ANALISIS OF VARIANS (ANOVA)

1. Pendahuluan

Kumpulan hasil pengamatan, seperti skor hasil belajar

siswa, tinggi badan mahasiswa, gaji pegawai suatu
perusahaan, hasil panen padi setiap tahun, nilai datanya
memiliki variasi atau ragam yang berbeda, yang dapat kita
hitung dengan rumus varians. Varians tersebut banyak
digunakan untuk membuat kesimpulan mengenai
populasi, baik secara deskriptif maupun secara induktif.
Suatu teknik statistik yang memungkinkan untuk
mengetahui apakah dua atau lebih mean populasi bernilai
sama dengan menggunakan sampel dari masing-masing
populasi yang diuji disebut sebagai Analisis varians
(analysis of variance) atau ANOVA. Asumsi dasar dari
analisis varians adalah:

1. Populasi yang diamati memiliki distribusi

normal.
 2. Pengambilan sampel dilakukan secara acak dan
setiap sampel disyaratkan bersifat independen
atau tidak terikat sampel lain.
3. Populasi-populasi di mana sampel diperoleh
memiliki varians populasi yang sama atau dapat
ditulis 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑘2 dengan k jumlah
populasi.

Dikenal beberapa jenis varians sampel 𝑠 2 , salah satunya

∑(𝑥𝑖 −𝑥̅ )2
dihitung dengan rumus 𝑠 2 = dan varians populasi
𝑛−1

adalah 𝜎 2 . Varians untuk sekelompok data menunjukkan

derajat perbedaan atau variansi nilai data individu yang
ada dalam kelompok atau kumpulan data tersebut.
Variansi ini dihitung dari nilai rata-rata kumpulan data. Di
samping itu, dikenal pula varians sampling berbagai
statistic, untuk rata-rata diberi lambang 𝜎𝑥̅2 , untuk ptoporsi
dengan lambang 𝜎 2𝑥⁄𝑛 , dan sebagainya.

Pada pembahasan sebelumnya telah diuraikan mengenai

analisis perbedaan rata-rata 2 variabel. Teknik analisis
komparatif tersebut menggunakan tes “t” yakni dengan
mencari perbedaan yang signifikan dari dua buah mean
(dua kelompok). Sedangkan analisis untuk menguji
apakah ada perbedaan rata-rata tiga kelompok atau lebih
dengan menggunakan varians dinamakan dengan Anova
(Analysis of variances). Dengan kata lain Anova
digunakan untuk melakukan analisis komparasi
multivariabel. Uji dalam anova menggunakan uji F
karena dipakai untuk pengujian lebih dari 2 sampel.
Dalam praktik, analisis varians dapat merupakan uji
hipotesis (lebih sering dipakai) maupun pendugaan
(estimation, khususnya di bidang genetika terapan).

2. Jenis Uji ANOVA

Analysis of variances (Anova) dapat dibedakan menjadi

dua jenis berdasarkan banyak faktor yang
dipertimbangkan dan banyak kelompok yang akan diuji
perbedaan rata-ratanya. Pembagiannya adalah sebagai
berikut:

1. ANOVA Satu Arah (Univariate One Way

Analysis of Variance). Apabila akan dilihat ada
atau tidaknya perbedaan rata-rata tiga kelompok
 atau lebih di mana hanya terdapat satu factor yang
dipertimbangkan. Misalnya akan diuji apakah ada
perbedaan rata-rata hasil belajar siswa
menggunakan tiga metode yang berbeda.

2. ANOVA Dua Arah (Univariate Two Way Analysis

of Variance). Berbeda denganAnova Satu Arah,
uji Anova Dua Arah digunakan untuk mengetahui
perbedaan rata-rata tiga kelompok atau lebih di
mana factor yang dipertibangkan ada dua.

3. Prosedur Uji Analisis Varians

Langkah-langkah pengujian hipotesis Analisis

Varians dapat dijabarkan sebagai berikut:

1. Rumuskan hipotesis nol (𝑯𝟎 ) dan hipotesis

tandingannya (𝑯𝟏 ).
(𝑯𝟎 ) : mean k populasi (k >2) yang berdistribusi
normal adalah sama.
(𝑯𝟏 ) : di antara k populasi (k >2) terdapat mean
populasi yang berbeda.
 (minimum ada satu tanda sama dengan tidak
berlaku).
Atau secara matematis dapat ditukis:
𝑯𝟎 ∶ 𝝁 𝟏 = 𝝁 𝟐 = 𝝁 𝟑 = ⋯ = 𝝁 𝒌
𝑯𝟏 ∶ 𝝁 𝟏 ≠ 𝝁 𝟐 = 𝝁 𝟑 = ⋯ = 𝝁 𝒌
𝝁𝟏 = 𝝁𝟐 ≠ 𝝁𝟑 = ⋯ ≠ 𝝁𝒌
𝝁𝟏 ≠ 𝝁𝟐 ≠ 𝝁𝟑 ≠ ⋯ ≠ 𝝁𝒌

2. Ambil sampel acak dari k buah (k >2) populasi

sebagai berikut:

Tabel 1. Data Pengamatan K Buah Populasi

Populasi Populasi Populasi … Populasi

I II III k
Data 𝒙𝟏𝟏 𝒙𝟏𝟐 𝒙𝟏𝟑 … 𝒙𝟏𝒌
hasil 𝒙𝟐𝟏 𝒙𝟐𝟐 𝒙𝟐𝟑 … 𝒙𝟐𝒌
penga- 𝒙𝟑𝟏 𝒙𝟑𝟐 𝒙𝟑𝟑 … 𝒙𝟑𝒌
matan . . . … .
. . . .
. . . .
𝒙𝒏𝟏 𝒙𝒏𝟐 𝒙𝒏𝟑 … 𝒙𝒏𝒌
Jumlah 𝑱𝟏 𝑱𝟐 𝑱𝟑 … 𝑱𝒌
Rata- ̅𝟏
𝒙 ̅𝟐
𝒙 ̅𝟑
𝒙 … ̅𝒌
𝒙
rata

