BAB 1

PENDAHULUAN
1.1. LATAR BELAKANG

Dalam statistik, analisis varians (ANAVA) adalah kumpulan model statistik, dan
prosedur yang terkait, di mana diamati varian dalam suatu variabel tertentu dipartisi ke dalam
komponen yang timbul dari berbagai sumber variasi. Dalam bentuknya yang paling
sederhana Anava memberikan uji statistik apakah atau tidak berarti dari beberapa kelompok
semua sama, dan karenanya generalizes t-test untuk lebih dari dua kelompok. Anava sangat
membantu karena mereka memiliki keuntungan lebih dari uji t dua-sample. Melakukan dua-
sample t-tes beberapa akan mengakibatkan peningkatan kesempatan melakukan sebuah tipe
kesalahan . Untuk alasan ini, Anava berguna dalam membandingkan dua, tiga atau lebih.

1.2. RUMUSAN MASALAH

A. Bagaimana pengertian analisis varian?
B. Apa saja jenis-jenis analisis varian?
C. Bagaimana langkah penyelesaian analisis varian satu arah?
D. Bagaimana aplikasi atau contoh penyelesaian analisis varian?

1.3. TUJUAN PEMABAHASAN

A. Untuk memahami analisis varian satu arah.
B. Untuk memahami jeni-jenis analisis varians.
C. Untuk memahami langkah penyelesaian analisis varian satu arah.
D. Untuk memahami aplikasi atau contoh penyelesaian analisis varian.

1
 BAB 2
PEMBAHASAN

Analisis of Varians (ANOVA) adalah teknik analisis statistik yang dikembangkan dan
diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush, 1985). Anova dapat juga
dipahami sebagai perluasan dari uji-t sehingga penggunaannya tidak terbatas pada pengujian
perbedaan dua buah rata-rata populasi, namun dapat juga untuk menguji perbedaan tiga buah
rata-rata populasi atau lebih sekaligus.

Anova (Analysis Of Variance) merupakan metode untuk menguji hubungan antara

satu variabel dependent (skala metrik) dengan satu atau lebih variabel independent (skala non
metrik/kategorikal).

Anova digunakan dengan tujuan untuk:

1. Menguji rata-rata dua sampel yang berbeda secara signifikan atau tidak.
2. Menguji dua sampel yang mempunyai varians populasi yang sama/tidak. Asumsi
yang diperlukan dalam analisis varians adalah:
a. Homogeneity of varins yaitu varians dari populasi/sampel adalah sama.
b. Random sampling yaitu sampel tidak berhubungan satu dengan yang lainnya.
c. Multyvariat normality yaitu populas/sampel yang akan diuji berdistrbusi normal.
d. Data kuantitatif dan kualitatif.1

Anava (Analisis Varians) atau Anova (Analysis Of Variance) adalah tergolong analisi
komparatif lebih dari satu variabel atau lebih dari dua rata-rata. Tujuannya ialah untuk
membandingkan lebih dari dua rata-rata. Gunanya untuk menguji kemampuan generalisasi,
artinya data sampel dianggap dapat mewakili populasi.

Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai
macam jenis dan desain penelitian. Analisis varian banyak dipergunakan pada penelitian-
penelitian yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat
dengan cara membandingkannya pada kelompok-kelompok sampel independen yang diamati.
Analisis varian saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen.

1
Andang Sunarto, Statistik Untuk Ekonomi Dan Bisnis Islam (Bengkulu, Pustaka Pelajar, 2017)

2
 Anova bisa dikatakan sebagai salah satu teknik penelitian statistic yang sering digunakan
oleh banyak peneliti karena memiliki dua karakteristik seperti:

 Anova akan membantu kita untuk menganalisis data dari hasil desain penelitian
eksperimental.
 Anova akan membantu kita untuk melihat hubungan sebab akibat. Hal inilah yang
membedakan t-test dengan anova dengan correlation dan multi-regretion. Dalam
kedua tes statistic yang disebutkan terakhir, kita bisa menguku hubungan sebab akibat
pada variable independen dan dependen.2

Anova dapat digolongkan kedalam beberapa kriteria, yaitu :

ANAVA SATU ARAH (ONE-WAY ANOVA)

a. Pengertian Anava Satu Arah

Menurut Riduwan, Anava atau Anova adalah anonim dari Analisis Varian terjemahan
dari Analysis Of Variance, sehingga banyak orang menyebutnya dengan anova. Anova
merupakan bagian dari metode analisis statistika yang tergolong analisis komparatif lebih
dari dua rata-rata (Riduwan, 2008).

