Anda di halaman 1dari 47

BAB XII

ANALISIS VARIANS

Analisis Varians atau disingkat ANAVA berasal dari bahasa Inggris Analysis
of Variance (ANOVA). Analisis varians digunakan untuk menguji hipotesis yang
menyatakan perbedaan rata-rata lebih dari dua kelompok sampel, baik dengan
rancangan simple randomized design atau group- within treatmen design. Pada
prinsipnya pengujian perbedaan rata-rata dengan statistik uji-t lebih dari dua
kelompok dapat saja dilakukan. Namun pengujian dengan statistik uji-t secara
berulang-ulang dapat memperbesar terjadinya kekeliruan tipe I (taraf signifikansi ).
Jalan keluar untuk mencegah membesarnya kekeliruan tersebut diperkenalkan
ANOVA. Esensi dari ANOVA bukan pada pengujian perbedaan rata-rata tetapi pada
pengujian perbedaan varians. Disamping itu, dengan ANOVA kita dapat mempelajari
pengaruh variabel bebas dan variabel kontrol baik secara terpisah maupun interaksi
antara variabel tersebut.
A. Analisis Varians Satu Jalan
Analisis Varians Satu Jalan (One Way Analysis of Variance) merupakan
teknik analisis yang ampuh untuk menguji perbedaan rata-rata dengan banyak
kelompok yang terpilih secara acak. Pengujian hipotesis dalam Analisis Varians Satu
Jalan (One Way Analysis of Variance) dilakukan dengan menggunakan statistik uji-F.
Adapun langkah-langkah standar dalam pengujian ANOVA satu jalan, khususnya
yang menggunakan simple randomized design adalah sebagai berikut.
1) Menghitung Jumlah Kuadrat (JK) beberapa sumber variansi, yaitu: Total (T),
Antar (A), dan Dalam (D) dengan formula berikut.
( Yt ) 2
JK(T) =  Yt 
2

nt
a ( Y j ) 2 ( Yt ) 2
JK(A) = 
j 1 nj

nt
a ( Yj ) 2
JK(D) =  Yt  
2

j 1 nj
= y 2

2) Menentukan derajat kebebasan (db) masing-masing sumber variansi


db (T) = nt – 1 db (A) = na – 1, db (D) = nt – na,

3) Menentukan Rata-rata Jumlah Kuadrat (RJK)


JK(A) JK(D)
RJK(A)  , dan RJK(D) 
db (A) db (D)

204 STATISTIKA SOSIAL


4) Menyusun tabel ANOVA
Sumber JK db RJK Fhitung Ftabel
Varians  = 0.05  = 0.01
Antar JK(A) na – 1 RJK (A)
RJK(A)
Dalam JK(D) nt – na RJK (D) Fhit =
RJK(D)
Total JK(T) nt – 1 -

RJK(A)
Fhit =
RJK(D)
Jika Fhit > Ft pada taraf signifikan yang dipilih dengan db pembilang adalah db
(A) dan db penyebut adalah db (D) maka Ho ditolak. Jadi terdapat perbedaan
rata-rata parameter antara kelompok–kelompok yang diuji, sebaliknya untuk Fo
 Ft, berarti Ho diterima atau tidak terdapat perbedaan rata-rata parameter dari
kelompok-kelompok yang diuji atau rata-ratanya sama saja.
5) Menafsirkan hasil pengujian perbedaan antara kelompok sampel.
6) Melakukan uji lanjut, misalnya dengan uji-t, untuk mengetahui mana diantara dua
kelompok sampel yang berbeda secara signifikan.
Beberapa formula uji lanjut (post hoc test) yang dapat digunakan, antara lain
uji t - Dunnet dan uji Scheffe’. Formula uji t- Dunnet ditampilkan sebagai berikut.
Yi - Y j
t(Ai - A j ) =
1 1
RJK(D)( + )
ni nj

Sedangkan formula untuk uji Scheffe’


1 1
Mdij = (k  1)(Ftab )(RJK D )(  )
ni n j
Mdij = nilai kritis mean difference
k = jumlah kelompok

Contoh
Efektivitas tiga metode pembelajaran, yaitu metode Inquiri (A1), Penemuan (A2) dan
metode Ceramah (A3) terlihat dari skor hasil belajar Matematika ketiga kelompok
yang diberi metode tersebut selama tiga bulan. Ketiga kelompok diberi perlakuan
A1, A2, dan A3 dipilih dan ditempatkan secara acak, datanya disajikan sebagai
berikut.

STATISTIKA SOSIAL 205


A1 A2 A3
7 7 6
8 7 5
8 7 6
9 8 6
8 6 5
8 6 5
9 8 6
9 7 7
a) Lakukan uji hipotesis untuk perbedaan rata-rata hasil belajar Matematika ketiga
metode pembelajaran tersebut! Tafsirkan hasil analisis anda!
b) Lakukan uji lanjut (post hoc test) untuk mengetahui efektivitas antar ketiga metode
tersebut! Tuliskan semua kesimpulan yang anda peroleh!

Jawab:
Hipotesis statistik:
HO: 1 = 2 = 3
H1: bukan Ho
Misalkan Skor hasil belajar Matematika untuk A1 = Y1, A2 = Y2, dan A3 = Y3
No. Y1 Y12 Y2 Y22 Y3 Y32
1 7 49 7 49 6 36
2 8 64 7 49 5 25
3 8 64 7 49 6 36
4 9 81 8 64 6 36
5 8 64 6 36 5 25
6 8 64 6 36 5 25
7 9 81 8 64 6 36
8 9 81 7 49 7 49
 66 548 56 396 46 268

Untuk menghitung Jumlah Kuadrat dapat dibuat tabel persiapan seperti di


bawah ini.
Tabel 51. Persiapan Perhitungan ANOVA -1 Jalan
Staitistik A1 A2 A3 Jumlah
n 8 8 8 24
Yi 66 56 46 168
Yi2 548 396 268 1212
yi2 3,5 4 3,5 11
Yi 8,25 7 5,75 7,0

206 STATISTIKA SOSIAL


(i) Menghitung Jumlah Kuadrat (JK) untuk beberapa sumber variansi, yaitu:
Total (T), Antar (A), dan Dalam (D)
( Yt ) 2 168 2
JK(T) =  Yt 
2
= 1212 - = 36
nt 24
a ( Y j ) 2
( Yt ) 2 66 2 56 2 46 2 168 2
JK(A) = 
j 1 nj

nt
=
8
+
8
+
8
-
24
= 25

a ( Yj ) 2
Y  =  y 2 = 11
2
JK(D) = t
j 1 nj
(ii) Menentukan derajat bebas (db) masing-masing sumber variansi
db(T) = 24 – 1 = 23 db(A) = 3 – 1 = 2 db(D) = 24 – 3 = 21

