Emmel
Emmel
PENDAHULUAN
B. Rumusan Masalah
Dari masalah yang telah dipaparkan di atas, ditemukan berbagai
rumusan masalah di antaranya:
1. Apa yang dimaksud dengan uji anava
2. Apa yang dimaksud dengan uji Anakova
3. Bagaimana Uji Beda Rataan Univariat dengan Uji Multivariat?
1
C. Tujuan Penlisan Makalah
Dari rumusan masalah yang telah dituliskan di tas, maka tujuan
penulisan dari makalah ini adalah:
1. Bagi Mahasiswa
a. Mengetahui apa itu uji Anava.
b. Mengetahui apa itu uji Anakova.
c. Mengetahui Uji Beda Rataan Univariat dengan Uji Beda Rataan
Multivariat.
2. Bagi Dosen
Agar dosen mengetahui seberapa besar kemampuan mahasiswanya
di dalam mempelajari materi yang masih awam bagi mereka, sehingga
untuk pembelajaran selanjutnya bisa lebih baik lagi dan mahasiswa
menjadi paham mengenai metodologi dalam penelitian.
2
BAB II
PEMBAHASAN
3
tersebut telah diyakinkan bahwa kemampuan awal yang dimiliki oleh masing-
masing sample adalah relatif sama. Peneliti tersebut bertujuan untuk menguji
ada atau tidaknya perbedaan efek/pengaruh beberapa perlakuan pada ketiga
sample ditinjau dari prestasi belajar siswa. Untuk melihatnya, peneliti tersebut
menggunakan rata-rata nilai dari masing-masing sample. Setelah beberapa
waktu eksperimen, peneliti tersebut melakukan pengujian sebagai tolak ukur
untuk mengetahui prestasi belajar siswa. Dari contoh diatas dapat dilihat
bahwa terdapat tiga sample yang diambil dari populasi, satu variable bebas,
yaitu model pembelajaran, dan satu variable terikat, yaitu prestasi belajar
siswa. Variabel bebas ini dibagi menjadi 3 bagian yaitu model pembelajaran
Teacher Oriented, Active Learning dan Contextual Learning.
Budiyono (2003: 105) menuliskan sebelum dilakukannya analisis
variansi, terlebih dahulu digunakan uji prasyarat analisis variansi, yaitu uji
homogenitas variansi populasi dan uji normalitas populasi.
a. Uji homogenitas
Uji homogenitas dilakukan dengan menggunakan uji Bartlett dengan
rumus statistik uji:
2,303
𝑋2 = (f log MSerror - ∑ 𝑓I log s12)
𝑐
dengan:
𝑋 2 = 𝑋 2 (k-1)
k = banyak sampel pada populasi
f = derajat kebebasan untuk MSerror = N – k
N = Banyaknya seluruh amatan
∑ 𝑆𝑆𝑖
MSerror =
𝑓
fi = ni – 1
ni = banyaknya amatan pada sampel ke-i
i = 1, 2, 3, …, k
1 1 1
c = 1 + 3(k−1) (∑ - 𝑓)
𝑓𝑗
4
b. Uji normalitas
Uji normalitas dilakukan dengan menggunakan metode Liliefors
dengan rumus statistik uji:
𝐿 = 𝑀𝑎𝑥 │𝐹(𝑍𝑖 ) − 𝑆(𝑍𝑖 )
Dengan:
𝐹(𝑍𝑖 ) = 𝑃(𝑍 ≤ 𝑍𝑖 )
𝑍~𝑁(0,1)
5
Klasifikasi analisis variansi (Anova) berdasarkan ekornya:
1. Analisis Variansi satu jalan
Analisis ini digunakan jika suatu eksperimen mempunyai satu
variabel terikat dan satu variabel bebas. Analisis ini untuk
membandingkan mana yang lebih baik maka tandanya lebih dari.
Berdasarkan ukuran data amatan, Analisis Variansi Satu Jalan dapat
digolongkan menjadi 2 yaitu
a. Analisis Variansi Univariat Satu Jalan dengan Sel Sama
Uji ini digunakan jika data amatan hasil eksperimen memenuhi
persyaratan sebagai berikut
1) Memenuhi 4 persyaratan Analisis Variansi
2) Mempunyai satu variabel terikat
3) Mempunyai satu variable bebas
4) Ukuran masing-masing sample adalah sama
b. Analisis Variansi Univariat Satu Jalan dengan Sel Berbeda
Uji ini digunakan jika data amatan hasil eksperimen memenuhi
persyaratan sebagai berikut
1) Memenuhi 4 persyaratan Analisis Variansi
2) Mempunyai satu variabel terikat
3) Mempunyai satu variable bebas
4) Ukuran masing-masing sample adalah berbeda
2. Analisis variansi dua jalan
Analisis ini digunakan jika suatu eksperimen mempunyai dua
variabel bebas dan satu variabel terikat. Analisis ini untuk mengetahui
ada perbedaan atau tidak, maka tandanya sama dengan atau tidak sama
dengan.
