BAB I

PENDAHULUAN

1.1 Latar Belakang

Pengolahan data merupakan kegiatan pokok yang wajib dilakukan oleh

para peneliti, karena mustahil para peneliti akan mendapatkan kesimpulan
yang berarti tanpa didahului oleh kegiatan pengolahan data tersebut. Analisis
data dimaksudkan untuk melakukan pengujian hipotesis dan menjawab
rumusan masalah yang diajukan, karena menggunakan skala interval dan
ratio, maka sebelum melakukan pengujian harus dipenuhi persyaratan analisis
terlebih dahulu. Sering kali kita menghadapi banyak rata-rata (lebih dari dua
rata). Apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut
satu per satu (dengan tes) akan memakan waktu, tenaga yang banyak. Di
samping itu, kita akan menghadapi risiko salah yang besar. Untuk itu, telah
ditemukan cara analisis yang mengandung kesalahan lebih kecil dan dapat
menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys of
variances).
Pada saat kita menghadapi beberapa kelompok sampel perlu kita sadari
dari awal kondisi sampel tersebut sebelum kita melakukan analisis lebih
lanjut. Tuntutan ini disebabkan karena pola sampel akan berpengaruh
terhadap pengujian hipotesis yang akhirnya berpengaruh terhadap kesimpulan
yang diambil.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang penulis ungkap diatas, maka rumusan

masalah yang diajukan dalam makalah ini adalah sebagai berikut :
1. Bagaimanakah pengertian ANOVA satu arah (One Way – ANOVA)?
2. Bagaimanakah macam-macam ANOVA?
3. Bagaimana varibilitas dalam ANOVA dan pengujiannya?
4. Bagaimanakah ANOVA sampel berbeda?
5. Bagaimanakah asumsi dasar dalam ANOVA?
6. Bagaimanakah analisis sesudah ANOVA?
7. Bagaimanakah ANOVA satu arah dengan rank?

1.3 Tujuan

Berdasarkan latar belakang dan rumusan masalah yang penulis ungkap

di atas maka tujuan penulisan makalah ini sebagai berikut :

1
 1. Mengetahui dan memahami pengertian ANOVA satu arah (One Way –
ANOVA).
2. Mengetahui dan memahami macam-macam ANOVA.
3. Mengetahui dan memahami varibilitas dalam ANOVA dan pengujiannya.
4. Mengetahui dan memahami ANOVA sampel berbeda.
5. Mengetahui dan memahami asumsi dasar dalam ANOVA.
6. Mengetahui dan memahami analisis sesudah ANOVA.
7. Mengetahui dan memahami ANOVA satu arah dengan rank

1.4 Manfaat

1. Manfaat teoritis
Anava atau Anova adalah anonim dari analisis varian terjemahan
dari analysis of variance. ANOVA merupakan bagian dari metode analisis
statistika yang tergolong analisis komparatif (perbandingan) lebih dari dua
rata-rata. Tujuan dari uji ANOVA satu jalur ialah untuk membandingkan
lebih dari dua rata-rata. Sedangkan gunanya untuk menguji kemampuan
generalisasi.

2. Manfaat praktis
1. Bagi mahasiswa
Mahasiswa akan mendapat pengetahuan mengenai materi
ANOVA satu arah (One Way – Anova), sehingga wawasan mahasiswa
akan bertambah dan hal ini diharapkan agar mahasiswa dapat lebih baik
ke depannya dalam menerapkan metode analisis statistika.

2. Bagi dosen
Dosen pengampu mata kuliah Statistika Pendidikan diharapkan
memberikan saran dan koreksi yang bersifat membangun terhadap isi
dan penyampaian makalah untuk perbaikan makalah yang akan
diajukan selanjutnya serta memberikan ilmu pengetahuan dan
pemahaman tambahan dalam melengkapi kekurangan dari makalah
yang diajukan.

