PENDAHULUAN
A. Latar Belakang
Dalam kehidupan sehari-hari kita selalu diperhadapkan dengan
berbagai persoalan atau permasalahan, baik yang bersifat awam maupun
masalah yang menuntut pemecahan secara sistematik. Masalah-masalah
tersebut pemecahannya sering dengan cara sederhana saja dan bersifat segera
dan tidak membutuhkan data-data pendukung. Disamping masalah-masalah
awam, ada masalah-masalah yang bersifat kompleks atau rumit yang
pemecahannya menuntut dan memerlukan pengumpulan sejumlah data
pendukung yang dipergunakan untuk membuat keputusan dan menarik
kesimpulan. Masalah yang seperti inilah yang menjadi perhatian kita,
khususnya dalam dunia pendidikan. Masalah seperti ini menuntut metode
ilmiah untuk penyelesaiannya, yaitu melalui langkah-langkah tertentu dalam
usaha memecahkan masalah yang dijumpai. Kedudukan masalah dalam alur
prosedur penelitian sangatlah penting, bahkan lebih penting dari solusi atau
jawaban yang akan diperoleh/dicari, karena masalah yang dipilih dapat
menentukan perumusan masalah, tujuan, hipotesis, kajian pustaka bahkan
juga untuk menentukan metode yang digunakan di dalam penelitian
( Simatupang, 2017:1).
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan
tujuan dan kegunaan tertentu. Secara umum data yang diperoleh dari
penelitian dapat digunakan untuk memahami, memecahkan dan
mengantisipasi masalah dalam kehidupan manusia oleh karena itu didalam
penelitian diperlukan teknik pengolahan data yang tepat untuk menghasilkan
data yang akurat sehingga dapat memecahkan masalah yang dihadapi.
Terdapat banyak jenis uji statistik yang dapat diterapkan dalam pengolahan
data sesuai dengan kebutuhan, diperlukan pemahaman yang baik mengenai
penggunaan uji statistik dalam pemecahan masalah tergantung desain
penelitian yang akan dilaksanakan ( Sugiyono, 2016: 1-2).
Penerapan Penerapan
A B C
X Y X Y X Y
∑X ∑Y ∑X ∑Y ∑X ∑Y
Keterangan:
A, B, dan C = Faktor
X = Kovariabel
Y = Kriterium
( Kadir, 2015:414)
dimana:
1. Menghitung jumlah kuadrat total (Jkt) pada kriterium, kovariabel, dan product
XY.
a. Kriterium (Y)
b. Kovariabel (X)
c. Product (XY)
b. Kovariabel (X)
c. Product (XY)
3. Menghitung jumlah kuadrat residu Jkres) total, dalam dan antar kelompok.
a. Total (Jkrest)
b. dba = K - 1
c. dbd = N - K – 1
Tabel 2. Skor Kemampuan Berbahasa Inggris Awal (X) dan Akhir (Y) Dari 2
Metode Pengajaran.
X Y X Y
5 8 4 3
3 8 3 4
7 5 7 5
4 8 5 6
5 7 6 7
6 7 6 6
4 6 4 5
4 7 6 5
3 7 5 4
6 9 5 3
5 8 25 64 40 4 3 16 9 12
3 8 9 64 24 3 4 9 16 12
7 5 49 25 35 7 5 49 25 35
4 8 16 64 32 5 6 25 36 30
5 7 25 49 35 6 7 36 49 42
6 7 36 49 42 6 6 36 36 36
4 6 16 36 24 4 5 16 25 20
4 7 16 49 28 6 5 36 25 30
3 7 9 49 21 5 4 25 16 20
6 9 36 81 54 5 3 25 9 15
b. Kovariabel (X)
c. Product (XY)
c. Product (XY)
3. Menghitung Jumlah kuadrat residu (Jkres) total, dalam kelompok dan antar
kelompok.
a. Total (Jkrest)
A1 A2 A3
2 7 4 49 14 2 8 4 64 16 5 6 25 36 30
5 6 25 36 30 4 7 16 49 28 2 7 4 49 14
4 5 16 25 20 5 7 25 49 35 3 7 9 49 21
3 5 9 25 15 3 7 9 49 21 4 5 16 25 20
2 6 4 36 12 2 7 4 49 14 5 5 25 25 25
1. Menghitung jumlah kuadrat total (Jkt) pada kriterium, kovariabel, dan product
XY
a. Kriterium (Y)
b. Kovariabel (X)
c. Product (XY)
a. Kriterium (Y)
c. Product (XY)
3. Menghitung Jumlah kuadrat residu (Jkres) total, dalam kelompok dan antar
kelompok.