(iii) Menentukan Rata-rata Jumlah Kuadrat (RJK)


JK(A) 25
RJK(A)    12,5
db(A) 2
JK(D) 11
RJK(D)    0,5238
db(D) 21

(iv) Menghitung Fhitung


RJK(A) 12,5
Fhitung    23,864
RJK(D) 0,5238

(v) Menyusun tabel ANOVA


Sumber JK db RJK Fhit Ftabel
Varians  = 0.05  = 0.01
Antar 25 2 12,5
Dalam 11 21 0,5238 23,864** 3,47 5,78
Total 36 23 -

Fhitung = 23,864 > Ft = 5,78 pada taraf signifikan  = 0.01 dengan db pembilang,
yaitu db (A) = 2 dan db penyebut, yaitu db (D) = 21 maka Ho ditolak. Jadi terdapat
perbedaan rata-rata hasil belajar Matematika kelompok yang diberi metode Inquiri,
Penemuan dan metode ceramah.

STATISTIKA SOSIAL 207


(vi) Menentukan Besar Pengaruh Variabel Bebas Terhadap Variabel Terikat
Besarnya pengaruh variabel bebas terhadap variabel terikat dihitung dengan
JK ( A) 25
menggunakan koefisien determinasi: R 2    0,694 . Hal ini berarti
JK (T ) 36
faktor metode pembelajaran dapat menjelaskan 69,4% variansi hasil belajar
Matematika.

Selanjutnya, untuk menguji rata-rata hasil belajar Matematika kelompok mana


yang berbeda secara signifikan dilakukan uji lanjut statistik uji- t (Dunnet).

Uji lanjut dengan t-Dunnet :


Hipotesis statistik:
(i) HO: 1 ≤ 2 (ii) HO: 1 ≤ 3 (ii) HO: 2 ≤ 3
H1: 1 > 2 H1: 1 > 3 H1: 2 > 3

Y1 - Y 2 8,25- 7 1,25
t o (A1 - A 2 ) = =  = 3,45
1 1 1 1 0,362
RJK(D) ( + ) 0,524 ( + )
n1 n2 8 8
Y1 - Y 3
t o (A1 - A 3 ) = 8,25- 5,75 2,5
1 1 =  = 6,91
RJK(D) ( + ) 1 1 0,362
n1 n3 0,524 ( + )
8 8
Y2 - Y3 7 - 5,75 1,25
t o (A 2 - A 3 ) = = = = 3,45
1 1 1 1 0,362
RJK(D) ( + ) 0,524( + )
n2 n3 8 8
ttabel = t(0,05; 21) = 1,72 dan ttabel = t(0,01; 21) = 2,52

Kesimpulan:
(i) to(A1- A2) = 3,45  ttabel = 2,52 (pada  = 0.01). Dengan demikian hasil
belajar Matematika kelompok yang diberi metode Inquiri secara signifikan
lebih tinggi daripada kelompok yang diberi metode Penemuan.
(ii) to(A1- A3) = 6,91 ttabel = 2,52 (pada  = 0.01). Dengan demikian belajar
Matematika kelompok yang diberi metode Inquiri secara signifikan lebih tinggi
daripada kelompok yang diberi metode Ceramah.
(iii) to(A2 -A3) = 3,45  ttabel = 2,52 (pada  = 0.01). Dengan demikian belajar
Matematika kelompok yang diberi metode Penemuan secara signifikan lebih
tinggi daripada kelompok yang diberi metode Ceramah.
Uji lanjut yang lain adalah uji Scheffe:

1 1
Rumus uji- Scheffe: Mdij = (k  1)(Ftab )(RJK D )(  )
ni n j

208 STATISTIKA SOSIAL


Dari tabel ANOVA diperoleh: Ftab = 3,47 pada  = 0,05, RJK(D) = 0,524,
jumlah kelompok (k) = 3. Untuk keperluan perhitungan dengan uji Scheffe’
dibuat tabel perbedaan rata-rata seperti berikut.
Mean n Perbedaan Mean
X 1 =8,25, X 2 =7,00, X 3 =5,75
* *
X 1 =8,25 8 0,00 1,25 2,50
*
X 2 =7,00 8 0,00 1,25
X 3 =5,75 8 0,00

1 1
Md12 = (3  1)(3,47)(0,524)(  ) = 0,953  1,25
8 8
1 1
Md13 = (3  1)(3,47)(0,524)(  ) = 0,953  2,50
8 8
1 1
Md23 = (3  1)(3,47)(0,524)(  ) = 0,953  1,25
8 8
Nilai kritis perbedaan pasangan mean (A1&A2), (A1&A3), dan (A2&A3)
semuanya bersifat signifikan pada  = 0,05.
Bandingkan hasil-hasil di atas dengan ouput SPSS menggunakan syntax
berikut.
UNIANOVA
Y BY A
/METHOD = SSTYPE(3)
/INTERCEPT = INCLUDE
/PRINT = DESCRIPTIVE PARAMETER HOMOGENETY
/CRITERIA = ALPHA(.05)
/DESIGN = A.
KONTRAS
IF (A = 1) fs =1.
IF (A = 2) fs =2.
IF (A = 3) fs =3.
EXECUTE.
ONEWAY
Y BY fs
/CONTRAST= 1 -1 0
/CONTRAST= 1 0 -1
/CONTRAST= 0 1 -1
/STATISTICS DESCRIPTIVES HOMOGENETY
/MISSING ANALYSIS.

STATISTIKA SOSIAL 209


Descriptive Statistics

Dependent Variable: Y
A Mean Std. Deviation N
1 8.25 .707 8
2 7.00 .756 8
3 5.75 .707 8
Total 7.00 1.251 24

Interpretasi: Pada kolom mean diperoleh rata-rata (A1) = 8,25, (A2) = 7,00, dan
(A3) = 5,75 dan rata-rata keseluruhan (At) = 7,00

a
Levene's Test of Equality of Error Variances

Dependent Variable: Y
F df1 df2 Sig.
.056 2 21 .946
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: +A

Interpretasi: Harga levene’s Tes dengan statistik F=0,056 dengan db=2 dan db=21
pada p-value =0,946  0,05. Sehingga ketiga kelompok data sampel
adalah mempunyai varians sama atau homogen.
Tests of Between-Subjects Effects

Dependent Variable: Y
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 25.000a 2 12.500 23.864 .000
Intercept 1176.000 1 1176.000 2245.091 .000
A 25.000 2 12.500 23.864 .000
Error 11.000 21 .524
Total 1212.000 24
Corrected Total 36.000 23
a. R Squared = .694 (Adjusted R Squared = .665)

Interpretasi: Harga Fhitung atau F(A)= 23,864 dengan p-value = 0,000  0,05) yang
berarti terdapat perbedaan yang signifikan dari rata-rata hasil belajar matematika
setelah siswa diberi ketiga metode pembelajaran. Dengan kata lain metode
pembelajaran berpengaruh nyata terhadap hasil belajar matematika. Faktor metode
pembelajaran dapat menjelaskan 69,4% variansi hasil belajar Matematika.