6
C. Uji Anakova
Menurut Astuti (2009), analisis kovarians (Anakova) merupakan model
linier dengan satu variabel dependen kontinu dan satu atau lebih variabel
independen. Anakova merupakan penggabungan antara anova dan regresi
linier yang lazimnya menggunakan variabel kontinu (kuantitatif). Anakova
dilakukan dengan menambahkan variabel penguat (kovariat) ke dalam model
sehingga memperkuat ketepatan/presisi analisis dan meningkatkan
signifikansi secara statistik. Analisis Kovarian bertujuan untuk mengetahui
perbedaan antara beberapa kelompok dengan dikendalikan oleh satu atau
bebe rapa faktor.
Salah satu atau beberapa faktor pengendali ini disebut dengan kovariabel.
Pada umumnya analisis kovarian dipergunakan kalau Y variabel tak bebas
metrik (interval atau rasio) dan paling sedikit ada 1 variabel bebas yang non-
metrik (nominal atau ordinal) dan 1 variabel bebas metrik (interval atau
rasio). Analisis kovarian hampir sama dengan analisis varian namun
dibedakan dengan adanya kovariabel/variabel iringan. Variabel bebas yang
kategori (non-metrik) disebut faktor sedangkan variabel bebas yang metrik
disebut kovariat/kovariabel.
Asumsi-asumsi yang digunakan dalam mengerjakan Anakova adalah
1. Variabel luar yang dikendalikan harus berskala interval atau rasio
2. Harus ada dugaan yang kuat bahwa ada hubungan antara variabel kendali
dengan variabel terikat
3. Harus ada dugaann bahwa variabel kendali tidak dipengaruhi oleh variabel
bebas atau variabel eksperimental.
Beberapa pengertian variabel yang akan digunakan dalam Anakova
antara lain:
1. Kriterium, adalah variabel terikat (X) yaitu variabel yang dipengaruhi,
dimana data harus berbentuk interval atau rasio.
2. Kovariabel, disebut juga variabel kendali, variabel kontrol, variabel
konkomitan yang diberi lambang X, dan data harus berbentuk interval atau
rasio.
7
3. Faktor, yaitu sebutan untuk variabel bebas atau variabel eksperimental
yang ingin diketahui pengaruhnya dan data harus berbentuk nominal atau
ordinal.
Model yang digunakan dalam Anakova adalah sebagai berikut:
Yi,j,k,…z = α+ d1 + X + εijk…m
Dimana:
Y = variabel independen i, j, k, …, z
α = konstanta
d1 = faktor atau variabel independen (dapat berupa variabel kontinu
maupun kategorik)
X = faktor penguat (kovariat)
ε = error
Seperti hanya anava, anakova juga diklasifikasikan menjadi dua, yaitu:
a) Anakova Satu Jalur
Pengaruh motivasi belajar (variabel laten & metrik), pendidikan orang
tua (variabel faktor non metrik), terhadap prestasi belajar di sekolah
(variabel terikat matriks).
b) Anakova Dua Jalur
Pengaruh motivasi belajar (variabel laten & metrik), pendidikan orang
tua (variabel faktor non metrik), dan status tinggal anak (variabel faktor
non metriks), terhadap prestasi belajar di sekolah (variabel terikat matriks).
Anakova merupakan teknik statistik yang sering digunakan pada
penelitian eksperimental dan juga observasional. Keunggulan‑keunggulan
Anakova dalam analisis data penelitian antara lain:
1. Dapat meningkatkan presisi rancangan penelitian terutarna apabila peneliti
masih ragu pada pengelompokan‑pengelompokan subyek perlakuan yang
diterapkan dalam penelititan, yaitu apakah sudah benar-benar dapat
mengendalikan pengaruh variabel luar ataukah belum.
2. Dapat digunakan untuk mengendalikan kondisi-kondisi awal dari variabel
terikat.
8
3. Dapat digunakan untuk mereduksi variabel‑variabel luar yang tidak
diinginkan dalam penelitian
9
− 𝜇0
𝑡=𝑋 − 𝑡(𝑛 − 1)
𝑠⁄√𝑛
d. Komputasi:
74.333−65.000
𝑡= 12.572/√12
9.333
= 12.572⁄3.463
9.333
= 3.629 = 2.572
e. Daerah kritik:
𝑡0,01,11= 2.718;
f. DK = {t|t>2.718}; dan 𝑡𝑎𝑏𝑐 = 2.572€𝐷𝐾
g. Keputusan uji: 𝐻0 diterima.
h. Kesimpulan:
Rataan nilai Matematika kelas tiga SMU “Entah Mana” tidak lebih
daripada 65.