Jadi, analisis varian satu arah adalah metoda analisis statis yang bersifat satu arah untuk
menguji apakah dua populasi atau lebih yang independen dan melihat perbandingan lebih dari
dua kelompok data.

Anova satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas. Secara rinci,
anova satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri berikut:

1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang dipilih dan
ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut tidak acak
karena peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori lain di luar
yang diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya terdiri atas
dua ketgori (pria-wanita), atau peneliti hendak membandingkan keberhasilan antara
Metode A, B, dan C dalam meningkatkan semangat belajar tanpa bermaksud
menggeneralisasikan ke metode lain di luar ketiga metode tersebut.

2
Agus Irianto, Statistik; Konsep Dasar, Aplikasi, Dan Pengembangannya (Padang, Prenadamedia Group, 2015)

3
 2. Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat kualitatif
atau kuantitatif.
3. Setiap subjek merupakan anggota dari hanya satu kelompok pada peubah bebas, dan
dipilih secara acak dari populasi tertentu.

Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari dua rata-rata.
Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari signifikansi
hasil penelitian. Jika terbukti berbeda berarti kedua sampel tersebut dapat digeneralisasikan
(data sampel dianggap dapat mewakili populasi).

Asumsi dalam anova :

1. Sampel diambil dari distribusi normal, sehingga sampel juga berdistribusi normal.
Kenornalam ini dapat diatas dengan memperbesar jumlah sampel.
2. Masing-masing kelompok mempunyai variable yang sama.
3. Sampel diambil secara acak.

Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( ) .Uji-t atau uji-z
hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu jalur lebih
dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara mahasiswa tugas
belajar ( ), izin belajar ( ) dan umum ( ).3

Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian itu
asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata (KR).

Rumusnya :

Dimana: = jumlah kuadrat (some of square)

= derajat bebas (degree of freedom)

Menghitung nilai Anova atau F ( ) dengan rumus :

= = = =

3
Dr. Riduwan, Dasar-Dasar Statistika Edisi Revisi (Bandung, Alfabeta, 2003)

4
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat

dirumuskan :

=∑ untuk =

untuk

Dimana: = sebagai faktor koreksi

N = Jumlah keseluruhan sampel (jumlah kasus dalam penelitian).

A = Jumlah keseluruhan group sampel.

b. Langkah-Langkah Uji Anava Satu Arah

Prosedur Uji Anova Satu Arah:

1. Sebelum anova dihitung, asumsikan bahwa data dipilih secara random,berdistribusi

normal, dan variannya homogeny
2. Buatlah hipotesis ( dan ) dalam bentuk kalimat.
3. Buatlah hipotesis ( dan )dalam bentuk statistik.
4. Buatlah daftar statistik induk.
5. Hitunglah jumlah kuadrat antar group ( ) dengan rumus :

=∑ ( )

6. Hitunglah derajat bebas antar group dengan rumus : =

7. Hitunglah kudrat rerata antar group ( ) dengan rumus : =

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

9. Hitunglah derajat bebas dalam group dengan rumus :

10. Hitunglah kuadrat rerata dalam antar group ( ) dengan rumus : =

5
 11. Carilah dengan rumus :

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

13. Cari dengan rumus :
14. Buat Tabel Ringkasan Anova
TABEL RINGKASAN ANOVA SATU ARAH

Sumber Jumlah Kuadrat Derajat Kuadrat Taraf

Varian (SV) (JK) bebas Rerata Signifikan

(db)
(KR) ( )

Antar group ∑

(A)

Dalam group - -

(D)

Total - - -

15. Tentukan kriteria pengujian : jika ≥ , maka tolak berarti signifikan

dan konsultasikan antara dengan kemudian bandingkan
16. Buat kesimpulan.4

c. Aplikasi Atau Contoh Uji Anava Satu Arah

Di bawah ini terdapat beberapa kasus tentang uji anava satu arah, yaitu:
KASUS 1
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:
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

4
Riduwan, H. Sunarto, Pengantar Statistika (Bandung, Alfabeta, 2014)

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

Buktikan apakah ada perbedaan atau tidak?