210 STATISTIKA SOSIAL


.
Contrast Tests

Value of
Contrast Contrast Std. Error t df Sig. (2-tailed)
Y Assume equal variances 1 1.25 .362 3.454 21 .002
2 2.50 .362 6.908 21 .000
3 1.25 .362 3.454 21 .002
Does not assume equal 1 1.25 .366 3.416 13.938 .004
variances 2 2.50 .354 7.071 14.000 .000
3 1.25 .366 3.416 13.938 .004

Kesimpulan: (gunakan baris Assume equal variances)


(a) to(A1- A2) = 3,45, p-value = 0,002/2 = 0,001  0,05, Ho ditolak. Dengan
demikian hasil belajar Matematika kelompok yang diberi metode Inquiri lebih
tinggi daripada kelompok yang diberi metode Penemuan.
(b) to(A1- A3) = 6,91, p-value = 0,000/2 = 0,000  0,05, Ho ditolak. Dengan
demikian hasil belajar Matematika kelompok yang diberi metode Inquiri
secara signifikan lebih tinggi daripada kelompok yang diberi metode
Ceramah.
(c) to(A2 -A3) = 3,45, p-value = 0,000/2 = 0,000  0,05, Ho ditolak. Dengan
demikian hasil belajar Matematika kelompok yang diberi metode Penemuan
lebih tinggi daripada kelompok yang diberi metode Ceramah.
Parameter Estimates

Dependent Variable: Y
95% Confidence Interval
Parameter B Std. Error t Sig. Lower Bound Upper Bound
Intercept 5.750 .256 22.471 .000 5.218 6.282
[A=1] 2.500 .362 6.908 .000 1.747 3.253
[A=2] 1.250 .362 3.454 .002 .497 2.003
[A=3] 0a . . . . .
a. This parameter is set to zero because it is redundant.

Interpretasi: Kita dapat membentuk model regresi dan persamaan fungsi regresi
perlakuan metode pembelajaran terhadap hasil belajar Matematika,
seperti berikut.
Model regresi : Y = o+ 1 [A=1]+ 2 [A=2] + 
Fungsi regresi: Ŷ = 5,75+ 2,50[A=1]+ 1,25[A=2]

B. Analisis Varians Satu Jalan Group Within Treatment (GWT)


Analisis Varians Satu Jalan Group Within Treatment (GWT) adalah salah satu
bentuk teknik analisis statistik dalam penelitian eksperimen. Teknik ini biasa

STATISTIKA SOSIAL 211


digunakan pada kelompok (group) dalam jumlah yang sama, dimana setiap
kelompok diberikan perlakuan-perlakuan. Melalui pengelompokan yang tepat atau
efektif, maka desain ini dapat mengurangi galat atau error perlakuan. Oleh karena itu
desain ini juga merupakan pilihan jika randomisasi subjek terpaksa tidak bisa
dilakukan. Jika dalam analisis varians satu jalan (one way of Anova) yang dipelajari
adalah satu keragaman yang menyebabkan nilai-nilai observasi beragam, yaitu
perlakuan yang dicobakan maka pada GWT yang menjadi perhatian adalah
disamping perlakuan dan error, juga masih dilihat adanya kelompok yang berbeda.
Desain ini menggunakan kelompok sebagai unit sampling bukan individu (subject).
Kalau dalam one way of Anova maka unit sampling harus homogen, maka dalam
GWT kelompok sebagai unit sampling tidak perlu homogen. Unit sampling dapat
dikelompokkan ke dalam kelompok-kelompok tertentu sedemikian hingga kelompok
tersebut relatif homogen.
Proses pengelompokan akan membuat keragaman dalam kelompok menjadi
sekecil mungkin dan keragaman antar kelompok menjadi sebesar mungkin.
Pengelompokan yang tepat akan meningkatkan perbedaan di antara kelompok dan
membuat satuan percobaan menjadi lebih homogen.
1. Model Linear dan Analisis Varians untuk GWT
Dengan satu observasi perkelompok perlakuan, maka model linear untuk GWT
adalah:
Yij = µ + i + j + ij,
i = 1, 2, 3, ....n; j = 1, 2, 3,...m
Dimana:
Yij = nilai observasi dari perlakuan ke-i dan kelompok ke-j
µ = rata-rata populasi
i = pengaruh aditif dari perlakuan ke-i
j = pengaruh aditif dari kelompok ke-j
ij = pangaruh galat percobaan dari perlakuan ke-i pada kelompok ke-j.
2. Analisis Varians GWT
a. Model desain (One way of Anova GWT)
A1 A2 A3…
G1 G2 G3…. G4 G5 G6…. G7 G8 G9…..
Y11 Y12 Y13 …. Y14 Y15 Y16 …. Y17 Y18 Y19 ….
Y21 Y22 Y23 … Y24 Y25 Y26 … Y27 Y28 Y29 …
Y31 Y32 Y33 … Y34 Y35 Y36 … Y37 Y38 Y39 …
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
Ym1 Ym2 Ym3 Yn1 Yn2 Yn3 . Y1 Ys2 Ys3 .

212 STATISTIKA SOSIAL


b. Sumber varians
Sumber varians dalam desain GWT meliputi: Antar, Group Within Treatment,
Dalam Group dan Total. Untuk masing-masing sumber varians tersebut akan
dihitung Jumlah Kuadrat (JK)-nya, sebagai berikut.
( Yt ) 2
Y
2
JK(T) = t 
nt
a ( Yj ) 2
( Yt ) 2
JK(A) = 
j1 nj

nt

g ( Yj ) 2 
=   Yj     yj
2 2
JK(DG)
j1  nj 
a 
 ( Yg ) ( Yj ) 
2 2

JK(GWT) =    
j1 
 ng nj 

c. Menentukan derajat bebas


Setiap sumber varians memiliki (db) yang besarnya adalah:
db(T) = nt – 1 db(A) = na – 1
db(DG) = nt – ng db(GWT) = ng – na
Selanjutnya dapat dihitung rata-rata jumlah kuadrat (RJK) masing-masing
sumber varians, yaitu dengan membagi JK dengan db-nya masing-masing.
d. Menyusun Tabel Anova GWT
Sumber JK db RJK Fo Ftab
Varians
Antar JK(A) na – 1 RJK(A) RJK(A)
G. W. T JK(GWT) ng – na RJK(GWT) RJK(GWT)
Dalam JK(DG) nt – ng RJK(DG)
Total JK(T) nt – 1 - - -
Nilai Fhitung diperoleh dengan rumus:
RJK(A)
Fo  ,
RJK(GWT)
selanjutnya bandingkan nilainya dengan Ft. Jika Fo  Ft pada taraf
signifikansi yang dipilih dengan db pembilang adalah db(A) dan db penyebut
adalah db(GWT) maka Ho ditolak. Dengan demikian terdapat perbedaan rata-
rata antar perlakuan yang diuji, dalam hal lain jika Fo ≤ Ft, maka Ho diterima
atau tidak terdapat perbedaan antar perlakuan-perlakuan yang diuji.