2
 BAB II
PEMBAHASAN

2.1 Pengertian ANOVA satu arah (One Way – ANOVA)

Anava atau Anova adalah anonim dari analisis varian terjemahan dari
analysis of variance. ANOVA merupakan bagian dari metode analisis statistika
yang tergolong analisis komparatif (perbandingan) lebih dari dua rata-rata. Tujuan
dari uji ANOVA satu jalur ialah untuk membandingkan lebih dari dua rata-rata.
Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari
signifikansi hasil penelitian (ANOVA satu jalur). Jika terbukti berbeda berarti
kedua sampel tersebut dapat digeneralisasikan artinya (data sampel dianggap
dapat mewakili [populasi]). ANOVA pengembangan atau penjabaran lebih lanjut
dari uji-t (thitung). Uji-t atau uji-z hanya dapat melihat perbandingan dua kelompok
data saja. Sedangkan ANOVA satu jalur lebih dari dua kelompok data.

2.2 Macam-macam ANOVA.

Pada dasarnya anova dapat dibagi menjadi dua kelompok besar, yaitu :
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).

Untuk mempermudah memahami konsep pengelompokan anova dalam dua

bagian besar, dapat dilihat pada contoh berikut :

1. Single factor experiment :

Metode Mengajar

A B C D
Sampel Sampel Sampel Sampel

2. Two factor experiment :

Metode Mengajar

Jenis L Sampel Sampel Sampel

Kelamin P Sampel Sampel Sampel

3
 Melalui pengamatan model diatas, jelas bahwa dalam two factor experiment
pengelompokan dipengaruhi oleh lebih dari satu variabel.

Untuk memperoleh data pada setiap sel, maka pengelompokan itu dilakukan
pada saat pengambilan sampel. Oleh karena itu, model ini lebih cocok untuk
penelitian eksperimental di mana dari awal sampel-sampel tersebut telah dikotak-
kotakan. Melalui kontrol yang baik maka perembesan informasi antar kelompok
dapat ditanggulangi. Walaupun demikian tidak menutup kemungkinan anova
diterapkan pada penelitian survei.

2.3 Varibilitas dalam ANOVA dan pengujiannya.

Perhitungan dalam anova didasarkan pada variance, walaupun tujuannya

adalah menguji beberapa perbedaan rata-rata. Kita baru bisa mengatakan bahwa
rata-rata tersebut berbeda apabila telah dilihat pula variabilitasnya. Ukuran yang
baik untuk melihat variabilitas adalah simpangan baku maupun variance. Oleh
karena itu, pengujian di sini pun didasarkan pada variance.

Pengukuran total variabilitas atas data yang ada dapat dikelompokkan

menjadi 3 bagian:

1. Variabilitas antar kelompok (between treatments variability) merupakan

variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya.
variansi di sini lebih berpengaruh oleh adanya berpedaan perlakuan
(treatments) antar kelompok, disingkat SSb.
2. Variabilitas dalam kelompok (withim treatments variability), merupakan
variansi yang ada dalam masing-masing kelompok. Banyaknya variansi
akan tergantung pada banyaknya kelompok, dan variansi disini tidak
terpengaruh/tergantung oleh perbedaan perlakuan antar kelompok,
disingkat SSw.
3. Jumlah kuadrat penyimpangan total (total sum of squares) merupakan
jumlah kuadrat selisih antar skor individual dengan rata-rata totalnya,
disingkat SSt.

Setelah konsep variabilitas dapat kita pahami, maka langkah selanjutnya adalah
mencari/menghitung variabialitas tersebut, jumlah kuadrat antar kelompok (SSb)
dapat dicari dengan rumus.

(∑ẋ)²
𝑆𝑆𝑏 = 𝑛 ẋ−
𝑘

Di samping rumus diatas, jumlah kuadrat kelompok juga dapat dicari dengan
rumus berikut.

4
 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 : jumah sampel keseluruhan

Untuk menghitung jumlah kuadrat dalam kelompok digunakan rumus :

Sw = SSmk

Keterangan :

SSmk adalah jumlah kuadrat simpangan masing-masing kelompok.