Langkah-langka menjawab =

1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya
homogen.
2. 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
3. Hipotesis Ha dan Ho dalam bentuk statistika :
Ha : A1 ≠ A2 = A3
Ho : A1 = A2 = A3
4. 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
Σx 73 71 90 234
Σx2 493 431 692 1616

7
5. Menghitung Jumlah Kuadat Antar Group (JKA)

JKA =

JKA =( + + )-

= 1579-1564
= 15
6. Menghitung derajat bebas antar group dengan rumus=
DbA = A-1 A= jumlah group
= 3-1
=2
7. Menghitung kuadrat Rerata Antar group( KRA)

KRA =

= 7,5
8. Menghitung Jumlah Kuadrat Dalam group ( JKD )

JKD = Σ X2T - Σ

= 1616 - ( + + )

= 1616 – 1579
= 37
9. Menghitung derajat bebas dalam group dengan rumus=
DbD = N-A
= 35- 3
= 32
10. Menghitung kuadrat Rerata Dalam group( KRD)

KRD =

= 1,16

11. F.hitung =

8
 =

= 6,47
12. Taraf signifikan sebesar α = 5 %
13. 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

14. tabel ringkasan anova

ANOVA
NILAI
Sumber varian Jumlah
(SV) Kuadra(JK) db Mean Square F Sig.
Antar Group(A) 15 2 7.540 6.47 .004
Dalam
37 32 1.139
Group(D)
Total 52 34

15. 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.
16. Kesimpulan:
Ho ditolak dan Ha diterima, jadi terdapat perbedaan yang signifikan antara mahasiswa
tugas belajar, izin belajar dan umum.5

ANOVA DUA ARAH (TWO WAYS ANOVA)

a. Pengertian anova dua arah

Anova dua arah memiliki perbedaan dibanding anova satu arah. Perbedaannya adalah
pada jumlah variabel independen. Pada anova satu arah hanya ada satu variabel independen,
sementara pada anova dua arah ada dua atau lebih variabel independen. Uji statistik

5
Dr. Riduwan, Dasar-Dasar Statistika Edisi Revisi (Bandung, Alfabeta, 2003)

9
parametrik Anova dua arah ini dapat membantu peneliti kuantitatif untuk melihat pengaruh
dua variable independen terhadap sebuah variable dependen.

Jika kita menggunakan Two Way Anova kita bisa menguji main effect dan juga
interaction effect dari masing-masing variable independent terhadap variable dependen. Main
effect merupakan pengaruh langsung salah satu variable independen terhadap variable
depenen dengan membandingkan rata-rata skor pada masing-masing kategori variabel
dependen. Sedangkan interaction effect memberikan gambaran kepada peneliti apakah
pengaruh sebuah variable independen terhadap variabel dependen berlaku untuk variabel
dependen lainnya atau tidak.

Anova dua arah digunakan untuk menguji hipotesis perbandingan lebih dari dua sampel
dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama. Anova dua jalur
yaitu pengujian Anova yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria dalam
pengujian anova mempunyai level. Tujuan dan pengujian anova dua jalur ini adalah untuk
mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang
diinginkan. Misal, seorang guru menguji apakah ada pengaruh antara jenis media belajar
yang digunakan pada tingkat penguasaan siswa terhadap materi.

Dengan menggunakan teknik ANOVA dua jalur ini kita dapat membandingkan
beberapa rata-rata yang berasal dari beberapa kategori atau kelompok untuk satu variable
perlakuan. Bagaimanapun, keuntungan teknik analisis varian ini adalah memungkinkan untuk
memperluas analisis pada situasi dimana hal-hal yang sedang diukur dipengaruhi oleh dua
atau lebih variable.