STATISTIKA SOSIAL 213


3. Contoh Penerapan GWT
Dua metode pembelajaran akan diuji pengaruhnya terhadap hasil belajar
matematika. Masing-masing metode pembelajaran diberlakukan kepada 3
kelompok atau group (G), misalnya metode pemecahan masalah (A1) terhadap
G1, G2, dan G3 dan metode konvensional (A2) terhadap kelompok G4, G5,
danG6. Pemilihan kelompok G1, G2, G3, G4, G5, dan G6 dilakukan dengan cara
random. Setelah diberi perlakuan selama selang waktu tertentu kemudian diberi
tes hasil belajar matematika yang datanya disajikan sebagai berikut.
A1 A2
G1 G2 G3 G4 G5 G6
8 7 8 7 7 7
8 8 7 7 6 7
8 7 7 6 7 6
8 8 7 7 7 7
8 8 8 7 7 7
7 8 7 7 7 6
8 7 7 6 6 5
8 7 8 6 6 6
7 7 7 6 6 5
8 7 6 7 5 6

a. Tabel Persiapan
Statistik A1 A1 A2 A2 Atot
G1 G2 G3 G4 G5 G6
N 10 10 10 30 10 10 10 30 60
 Yi 78 74 72 224 66 64 62 192 416

Y 610 550 522 1682 438 414 390 1242


2
i
2924
1,6 2,4 3,6 7,6 2,4 4,4 5,6 12,4
y 20
2
i
7,8 7,4 7,2 7,47 6,6 6,4 6,2 6,4 6,93
Yi
b. Menghitung Jumlah Kuadrat (JK)
(416)2
JK(T) = 2924  39,733
60
(224)2 (192)2 (416)2
JK(A) =    17,067
30 30 60
g 
 ( Yg ) 2 
JK(DG) =   Yg   =  y g = 20
2 2

j1 
 ng 

214 STATISTIKA SOSIAL


JK(GWT) =
 (78)2 (74)2 (72)2 (224)2   (66)2 (64)2 (62)2 (192)2 
     +    
 10 10 10 30   10 10 10 30 

JK(GWT) = 1,8667 + 0,8 = 2,667


.
c. Menentukan derajat bebas (db)
db(T) = nt – 1 = 60 – 1 = 59
db(A) = na – 1 =2–1 =1
db(DG) = nt – ng = 60 – 6 = 54
db(GWT) = ng – na =6–2 =4

d. Menyusun tabel Anova GWT


Sumber JK db RJK Fhitung Ftabel
Varians  = 0,05  = 0,01
Antar 17,067 1 17,067
G. W. T 2,667 4 0,667 25,59** 7,71 21,20
DG 20 54 0,370
Total 39,733 59 - - - -

e. Kesimpulan
Dari hasil analisis seperti yang disajikan pada tabel di atas, diperoleh
RJK(A) 17,067
Fhitung    25,59 > Ft = 21,20.
RJK(GWT) 0,667
Jadi terdapat perbedaan hasil belajar matematika antara siswa yang diberi
metode pemecahan masalah (A1) dan metode konvensional (A2). Nampak
224
bahwa rata-rata kelompok A1 sebesar ( Y1 )   7,47 lebih tinggi dari
30
192
pada kelompok A2 yaitu sebesar ( Y 2 )   6,4.
30
Dengan demikian dapat disimpulkan bahwa hasil belajar matematika siswa
yang diajar dengan metode pemecahan masalah lebih tinggi dari pada yang
diajar dengan metode konvensional. Dengan kata lain metode pemecahan
masalah lebih afektif dari pada metode konvensional setelah
mempertimbangkan keragaman group atau kelompoknya.
Catatan:
Berdasarkan hasil analisis seperti yang telah dilakukan di atas,
memperlihatkan bahwa dalam desain GWT kita tidak menguji hipotesis
pengaruh atau perbedaan antar kelompok, hal ini disebabkan pembentukan
kelompok tidak dilakukan secara acak tetapi berdasarkan kriteria tertentu

STATISTIKA SOSIAL 215


seperti umur yang sama, kurikulum, kemampuan rata-rata siswa dan
sebagainya. Pembentukan kelompok bertujuan untuk mengurangi keragaman
unit perlakuan dalam setiap kelompok. Dengan kata lain desain ini
mengusahakan kehomogenan unit perlakuan dalam kelompok. Dengan
demikian dalam GWT yang diuji hanya pengaruh perlakuan saja bukan
pengaruh yang disebabkan oleh perbedaan antar kelompok.

C. Analisis Varians Dua Jalan


Analisis Varians-2 Jalan (Two Way Analysis of Variance) atau disingkat
(ANOVA) 2 jalan dapat digunakan untuk menguji hipotesis yang menyatakan
perbedaan rata-rata antara kelompok-kelompok sampel baik yang menggunakan
Two Factorial Design atau Treatmen by Level Design. Untuk melakukan pengujian
hipotesis dengan menggunakan ANAVA -2 Jalan, digunakan langkah-langkah
sebagai berikut.

1) Menghitung Jumlah Kuadrat (JK) untuk beberapa sumber variansi, yaitu: Total
(T), Antar (A), Antar (B), Interaksi (AB), dan Dalam (D), dengan formula berikut.

