilakukan, maka persyaratannya

haruslah dipenuhi terlebih dahulu. Persyaratan uji beberapa rata-rata sama halnya
dengan uji kesamaan dua rata-rata yaitu data dipilih secara acak,data berdistribusi
nomal, dan datanya homogen. (Usman,Husaini.2006.Pengantar Statistika.
Jakarta:PT Bumi Aksara)

Dalam makalah ini akan dibahas lebih jauh tentang analisis varians. Maka
itu dalam melaksanakan tugas KKNI, penulis membandingkan dua buku untuk
membahas bab tentang analisis varians, sebagai bahan untuk menambah wawasan
penulis, dan mengetahui diantara kedua buku, buku mana yang lebih mudah
dipahami.

B. Rumusan Masalah
- Apakah yang dimaksud dengan analisis varians?
- Buku mana yang lebih mudah dipahami?

C. Tujuan
- Mengetahui yang dimaksud dengan analisis varians
- Mengetahui buku mana yang lebih mudah dipahami.

2
 D. Identitas Buku
1. BUKU PERTAMA

Judul Buku : Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan

Nama Pengarang : Walpole

Nama Penerbit : ITB

Kota Terbit : Bandung

Ketebalan Buku : 1225

Tahun Terbit : 1995

Edisi : Ke-empat

ISBN : 979-9299-45-4

2. BUKU KEDUA

Judul Buku : STATISTIK: Konsep Dasar & Aplikasinya

Nama Pengarang : Prof. Dr. H. Agus Irianto

Nama Penerbit : Kencana

Kota Terbit : Jakarta

Ketebalan Buku : 299

Tahun Terbit : 2006

Edisi : Pertama Cetakan ke 3

ISBN : 979-3465-45-X

3
 BAB II

RINGKASAN ISI BUKU

RINGKASAN BUKU PERTAMA:

Analisis variansi berarti suatu teknik untuk menganalisis atau menguraikan

seluruh (total) variasi atas bagian-bagian yang bermakna.

Hipotesis nol bahwa rataan ke k populasi sama lawan tandingan bahwa paling
sedikit dua dari rataan ini tidak sama sekarang diganti dengan hipotesis yang
setara.

𝐻0 : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑘 = 0

𝐻1 : 𝑃𝑎𝑙𝑖𝑛𝑔 𝑠𝑒𝑑𝑖𝑘𝑖𝑡 𝑠𝑎𝑡𝑢 𝛼1 𝑦𝑎𝑛𝑔 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑚𝑎 𝑑𝑒𝑛𝑔𝑎𝑛 𝑛𝑜𝑙.

Uji yang akan dipakai didasarkan pada perbandingan dua taksiran bebas dari
kesamaan variansi populasi 𝜎 2 .

Kedua taksiran tersebut diperoleh dengan menguraikan total variasi data,

diusahakan oleh penjumlahan ganda

𝑘 𝑛
2
∑ ∑(𝑦𝑖𝑗 − 𝑦̅. . ) 𝑚𝑒𝑛𝑗𝑎𝑑𝑖 𝑑𝑢𝑎 𝑘𝑜𝑚𝑝𝑒𝑛𝑒𝑛
𝑖=1 𝑗=1

Teorema 11.1

Identitas Jumlah Kuadrat

𝑘 𝑛 𝑘 𝑘 𝑛
2 2
∑ ∑(𝑦𝑖𝑗 − 𝑦̅. . ) = 𝑛 ∑(𝑦̅.𝑖 −𝑦̅. . )2 + ∑ ∑(𝑦𝑖𝑗 − 𝑦̅. )
𝑖=1 𝑗=1 𝑖=1 𝑖=1 𝑗=1

Bukti

𝑘 𝑛 𝑘 𝑛
2 2
∑ ∑(𝑦𝑖𝑗 − 𝑦̅. . ) = ∑ ∑[(𝑦̅𝑖𝑗 − 𝑦̅. . ) + (𝑦𝑖𝑗 − 𝑦̅. )]^2
𝑖=1 𝑗=1 𝑖=1 𝑗=1