3. Tentukan besarnya taraf signifikan 𝜶.

4. Gunakan statistic F (Fisher) dengan analisis
varians dalam bentuk tabel Anova yang disajikan
pada tabel 2.
𝑽𝑨𝑲 𝒗𝒂𝒓𝒊𝒂𝒏𝒔 𝒂𝒏𝒕𝒂𝒓 𝒌𝒆𝒍𝒐𝒎𝒑𝒐𝒌
𝑭𝒉𝒊𝒕𝒖𝒏𝒈 = =
𝑽𝑫𝑲 𝒗𝒂𝒓𝒊𝒂𝒏𝒔 𝒅𝒂𝒍𝒂𝒎 𝒌𝒆𝒍𝒐𝒎𝒑𝒐𝒌

dengan
𝟐
𝒏 ∑𝒌𝒋=𝟏(𝒙
̅𝒋 −𝒙
̅)
𝑽𝑨𝑲 = 𝑨 = 𝝈𝟐 = 𝒏𝑺𝟐𝒙̅ = ,
𝒌−𝟏

di mana dk = k-1.
Untuk ukuran sampel sama berlaku
𝟐
∑𝒏𝒊=𝟏 ∑𝒌𝒋=𝟏(𝒙𝒊𝒋 − 𝒙
̅𝒋 )
𝑽𝑫𝑲 = 𝑫 =
𝒌(𝒏 − 𝟏)
Untuk ukuran sampel tidak sama berlaku
𝟐
∑𝒏𝒊=𝟏 ∑𝒌𝒋=𝟏(𝒙𝒊𝒋 − 𝒙
̅𝒋 )
𝑽𝑫𝑲 = 𝑫 =
∑(𝒏𝒊 − 𝟏)
̅ mean dari semua mean sampel
Dengan 𝒙
̅𝒋 mean sampel ke-j, j = 1, 2, …, k
𝒙
𝒙𝒊𝒋 nilai data observasi ke-i dari sampel

ke-j.
 Tabel 2. Tabel Analisis Varians
Sumb Jumlah Kuadrat dk Rataan F
er (JK) Kuadrat
Varias (RK)
i
𝑨𝒙 𝑨
Antar 𝑨𝒙 ukuran 𝑨=
𝒌−𝟏 𝑫
𝒌
𝟐
Kelo ̅𝒋 − 𝒙
= 𝒏 ∑(𝒙 ̅) sampel
𝒋=𝟏
mpok sama k-
1
𝑱𝟐𝒊 𝑱𝟐
𝑨𝒙 = ∑ ( ) − ukuran
𝒏𝒊 𝑵
sampel
tidak
sama
𝑫𝒙
Dala 𝑫𝒙 ukuran 𝑫=
𝒌(𝒏 − 𝟏)
𝒏 𝒌
m = ∑ ∑(𝒙𝒊𝒋 sampel
𝒊=𝟏 𝒋=𝟏
Kelo 𝟐
sama k
̅𝒋 )
−𝒙
mpok (n – 1)
𝑫𝒙
𝑫𝒙 = ∑ 𝒙𝟐 − 𝑹 − 𝑨 𝑫=
Ukuran ∑(𝒏𝟏 − 𝟏)

sampel
 tidak
sama
∑(𝒏𝟏 − 𝟏)

5. Analisis Hasil
Terima 𝑯𝟎 jika 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 ≤ 𝑭𝜶;(𝒌−𝟏,𝒌(𝒏−𝟏)) .
Tolak 𝑯𝟎 jika 𝑭𝒉𝒊𝒕𝒖𝒏𝒈 > 𝑭𝜶;(𝒌−𝟏,𝒌(𝒏−𝟏)) .

Dengan menggunakan SPSS dapat dilihat nilai

signifikan untuk menolak atau menerima
hipotesis nol. Jika sig > 5% maka terima 𝑯𝟎 ,
sebaliknya tolak 𝑯𝟎 .

6. Interpretasi Hasil
Jika 𝑯𝟎 diterima berarti rataan ke-i kelompok
adalah sama, seakan perlakuan terhadap
eksperimen ke-1 sampai ke-i tidak memberi
pengaruh. Dengan demikian maka pengujian
berakhir. Sebaliknya dengan menolak 𝑯𝟎 berarti
minimal ada satu rataan sampel yang berbeda.
Untuk mengetahui detil perbedaannya maka
dapat dilanjutkan dengan uji Post Hoc. Banyak
saran yang diberikan antara lain menggunakan
LSD, Duncan, Schafe, Tamhane, dan lain
sebagainya.
Berikut rumus untuk Uji Lanjut menggunakan
Uji 𝑳𝑺𝑫𝟏𝜶 (Least Significant Different)
𝟐
𝑳𝑺𝑫 𝟏 =𝒕 𝟏 . 𝑺̅
𝟏− 𝜶 𝟏− 𝜶,𝒌(𝒏−𝟏) 𝒅
𝟐 𝟐
𝒔𝟐 𝒔𝟐
𝑺𝒅̅ = √𝒏 + 𝒏 , 𝒔𝟐 = 𝑽𝑫𝑲
𝒊 𝒋

Kriteria pengujian Uji Lanjut menggunakan Uji

𝑳𝑺𝑫𝟏−𝟏𝜶
𝟐

Bandingkan antara 𝒙 ̅𝒊 dan 𝒙

̅𝒋 ∶ 𝒙
̅𝒊 ≠ 𝒙
̅𝒋 jika
̅𝒊 − 𝒙
𝒅𝒊𝒋 = |𝒙 ̅𝒋 | > 𝑳𝑺𝑫𝟏−𝟏𝜶 .
𝟐
3.1 Contoh Uji Banding Analisis Satu Jalur (One Ways
Anova)

Dalam suatu pembelajaran matematika, guru menerapkan

tiga metode pembelajaran yang berbeda, yaitu, metode 1,
metode 2, dan metode 3. Berikut skor matematika dari 10
sampel yang diperoleh setelah penerapan ketiga metode
tersebut.