( Yt ) 2
JK(T) =  Yt 
2

nt
a  ( Yj ) 2  ( Yt ) 2
JK(A) =   
 n  nt
j 1
 j

b (
 Yi )  ( Yt ) 2
2

JK(B) =   
 ni  nt
i 1
 
   t - JK (A) – JK(B)
ab  ( Y ) 2  ( Y )2
JK(AB) =  
ij

j 1,i 1  n ij
 nt

ab  ( Yij ) 2 
JK(D) =    Yij     yij 2
2

j 1, i 1 
 n ij 

2) Menentukan derajat kebebasan (db) masing-masing sumber varians


db(T) = nt – 1,
db(A) = na – 1,
db(B) = nb – 1,
db(AB) = (na – 1)( nb –1), dan
db(D) = nt – (na)(nb)

216 STATISTIKA SOSIAL


3) Menentukan Rata-rata Jumlah Kuadrat (RJK)
JK(A) JK(B)
RJK(A)  , RJK(B)  ,
dk(A) dk(B)
JK(AB) JK(D)
RJK(AB)  , RJK(D) 
dk(AB) dk(D)
4) Menentukan Fhitung
RJK(A) RJK(B) RJK(AB)
F(OA)  , F(OB)  , dan F(OAB) 
RKJ(D) RKJ(D) RKJ(D)
5) Menyusun tabel Anava
Sumber Ftabel
Varians JK db RJK Fhitung  = 0.05  = 0.01
RJK(A)
Antar A JK(A) na – 1 RJK (A) F(OA) 
RKJ(D)
RJK(B)
Antar B JK(B) nb – 1 RJK (B) F(OB) 
RKJ(D)
RJK(AB)
(na – 1)x F(OAB) 
Dalam JK(D) RJK (D) RKJ(D)
(nb –1)

Total JK(T) nt – 1 - -

Kriteria pengujian, jika Fhitung > Ftabel pada taraf signifikan yang dipilih dengan
db pembilang adalah db yang sesuai, maka Ho ditolak. Jadi terdapat perbedaan
rata-rata antara kelompok–kelompok yang diuji, sebaliknya untuk Fhitung  Ftabel,
maka Ho diterima. Untuk ANOVA 2 jalan, langkah pertama yang yang dilakukan
adalah melakukan pengujian terhadap hipotesis statistik pengaruh interaksi, yaitu
F(OAB). Jika F(OAB)  Ftabel atau Ho diterima berarti tidak terdapat pengaruh interaksi,
maka selanjutnya dilakukan uji hipotesis pengaruh utama (main effect), yaitu uji F(OA)
untuk melihat perbedaan rerata antar A, dan uji F(OB) untuk mempelajari perbedaan
antar B. Sebalinya jika F(OAB) > Ftabel atau Ho ditolak, berarti terdapat pengaruh
interaksi yang signifikan, maka konsekuensinya harus diuji pengaruh sederhana
(simple effect). Simple effect adalah perbedaan rerata antar A pada tiap kelompok Bi
(i = 1, 2, 3,..) atau perbedaan rerata antar B pada tiap kelompok Ai (i = 1, 2, 3,..).
Contoh:
Suatu eksperimen untuk mengetahui efektivitas pemberian metode pembelajaran
dan bentuk tes formatif terhadap hasil belajar Matematika. Untuk keperluan itu telah
diambil tiga kelompok sampel acak masing-masing berukuran 16 orang siswa untuk
diberi metode Inquiri (A1), Problem Solving (A2), dan metode Konvensional (A3).

STATISTIKA SOSIAL 217


Setiap kelompok masing-masing dibagi dua secara acak dan diberi bentuk tes
formatif Uraian (B1) dan bentuk Pilihan Ganda (B2). Skor hasil belajar Matematika
setelah pemberian metode pembelajaran dan bentuk tes formatif tersebut disajikan
sebagai berikut.
.
A
B A1 A2 A3 Keterangan:
7 7 6 A = Metode Pembelajaran
7 7 6 A1 = Inquiri
8 5 7 A2 = Problem Solving
8 8 4 A3 = Konvensional
B1
9 8 6
8 6 6 B = Bentuk Tes Formatif
8 7 5 B1 = Uraian
9 7 6 B2 = Pilhan Ganda
7 6 8
6 6 7 Y = Skor hasil belajar
6 5 7 Matematika
5 6 8
B2 4 7 7
5 7 8
6 8 9
6 8 8

Untuk mempermudah perhitungan Jumlah kuadrat beberapa sumber varian dapat


dibuat tabel persiapan seperti berikut.

Statistik A1B1 A2B1 A3B1 A1B2 A2B2 A3B2 Jumlah


n 8 8 8 8 8 8 48

X i 64 55 46 45 53 62 325

X
2
i 516 385 270 259 359 484 2273

x
2
i 4 6,875 5,5 5,875 7,875 3,5 33,625
xi 8 6,875 5,75 5,625 6,625 7,75 6,77

1) Menghitung Jumlah Kuadrat (JK) untuk beberapa sumber variansi, yaitu: Total
(T), Antar (A), Antar (B), Interaksi (AB), dan Dalam (D), dengan formula berikut.
( Yt ) 2 3252
JK(T) =  Yt 
2
= 2273-  72,479
nt 48

218 STATISTIKA SOSIAL


a  ( Yj ) 2  ( Yt ) 2 1092 1082 1082 3252
JK(A) =    =     0,0417
 nj  nt 16 16 16 48
j 1
 
b (
 Yi )   ( Yt ) 2 = 1652  1602  3252  0,5208
2

JK(B) =  
 ni  nt 24 24 48
i 1
 
ab  ( Y ) 2  ( Yt ) 2
JK(AB) =   
ij
 - JK (A) – JK(B)

j 1,i 1  n ij
 nt

642 552 462 452 532 622 3252
=      -  0,0417- 0,5208  38,292
8 8 8 8 8 8 48
ab  ( Yij ) 2 
JK(D) =   Yij     yij 2 = 33,625
2


j 1, i 1  n ij 
2) Menentukan derajat kebebasan (dk) masing-masing sumber variansi
db(T) = 48 – 1 = 47, db(A) = 3 – 1 = 2, db(B) = 2 – 1 = 1,
db(AB) = (3 – 1)( 2 –1) = 2, db(D) = 48 – (3)(2) = 48 - 6 = 42
3) Menyusun tabel ANOVA
Sumber JK db RJK Fhitung Ftabel
Varians  = 0.05  = 0.01
Antar A 0,0417 2 0,0208 0,026ns 3,32 5,15
Antar B 0,5208 1 0,5208 0,651ns 4,07 7,27
Interaksi
38,292 2 19,1458 23,914** 3,32 5,15
AxB
Dalam 33,625 42 0,8006 -
Total 72,479 47 - -

Dari tabel memperlihatkan bahwa:


Pengaruh Utama (Main Effect)
F(OA)  Ftab atau Ho diterima. Dengan demikian tidak terdapat perbedaan rata-
rata hasil belajar Matematika dari kelompok yang diajar metode pembelajaran
Inquri, Problem Solving, dan Konvensional.
F(OB)  Ftab atau Ho diterima. Dengan demikian tidak terdapat perbedaan rata-
rata hasil belajar Matematika dari kelompok yang diberi bentuk tes formatif uraian
dan pilihan ganda.
Pengaruh Interaksi (Interaction Effect)
F(OAB)  Ftab (0,01), berarti ada pengaruh interaksi yang sangat signifikan antar
faktor A (metode pembelajaran) dan faktor B (bentuk tes formatif) atau pengaruh
metode pembelajaran terhadap hasil belajar Matematika bergantung kepada
bentuk tes formatif.