𝑘 𝑛
2
= ∑ ∑[(𝑦̅1 . −𝑦̅. . )2 + 2( (𝑦̅1 . −𝑦̅. . )(𝑦𝑖𝑗 − 𝑦̅𝑖 . ) + (𝑦𝑖𝑗 − 𝑦̅𝑖 . ) ]
𝑖=1 𝑗=1

4
 𝑘 𝑛 𝑘 𝑛 𝑘 𝑛

= ∑ ∑(𝑦̅𝑖 . −𝑦̅. . ) + 2 ∑ ∑(𝑦̅𝑖 . −𝑦̅. . ) ( ∑ ∑( 𝑦𝑖𝑗 − 𝑦̅𝑖 . )2 .

2

𝑖=1 𝑗=1 𝑖=1 𝑗=1 𝑖=1 𝑗=1

Suku yang ditengah sama dengan nol karena

𝑛 𝑛 𝑛
∑𝑛𝑗=1 𝑦𝑖𝑗
∑(𝑦𝑖𝑗 − 𝑦̅𝑖 . ) = ∑ 𝑦𝑖𝑗 − 𝑛𝑦̅𝑖 . = ∑ 𝑦𝑖𝑗 − 𝑛 =0
𝑛
𝑗=1 𝑗=𝑖 𝑗=1

Jumlah yang pertama tidak mengandung indeks j, jadi dapat ditulis

𝑘 𝑛 𝑘

∑ ∑(𝑦̅𝑖 . −𝑦̅. .)2 = 𝑛 ∑( 𝑦̅𝑖 . −𝑦̅. . )2

𝑖−1 𝑗=1 𝑖=1

sehingga

𝑛 𝑘 𝑘 𝑛
2 2
∑(𝑦𝑖𝑗 − 𝑦̅𝑖 . ) = 𝑛 ∑(𝑦̅𝑖 − 𝑦̅ . . ) + ∑ ∑(𝑦𝑖𝑗 − 𝑦̅.𝑖 )
𝑗=1 𝑗=1 𝑖=1 𝑗=1

Agar memudahkan penggunaannya maka suku identitas jumlah kuadrat akan

ditandai dengan lambang berikut

𝑘 𝑛
2
𝐽𝐾𝑇 = ∑ ∑(𝑦𝑖𝑗 − 𝑦̅. . ) = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝑇𝑜𝑡𝑎𝑙
𝑖=1 𝑗=1

𝐽𝐾𝐴 = 𝑛 ∑(𝑦̅𝑖 . −𝑦̅. . )2 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛

𝑖=1

𝑘 𝑛
2
𝐽𝐾𝐺 = ∑ ∑(𝑦𝑖𝑗 − 𝑦̅𝑖 . ) = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝐺𝑎𝑙𝑎𝑡
𝑖−1 𝑗=1

Identitas jumlah kuadrat jadinya dapat ditulis

𝐽𝐾𝑇 = 𝐽𝐾𝐴 + 𝐽𝐾𝐺

Identitas diatas menyatakan bahwa variasi antar perlakuan dalam perlakuan

dijumlahkan menjadi jumlah kuadrat total. Akan tetapi, pemahaman lebih
mendalam dapat diperoleh dengan menyelidiki nilai harapan dari JKA dan JKG.

5
Kemudian akan diturunkan taksiran variansi yang merumuskan nisbah yang akan
digunakan untuk menguji kesamaan dari rataan populasi

Perlu dibandingkan ukuran variansi antara perlakuan yang sesuai dengan variasi
dalam perlakuan agar dapt ditemukan perbedaan yang berarti dalam dalam
pengamatan akibat pengaruh perlakuan. Perhatikanlah nilai harapan jumlah kuadrat
perlakuan

Teorema 11.2

𝐸(𝐽𝐾𝐴) = (𝑘 − 1)𝜎 + 𝑛 ∑ 𝛼𝑖2 .