Sampel Metode Metode Metode

ke- 1 2 3
1 22 26 21
2 24 24 26
3 23 22 23
4 23 23 24
5 21 25 27
6 22 26 28
7 26 27 26
8 24 30 27
9 24 30 30
10 23 29 30

a. Dengan anova selidikilah apakah ada perbedaan

antara tiga mean skor hasil belajar dengan ketiga
metode tersebut.
b. Bila terdapat perbedaan, dengan uji lanjut
selidikilah model pembeajaran yang manakah
yang terbaik. Gunakan ∝=5%.
Penyelesaian
Diketahui x1 = 23, 2 x2 = 26, 2 x3 = 26, 2
x = 25, 2
Langkah-langkah Analisis varians:
Merumuskan hipotesis uji
H 0 : 1 : 2 : 3
H1 : paling sedikit ada satu tanda sama dengan
tidak berlaku.
Sampel acak dari tiga buah populasi seperti tertera
pada soal di atas. Taraf siginifikansi ∝=5%.
Kasus ini terdiri atas tiga perlakuan k=3 dengan
masing-masing perlakuan memiliki jumlah
sampel yang sama n=10.
Gunakan statistik F (Fisher) untuk menguji
perbedaan antara tiga mean skor hasil belajar
dengan ketiga metode.

k
n ( x j − x ) 2
j =1 10{(23, 2 − 25, 2) 2 + (26, 2 − 25, 2) 2 + (26, 2 − 25, 2) 2}
VAK = =
k −1 3 −1
=30
n k

 ( x
i =1 j =1
ij − x j )2
VDK =
k (n − 1)
 ( 22 − 30 )2 + ( 24 − 30 )2 + ( 23 − 30 )2 +  ( 26 − 30 )2 + ( 24 − 30 )2 + ( 22 − 30 )2 +  ( 21 − 30 )2 + ( 26 − 30 )2 + ( 23 − 30 )2 + 
     
( 23 − 30 )2 + ( 21 − 30 )2 + ( 22 − 30 )2 +  ( 23 − 30 )2 + ( 25 − 30 )2 + ( 26 − 30 )2 +  ( 24 − 30 )2 + ( 27 − 30 )2 + ( 28 − 30 )2 + 
     
 + +
( 26 − 30 ) + ( 24 − 30 ) + ( 24 − 30 ) +  ( 27 − 30 ) + ( 30 − 30 ) + ( 30 − 30 ) +  ( 26 − 30 ) + ( 27 − 30 ) + ( 30 − 30 ) + 
2 2 2 2 2 2 2 2 2

      
( 23 − 30 )  ( 29 − 30 )2  ( 30 − 30 )2 
2
    
=
3(10 − 1)

75,12
= = 2, 782222
27
VAK 30
FHitung = = = 10, 78275
VDK 2, 782222

Kriteria pengujian.
Terima H 0 jika FHitung  F ;( k −1,k ( n−1))
Tolak H 0 jika FHitung  F ;( k −1,k ( n−1))

F ;( k −1,k ( n−1)) = F0,05;(3−1,3(10−1)) = F0,05;(2,27)) = 3,35

Keimpulan: karena FHitung = 10,78275 >
F ;( k −1,k ( n−1)) = 3,35 maka H 0 ditolak.
Artinya, ada perbedaan diantara ketiga mean hasil
belaar dengan ketiga metode tersebut.
Karena H 0 ditolak, maka analisis dilanjutkan
dengan Uji Lanjut menggunakan Uji LSD 1
1− 
2

s2 s2 2, 782222 2, 782222
Sd = + = + = 0, 766393
ni ni 10 9
s 2 = VDK = 0, 766393
LSD 1 = t1− 1  , k ( n −1)
.S d = t1− 1 (0,05),3(10 −1)
.0, 766393
1−  2 2
2
 = t(0,975),27 .(0,766393)
= 2,052 (0,766393)
= 1,572

Kriteria Pengujian Uji lanjut LSD 1

1− 
2

Bandingkan antara xi dan x j : xi  x j jika

dij = xi − x j  LSD 1 .
1− 
2

d12 = x1 − x2 = 23, 2 − 26, 2 = 3  LSD 1 = 1,572.

1− 
2

Berarti x1  x2 .
Dengan x2  x1

d13 = x1 − x3 = 23, 2 − 26, 2 = 3  LSD 1 = 1,572.

1− 
2

Berarti x1  x3 .
Dengan x3  x1

d23 = x2 − x3 = 26, 2 − 26, 2 = 0  LSD 1 = 1,572.

1− 
2

Berarti x2 = x3 .

Berdasarkan hasil perhitungan tersebut dapat ditarik

kesimpulan bahwa metode pembelajaran 2 dan metode
pembelajaran 3 sama-sama efektif dan keduanya lebih
efektif dibandingkan metode pembelajaran 1.
Analisis Varians dengan Komputer

Pada contoh 1 sebelumnya telah dijelaskan uji

Anova Satu Jalur menggunakan perhitungan secara
manual. Berdasarkan informasi pada contoh tersebut
diketahui skor hasil tes pada kasus penerapan model
pembelajaran dengan 3 metode. Kemudian berikut ini
akan dilakukan uji analisis varians yang digunakan
untuk menyelidiki apakah ada perbedaan diantara
tiga rata-rata skor hasil belajar dengan ketiga metode
tersebut dengan menggunakan bantuan komputer
yaitu program MS. Excel dan SPSS. Perhitungan dan
penjelasan lebih lengkapnya diuraikan sebagai
berikut.

a. Analisis Varians dengan MS.Excel

Langkah pengujian analisis varians dengan
menggunakan MS.Excel adalah sebagai berikut.
1. Inputkan data yang akan dianalisis kemudian
beri nama Metode 1, Metode 2, Metode 3.
2. Kemudian klik menu Data→Data
Analysis→Analisis Tools: Random Number
Generation. Dapat dilihat seperti pada gambar
berikut.
 Gambar 1.1 Langkah Analisis Varians

3. Selanjutnya akan terbuka kotak dialog Anova:

Single Factor. Isikan input Range dan Output
Range yang bersesuaian. Kemudian klik OK.