Selanjutnya untuk menghitung jumlah kuadrat total dapat digunakan rumus :

𝐺²
SSt = ∑ X2 - 𝑁

Apabila kita telah mengetahui besarnya SSb dan SSw , maka SSt dapat
dihitung dengan mudah, yaitu dengan menggunakan rumus berikut.

SSt = SSb + SSw

Apabila kita mengamati skor pada masing-masing kelompok ternyata ada

perbedaan, maka kita tidak boleh puas dengan kondisi itu.

Langkah selanjutnya adalah mempertanyakan kenapa terjadi perbedaan

antar mereka. Untuk itu marilah kita bahas sebuah ilustrasi : pengukuran skor
ujian siswa di kelas pagi dan kelas sore. Ternyata dari hasil ujian diperoleh
informasi bahwa hasil ujian siswa yang masuk pagi lebih baik daripada hasil ujian
siswa yang masuk sore hari.

Dalam kondisi ini ada beberapa kemungkinan yang menyebabkan terjadinya

perbedaan antara skor siswa pagi dan sore, yaitu :

5
 1. Hasil ujian memang dipengaruhi oleh waktu ujian. Kondisi ini sering
disebut dengan treatment effect.
2. Siswa-siswa pagi secara individual berbeda dengan siswa-siswa sore.
Perbedaan individual ini kemungkinan berpengaruh terhadap hasil ujian.
Hasil ujian memang bisa dipengaruhi oleh perbedaan individual (individual
defferences), karena pengujian memang merupakan pengukuran terhadap
individu dan masing-masing individu tersebut merupakan variabel bebas.
3. Pengukuran yang salah, karena lemahnya alat ukur, kurangnya perhatian
(tidak adanya keseriusan subjek penelitian dan menjawab pertanyaan), atau
kesalahan dalam melakukan prediksi dapat mengakibatkan terjadinya
perbedaan skor antara kelompok satu dengan kelompok lainnya.

Setelah kita membahas satu ilustrasi yang memberi gambaran pada kita
sumber-sumber perbedaan yang mungkin muncul, maka jelas bahwa peneliti perlu
melakukan kontrol yang baik terhadap sumber-sumber tersebut, sehingga hasil
kesimpulan yang diambil dapat bermanfaat.

Contoh :
Hasil penelitian tentang hasil belajar siswa yang diajar dengan metode yang
berbeda : A, B, C sebagai berikut :

Rumusan masalah : Apakah terdapat perbedaan hasil belajar siswa yang diajar
dengan metode A, B dan C?
Hipotesis
H0 : Tidak terdapat perbedaan hasil belajar siswa yang diajar dengan metode
A, B dan C.
Ha : Terdapat perbedaan hasil belajar siswa yang diajar dengan metode
A, B dan C.

Metode A Metode B Metode C

8 10 5
6 7 7
7 8 8
5 6 4
9 9 6

Berdasarkan data di atas hitunglah SSt , SSb , SSw

Jawab :

Untuk mempermudah perhitungan, data di atas perlu disusun kembali dengan

kolom yang lebih lengkap sebagai berikut :

6
 XA XA2 XB XB2 XC XC2
8 64 10 100 5 25
6 36 7 49 6 36
7 49 8 64 8 64
5 25 6 36 4 17
9 81 9 81 7 49
35 255 40 330 30 190

Dari tabel diatas dapat diambil beberapa faktor yang diperlukan dalam
perhitungan lebih lanjut, yaitu :
TA = 35 TB = 40 TC = 30
nA =5 nB =5 nC =5
G = 105
N = 15
𝛴X 2
= 255 + 330 + 190
= 775

Selanjutnya menghitung jumlah kuadrat masing-masing :

SSt =

= 775 – 735
= 40

= −

= 745 – 735
= 10
SSt = SSb + SSw
SSw = SSt + SSb
= 40 – 10
= 30
Derajat kebebasan (degrees of freedom) dalam ANOVA akan sebanyak
variabilitas. Oleh karena ada 3 (tiga) macam variabilitas, maka dk pun ada tiga
macam.