2

𝑖=1

Salah satu taksiran 𝜎 2 yang didasarkan pada 𝑘 − 1 derajat kebebasan diberikan oleh

𝐽𝐾𝐴
𝑅𝑎𝑡𝑎𝑎𝑛 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝑃𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 𝑠12 =
𝑘−1

Bila 𝐻0 benar dan tiap 𝛼𝑖 pada teorena 11.2 sama dengan nol, maka

𝐽𝐾𝐴
𝐸( ) = 𝜎2
𝑘−1

Dan 𝑠12 merupakan taksiran 𝜎 2 yang tak bias. Akan tetapi, bila 𝐻1 yang benar, maka

𝐽𝐾𝐴 𝑛 ∑𝑘𝑖=1 𝛼𝑖2

𝐸( ) = 𝜎2 +
𝑘−1 𝑘−1

Dan 𝑠12 menaksir 𝜎 2 ditambah suatu suku tambahan mengukur variasi akibat
pengaruh yang sistematik.

Taksiran 𝜎 2 yang kedua dan bebas dari hipotesis didasarkan pada 𝑘(𝑛 − 1) derajat
kebebasan, ialah rumus yang telah dikenal, yaitu

𝐽𝐾𝐺
𝑅𝑎𝑡𝑎𝑎𝑛 𝐾𝑢𝑎𝑑𝑟𝑎𝑡 𝐺𝑎𝑙𝑎𝑡 𝑠 2 =
𝑘(𝑛 − 1)

Taksiran 𝑠 2 tak bias, terlepas apakah hipotesis nol benar atau salah. Perlu dicatat
bahwa identitas jumlah kuadrat tidak saja menguraikan keragaman total data, tapi
juga jumlah semua derajat kebebasan. Dengan perkataan lain

𝑛𝑘 − 1 = 𝑘 − 1 + 𝑘(𝑛 − 1)

6
Bila 𝐻0 benar, nisbah

𝑠12
𝑓=
𝑠2

Merupakan suatu nilai peubah acak F yang berdistribusi-F dengan derajat

kebebasan 𝑘 − 1 dan 𝑘(𝑛 − 1). Karena 𝑠12 menaksir 𝜎 2 bila 𝐻0 salah, maka
diperoleh uji ekasisi dengan daerah kritis seluruhnya terletak disebelah ujung kanan
fungsi distribusi. Hipotesis nol 𝐻0 ditolak pada taraf keberartian 𝛼 bila

𝑓 > 𝑓𝛼 [𝑘 − 1, 𝑘(𝑛 − 1)]

Pendekatan lain, yaitu nilai-P, menyarankan bahwa kenyataan yang mendukung

atau melawan 𝐻0 diberikan oleh

𝑃 = 𝑃[𝐹(𝑘 − 1 , 𝑘(𝑛 − 1 )] > 𝑓]

7
RINGKASAN BUKU KEDUA:

ANOVA (Analysis Of Variances) adalah cara analisis yang mengandung

kesalahan lebih kecil dan dapat menghemat waktu serta tenaga. Sebelum
melakukan analisis lebih lanjut perlu kita sadari dari awal kondisi tersebut, karena
pola sampel akan berpengaruh terhadap pengujian hipotesis yang akhirnya
berpengaruh terhadap kesimpulan yang diambil.

Pada dasarnya pola sampel dapat dikelompokkan menjadi dua kelompok,

yaitu :

1. Seluruh sampel, yang berada pada kelompok pertama dan dikelompok lainnya
berasal dari populasi yang sama. Untuk kondisi ini hipotesis nol terbatas pada
tidak ada efek dari treatment (perlakuan).
2. Sampel yang berada pada kelompok pertama berbeda dengan sampel yang
berada dikelompok lainnya. Hipotesis nol berbunyi : tidak ada perbedaan efek
treatment antar kelompok.