STATISTIKA SOSIAL 219


4) Menentukan Besar Pengaruh Variabel Bebas Terhadap Variabel Terikat
Karena faktor metode pembelajaran (A) dan faktor bentuk tes formatif (B) tidak
bersifat signifikan, maka yang akan dihitung besar pengaruhnya adalah hanya
pengaruh interaksi saja.
.
Pengaruh interaksi metode pembelajaran dan bentuk tes formatif (AxB)
db (Fhit 1) 2 (23,914 1) 45,828
Ŵ 2     0,488
db (Fhit 1)  N 2 (23,914 1)  48 93,828

Ini berarti pengaruh interaksi metode pembelajaran dan bentuk tes formatif dapat
menjelaskan 48,80% variansi hasil belajar Matematika.

Pengaruh Sederhana (Simple Effect)


<

Oleh karena pengujian hipotesis pengaruh interaksi bersifat signifikan maka


harus diuji pengaruh sederhana atau simple effeknya. Sebelum perbedaan rerata
antara kelompok perlakuan dilakukan uji perbedaan/kesamaan dari enam
kelompok perlakuan dengan penerapan prosedur varians satu jalan. Adapun
hipotesis yang akan diuji adalah sebagai berikut.
Ho: 11 = 12 = 31 = 21 = 22 = 23
H1: Bukan Ho

Langkah-langkah pengujian hipotesis dengan analisis varians satu jalan


3252
(i) JK(Ty) = 2273-  72,479
48
642 552 462 452 532 622 3252
(ii) JK(Ay) =      -  38,8542
8 8 8 8 8 8 48
(iii) JK(Dy) = 72,479 - 38,8542 = 33,625
JK(Ay) 38,8542
(iv) RJK(Ay)= = = 7,7708
n a -1 6 -1
JK(Dy) 33,625
(v) RJK(D) = = = 0,8006
nt - na 48 - 6
RJK(Ay) 7,7708
(vi) Fhitung = = = 9,71
RJK(Dy) 0,8006
F(0,05 ; 5 ; 42) = 2,44 dan F(0,01 ; 5 ; 42) = 3,49

Fhituung  Ftab berarti Ho ditolak. Dengan demikian terdapat perbedaan rata-rata


antara keenam kelompok (sel).

220 STATISTIKA SOSIAL


Rata-rata skor hasil belajar Matematika
A1B1 A2B1 A3B1 A1B2 A2B2 A3B2
Y11 Y21 Y31 Y12 Y22 Y32
8,00 6,875 5,75 5,625 6,625 7,75

Uji lanjut dengan t- Dunnet


(a) Pengujian simple effect untuk B1:
Perbedaan antar A pada B1 (A1B1, A2B1, dan A3B1)
Y11 - Y 21 8,00 - 6,875
t(A1B1 - A 2 B1 ) =   2,515
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 11 n 21 8 8
Y11 - Y 31 8,00 - 5,75
t(A1B1  A 3 B1 ) =   5,029
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 11 n 31 8 8
Y 21 - Y 31 6,875 - 5,75
t(A 2 B1 - A 3 B1 ) =   2,515
1 1 1 1
RJK(D) ( + ) (0,8006)  
n 21 n 31 8 8
ttabel = t(0,05; 42) = 1,67 dan ttabel = t(0,01; 42) = 2,39
Kesimpulan:
(i) thit = 2,515  ttab = 2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran Inquiri
lebih tinggi daripada metode Problem Solving pada kelompok yang diberi
bentuk tes formatif Uraian.
(ii) thit = 5,029  ttab = 2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran Inquiri
lebih tinggi daripada metode Konvensional pada kelompok yang diberi bentuk
tes formatif Uraian.
(iii) thit = 2,515  ttab = 2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran
Problem Solving lebih tinggi daripada metode Konvensional pada kelompok
yang diberi bentuk tes formatif Uraian.
(b) Pengujian simple effect untuk B2:
Perbedaan antar A pada B2 (A1B2, A2B2, dan A3B2)
Y12 - Y 22 5,625 - 6,625
t(A1B 2 - A 2 B 2 ) =    2,235
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 12 n 22 8 8

STATISTIKA SOSIAL 221


Y12 - Y 32 5,625 - 7,75
t(A1B 2 - A 3 B 2 ) =    4,750
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 12 n 32 8 8
Y 22 - Y 32 6,625 - 7,75
t(A 2 B 2 - A 3 B 2 ) =    2,515
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 22 n 32 8 8
ttabel = t(0,95; 42) = - 1,67 dan ttabel = t(0,99; 42) = - 2,39

Kesimpulan:
(i) thit = -2,235  ttab = -2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran Inquiri
lebih rendah daripada metode Problem Solving pada kelompok yang diberi
bentuk tes formatif Pilihan Ganda.
(ii) thit = -4,750  ttab = -2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran Inquiri
lebih rendah daripada metode Konvensional pada kelompok yang diberi
bentuk tes formatif Pilihan Ganda.
(iii) thit = -2,515  ttab = -2,39, maka H0 ditolak. Dengan demikian, hasil belajar
Matematika kelompok siswa yang diajar dengan metode pembelajaran
Problem Solving lebih rendah daripada metode Konvensional pada kelompok
yang diberi bentuk tes formatif Pilihan Ganda.
(c) Pengujian simple effect untuk A1
Perbedaan antar B pada A1 (A1B1 dan A1B2)
Y11 - Y12 8,00 - 5,625
t(A1B1 - A1B 2 ) =   5,309
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 11 n 12 8 8

(d) Pengujian simple effect untuk A2


Perbedaan antar B pada A1 (A2B1 dan A2B2)
Y12 - Y 32 6,875 - 6,625
t(A 2 B1 - A 2 B 2 ) =   0,559
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 12 n 32 8 8

(e) Pengujian simple effect untuk A3


Perbedaan antar B pada A3 (A3B1 dan A3B2)
Y 31 - Y 32 5,75 - 7,75
t(A3 B1 - A 3 B 2 ) =    4,470
1 1  1 1
RJK(D) ( + ) (0,8006)  
n 31 n 32 8 8
ttabel = t(0,95; 42) = 1,67 dan ttabel = t(0,99; 42) = 2,39