Gambar 1.2 Kotak Diaog Anova: Single Factor

4. Akan muncul hasil analisis berikut.

 Gambar 1.3 Hasil Analisis Varians

Tabel Summary pada output menampilkan informasi

deskriptif dari data skor tes ketiga kelompok metode.
Setiap metode memiliki jumlah sampel yang sama
yaitu 4. Untuk rata-rata skor tes tertinggi berturut-
turut Metode 1 sebesar 23,5, kemudian disusul
metode 2 dengan nilai 26,5, dan rata-rata skor tes
dengan metode 3 sama dengan metode 2 yaitu sebesar
26,5. Tampak pada tabel kedua muncul hasil analisis
data untuk pengujian hipotesis perbedaan rata-rata
tiga populasi dengan menggunakan uji F.
Pengujian hipotesis perbedaan rata-rata tiga
populasi dengan MS.Excel memiliki langkah
pengujian yang sama dengan SPSS dan akan dibahas
berikut.

b. Analisis Varians dengan SPSS

Langkah uji hipotesis Anova dengan
menggunakan SPSS adalah sebagai berikut.
1. Ketikkan data yang akan dianalisis
kemudian beri nama Metode_1, Metode_2
dan Metode_3.
2. Untuk menganalisis tiga sampel
independen ini selanjutnya ketik data yang
telah diinput pada sheet Data View
kemudian digabung dan disusun dalam
 satu kolom yang diberi nama Skor_Tes,
selanjutnya dibuat kolom baru yang berisi
level dari variabel independen yang
dianalisis, kolom ini diberi nama Metode.

Gambar 1.4 Input Data

3. Klik Menu Analyze→Compare
Means→One-Way ANOVA
 Gambar 1.5 Langkah Analisis One-Way
ANOVA
4. Selanjutnya kotak dialog One-Way
ANOVA akan terbuka.
 Gambar 1.6 Kotak Dialog One-Way
ANOVA
5. Masukkan variabel Skor_Tes ke dalam
kotak Dependent List dan masukkan
variabel Metode pada kolom Factor.
6. Klik pilihan Options, aktifkan pilihan
Descriptive pada kotak dialog bagian
Statistic. Selanjutnya klik Continue, maka
akan kembali ke kotak dialog One-Way
ANOVA.

Gambar 1.7 Kotak One-Way ANOVA:

Options
7. Klik pilihan Post Hoc, pada bagian Equal
Variances Assumed aktifkan pilihan LSD.
 Pilihan lainnya bisa diabaikan sesuai
default. Selanjutnya klik Continue, maka
akan kembali ke kotak dialog One-Way
ANOVA.

Gambar 1.8 Kotak dialo One-Way ANO VA: Post Hoc Multiple
Comparisons

8. Klik OK maka akan muncul output

berikut.
Gambar 1.9 Hasil Analisis One-Way
ANOVA

Tabel Descriptive pada output hasil analisis

menampilkan informasi deskriptif dari data
skor tes ketiga kelompok metode. Setiap
metode memiliki jumlah sampel yang sama
yaitu 10. Untuk rata-rata skor tes tertinggi
berturut-turut diperoleh dengan Metode 1
sebesar 23,5 dengan standar deviasi 1,398,
kemudian disusul dengan Metode 2 dengan
nilai 26,5 dengan standar deviasi 2,820, dan
rata-rataskr tes Metode 3 yaitu sebesar 26,5
dengan standar deviasi 2,898.

Pada tabel kedua muncul hasil analisis data

untuk pengujian hipotesis perbedaan rata-rata
tiga populasi dengan menggunakan Uji F.
 Hipotesis pengujian perbedaan rata-rata skor
tes daritiga kelompok dengan tiga metode
berbeda.

Hipotesis :
H 0 : 1 : 2 : 3
H1 : minimal satu tanda sama dengan tidak
berlaku.
Taraf signifikansi  = 5% .
Kriteria pengujian.
Terima H 0 jika FHitung  F ;( k −1,k ( n−1))
Tolak H 0 jika FHitung  F ;( k −1,k ( n−1))
Atau
Terima H 0 jika Sig(2-tailed) >  dan tolak H 0
jika Sig(2-tailed) <  . Hasil uji F pada tabel
ANOVA menunjukkan F hitung sebesar 4,915
dengan nilai Sig(2-tailed) = 0,015 <  (0,05),
maka H 0 ditolak.
Sehingga dapat disimpulkan bahwa ketiga
kelompok memiliki rata-rata skor tes yang
berbeda atau terdapat perbedaan skor tes dengan
perlakuan dari tiga metode pembelajaran tersebut.
Karena terdapat perbedaan rata-rata skor tes dari
ketiga metode, maka selanjutnya dilakukan uji
lanjut untuk mengetahui manakah metode
pembelajaran yang memberikan nilai skor tes
 yang paling berbeda. Langkah analisis
sebelumnya memunculkan output hasil uji lanjut

Post Hoc dengan menggunakan uji LSD berikut.

Post Hoc Test

Gambar 1.10 Hasil Analisis One-Way Anova: Uji Lanjut LSD

 Pengujian dengan Post Hoc tes memiliki prosedur
yang sama dengan uji perbandngan perbedaan rata-rata
dua sampel independen. Pada output terlihat nilai Sig
pada metode I dan metode II (berlaku bolak balik)
sebesar 0,011 < 0,05, sehingga Ho ditolak yang berarti
terdapat perbedaan rata-rata skor tes antara metode I dan
II.
Pada tabe output di atas juga terlihat bahwa nilai
sig Metode I dan metode III (beraku bolak balik) sebesar
0,011 < 0,05, sehingga Ho ditolak yang berarti terdapat
perbedaan rata-rata skor tes menggunakan pembelajaran
metode I dan skor tes pembelajaran metode III.
Sedangkan nilai sig pada metode II dan III serta
sebaliknya, sebesar 1,000, maka Ho diterima. Dengan
menerima Ho berarti dapat dikatakan bahwa
pembelajaran Metode II dan pembelajaran Metode III
memiliki skor rata-rata yang sama atau tidak ada
perbedaan di antara keduanya. Berdasarkan uji
menggunakan SPSS tersebut dapat disimpulkan bahwa
pembelajaran dengan Metode II dan Metode III sama
efektinya dan keduanya lebih efektif dibandingkan
dengan Metode I.
3.2 Contoh Uji Banding Analisis Dua Jalur
(Two Ways Anova)

Sebelum menuju ke contoh, berikut akan

dijelaskan sedikit mengenai hal-hal terkait analisis
menggunakan two way Anova. Pada analisis satu
jalur (one way anova) membahas tentang perbedaan
rata-rata sampel lebih dari dua yang bisa disusun
dengan kolom-kolom karena hanya memiliki satu
factor yang menjadi pertimbangan. Sedangkan uji
analisis dua jalur (two way anova) memiliki dua
factor yang dipertimbangkan sehingga bentuk
datanya dapat disusun dengan pembagian baris dan
kolom. Untuk melakukan uji banding analisis dua
jalur digunakan uji F. Secara teoritis penyususnan
datanya dapat ditunjukkan seperti tabel 4.5.