ANOVA berkaitan dengan pengujian hipotesis yang multipel (ganda), maka

perhitungannya lebih kompleks daripada t tes. Pada saat melakukan pengujian
hipotesis (perbedaan dua rata-rata) dengan menggunakan t tes selalu menanggung
kesalahan tipe I sebesar alpha. Untuk ANOVA kesalahan tipe I disebut dengan
experiment wise alpha level yang besarnya:

1 − (1 − 𝛼)𝑁

N: Banyaknya tes jika menggunakan t tes (dilakukan satu persatu)

Misalnya : Pengujian rata-rata dari 5 kelompok sampel. Jika diambil alpha sebesar
0,05 maka dengan penggunaan t tes besrnya risiko kesalahan tipe I untuk sekali
pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung kesalahan
tipe I sebesar 0,50. Apabila kita menggunakan ANOVA kesalahan tipe I yang harus
ditanggung adalah :

1 − (1 − 0,05)10 = 0,40

8
 Dengan menggunakan gabungan alpha (karena pengujian bersama) maka
risiko kesalahan tipe I semakin kecil. Ini berarti pengujian bersama lebih baik dari
pada pengujian satu persatu.

Melalui perbandingan sederhana diatas maka dapat diketahui pengertian

ANOVA adalah teknik analisis statistik yang dapat memberi jawaban atas ada
tidaknya perbedaan skor pada masing-masing kelompok (khususnya untuk
kelompok yang banyak), dengan suatu risiko kesalahan yang sekecil mungkin.
ANOVA dapat membedakan antar banyak kelompok, memberi informasi tentang
ada tidaknya interaksi antar variabel bebas sehubungan dengan pengukuran
terhadap variabel terikat. Jika variabel bebas berdistribusi kontinu atau berskala
interval maupun ratio, maka langkah awal yang harus dilakukan peneliti adalah
mengubah data tersebut menjadi ketegorikal.

Hipotesis dalam ANOVA membandingkan rata-rata dari beberapa populasi

yang diwakili oleh beberapa kelompok sampel secara bersamaan . Misalnya
hipotesis matematika untuk 5 kelompok adalah:

𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5

𝐻1 : 𝑆𝑎𝑙𝑎ℎ 𝑠𝑎𝑡𝑢 𝜇 𝑡𝑖𝑑𝑎𝑘 𝑠𝑎𝑚𝑎

MACAM-MACAM ANOVA

1. 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)
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa
independent variabel (variabel bebas). Kondisi ini yang sering disebut dengan
two factor experiment (analisis variance dua arah).

9
Contoh model ANOVA yang mungkin ditemui :

1. Single factor experiment :

A B C D
Sampel Sampel Sampel Sampel

2. Two factor experiment

JENIS L Sampel Sampel Sampel

KELAMIN P Sampel Sampel Sampel

VARIABILITAS ANOVA DAN PENGUJIANNYA

Ukuran yang baik untuk melihat variabilitas adalah simpangan baku maupun
variance. Oleh karena itu, pengujian disini didasarkan pada variance.

Pengukuran total variabilitas data yang ada dapat dikelompokkan menjadi 3(tiga)
bagian :

1. Variabilitas antar kelompok (between treatments variability)

Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya. Variansi
lebih terpengaruh adanya perbedaan perlakuan antar kelompok, singkat 𝑆𝑆𝑏 .
2. Variabilitas dalam kelompok (within treatments variability)
Variansi yang ada dalam masing-masing kelompok. Banyaknya variansi akan
tergantung pada banyaknya kelompok dan tidak terpengaruh oleh perbedaan
perlakuan antar kelompok, disingkat 𝑆𝑆𝑤 .
3. Jumlah kuadrat penyimpangan total ( Total sum of squares)
Jumlah kuadrat selisih antara skor individual dengan rata-rata totalnya,
disingkat 𝑆𝑆𝑡 .

10
 Jumlah kuadrat antar kelompok (𝑆𝑆𝑏 ) Rumus 9.1 dan 9.2:
(∑ 𝑋̅ )2
𝑆𝑆𝑏 = 𝑛 {∑ ̅̅̅̅
𝑋2 − }
𝑘

atau

𝑇2 𝐺2
𝑆𝑆𝑏 = ∑ −
𝑛 𝑁

Keterangan :

k : Banyaknya kelompok

T : Total X masing-masing kelompok

G : Total X keseluruhan

n : Jumlah sampel masing-masing kelompok

N : Jumla sampel keseluruhan

 Jumlah kuadrat dalam kelompok digunakan rumus 9.3

𝑆𝑆𝑤 = 𝑆𝑆𝑚𝑘

𝑆𝑆𝑚𝑘 adalah jumlah kuadrat simpangan masing-masing kelompok .