7
1). Derajat kebebasan untuk SSt sebesar N – 1 , sehingga pada contoh diatas dk
SSt = 15 – 1 = 14
2). Derajat kebebasan untuk SSw dapat dicari dengan rumus :
dk SSw = 𝛴(n-1)
= (5-1) + (5-1) + (5-1)
=4+4+4
= 12
Disamping itu dk SSw dapat dicari dengan rumus :
dk SSw =N–k
= 15 – 3
= 12
3). Derajat kebebasan untuk SSb sebesar k – 1, hal ini disebabkan karena dk di
sini terikat dengan banyaknya kelompok seperti halnya SSb . Untuk contoh
diatas,
SSb = 3–1
=2
Derajat kebebasan juga mempunyai sifat hubungan yang sama dengan sifat
hubungan variabel.
Jika : SSt = SSb + SSw
Maka : dk SSt = dk SSb + dk SSw
Pada contoh diatas : 14 = 2 + 12

Langkah selanjutnya adalah mencari variance antar kelompok dan variance

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

MSb =

=5

MSw =

= 2,5

8
 Oleh karena dalam ANOVA kita akan 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 berikut.
F =

=2
Apabila F hitung sudah ditemukan maka langkah berikutnya adalah melihat
F tabel kemudian membandingkan antar F hitung dengan F tabel. Untuk melihat F
tabel diperlukan alpha dan dk. Dk yang dibutuhkan untuk melihat tabel F ada 2
(dua) macam, yaitu dk SSb dan SSw .
Dalam tabel F , dk SSb sebagai pembilang (kolom atas

Untuk contoh diatas F tabel adalah :

Dengan alpha 0,05, F (2,12) = 3,88
Dengan alpha 0,01, F (2,12) = 6,93

Apabila F hitung lebih besar daripada F tabel, maka kita akan menolak
hipotesi nol. Sebaliknya, jika F hitung sama dan atau lebih kecil daripada F tabel,
maka kita akan menerima hipotesis nol. Untuk contoh diatas F hitung sebesar 2,
sedangkan F tabel untuk alpha 0,05 adalah 3,88.
Oleh karena F hitung lebih kecil daripada F tabel, maka kita menerima
hipotesis nol. Hal ini berarti bahwa rata-rata hasil belajar siswa yang diajar
dengan metode A sama dengan rata-rata hasil belajar siswa yang diajar dengan
metode B dan sama pula dengan rata-rata hasil belajar siswa yang diajar dengan
metode C. Implikasi dari pernyataan tersebut adalah metode A, B dan C tidak
mempunyai efek yang berbeda terhadap hasil belajar siswa.

2.4 ANOVA sampel berbeda

Dalam suatu eksperimen terkadang sukar untuk menentukan jumlah sampel

yang sama untuk setiap kelompok. Lebih-lebih jika pengambilan sampelnya
didasarkan pada perhitungan proporsional random sampel. Sebenarnya anova
lebih akurat dalam menghadapi jumlah sampel yang sama setiap kelompok.
Walaupun demikian bukan berarti sampel yang tidak sama tidak bisa dianalisis.
Anova masih bisa dikatakan valid untuk menganalisis perbedaan rata-rata
dari beberapa kelompok sampel walaupun jumlah sampel antar kelompok tidak
sama, asalkan sampelnya cukup besar dan perbedaan jumlah sampel tidak terlalu
mencolok. Walaupun demikian perlu adanya ketelitian karena bagaimanapun

9
perbedaan jumlah sampel akan mempengaruhi nilai T, sedangkan nilai T
mempunyai peranan penting dalam menghitung . Selanjutnya digunakan
dasar untuk perhitungan dan M digunakan untuk menghitung F, dan
akhirnya mempengaruhi kesimpulan yang diambil.

Contoh :
Sebuah penelitian terhadap hasil belajar siswa pada mata kuliah Statistik
ditinjau dari latar belakang sekolah sebelumnya (Lulusan : SMEA, SMA A1, dan
SMA A3).
Perlakuan dalam pengajaran adalah sama, dan pengambilan sampel
didasarkan pada teknik proporsional random sampling, sehingga tidak
menghasilkan sampel untuk setiap kelompok. Kelompok lulusan SMEA terambil
sebanyak 6 dan dari lulusan SMA A2 sampel sebanyak 7 mahasiswa kelompok
lulusan SMA A1, terambil sampel sebanyak 10 mawasiswa. Masing-masing
kelompok diajar secara terpisah, sehingga diharapkan tidak terjadi perembasan
inormasi dari kelompok yang satu dengan kelompok yang lainnya.