Tabel 3.2: Data antar kelompok

Kolom

Baris 1 2 ... I Mean

1 Y111 Y111 ... Y111 x1

... ... ... ... ... x2

2 Y11k Y21k ... Yi 2 k

 ... Y211 Y221 ... Y2 jk

... ... ...

... Y2ik Y2 jk ... ...

... ... ... ... ...

J Y1n1 Y2 n 2 xi

Mean x .1. x .2. x . j. x ...

Dalam hal ini ada I kolom dan J baris

Perhitungan nilai F ditunjukkan alam tabel 4.6.

Tabel 4.6: Analisis varian untuk perhitungan nilai

distribusi F

Sumber Jumlah Kuadrat dk RK F

(JK)

JK =  yi − y ( )
Kolom 2 i-1 JK RJK
RJK = F=
i i −1 RJB

JB =  y j − y ( )
Baris 2 j-1 JB
RJB =
j j −1

Interaksi
(
JI =  yij − yi − y j − RJI )
(i- 2
y = JI
i j
1 ( j − 1)( I − 1)
)
 (
j
-
1
)

 ( y )
Total 2 Ijk
ijk −y
j j k
-
1

Nantinya nilai F hitung dicocokkan dengan F tabel, ∝

derajat kebebasan i-1, j-1.

Langkah uji banding analisis dua jalur:

1. Uji Asumsi persyaratan:

a. Jenis data: Analisis uji banding analisis dua jalur
termasuk model linier. Oleh karena itu jenis data
untuk variabel dependennya adalah interval atau
rasio.
b. Asumsi Kenormalan: Variabel dependen untuk
model linier harus berdistribusi normal. Karena
pada penyelidikan ini ada i kolom dan j baris tetapi
masih dalam satu variabel model linier (seperti
sudah dijelaskan di atas) maka uji normalitas
dilakukan pada variabel dependen keseluruhan
untuk uji data observasi dalam satu kolom.
c. Uji Homogenitas: Pada uji banding analisis dua
jalur ini syarat homogenitas ada dalam menu
secara bersama dengan uji banding. Uji
 homogenitas dilakukan dengan metode Lavene
signifikan. Uji homogenitas sebagai berikut:
H 0 :  12 =  22 = ... =  ixj
2

(varian ke-ixj kelompok sampel adalah sama =

homogen)
H1 : salah satu varian kelompok berbeda (ke-i
kelompok sampel tidak homogen).

Jika sig>5% maka H 0 diterima, sebaliknya H 0 ditolak.

2. Langkah uji banding analisis dua jalur:

Apabila uji persyaratan sudah dilakukan, selanjutnya

dilakukan uji banding dengan kondisi sesuai hasil
persyaratan.
a. Uji Kolom (membandingkan antar kolom)
1) Bentuk Hipotesis uji banding i kolom
(di sini sama saja dengan one way anova)
H 0 : 1 = 2 = ... = i (rataan ke-i kolom sama)
H1 : salah satu rataan berbeda(rataan ke-k sampel
berbeda dengan yang lain)
2) Formulasikan rancangan analisis.
Tentukan uji dua pihak, taraf kesalahan ∝.

Jika pengujian homogenitas dihasilkan ke dua

kelompok homogen maka digunakan rumus
perhitungan nilai F seperti dalam analisis satu
jalur. Untuk penentuan diterima atau ditolaknya
 hipotesis nol dihitung nilai F selanjutnya
dicocokkan dengan nilai F tabel pada taraf
signifikansi ∝ dan derajat kebebasan i-1, n-1. jadi
nilai tabel F ,i −1,n−1 .
3) Analisis Hasil.
Terima H 0 jika F hitung < F tabel, sebaliknya
tolak H 0 jika F hitung > F tabel. Pada
penggunaan SPSS sudah menfasilitasi nilai
signifikan yang dapat digunakan untuk
menolak dan menerima hipotesis nol. Nilai sig
dibaca pada urutan kolom. Terima H 0 jika
sig>5% sebaliknya tolak H 0 .
4) Interpretasi Hasil:
Dengan menerima H 0 berarti rataan ke-i
kelompok adalah sama, dengan perlakuan yang
berbeda pada ke-i kelompok tersebut
menghasilkan hal yang sama seakan
perlakukan eksperimen ke-1 sampai dengan ke-
i tidak memberi pengaruh. Sebaliknya dengan
menolak H 0 dan menerima H1 berarti rataan
minimal salah satu sampel berbeda. Untuk
keperluan ini dilakukan uji lanjut Post Hoc bila
lebih dari dua kolom.

Seperti uraian pada one way anova pilih LSD

(jika antar kelompok homogen), pilih uji lanjut
 Tamhane (kalau antar kelompok tidak
homogen).
b. Uji Baris (membandingkan antar baris)
1) Bentuk Hipotesis uji banding j baris
(di sini sama saja dengan one way anova)
H 0 : 1 = 2 = ... =  j (rataan ke-j baris
adalah sama)
H1 : salah satu varian rataan berbeda
(rataan ke-j sampel berbeda dengan yang
lain)

2) Formulasikan Rancangan Analisis.