 Jumlah kuadrat total digunakan rumus 9.4 dan 9.5

𝐺2
𝑆𝑆𝑡 = ∑ 𝑋 2 −
𝑁

atau

𝑆𝑆𝑡 = 𝑆𝑆𝑏 + 𝑆𝑆𝑤

Apabila kita mengamati skor pada masing-masing kelompok ada

perbedaan, maka langkah selanjutnya adalah mempertanyakan kenapa terjadi
perbedaan antar mereka.

Derajat kebebasan (degrees of fredom) dalam ANOVA akan sebanyak

variabilitas. Karena variabilitas ada tiga maka derajat kebebasan pun ada tiga
macam.

11
1. Derajat kebebasan untuk 𝑆𝑆𝑡 sebesar 𝑁 − 1
2. Derajat kebebasan untuk 𝑆𝑆𝑤 = 𝑁 − 𝑘
Keterangan :
k adalah banyaknya kelompok
n adalah jumlah sampel keseluruhan

3. Derajat kebebasan untuk 𝑆𝑆𝑏 sebesar 𝑘 − 1, hal ini disebabkan karena dk disini
terikat dengan banyaknya kelompok seperti halnya 𝑆𝑆𝑏 .

Derajat kebebasan juga mempunyai sifat hubungan yang sama dengan sifat
hubungan variabel.

Jika : 𝑆𝑆𝑡 = 𝑆𝑆𝑏 + 𝑆𝑆𝑤

Maka : dk 𝑆𝑆𝑡 = 𝑑𝑘 𝑆𝑆𝑏 + 𝑑𝑘 𝑆𝑆𝑤

Langkah selanjutnya adalah mencari variance antar kelompok dan dalam

kelompok. Variance dalam ANOVA sering disebut dengan deviasi rata-rata
kuadrat (mean squared deviation) dan sering disingkat MS.

𝑆𝑆
𝑀𝑆 =
𝑑𝑘

𝑆𝑆𝑏
𝑀𝑆𝑏 =
𝑑𝑘 𝑆𝑆𝑏

𝑆𝑆𝑤
𝑀𝑆𝑤 =
𝑑𝑘 𝑆𝑆𝑤

Untuk 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 :

𝑀𝑆𝑏
𝐹=
𝑀𝑆𝑤

Apabila F hitung sudah ditemukan maka langkah berikutnya adalah melihat

F tabel kemudian membandingkan antar F hitung dengan Ftabel. Untuk melihat
Ftabel diperlukan alpha dan dk. Dk yang dibutuhkan untuk melihat tabel F ada 2
(dua) macam, yaitu dk 𝑆𝑆𝑏 dan 𝑑𝑘 𝑆𝑆𝑤 .

12
 Dalam tabel F, dk SS 𝑏 sebagai pembilang (kolom atas dari kiri ke kanan),
sedangkan dk 𝑆𝑆𝑤 merupakan penyebut (kolom kiri dari atas kelompok bawah).
Perpotongan antara 𝑑𝑘 𝑆𝑆𝑏 dan 𝑑𝑘 𝑆𝑆𝑤 merupakan titik kritis penerimaan hipotesis
nol.

Apabila F hitung lebih besar daripada Ftabel, maka kita akan menolak hipotesis nol.
Sebaliknya, jika F hitung sama dan atau lebih kecil daripada Ftabel, maka kita akan
menerima hipotesis nol.

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 tiap kelompok kecil dan tidak pula diatasi
dengan jalan melakukan transformasi.

2. Kesamaan Variansi

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. Jika 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.

3. Pengamatan Bebas

Sampel diambil secara acak (random), sehingga setiap pengamatan merupakan

informasi bebas. Asumsi ini tidak dapat ditawar lagi, dengan kata lain tidak ada cara
untuk mengatasi asumsi ini.