Anova dua jalur ini digunakan bila sumber keragaman yang terjadi tidak hanya karena
satu faktor (perlakuan). Faktor lain yang mungkin menjadi sumber keragaman respon juga
harus diperhatikan. Faktor lain ini bisa berupa perlakuan lain yang sudah terkondisikan.
Pertimbangan memasukkan faktor kedua sebagai sumber keragaman ini perlu bila faktor itu
dikelompokkan, sehingga keragaman antar kelompok sangat besar, tetapi kecil dalam
kelompoknya sendiri. Pengujian anova dua jalur mempunyai beberapa asumsi diantaranya:

1. Populasi yang diuji berdistribusi normal,

2. Varians atau ragam dan populasi yang diuji sama,
3. Sampel tidak berhubungan satu dengan yang lain.6

6
Leonard J. Kazmier, Statistik Untuk Bisnis (Jakarta, Penerbit Erlangga, 2004)

10
 b. Jenis Anova Dua Arah
1. Anova Dua Arah tanpa Interaksi

Anova dua arah tanpa interaksi yaitu pengujian hipotesis beda tiga rata-rata atau lebih
dengan dua faktor yang berpengaruh dan interaksi antara kedua faktor tersebut
ditiadakan. Tujuan dari pengujian anova dua arah adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.

11
 2. Anova Dua Arah dengan Interaksi
Anova dua arah dengan interaksi merupakan pengujian beda tiga rata-rata atau
lebih dengan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua faktor
tersebut diperhitungkan.

Sumber Jumlah derajat Kuadrat Tengah f hitung f tabel

Keragaman Kuadrat bebas (db) (KT)
(SK) (JK)
Nilai JKB db numer 1 S2B = KTB = f hitung = =
tengah =r-1 db numer 1 =
baris db denum =

f table =
Nilai JKK db numer 2 S2K = KTK = f hitung = =
tengah =k–1 db numer 2 =
kolom db denum =

f table =
2
Interaksi JK[BK] db numer 3 S K = KT[BK] f hitung =
[BK] = [r–1][k–1] db numer 3 =
= =
– – db denum =

f table =
2
Galat JKG db denum = S G = KTG
r.k.[n – 1] =
–
Total JKT [r.k.n] - 1

12
 c. Langkah-Langkah Perhitungan Anova Dua Arah (Two Way Anova)
Berikut adalah langkah-langkah dalam perhitungan ANOVA dua jalur (two way ANOVA):
1. Identifikasi nilai: t (jumlah perlakuan), r (jumlah blog),
2. Hitung jumlah pengamatan total (n), yaitu: n = r x t,
3. Hitung jumlah kuadrat total dengan rumus:

4. Hitung jumlah kuadrat perlakuan dengan rumus:

5. Hitung jumlah kuadrat antar blok dengan rumus:

6. Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel.

13
 7. Cari harga F tabel dengan mempertimbangkan (1) tingkat signifikansi (α), (2) df1
yaitu df dari MS terbesar, dan (3) df2 yaitu df dari MS terkecil.
8. Bandingkan harga F Hitung dengan F tabel.
 Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua
perlakuan tidak berbeda secara signifikan,
 Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima, yang berarti rata-
rata kedua perlakuan berbeda secara signifikan.7

7
Dr. Riduwan, Dasar-Dasar Statistika Edisi Revisi (Bandung, Alfabeta, 2003)

14
 BAB 3
PENUTUP

3.1. KESIMPULAN
Anova merupakan singkatan dari Analysis of variance. Merupakan prosedur uji
statistik yang mirip dengan t test. Namun kelebihan dari Anova adalah dapat menguji
perbedaan lebih dari dua kelompok. Berbeda dengan independent sample t test yang hanya
bisa menguji perbedaan rerata dari dua kelompok saja. Analisis ANOVA sering digunakan
pada penelitian eksperimen dimana terdapat beberapa perlakuan. Peneliti ingin menguji,
apakah ada perbedaan bermakna antar perlakuan tersebut.

Anova merupakan salah satu dari berbagai jenis uji parametris, karena mensyaratkan
adanya distribusi normal pada variabel terikat per perlakuan atau distribusi normal pada
residual. Syarat normalitas ini mengasumsikan bahwa sample diambil secara acak dan dapat
mewakili keseluruhan populasi agar hasil penelitian dapat digunakan sebagai generalisasi.
Namun keunikannya, uji ini dapat dikatakan relatif robust atau kebal terhadap adanya asumsi
tersebut.

3.2. Saran

15