Tentukan uji dua pihak, taraf kesalahan ∝.
Jika pengujian homogenitas dihasilkan ke
dua kelompok homogen maka digunakan
rumus perhitungan nilai F seperti dalam
analisis satu jalur. Untuk penentuan
diterima atau ditolaknya hipotesis nol
dihitung nilai F selanjutnya dicocokkan
dengan nilai F tabel pada taraf signifikan
∝ dan derajat kebebasan j-1, n-j. Jadi nilai
tabel F , j−1,n− j .
3) Analisis Hasil.
Terima Ho jika F hitung < F tabel,
sebaliknya tolak Ho jika F hitung>F tabel.
Pada penggunaan SPSS sudah
memfasilitasi nilai signifikan yang dapat
 digunakan untuk menolak dan menerima
hipotesis nol. Nilai sig dibaca pada urutan
variabel baris. Terima Ho jika sig>5%,
sebaliknya tolak Ho.
4) Interpretasi Hasil: dengan menerima Ho
berarti rataan ke-j kelompok adalah sama,
dengan perlakuan berbeda pada ke-j
kelompok tersebut menghasilkan hal yang
sama seakan perlakukan eksperimen ke-1
sampai dengan ke-j tidak memberi
pengaruh. Sebaliknya dengan menolak Ho
dan Menerima H1 bebarti ataan minimal
salah satu sampel berbeda. Untuk
keperluan ini dilakukan uji lanjut Post Hoc
bila lebih dari dua baris. Seperti uraian
pada one way anova pilih LSD (kalau antar
kelompk homogen), pilih uji lanjut
Tamhane (kalau antar kelompok tidak
homogen).

c. Uji Interaksi Kolom dan Baris (membandingkan

antar perpaduan baris & kolom)
1) Bentuk Hipotesis uji banding
H 0 : tidak terjadi interaksi saling bebas
pembagian baris dan kolom
H1 : terjadi interaksi (pembagian baris dan
kolom saling tergantung)
2) Formulasikan rancangan analisis
 Tentukan uji dua pihak, taraf kesalahan ∝.
Di sini masih tetap digunakan uji . Untuk
penentuan diterima atau ditolaknya
hipotesis nol dihitung nilai F selanjutnya
dicocokkan dengan nilai F tabel pada taraf
signifikan ∝.
3) Analisis Hasil. terima Ho jika F hitung < F
tabel, sebaliknya tolak Ho jika F hitung>F
tabel. Pada penggunaan SPSS baca sig
pada baris kolom*baris. Terima Ho jika
sig>5%, sebaliknya tolak Ho.
4) Interpretasi Hasil: Dmngan menerima Ho
berarti pembagian pada kolom menjadi i
kolom dan pada baris menjadi j, bahwa
pada pembagian tersebut saling bebas
salah satu tidak mempengaruhi yang lain
(atau tidak bergantung). Selanjutnya
menolak Ho berarti pembagian kelompok
baris dan kolom saling bergantung.
Artinya pada waktu membagi beberapa
kolom bergantung pada kondisi baris dan
sebaliknya.

Untuk memudahkan dalam memahami hal

tersebut berikut akan disajikan contoh uji analisis dua
jalur (two ways anova).
 Berdasarkan contoh 1 di atas telah dianalisis
perbedaan rata-rata hasil belajar menggunakan
Metode I, II, dan III. Selanjutnya untuk contoh uji
analisis dua jalur akan dikembangkan penyelidikan
lebih lanjut dengan data yang berbeda dengan contoh
1, yaitu apakah ada perbedaan keefektifan
pembelajaran dengan model I, II, maupun III jika
dilihat dari jenis kelamin, laki-laki dan perempuan.
Diberikan data sebagai berikut.

Sampel Kelompok Model Model Model

ke- 1 2 3
1 Perempuan 33 35 38
2 Perempuan 33 34 36
3 Perempuan 35 32 35
4 Perempuan 35 37 34
5 Perempuan 31 36 37
6 Laki-laki 37 36 38
7 Laki-laki 36 37 36
8 Laki-laki 34 36 37
9 Laki-laki 38 40 39
10 Laki-laki 32 39 38

Langkah Implementasi dengan Contoh

Untuk penerapan kajian di atas kita kembali ke data
penelitian pembelajaran menggunakan tiga model
pembelajaran yang berbeda.
1. Langkah Pengujian Persyaratan:
- Lakukan uji normalitas terlebih dahulu pada
variabel hasil belajar siswa yang dilihat dari
tiga model pembelajaran yang digunakan.
Datanya berupa data interval. Langkah Uji
normalitas bisa menggunakan uji Q-Q Plot dan
Kolmogorov Smirnov seperti pada contoh 1 di
atas.
Inputkan data variabel skor (hasil belajar
siswa menggunakan tiga model pembelajaran).
Kemudian untuk membedakan antarkelompok
dalam baris inputkan data variabel kolom di
debelah kanan variabel model dengan masing-
masing berturut-turut 1 untuk pasangan
model1, 2 untuk pasangan model2, 3 untuk
pasangan model3. Begitu juga untuk variabel
baris sebelah kanan dua langkah variabel skor
dengan masing-masing 1 untuk yang
berpasangan dengan baris pertama
(perempuan), dan 2 untuk yang berpasangan
dengan baris ke dua (laki-laki).
- Lalu klik variabel view dan beri nama model
untuk variabel pertama (dependen) dan variabel
kedua dengan kolom (independen jenis model)
dan ketiga baris (independen jenis kelamin).
Pada kolom decimals beri angka nol dan pada
values untuk variabel kolom isikan label 1
untuk model 1, label 2 untuk model 2 dan label
3 untuk model 3, lalu pada variabel baris
 berilah 1 untuk perempuan dan 2 untuk laki-
laki.
- Kembali ke menu data view, lalu pilih analyse,
descriptive statistics, explore, masukkan
variabel skor pada kotak dependent list, pada
bagian display pilih Plots, artinya akan dipakai
proses plots. Kemudian klik plots lagi pada
pilihan sebelah kanan. Aktifkan Normality
Plot with Test dan pada menu descriptive
aktifkan histogram kembali ke menu utama
lalu pilih continu, ok.

