PENDAHULUAN
1.3 Tujuan
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
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.
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).
A B C D
Sampel 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.
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
Sw = SSmk
Keterangan :
𝐺²
SSt = ∑ X2 - 𝑁
Apabila kita telah mengetahui besarnya SSb dan SSw , maka SSt dapat
dihitung dengan mudah, yaitu dengan menggunakan rumus berikut.
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.
Jawab :
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
= 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
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
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.
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.
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.
²
= 1420 -
= 1420 – 1377,565217
= 42,434783
= 42,43
11
² ²
SSb =∑ -
² ² ² ²
= + + -
= 10,28716356
= 10,29
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.
: = = =
: paling sedikit 1 m tidak sama
13
= = ≠
= ≠ =
≠ = =
= = =
= = ≠
= ≠ ≠
≠ = ≠
≠ ≠ =
= ≠ ≠
= ≠ ≠
= ≠ ≠
≠ ≠ ≠
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
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
1 𝑆 𝑆 𝑆𝑘
𝐻= ⋯ . . 3 (𝑛 1)
𝑛(𝑛 1) 𝑛 𝑛 𝑛𝑘
Keterangan :
S : adalah jumlah rank
n : adalah jumlah keseluruhan
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
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