Jika diasumsi variansi populasinya diketahui (atau dapat dicari atau
dapat diasumsikan sama dengan nilai tertentu), maka rumus statistik ujinya
adalah sebagai berikut.
−𝜇0
𝑋
𝑍= ~𝑁(0,1)
𝛼⁄√𝑛
10
1
𝑡 2 = (𝑛) (𝑠2 ) (𝑋̅ − 𝜇0 )2
1
= (𝑛)(𝑋̅ − 𝜇0 ) (𝑠2 ) (𝑋̅ − 𝜇0 )
𝑋̅𝑝 𝜇0𝑝
p= banyaknya variabel terikat
S= matriks-kovariansi dari p variabel yang diketahui, pada sampel.
Pada uji mengenai rataan multivariat dengan p variabel terikat ini,
susunan hipotesis nol-nya adalah sebagai berikut:
𝜇1 𝜇01
H0 =[𝜇…2 ][𝜇…
02 ]
𝜇𝑝 𝜇0𝑝
Statistik uji untuk mengetahui hipotesis nol tersebut adalah:
(𝑛−𝑝)
F (𝑛−1)𝑝 T2
√𝑛 (1)(𝑋̅ − 𝜇0 )
Jika kedua ruas formula tersebut dikuadratkan, diperoleh:
Z2 = (n) (𝜎12)(𝑋̅ − 𝜇0 )2
11
= (n) (𝑋̅ − 𝜇0 )(𝜎)−1 (𝑋̅ − 𝜇0 )
Berdasarkan formula terakhir, dikembangkan formula Z2 untuk multivariat
sebagai berikut:
Z2 = 𝑛(𝑋̅ − 𝜇0 )′()-1(𝑋̅ − 𝜇0 )
Karena 𝑍𝜎2 = 𝑋𝛼2 , maka formula tersebut menjadi:
2
𝜇𝑝 𝜇0𝑝
2 2
H0 ditolak jika 𝑋𝑜𝑏𝑠 = 𝑋𝛼;𝑝
Contoh soal:
Pada ujian matematika, yang terdiri dari dua bagian yaitu aljabar dan
geometri, ingin diuji apakah rerata aljabarnya 6 dan rerata geometrinya
adalah 6,5. Lima orang diambil sebagai sampel dan nilai-nilai mereka
sebagai berikut:
12
Jika diasumsikan variansi populasi sama, maka rumaus uji statistiknya
adalah sebagai berikut:
( 𝑋1 −𝑋2 )
t= ~𝑡(𝑛1 + 𝑛2 − 2)
𝑠 1 1
𝑝√ +
𝑛1 𝑛2
dengan
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = 𝑛1 +𝑛2 −2
Contoh:
Seorang ingin melihat apakah terdapat beda tinggi badan antara anak waita
dan pria umur 9 tahun. Data mengenai tinggi badan tersebut adalah
sebagai berikut.
Wanita : 51 71 76 81 67 98
58 69 87 74 79 81
Pria : 68 72 77 79 68 80 54 63
89 74 66 86 77 73 74 87
Jika diasumsikan bahwa sampel-sampel tadi diambil ddari populasi-
populasi normal yang variansi-variansinya sama tetapi tidak diketahui
dandengan α=5%. Bagaimana kesimpulan penelitian tersebut? (α disebut
tingkat signifikasi)
Jawab:
13
Setelah dihitung, diperoleh rataan dan deviasi baku sebagai berikut:
Misalnya 𝜇1 adalah rataan tinggi anak waita dan 𝜇2 adalah rataan tinggi
anak pria.
a. 𝐻0 : 𝜇1 = 𝜇2 (anak wanita dan pria sama tingginya)
𝐻1 = µ1 ≠ µ2 (anak wanita dan pria tidak sama tingginya)
b. α = 0.05
c. Statistik uji yang digunakan:
( − )
𝑋1 𝑋2
𝑡= 1 1
~𝑡(𝑛1 +𝑛𝑦 − 2)
√𝑛 +𝑛
1 2
d. Komputasi:
(𝑛1 −1)𝑠12 +(𝑛2 −1)𝑠22
𝑠𝑝2 = 𝑛1 +𝑛2 −2
(11)(212.572)2 +(15)(9.232)2
= 12+16−2
3017.054
= = 116.041
26
e. Daerah kritik:
𝑡0.025.20 ≠ 2.056:
𝐷𝐾 = {𝑡|𝑡 < −2.056 𝑎𝑡𝑎𝑢 𝑡 > 2.056}; 𝑑𝑎𝑛
𝑡𝑎𝑏𝑐 = 0.035€𝐷𝐾
f. Keputusan uni; 𝐻0 diterima.
g. Kesimpulan: Tinggi badan anak-anak wanita dan pria sama.