Gambar 4.12 Presentasi pemasukan data analisis dua jalur

output 4.13 Proses uji normalitas uji analisis 2 jalur

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

skor .136 30 .167 .972 30 .585

a. Lilliefors Significance Correction

 Mengacu pada output yang disajikan di
atas yaitu pada tabel Test of Normality, dapat
diketahui nilai signifikansi sebesar 0,167 = 16,7
% menggunakan uji Kolmogorov Smirnov,
dengan hipotesis sebagai berikut.
𝐻0 ∶ variabel dependen berdistribusi normal
𝐻1 ∶ variabel dependen berdistribusi tidak
normal
Karena sig = 0,167 > 0,05 maka 𝐻0 diterima yang
berarti bahwa variabel skor hasil belajar siswa
berdistribusi normal. Hal itu juga diperkuat dengan
gambar histogram yang bentuknya mendekati kurva
normal dan juga Q-Q plot yang menunjukkan titik-
titik mengitari garis normal, serta diagram Boxplot
yang berada di posisi tengah. Dengan demikian
dapat disimpulkan bahwa variabel skor berdistribusi
normal.

2. Uji Homogenitas dan Uji Banding

Selanjutnya akan dilakukan Uji Homogenitas
sekaligus Uji Banding dengan uji F melalui
langkah berikut: siapkan data variabel skor,
variabel kolom, variabel baris, lalu klik analyse –
 Generale Linear Model – Univariate, iputkan
variabel skor pada variabel dependent,
selanjutnya inputkan variabel kolom dan variabel
baris pada Fixed Factor(s). Karena variabel
kolom terdiri atas lebih dari dua kolom maka perlu
dilakukan uji lanjut dengan menekan Post Hoc
lalu klik LSD dan Tamhane’s T2 lalu tekan
continue. Lalu pada menu Uniivariate klik menu
Option maka akan muncul output sebagai berikut.

Univariate Analysis of Variance

Between-Subjects Factors

Value Label N

kolom 1 model1 10

2 model2 10

3 model3 10
baris 1 perempuan 15

2 laki-laki 15

Levene's Test of Equality of Error Variancesa

Dependent Variabel: skor

F df1 df2 Sig.

.625 5 24 .682

Tests the null hypothesis that the error variance of

the dependent variabel is equal across groups.
a. Design: Intercept + kolom + baris + kolom * baris

Tests of Between-Subjects Effects

Dependent Variabel: skor

Type III Sum Mean

Source of Squares df Square F Sig.

Corrected
71.600a 5 14.320 4.695 .004
Model
Intercept 38449.2
38449.200 1 12606.295 .000
00
kolom 30.200 2 15.100 4.951 .016
baris 34.133 1 34.133 11.191 .003
kolom * baris 7.267 2 3.633 1.191 .321
Error 73.200 24 3.050
Total 38594.000 30
Corrected Total 144.800 29

a. R Squared = .494 (Adjusted R Squared = .389)

Estimated Marginal Means

Grand Mean
Dependent Variabel: skor

95% Confidence Interval

Mean Std. Error Lower Bound Upper Bound

35.800 .319 35.142 36.458

Multiple Comparisons
Dependent Variabel: skor
LSD

95% Confidence

Mean Interval

(I) (J) Difference Std. Lower Upper

kolom kolom (I-J) Error Sig. Bound Bound

model model2 -1.9000* .78102 .023 -3.5120 -.2880

1 model3 -2.3000* .78102 .007 -3.9120 -.6880
model model1 1.9000* .78102 .023 .2880 3.5120
2 model3 -.4000 .78102 .613 -2.0120 1.2120
model model1 2.3000* .78102 .007 .6880 3.9120
3 model2 .4000 .78102 .613 -1.2120 2.0120

Based on observed means.

The error term is Mean Square(Error) = 3.050.
*. The mean difference is significant at the ,05 level.

Interpretasi hasil output di atas adalah sebagai berikut.

1. Pengujian Homogenitas, meliputi hal-hal berikut:
a. Hipotesis Uji Homogenitas:
𝐻0 : 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑖𝑗2
(varian ke-I kelompok sampel adalah sama =
homogen)
𝐻1 : salah satu varian kelompok berbeda (ke-ij
kelompok sampel tidak homogen)
b. Formula Rancangan Analisis
Dengan uji dua pihak, taraf signifikan 5%,
pengujian diterima atau ditolaknya hipotesis adalah
dengan melihat nilai sig pada output Lavene’s Test.
Levene's Test of Equality of Error Variancesa
Dependent Variabel: skor

F df1 df2 Sig.

.625 5 24 .682

Tests the null hypothesis that the error variance of

the dependent variabel is equal across groups.
a. Design: Intercept + kolom + baris + kolom * baris

c. Analisis Hasil
Berdasarkan output pada Lavene’s Test di atas
tampak bahwa nilai sig = 0,682 = 68,2% > 5% yang
 berarti Ho diterima. Artinya ketiga kelompok
memiliki varian sama (homogen).
d. Interpretasi Hasil
Dengan diterimanya Ho yang berarti ketiga
kelompok memiliki varian sama (homogen), maka
dalam uji lanjut Post Hoc pilihlah LSD pada menu
Equal Variances Assumed.

2. Uji Banding Two Way Anova, dengan langkah-

langkah:
Uji Banding Kolom untuk Dua Jalur
a. Hipotesis uji banding dua sampel
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 (rataan ke-3 sampel kolom
adalah sama)
𝐻1 : salah satu rataan berbeda (rataan ke-I sampel
berbeda).
b. Formulasi rancangan analisis
Dengan uji dua pihak, taraf signifikan 5%,
pengujian diterima atau ditolaknya hipotesis adalah
dengan melihat nilai sig pada output variabel kolom
Test of Between-Subject Effects sebagai berikut:
Tests of Between-Subjects Effects
Dependent Variabel: skor

Type III Sum Mean

Source of Squares df Square F Sig.