Hasil pengumpulan datanya sbb:

SMEA (X1) X1 2 SMA A1 X22 SMA A2 (X3) X32

(X2)
7 49 10 100 10 100
8 64 9 81 9 81
8 64 9 81 5 25
6 36 10 100 8 64
9 81 7 49 7 49
7 49 8 64 7 49
8 64 6 36
7 49
7 49
6 36
53 407 53 475 72 538

10
Dari tabel diatas dapat diambil kesimpulan
T1 = 53 T2 = 53 T3 = 72
n1 = 7 n2 = 6 n3 = 10
N = 23 G = 178
∑X2 = 1420
Penyusunan Hipotesis :
H0 : μ1 = μ2 = μ3
H1 : Paling sedikit salah satu m tidak sama dengan yang lainnya.

Penentuan alpha : ditetapkan 0,05

Penentuan derajat kebebasan :

-dk SSt =N–1

= 23 – 1
= 22
dk SSb =k–1
=3–1
=2
dk SSw = N – k
= 23 – 3
= 20
Penentuan F tabel, dengan alpha 0,05 maka :
F (2,20) = 3,49
Perhitungan F :
²
SSt =∑ -

²
= 1420 -

= 1420 – 1377,565217
= 42,434783
= 42,43

11
 ² ²
SSb =∑ -

² ² ² ²
= + + -

= 10,28716356
= 10,29

SSw = SSt – SSb

= 42,43 – 10,29
= 32,14
MSb = SSb : dk SSb
= 10,29 : 2
= 5,145
MSw = SSw : dk SSw
= 32,14 : 20
= 1,607
F = MSb : MSw
= 5,145 : 1,607
= 3,201617922
= 3,20
Mengingat F hitung lebih kecil daripada F tabel, maka kita menerima
hipotesis nol. Ini berarti bahwa rata-rata nilai statistic bagi mahasiswa yang
berasal berasal dari SMEA, SMA A1 dan SMA A3 tidak berbeda secara
signifikan. hal ini mengandung implikasi bahwa latar belakang jurusan pendidikan
tidak mempunyai efek terhadap hasil belajar statistik di perguruan tinggi.

2.5 Asumsi dasar dalam ANOVA.

a. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga
distribusi skor sampel dalam kelompok pun seharusnya normal.
Kenormalan dapat diatasi dengan memperbanyak sampel dalam
kelompok, karena semakin banyak n maka distribusi akan mendekati

12
 normal. Apabila sampel setiap kelompok kecil dan tidak dapat pula
diatasi dengan jalan melakukan transformasi.
b. Kesamaan variansi
Masing-masing kelompok harusnya barasal dari populasi yang
mempunyai variasi yang sama. Untuk sampel yang sama pada setiap
kelompok, kesamaan variasi dapat diabaikan. Tetapi, jika banyaknya
sampel pada masing-masing kelompok tidak sama, diperlukan langkah
penyelamatan yaitu dengan jalan melakukan tranformasi (misalnya,
dengan tranformasi logaritma).
c. Pengamatan bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap
pengamatan merupakan informasi yang bebas. Asumsi ini merupakan
asumsi yang tidak bisa ditawar lagi, dengan kata lain tidak ada cara untuk
mengatasi tidak terpenuhinya asumsi ini. Dengan demikian maka setiap
peneliti harus merencanakan secara cermat dalam pengambilan sampel.
Asumsi-asumsi yang sudah disebutkan hendaknya dipenuhi oleh
data yang akan dianalisis dengan Anova. Ketidak terpenuhinya asumsi
dapat menimbulkan kesimpulan yang salah. Hal ini mengandung arti
bahwa kesimpulan peneliti yang dianalisis dengan Anova member arti
apa-apa. Walaupun ada asumsi yang sifatnya tidak kaku. Artinya dapat
diatasi dengan jumlah sampel namun pengujian atas terpenuhinya asumsi
merupakan tindakan yang diharapkan.