14
(X1 −X2 )
𝑇2 =
1 1
𝑠𝑝 √ +
𝑛1 𝑛2
(X1 −X2 )2
= 2 𝑛 +𝑛
𝑠𝑝 ( 1 2 )
𝑛1. 𝑛2
𝑛1. 𝑛2 2
= (X1 − X2 )(𝑠𝑝 )−1 (X1 − X2 )
𝑛1 +𝑛2
15
𝑛1 +𝑛2 −𝑝−1
F= 𝑇2
(𝑛1 +𝑛2 −2)𝑝
𝑋̅𝑝1 𝑋̅𝑝2
Matriks S dicari dari formula:
𝑤1 +𝑤2
S=
𝑛1 +𝑛2 −2
16
Jika diambil 𝛼 = 0.05, bagaimanakah kesimpulan penelitian tersebut?
Jawab:
Perhatikanlah bahwa hipotesis nol yang diuji pada persoalan ini adalah
sebagai berikut:
𝜇11 𝜇12
a. H0 : (𝜇 ) = (𝜇 )
21 22
(∑ 𝑋2 )2 484
SS2 = ∑ 𝑋22 - = 102 - = 5.2
𝑛1 5
(∑ 𝑋1 )(∑ 𝑋2 ) (13)(22)
SS12 = ∑ 𝑋1 𝑋2 - = 54 – = -3.2
𝑛1 5
9.2 −3.2
W1 = [ ]
−3.2 5.2
Dengan cara yang sama, SSCP untuk kelompok II adalah:
2.0 −1.0
W2 = [ ]
−1.0 2.0
Dari W1 dan W2 diperoleh:
𝑤 11.2 −4.2
𝑤1 + 𝑤2 1 1.87 −0.70
S=𝑛 =𝑛 =6[
]=[ ] dan
1 + 𝑛2 −2 −4.2 7.2
1 + 𝑛2 −2 −0.70 1.20
1 1.20 0.70 0.684 0.399
S-1 = 1.754 [ ]=[ ]
0.70 1.87 0.399 1.066
2.6 5.0 −2.4
Dengan menggunakan rumus S-1 dan 𝑋1 - 𝑋2 = [ ] – [ ] = [ ]
4.4 7.0 −2.6
diperoleh:
𝑛1 𝑛2
T2 = 𝑛 (𝑋1 - 𝑋2)’S-1(𝑋1 - 𝑋2)
1 + 𝑛2
17
yang dihasilkan oleh metode A tidak sama dengan kemampuan
matematika yang dihasilkan oleh metode B.
18
BAB III
PENUTUP
A. Simpulan
Menurut KBBI offline, multi berarrti banyak atau lebih dari satu.
Sedangkan variat menurut Hidayat (2016) yaitu suatu kombinasi linear
dari variabel-variabel yang memiliki bobot empiris yang telah ditentukan.
Wibowo (2010:47) mengatakan bahwa jika pada analisis variansi
univariat, banyaknya variabel terikatnya hanya sebuah, maka pada analisis
variansi multivariat banyaknya variabel terikat lebih dari sebuah.
Analisis Variansi (Anava) merupakan sebuah alat uji statistik yang
digunakan untuk menguji hipotesis komparatif k-sampel bila datanya
berada pada skala interval atau rasio. Anakova merupakan penggabungan
antara anova dan regresi linier yang lazimnya menggunakan variabel
kontinu (kuantitatif).
Analilis uji multivariat merupakan pengembangan dari analisis uji
univariat yang mana untuk setiap formulasi pada komputasinya mengacu
dari formulasi pada analisis univariat.
B. Saran
Analisis multivariat meruapakan suatu analisis dengan berbagai
variabel. Tingkat kesukarannya lebih dari analisis yang lain. Maka dari itu,
pemahaman mengenai analisis multivariat harus lebih ditanamkan agar
mahasiswa lebih mampu dan lebih memahami mengenai analisis
multivariat.
19
DAFTAR PUSTAKA
Astuti, Puji. (2009). Aplikasi Analisis Kovarian (Anakova) Pada Kasus Pengaruh
Letak Daerah Dan Jumlah Penduduk Miskin Terhadap Distribusi Pendapatan
Di Jawa Tengah.
20