222 STATISTIKA SOSIAL


Kesimpulan:
(i) thit = 5,309  ttab = 2,39, maka H0 ditolak. Dengan demikian, hasil belajar Matematika
kelompok siswa yang diberi bentuk tes formatif Uraian lebih tinggi daripada siswa
yang diberi bentuk tes formatif Pilihan Ganda pada kelompok yang diajar dengan
metodel Inquiri.
(ii) thit = 0,559  ttab = 1,67, maka H0 diterima. Dengan demikian, tidak terdapat
perbedaan hasil belajar Matematika antara kelompok siswa yang diberi bentuk tes
formatif Uraian dan kelompok siswa yang diberi bentuk tes formatif Pilihan Ganda
pada kelompok yang diajar dengan metode Problem Solving.
(iii) thit = -4,470  ttab = - 2,39, maka H0 ditolak. Dengan demikian, hasil belajar Matematika
kelompok siswa yang diberi bentuk tes formatif Uraian lebih rendah daripada siswa
yang diberi bentuk tes formatif Pilihan Ganda pada kelompok yang diajar dengan
metodel Konvensional.
Bandingkan hasil-hasil di atas dengan ouput SPSS menggunakan syntax
berikut.

UNIANOVA
Y BY A B
/METHOD = SSTYPE(3)
/INTERCEPT = INCLUDE
/PRINT = DESCRIPTIVE PARAMETER HOMOGENETY
/CRITERIA = ALPHA(.05)
/DESIGN = A B A*B.
KONTRAS
IF (a = 1 & b = 1) fs =1.
IF (a = 2 & b = 1) fs =2.
IF (a = 3 & b = 1) fs =3.
IF (a = 1 & b = 2) fs =4.
IF (a = 2 & b = 2) fs =5.
IF (a = 3 & b = 2) fs =6.
EXECUTE.
ONEWAY
Y BY fs
/CONTRAST= 1 -1 0 0 0 0
/CONTRAST= 1 0 -1 0 0 0
/CONTRAST= 0 1 -1 0 0 0
/CONTRAST= 0 0 0 1 -1 0
/CONTRAST= 0 0 0 1 0 -1
/CONTRAST= 0 0 0 0 1 -1
/CONTRAST= 1 0 0 -1 0 0
/CONTRAST= 0 1 0 0 -1 0
/CONTRAST= 0 0 1 0 0 -1
/STATISTICS DESCRIPTIVES HOMOGENETY
/MISSING ANALYSIS.

STATISTIKA SOSIAL 223


a
Levene's Test of Equality of Error Variances

Dependent Variable: Y
F df1 df2 Sig.
.489 5 42 .783
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: +A+B+A * B

Interpretasi:
Harga levene’s Test dengan statistik F=0,489 dengan db=5
dan db=42 pada p-value =0,783  0,05.
Sehingga ke-enam kelompok data sampel adalah mempunyai varians sama atau homogen.

Tests of Between-Subjects Effects

Dependent Variable: Y
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 38.854a 5 7.771 9.706 .000
Intercept 2200.521 1 2200.521 2748.606 .000
A .042 2 .021 .026 .974
B .521 1 .521 .651 .424
A*B 38.292 2 19.146 23.914 .000
Error 33.625 42 .801
Total 2273.000 48
Corrected Total 72.479 47
a. R Squared = .536 (Adjusted R Squared = .481)

Interpretasi:
Pengaruh Utama (Main Effect)
Fhit (A) = 0,026 dengan p-value = 0,974  0,05, atau Ho diterima.
Hal ini berarti metode pembelajaran tidak berpengaruh terhadap hasil belajar Matematika

Fhit (B) = 0,651 dengan p-value = 0,424  0,05, atau Ho diterima.


Hal ini berarti bentuk tes formatif tidak berpengaruh terhadap hasil belajar Matematika.

Pengaruh Interaksi (Interaction Effect)


Fhit (AB) = 23,914 dengan p-value = 0,000  0,05, atau Ho ditolak.
Hal ini berarti ada pengaruh interaksi yang sangat signifikan antar faktor A (metode
pembelajaran) dan faktor B (bentuk tes formatif).

224 STATISTIKA SOSIAL


Contrast Tests

Value of
Contrast Contrast Std. Error t df Sig. (2-tailed)
Y Assume equal variances 1 1.13 .447 2.515 42 .016
2 2.25 .447 5.029 42 .000
3 1.13 .447 2.515 42 .016
4 -1.00 .447 -2.235 42 .031
5 -2.13 .447 -4.750 42 .000
6 -1.13 .447 -2.515 42 .016
7 2.38 .447 5.309 42 .000
8 .25 .447 .559 42 .579
9 -2.00 .447 -4.470 42 .000
Does not assume equal 1 1.13 .441 2.553 13.085 .024
variances 2 2.25 .412 5.463 13.659 .000
3 1.13 .470 2.393 13.829 .031
4 -1.00 .496 -2.018 13.710 .064
5 -2.13 .409 -5.194 13.156 .000
6 -1.13 .451 -2.496 12.196 .028
7 2.38 .420 5.656 13.513 .000
8 .25 .513 .487 13.936 .634
9 -2.00 .401 -4.989 13.341 .000

Pengaruh Sederhana (Simple Effect)


<

Karena pengujian hipotesis pengaruh interaksi bersifat signifikan maka harus diuji
pengaruh sederhana atau simple effeknya. Sebelum perbedaan rata-rata antara
kelompok perlakuan dilakukan uji perbedaan rata-rata dari enam kelompok
perlakuan dengan penerapan prosedur varians satu jalan. Adapun hipotesis yang
akan diuji adalah sebagai berikut.
Ho: 11 = 12 = 31 = 21 = 22 = 23
H1: Bukan Ho
Dari baris corrected model pada tabel Test of Between Subjects- Effects, diperoleh,
Fhitung = 9,706, dan p-value = 0,000< 0,05, berarti Ho ditolak. Dengan demikian
terdapat perbedaan rata-rata antara keenam kelompok.