13
 Asumsi-asumsi diatas hendaknya dipenuhi oleh data yang akan dianalisis
dengan ANOVA. Ketidakterpenuhinyan asumsi ini dapat menimbulkan kesimpulan
yang salah.

ANOVA SATU ARAH DENGAN RANK

Jika data berskala ordinal, maka masalah normalitas tidak lagi menjadi
persyaratan. Hal ini disebabkan karena asumsi yang dipakai disini, bahwa data
sampel dari populasi yang berdistribusi frekuensi. ANOVA satu arah untuk
menghadapi data berskala ordinal adalah Kruskal-Walles.

Kruskal-Walles menggunakan asumsi bahwa masing-masing kelompok

sampel diambil dari populasi yang sama. Distribusi Kruskal-Walles (H) dapat
ditaksir melalui distribusi chi-square dengan derajat kebebasan sebesar 𝑘 − 1 .
Kruskal-Walles dapat dihitung dengan :

12 𝑆12 𝑆22 𝑆32

𝐻= ( + + ) − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1 𝑛2 𝑛3

Keterangan :

S adalah jumlah rank

n adalah jumla keseluruhan

Langkah-langkah pengujian hipotesis dengan skala ordinal :

1. Menyusun hipotesis
𝐻0 ∶ Tidak ada perbedaan antar kelompok
𝐻1 ∶ Ada kelompok tidak sama dengan kelompok lainnnya.
2. Menyusun rank.
Keseluruhan data diurutkan, bisa dari kelompok yang terbesar atau sebaliknya
tergantung pada rank yang diukur. Angka rank terkecil merupakan nilai
tertinggi. Apabila terdapat persamaan pada individu skor , maka rank
merupakan nilai tengahnya.
3. Menghitung Kruskal-Walles.
4. Membandingkan hasil perhitungan H dengan tabel (chi-square distribusi)
berdasarkan alpha dan derajat kebebasan = 𝑘 − 1.

14
5. Mengambil kesimpulan yaitu akan menerima hipotesis nol apabila H sama
dengan atau lebih kecil daripada nilai tabel, sebaliknya tolak hipotesis nol jika
lebih besar daripada nilai tabel.

ANOVA PENGUKURAN ULANG

Dengan melakukan pengujian / pengukuran yang berulang-ulang kita dapat

mengetahui perkembangan perilaku/ kemampuan subjek penelitian atas efek
eksperimen.

Sumber variabilitas yang mempengaruhi variabilitas antar kelompok adalah :

1. Efek eksperimen

2. Kesalahan eksperimen.

Sumber variabilitas antar kelompok tanpa pengulangan pengukuran terdiri dari:

1. Efek eksperimen

2. Kesalahan eksperimen.

3. Perbedaan individual.

Sumber variabilitas dalam kelompok tetap sama, yaitu:

1. Perbedaan individu (between subject variability)

2. Kesalahan eksperimen (error variability)

Dengan memperhatikan sumber-sumber variabilitas tersebut maka Fhitung

akan sama (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 sebelumnya.

15
Hal yang perlu ditambahkan adalah sum squares between subjects:

𝑃2 𝐺 2
𝑆𝑆𝑏𝑠 = ∑ −
𝑋 𝑁

Keterangan:

k = banyak kali pengukuran

p = jumlah skor setiap individu untuk k kali pengukuran. 𝑆𝑆𝑤 = 𝑆𝑆𝑏𝑠 + 𝑆𝑆𝑒

Mengingat kita dapat menghitung 𝑆𝑆𝑤 , dan dapat menghitung 𝑆𝑆𝑏𝑠 , maka 𝑆𝑆𝑒 dapat
dihitung dengan persamaan 𝑆𝑆𝑒 = 𝑆𝑆𝑤 − 𝑆𝑆𝑏𝑠 .