a. Total (Jkrest)
Hipotesis Statistik
H0: µ1 = µ2 = µ3
H1: µ1 ≠ µ2≠ µ3
A1 A2 A3
Y X Y X Y
X
29 15 22 20 33 14
49 19 24 34 45 20
48 21 49 28 35 30
35 27 46 35 39 32
53 35 52 42 36 34
47 39 43 44 48 42
46 23 64 46 63 40
74 38 61 47 57 38
72 33 55 40 56 54
67 50 54 54 78 56
Keterangan:
A1 A2 A3 Total
Statistik
n 10 10 10 30
X 52 47 49 49,33
Y 30 39 36 35
N 30
Betat =
xy = 0,519
x 2
Y 2
1). JKY = y 2
= YT2
nA
A
= 40706 - (3002 /10 +3902 /10 + 3602 /10)
=3536
X 2
2). JKXd = x = X T
A
2
d
2
= 78840 – (5202 /10 +4702 /10 + 4902 /10)
nA
=5700
3).JPXY=xyd= XYTot
X Y
A A
=54822 - 520*300:10 + 470*390:10
nA
+ 490*360:10) = 3252
Db A* = db A = a – 1 = 3-1= 2
_ _ _
_ _ _
_ _ _
(Taraf Sig.5%)
Jika F hitung ≤ F tabel maka H0 diterima atau tidak terdapat perbedaan rata-
rata Y diantara kelompok Ai setelah mengontrol variable X.
Jika F hitung > F table maka H0 ditolak atau terdapat perbedaan rata-rata Y
diantara kelompok Ai setelah mengontrol variable X.
3. Uji Lanjut
Protected LSD
M1 M 2
Rumus: t1-2 = = 3,26 ……sig (t tab. 2,056)
1 1 X X 2
RJKd 1 2
1
n n2 JK dal.
7. Menarik Kesimpulan
Jika t0 ≤ ttabel maka H0 diterima
Jika t0 > ttabel maka H0 ditolak
( Kadir, 2015: 416).
Uji Normalitas
Uji normalitas akan dilakukan menggunakan rumus Kolmogorov-
Smirnov, yang dapat diketahui dengan langkah:
Uji Homogenitas
c. Klik kotak Options... dan pada display beri tanda centang pada pilihan
Homogeneity test
Uji Linieritas
Uji Anakova
Faktor
Variabel Yang Dikontrol Oleh Peneliti. Misalnya: Suhu,
Waktu, Jenis Pengemas, Ukuran, Dll. Biasanya Disimbolkan
Dengan Huruf Kapital. Contoh: Ukuran Simbolkan Dengan “U”.
Taraf/Level
Faktor Terdiri Dari Beberapa Taraf/Level. Biasanya
Disimbolkan Dengan Huruf Kecil Yang Dikombinasikan Dengan
Subscript Angka. Contoh: U1,U2u3, Dan Seterusnya.
Perlakuan
Taraf Dari Faktor Atau Kombinasi Taraf Dari Faktor.
Contoh: U1j1.
Respons
Variabel Yang Merupakan Sifat Atau Parameter Dari Satuan
Percobaan Yang Akan Diteliti. Atau Sejumlah Gejala Yang Muncul
Karena Adanya Peubah Bebas.
1. Pengertian
Rancangan faktorial adalah rancangan dimana dalam satu
keadaan dicobakan secara bersamaan dari dua atau lebih percobaan-
percobaan tunggal. Pada percobaan faktorial, selain dapat diketahui
masing-masing pengaruh faktor, juga dapat diketahui pengaruh
gabungan(interaksi) dari faktor yang dicobakan. Percobaan faktorial
dengan dua faktor sering ditemukan dalam percobaan lokasi ganda
(multilocation) ( Zaki, 2014:529).
Dimana:
𝑌𝑖𝑗𝑘 : pengamatan pada satuan ke –k dengan taraf ke- i dari faktor A dan taraf
ke-j dari faktor B.
𝜇: rata-rata
Tiga jenis bahan pengemas (A, Bdan C) diuji untuk mengetahui umur simpan
produk makanan pada beberapa temperatur yang berbeda-beda. Adapun hasil dari
percobaan tersebut dapat dilihat pada berikut (umur simpan dalam satuan hari)
Suhu
Jenis Bahan
0 4 25
130 34 20
155 40 70
A
74 80 82
180 75 58
150 136 25
188 122 70
B
159 106 58
126 115 45
138 174 96
160 139 60
a. Apakah ada pengaruh jenis bahan pengemas yang digunakan terhadap lama
umur simpan produk tersebut?
b. Apakah ada pengaruh suhu yang berbeda terhadap lama umur simpan
masing-masing bahan pada produk?
H1: ada 𝛼i ≠ 0
b. H0: 𝛽j = 0, j = 1,2,… , b
H1: ada 𝛽j ≠ 0
H1: ada (𝛼𝛽)ij ≠ 0, Setelah itu hitung sub total dari setiap taraf dan faktor
Tabel ANAVA
Total 35 77646,97222
a. ada pengaruh jenis bahan pengemas yang digunakan terhadap lama umur
simpan produk.
b. ada pengaruh suhu yang berbeda terhadap lama umur simpan masing-
masing bahan pada produk.