2.6 Analisis sesudah ANOVA.

Sesudah perhitungan F tes, maka dapat dibandingkan dengan F tabel, akan

tetapi analisis belum selesai. Hal ini disebabkan kesimpulan yang didasarkan pada
perhitungan F tes dalam Anova hanyalah merupakan kesimpulan yang masih luas
(kasar). Seandainya F signifikan (menolak hipotesis nol), ini berarti ada perbedaan
efek trentment terhadap autput dari maisng-masing kelompok. Namun informasi
perbedaan efek tersebut masih bersifat umum, karena F tes sama sekali tidak
menunjukkan efek trentment terhadap kelompok mana yang berbeda.
Untuk mempermudah dalam pemahaman konsep berikut merupaka ilustrasi
yang berkenaan pengujian hipotesis. Misalnya jika menghadapi 4 kelompok,
maka hipotesis nol dan hipotesis alternatif sebagai berikut :

: = = =
: paling sedikit 1 m tidak sama

Jika F hitung > daripada F tabel, maka ditolak, sehingga terdapat

beberapa kemungkianan, yaitu :

13
 = = ≠
= ≠ =
≠ = =
= = =
= = ≠
= ≠ ≠
≠ = ≠
≠ ≠ =
= ≠ ≠
= ≠ ≠
= ≠ ≠
≠ ≠ ≠

Beberapa kemungkinan diatas merupakan informasi yang lebih teliti,

sehingga deskripsi akan lebih tajam. Oleh karena Anova harus dilajutkan lagi
dengan analisis lain yang dapat memberikan informasi yang lebih teliti lagi.
Analisis lanjutan Anova yang sering disebut pasca Anova (post hoc).
Untuk memperoleh informasi lebih lanjut, telah ditemukan beberapa tes
statistik. Yang umum dipakai dalam pendidikan adalah Tukey’s HSD.
Langkah analisis pasca Anova:
1) Hitung Tukey’s HSD dengan rumus :

MSw
HSD = q n

Keterangan :
n = banyak sampel per kelompok
q = the studenzed range statistic, yang dapat dilihat dalam tabel yang
sudah disusun, dengan memakai dasar alpa (α), k dan dk.
k = banyak kelompok
dk = N-k

2) Cari perbedaan rata-rata antar kelompok, dan untuk mempermudah dalam

menginterpretasikan perlu disusun dalam satu tabel khusus.
3) Interpretasi nilai HSD yaitu dengan jalan membendingkan perbedaan rata-
rata antar kelompok dengan hasil perhitungan HSD. Apabila perbedaan
rata-rata antar kelompok itu lebih besar daripada nilai HSD, maka
perbedaan tersebut dapat dikatakan signifikan.

Catatan :
Cara ini dapat diterapkan pada Anova sampel sama. Jika n perkelompok tidak
sama maka n dapat ditentukan dengan rumus :

14
 (n1 x n )
N=
n1 n

Keterangan :
= kelompok yang mempunyai ẋ terkecil
= kelompok yang mempunyai ẋ terbesar

2.7 ANOVA satu arah dengan rank

Apabila variabel terikat mempunyai skala ordinal, maka analysis of

variance mempunyai langkah yang agak berbeda. Kadang-kadang terdapat
perubahan data menjadi data berskala ordinal pada keadaan data tertentu. Ini
terjadi apabila syarat-syarat untuk melakukan analisis of variance seperti
sebelumnya tidak terpenuhi. Setelah menghadapi data berskala ordinal, maka
masalah normalitas tidak lagi menjadi persyaratan. Hal ini disebabkan karena
asumsi yang dipakai disini, bahwa data sampel diperoleh dari populasi yang
berdistribusi frekuensi. ANOVA satu arah untuk menghadapi data yang berskala
ordinal adalah Kruskal-Walles.
Kruskal Walles menggunakan asumsi bahwa masing-masing kelompok
sampel diambil dari populasi yang sama. Sedangkan distribusi Kruskal Walles (H)
dapat ditaksir melalui distribusi chisquare dengan derajat kebebasan sebesar k-1.
Kruskal Walles dapat dihitung dengan rumus berikut.