Corrected
71.600a 5 14.320 4.695 .004
Model
Intercept 38449.2
38449.200 1 12606.295 .000
00
kolom 30.200 2 15.100 4.951 .016
baris 34.133 1 34.133 11.191 .003
kolom * baris 7.267 2 3.633 1.191 .321
Error 73.200 24 3.050
Total 38594.000 30
Corrected Total 144.800 29

a. R Squared = .494 (Adjusted R Squared = .389)

c. Analisis hasil
Berdasarkan output pada Test of Between-Subject
Effects di atas tampak bahwa nilai signifikan pada
variabel kolom sig = 0,016 = 16,0% < 5% yang
berarti Ho ditolak dan H1 diterima. Artinya
model1, model2, model3 salah satu berbeda
dengan yang lain. Di sini diperlukan uji lanjut Post
Hoc. Mengacu pada uji homogenitas Lavene yang
menyatakan bahwa ketiga sampel adalah
 homogeny maka selanjutnya dapat dilihat nilai
signifikan pada Equal variances assume yaitu LSD
sebagai berikut.
Multiple Comparisons
Dependent Variabel: skor
LSD

95% Confidence

Mean Interval

(I) (J) Difference Std. Lower Upper

kolom kolom (I-J) Error Sig. Bound Bound

model model2 -1.9000* .78102 .023 -3.5120 -.2880

1 model3 -2.3000* .78102 .007 -3.9120 -.6880
model model1 1.9000* .78102 .023 .2880 3.5120
2 model3 -.4000 .78102 .613 -2.0120 1.2120
model model1 2.3000* .78102 .007 .6880 3.9120
3 model2 .4000 .78102 .613 -1.2120 2.0120

Based on observed means.

The error term is Mean Square(Error) = 3.050.
*. The mean difference is significant at the ,05 level.

Berdasarkan tabel di atas diperoleh hasil nilai

sig pada perpaduan masing-masing model.
Tampak bahwa nilai signifikan semuanya kurang
dari 5%, kecuali antara model 2 dengan model 3
yang berarti bahwa variabel model 1 berbeda
dengan model 2, variabel model 1 juga berbeda
 dengan model 3, tetapi variabel model 2 tidak
berbeda (sama) dengan variabel model 3.

d. Interpretasi hasil
Penggunaan model pembelajaran 1 berbeda dengan
model 2, model pembelajaran 1 juga berbeda
dengan model 3, tetapi model pembelajaran 2 tidak
berbeda (sama) dengan model pembelajaran 3.

Uji Banding Baris untuk Dua Jalur

a. Hipotesis uji banding dua sampel
𝐻0 : 𝜂1 = 𝜂2 (rataan kedua sampel baris
perempuan dan laki-laki adalah sama)
𝐻1 : 𝜂1 ≠ 𝜂2 (rataan kedua sampel baris
perempuan dan laki-laki adalah tidak sama)

b. Formula rancangan analisis

Dengan uji dua pihak, taraf signifikan 5%,
pengujian diterima atau ditolaknya hipotesis
adalah dengan melihat nilai sig pada output
variabel kolom Test of Between-Subject Effects
sebagai berikut:
Tests of Between-Subjects Effects
Dependent Variabel: skor
 Type III Sum Mean
Source of Squares df Square F Sig.

Corrected
71.600a 5 14.320 4.695 .004
Model
Intercept 38449.2
38449.200 1 12606.295 .000
00
kolom 30.200 2 15.100 4.951 .016
baris 34.133 1 34.133 11.191 .003
kolom * baris 7.267 2 3.633 1.191 .321
Error 73.200 24 3.050
Total 38594.000 30
Corrected Total 144.800 29

a. R Squared = .494 (Adjusted R Squared = .389)

c. Analisis hasil
Berdasarkan tabel di atas diperoleh hasil nilai
signifikan untuk variabel baris adalah 0,003 <
0,05 Ho ditolak yang berarti bahwa rataan hasil
pembelajaran siswa perempuan berbeda dengan
siswa laki-laki.

d. Interpretasi hasil
Jenis kelamin laki-laki dan perempuan
berpengaruh terhadap hasil pembelajaran.

Uji Banding Interaksi Baris dan Kolom untuk

Dua Jalur
 a. Hipotesis uji banding dua sampel
𝐻0 : kedua kelompok baris dan kolom saling
bebas
𝐻1 : kedua kelompok baris dan kolom saling
saling bergantung

b. Formula rancangan analisis

Dengan uji dua pihak, taraf signifikan 5%,
pengujian diterima atau ditolaknya hipotesis
adalah dengan melihat nilai sig pada output
variabel kolom Test of Between-Subject Effects
sebagai berikut:
Tests of Between-Subjects Effects
Dependent Variabel: skor

Type III Sum Mean

Source of Squares df Square F Sig.

Corrected
71.600a 5 14.320 4.695 .004
Model
Intercept 38449.2
38449.200 1 12606.295 .000
00
kolom 30.200 2 15.100 4.951 .016
baris 34.133 1 34.133 11.191 .003
kolom * baris 7.267 2 3.633 1.191 .321
Error 73.200 24 3.050
Total 38594.000 30
Corrected Total 144.800 29
a. R Squared = .494 (Adjusted R Squared = .389)

c. Analisis hasil
Berdasarkan tabel di atas diperoleh hasil nilai
signifikan untuk variabel kolom*baris adalah
0,321 = 32,1% > 5% Ho diterima yang berarti
bahwa kedua kelompok baris dan kolom saling
bebas.
d. Interpretasi hasil
Untuk menganalisis hasil pembelajaran
berdasarkan pada model dan jenis kelamin tidak
saling mempengaruhi. Artinya model yang
digunakan tidak mempengaruhi jenis kelamin dan
sebaliknya jenis kelamin tidak mempengaruhi
model pembelajaran yang digunakan.

Simpulan Secara Keseluruhan

Penelitian mengenai analisi hasil belajar siswa jika dilihat

dari penggunaan model pembelajaran 1, model
pembelajaran 2, maupun model pembelajaran 3
menghasilkan rataan skor yang berbeda, kecuali model 2
dengan model 3 yaitu sama. Selanjutnya jika dilihat dari
jenis kelamin ternyata keduanya menghasilkan rataan
yang berbeda pula, meskipun penggunaan model yang
berbeda tidak berpengaruh terhadap jenis kelamin siswa
dan sebaliknya.
Sumber:

1. Hendikawati, Putriaji. 2015. STATISTIKA, Metode

dan Aplikasinya dengan Excel dan SPSS. UNNES
Semarang.

2. Statistika untuk Penelitian, Sugiyono.

3. Aplikasi Statistik untuk Penelitian, Risky Setiawan.

4. Prof. Drs. Sukestiarno, YL, MS, Ph. D. 2013. Olah

Data Penelitian Berbantuan SPSS, UNNES
Semarang.

5. Pengantar Statistik Pendidikan, Anas Sudiono.