( Suwanda, 2011:165-167)
Contoh Kasus
1. Entri data pada tabel 2 kedalam bentuk Data View untuk format data SPSS data
viewer:
Ketik 1 pada kolom Value, ketik Spesies A pada kolom Value Label,
kemudian klik Add
Ketik 2 pada kolom Value, ketik Spesies B pada kolom Value Label,
kemudian klik Add
Ketik 3 pada kolom Value, ketik Spesies C pada kolom Value Label,
kemudian klik Add
Ketik 1 pada kolom Value, ketik Dosis 0 kg/ha pada kolom Value Label,
kemudian klik Add
Ketik 2 pada kolom Value, ketik Dosis 100 kg/ha pada kolom Value Label,
kemudian klik Add
Ketik 3 pada kolom Value, ketik Dosis 150 kg/ha pada kolom Value Label,
kemudian klik Add
Ketik 1 pada kolom Value, ketik Blok I pada kolom Value Label,
kemudian klik Add
Ketik 2 pada kolom Value, ketik Blok II pada kolom Value Label,
kemudian klik Add
Ketik 3 pada kolom Value, ketik Blok III pada kolom Value Label,
kemudian klik Add
Maka akan tampil kotak dialog Univariate Model. Pada kolom Specify Model, pilih
Custom, kemudian sorot variable Spesies Dosis dan Blok, pindahkan satu-satu ke
dan interaksi Spesies dan dosis, maka sorot secara bersamaan Spesies dan Dosis
pindahkan secara bersamaan kolom Model . Pada Build Term(s), pilih menu
Interaction setelah itu Continue
Klik Post Hoc untuk uji lanjut. Sorot variable Alat dan Metode, kemudian
pindahkan ke kolom Post Hoc Test for: Pada kolom Equal Variances Assumed
pilih Duncan kemudian klik Continue
Pada kolom ini terlihat ringkasan mengenai sejumlah (N) yang dianalisis, baik pada
variabel Metode maupun Alat
Hipotesis
Jika Fhitung < Ftabel atau probabilitasnya > 0,05 maka H₀ diterima
Jika Fhitung > Ftabel atau probabilitasnya < 0,05 maka H₀ ditolak
Keputusan
Pada tabel Test of Between-Subjects Effects dapat dilihat nilai Fhitung nya sebesar
5,380 dan probabilitasnya sebesar 0,015 (<0,05) sehingga H₀ ditolak. Dengan
demikian dapat disimpulkan bahwa antara spesies A, B dan C terdapat perbedaan
yang berarti (signifikan). Ada beberapa kemungkinan yang terjadi, maka untuk
mengetahui letak perbedaannya perlu untuk menguji lebih lanjut (Post Hoc Test).
Homogeneous Subsets
Hipotesis
Jika Fhitung < Ftabel atau probabilitasnya > 0,05 maka H₀ diterima
Jika Fhitung > Ftabel atau probabilitasnya < 0,05 maka H₀ ditolak
Keputusan
Pada tabel Test of Between-Subjects Effects dapat dilihat nilai Fhitung nya sebesar
7,358 dan probabilitasnya sebesar 0,005 (<0,05) sehingga H₀ ditolak. Dengan
demikian dapat disimpulkan bahwa ketiga dosis yang digunakan memberikan
perbedaan pertumbuhan pinus yang berarti (signifikan). Ada beberapa
kemungkinan yang terjadi, maka untuk mengetahui letak perbedaannya perlu untuk
menguji lebih lanjut (Post Hoc Test).
Homogeneous Subsets
Subset 1 : Dosis 100 kg/ha = Dosis 150 kg/ha, dari keduanya Dosis 150
direkomendasikan karena mempunyai nilai rata-rata tertinggi.
Subset 2 : Dosis 0 kg/ha.
Hipotesis
Jika Fhitung < Ftabel atau probabilitasnya > 0,05 maka H₀ diterima
Jika Fhitung > Ftabel atau probabilitasnya < 0,05 maka H₀ ditolak
Keputusan
Pada tabel Test of Between-Subjects Effects dapat dilihat nilai Fhitung nya sebesar
13,103 dan probabilitasnya sebesar 0,000 (<0,05) sehingga H₀ ditolak. Dengan
demikian dapat disimpulkan bahwa dosis yang digunakan memberikan pengaruh
pertumbuhan pohon pinus yang berarti (signifikan) (Alisadikin, 2017).
A. Simpulan
Alisadikin.2017.https://alisadikinwear.wordpress.com/2017/01/20/rancangan-
faktorial-factorial-design/ diakses pada 25 September 2019 Pukul 22:30
WITA
Kadir. 2010. Statistika Untuk Penelitian Ilmu Ilmu Sosial. PT. Rosemata Sampurna.
Jakarta.
Kadir. 2015. Statistika Terapan: Konsep, Contoh dan Analisis Data dengan
Program SPSS/Lisret dalam Penelitian. PT. Raja Grafindo Persada.
Jakarta.
Zaki, Akhmad. 2014. Analisis Varian Percobaan Faktorial Dua Faktor Rakl
Dengan Metode Fixed Additive Main Effects And Multiplicative
Interaction. Jurnal Gaussian. Vol.3 No.4