Atau dapat dihitung melalui rumus :

𝑇2 𝑃2 𝐺 2
𝑆𝑆𝑒 = ∑ 𝑋 2 − ∑ −∑ +
𝑛 𝑘 𝑁

Derajat kebebasan untuk 𝑆𝑆𝑡 , 𝑆𝑆𝑏 , 𝑑𝑎𝑛 𝑆𝑆𝑤 sama dengan perhitungan sebelumnya.
Sedangkan dk 𝑆𝑆𝑏𝑠 = 𝑛 − 1; 𝑑𝑘 𝑆𝑆𝑒 = (𝑁 − 𝑘) − (𝑛 − 1).

Variance yang dibutuhkan untuk menghitung F ada 2 (dua ), yaitu:

𝑀𝑆𝑏 : 𝑆𝑆𝑏 : 𝑑𝑘 𝑆𝑆𝑏

𝑀𝑆𝑒 : 𝑆𝑆𝑒 : 𝑑𝑘 𝑆𝑆𝑒

Dengan demikian Fhitung = 𝑀𝑆𝑏 : 𝑀𝑆𝑒

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 subject relatif tetap pada posisinya.

16
 BAB III

PEMBAHASAN

A. KELEBIHAN DAN KEKURANGAN BUKU PERTAMA

Berdasarkan hasil pemahaman pembaca, buku pertama dalam penyampaian

materi sedikit sulit untuk dipahami, karena pada buku ini bab pada analisis varians
merupakan bab lanjutan dari analisis regresi maka dibab itu ada mengungkit-ungkit
tentang materi regresi, pembaca belum memahami tentang analisis regresi maka
dari itu membuat pembacabingung saat membacanya. Untuk kelebihan dari buku
ini setiap teorema ada pembuktiannya, karena ada pembuktian teorema membuat
pembaca mengerti didapat dari mana rumus tersebut. Dan setiap setelah pembuktian
teorema tersebut memiliki contoh soal dari pembahasan teorema tersebut. Di akhir
bab selalu memuat soal-soal latihan.

B. KELEBIHAN DAN KEKURANGAN BUKU KEDUA

Pada buku ini dijelaskan terlebih dahulu secara jelas tentang analisis
variansnya, buku ini lebih mudah dipahami dari segi kata-katanya. Buku ini
mencontohkan secara umum contoh model anova yang mungkin ditemui. Setiap
rumus yang di paparkan tidak memiliki pembuktian rumus tersebut. Jadi, pembaca
tidak mengetahui cara mendapatkan rumus tersebut, sebagai mahasiswa
matematika pembaca harus mengetahui bagaimana rumus itu didapat bukan hanya
bisa menyelesaikan soal saja. Pada buku ini memiliki contoh soal yang membuat
pembaca dapat memahami bagaimana menyelesaikan soal analisis varians. Dan
pada akhir bab memiliki latihan soal.

17
 BAB IV

KESIMPULAN DAN SARAN

Dari hasil analis yang dilakukan, didapati bahwa masing-masing buku

memiliki kelebihan dan kekurangan tersendiri. Untuk teori dan penjelasan yang
beserta teorema sangat di sarankan untuk membaca buku kedua, tetapi buku kedua
saja yang dimiliki tidak cukup untuk menambah wawasan mahasiswa, untuk itu
kedua buku sangat disarankan untuk dimiliki sebagai tambahan dalam menambah
wawasan. Maka dari itu kedua buku ini cocok untuk digunakan mahasiswa sebagai
panduan dan pedoman untuk menambah wawasan tentang Analisis Varians. Setelah
dilakukan analisis penulis menemukan beberapa kekurangan dari masing-masing
buku diatas. Sehingga penulis menyarankan agar diadakan perbaikan atau revisi
kembali terhadap kedua buku guna memperbaiki kesalahan yang telah dipaparkan
diatas.

18
 DAFTAR PUSTAKA

Agus Irianto. (2010). Statistika Konsep, Dasar, Aplikasi, dan Pengembangannya.

Jakarta: Kencana Prenada Media Group.

Usman,Husaini.2006.Pengantar Statistika.Jakarta:PT Bumi Aksara.

Walpole, Ronald E., Raymond H Myers.; “Ilmu Peluang Dan Statistika untuk
Insinyur dan Ilmuawan”, edisi ke-4, Penerbit ITB, Bandung, 1995.

19