1 𝑆 𝑆 𝑆𝑘
𝐻= ⋯ . . 3 (𝑛 1)
𝑛(𝑛 1) 𝑛 𝑛 𝑛𝑘

Keterangan :
S : adalah jumlah rank
n : adalah jumlah keseluruhan

Langkah-angkah pengujian hipotesis dengan skala ordinal adalah :

1. Menyusun hipotesis :
2. Menyusun rank
Keseluruhan data diurutkan, bisa dari yang terbesar kelompok yang terkecil
atau sebaliknya tergantung pada rank yang diukur. Hal yang perlu diperhatikan
adalah angka rank terkecil merupakan nilai yang tertinggi. Apabila terdapat
persamaan pada individu skor, maka rank merupakan nilai tengahnya (sering
terjadi jika kita melakukan perubahan skala dari ratio atau interval ke skala
ordinal).
3. Menghitung Kruskal Walles

15
4. Membandingkan hasil perhitungan H dengan tabel (chisquare distribusi)
berdasarkan alpha dan derajat kebebasan = k – 1.
5. Mengambil kesimpulan yaitu akan menerima hipotesis nol apabila H sama
dengan atau lebih kecil daripada nilai tabel, sebaliknya tolak hipotesis nol jika
H lebih besar daripada nilai tabel.

16
 BAB III
PENUTUP

1.1 Simpulan

Berdasarkan penulisan makalah diatas dapat ditarik beberapa simpulan

sebagai berikut.

ANOVA merupakan analisis statistik yang dapat memberikan informasi

tentang perbedaan antar kelompok satu dengan kelompok lain dalam satu
populasi, maupun antar populasi. ANOVA mengandung kesalahan yang lebih
kecil dan lebih efisien dari pada pengujian perbedaan dengan t tes.
Perhitungan ANOVA didasarkan pada variance walaupun tujuannya menguji
beberapa perbedaan rata-rata.

Variabilitas dalam ANOVA terdiri dari:

1) Variabilitas antar kelompok ( ) dengan dk = k-1 atau (N-1)-(N-k).
2) Variabilitas dalam kelompok ( ) dengan dk = N-k
3) Variabilitas total ( ) dengan dk N-1

Asumsi dalam ANOVA :

- Sampel diambil dari distribusi normal, sehingga sampel juga berdistribusi
normal. Kenormalan ini dapat diatasi dengan memperbesar jumlah
sampel.
- Masing-masing kelompok mempunyai variabel yang sama.
- Sampel diambil secara acak.

Signifikansi perbedaan harus dilanjutkan dengan analisis lanjutan,

diantaranya dengan Tukey’s HSD untuk memperoleh informasi tentang
kelompok mana yang berbeda dengan kelompok lainnya.
ANOVA satu arah dapat pula digunakan untuk menganalisis variabel
terikat berskala ordinal yaitu dengan Kruskal-Walles. Kruskal-Walles
menggunakan asumsi bahwa masing-masing sampel diambil dari populasi
yang sama dan distribusinya ditaksir melalui chisquare dengan dk = k-1.

1.2 Saran
1. Kepada Mahasiswa
Diharapkan mahasiswa mampu memahami materi tentang
pengetahuan mengenai ANOVA satu arah, dan hal ini diharapkan agar
mahasiswa dapat lebih baik ke depannya dalam menerapkan metode
analisis statistika.

17
2. Kepada Dosen
Dosen pengampu mata kuliah Statistika Pendidikan diharapkan
memberikan tambahan pengetahuan terkait materi ANOVA satu arah,
sehingga mahasiswa tidak salah konsepsi dalam menerapkan metode
analisis statistika dan memberikan masukan yang bersifat membangun
untuk perbaikan makalah yang akan diajukan kedepannya.

18