Berdasarkan koefisien-kontras memperlihatkan ada sembilan buah kontras, yaitu:


/CONTRAST= 1 -1 0 0 0 0 atau kontras (1) : (A1B1 & A2B1)
/CONTRAST= 1 0 -1 0 0 0 atau kontras (2) : (A1B1 & A3B1)
/CONTRAST= 0 1 -1 0 0 0 atau kontras (3) : (A2B1 & A3B1)
/CONTRAST= 0 0 0 1 -1 0 atau kontras (4) : (A1B2 & A2B2)
/CONTRAST= 0 0 0 1 0 -1 atau kontras (5) : (A1B2 & A3B2)
/CONTRAST= 0 0 0 0 1 -1 atau kontras (6) : (A2B2 & A3B2)
/CONTRAST= 1 0 0 -1 0 0 atau kontras (7) : (A1B1 & A1B2)
/CONTRAST= 0 1 0 0 -1 0 atau kontras (8) : (A2B1 & A2B2)
/CONTRAST= 0 0 1 0 0 -1 atau kontras (9) : (A3B1 & A3B2)

(Lihat Tabel Contrast Tes baris Assume equal variances)

STATISTIKA SOSIAL 225


(a) Pengujian simple effect untuk B1:
Perbedaan antar A pada B1 (A1B1, A2B1, dan A3B1)
 thit (A1B1-A2B1) = 2,515, p-value = 0,016/2 = 0,008 < 0,05, Ho ditolak atau
hasil belajar Matematika siswa yang diajar dengan metode pembelajaran
Inquiri lebih tinggi daripada metode Problem Solving pada kelompok yang
diberi bentuk tes formatif Uraian.
 thit (A1B1-A3B1) = 5,029, p-value = 0,000/2 = 0,000 < 0,05, Ho ditolak atau
hasil belajar Matematika kelompok siswa yang diajar dengan metode
pembelajaran Inquiri lebih tinggi daripada metode Konvensional pada
kelompok yang diberi bentuk tes formatif Uraian.
 thit (A2B1-A3B1) = 2,515, p-value = 0,016/2 = 0,008 < 0,05, Ho ditolak atau
hasil belajar Matematika kelompok siswa yang diajar dengan metode
pembelajaran Problem Solving lebih tinggi daripada metode Konvensional
pada kelompok yang diberi bentuk tes formatif Uraian.
(b) Pengujian simple effect untuk B2:
Perbedaan antar A pada B2 (A1B2, A2B2, dan A3B2)
 thit (A1B2-A2B2) = -2,235, p-value = 0,0031/2 = 0,0155 < 0,05, Ho ditolak
hasil belajar Matematika kelompok siswa yang diajar dengan metode
pembelajaran Inquiri lebih rendah daripada metode Problem Solving pada
kelompok yang diberi bentuk tes formatif Pilihan Ganda.
 thit (A1B2-A3B2) = -4,750, p-value = 0,000/2 = 0,000 < 0,05, H0 ditolak atau
hasil belajar Matematika kelompok siswa yang diajar dengan metode
pembelajaran Inquiri lebih rendah daripada metode Konvensional pada
kelompok yang diberi bentuk tes formatif Pilihan Ganda.
 thit (A2B2-A3B2) = -4,515, p-value = 0,016/2 = 0,008 < 0,05, H0 ditolak aau
hasil belajar Matematika kelompok siswa yang diajar dengan metode
pembelajaran Problem Solving lebih rendah daripada metode Konvensional
pada kelompok yang diberi bentuk tes formatif Pilihan Ganda.
(c) Pengujian simple effect untuk A1
Perbedaan antar B pada A1 (A1B1 dan A1B2)
thit (A1B1-A1B2) = 5,309, p-value = 0,000/2 = 0,000 < 0,05, H0 ditolak atau hasil
belajar Matematika kelompok siswa yang diberi bentuk tes formatif Uraian
lebih tinggi daripada siswa yang diberi bentuk tes formatif Pilihan Ganda pada
kelompok yang diajar dengan metodel Inquiri.
(d) Pengujian simple effect untuk A2
Perbedaan antar B pada A1 (A2B1 dan A2B2)
thit (A2B1-A2B2) = 0,559, p-value = 0,579/2 = 0,290 > 0,05, H0 ditolak atau tidak
terdapat perbedaan hasil belajar Matematika antara kelompok siswa yang
diberi bentuk tes formatif Uraian dan kelompok siswa yang diberi bentuk tes
formatif Pilihan Ganda pada kelompok yang diajar dengan metode Problem
Solving.
(e) Pengujian simple effect untuk A3
Perbedaan antar B pada A3 (A3B1 dan A3B2)

226 STATISTIKA SOSIAL


thit (A3B1-A3B2) = -4,470, p-value = 0,000/2 = 0,000 < 0,05, H0 ditolak atau hasil
belajar Matematika kelompok siswa yang diberi bentuk tes formatif Uraian
lebih rendah daripada siswa yang diberi bentuk tes formatif Pilihan Ganda
pada kelompok yang diajar dengan metodel Konvensional.

Parameter Estimates

Dependent Variable: Y
95% Confidence Interval
Parameter B Std. Error t Sig. Lower Bound Upper Bound
Intercept 7.750 .316 24.499 .000 7.112 8.388
[A=1] -2.125 .447 -4.750 .000 -3.028 -1.222
[A=2] -1.125 .447 -2.515 .016 -2.028 -.222
[A=3] 0a . . . . .
[B=1] -2.000 .447 -4.470 .000 -2.903 -1.097
[B=2] 0a . . . . .
[A=1] * [B=1] 4.375 .633 6.915 .000 3.098 5.652
[A=1] * [B=2] 0a . . . . .
[A=2] * [B=1] 2.250 .633 3.556 .001 .973 3.527
[A=2] * [B=2] 0a . . . . .
[A=3] * [B=1] 0a . . . . .
[A=3] * [B=2] 0a . . . . .
a. This parameter is set to zero because it is redundant.

Interpretasi:
Kita dapat membentuk model regresi dan persamaan fungsi regresi perlakuan
metode pembelajaran terhadap hasil belajar Matematika, seperti berikut.
Model regresi : Y= o+ 1 [A=1]+  2 [A=2]+ ]+3[B=1]+4[A=1][B=1]+ 5 [A=2][B=1]+
Fungsi regresi:
Ŷ = 7,75 -2.125[A=1] -1,125[A=2] -2,00[B=1]+4,375[A=1][B=1]+2,250 [A=2][B=1]
D. Analisis Varians Dua Jalan Dengan GWT
Analisis varians dua Jalan dengan GWT, adalah penggunaan desain GWT dalam
desain eksperimen untuk lebih dari dua jalan atau lebih. Kita telah membahas analisis
varians jalan dengan GWT untuk satu jalan atau satu variabel perlakuan. Prinsipnya kerja
analisis varians dua Jalan dengan GWT dan analisis varians satu jalan dengan GWT
adalah sama. Perbedaannya pada analisis varians dua Jalan dengan GWT juga
mempelajari faktor interaksi di antara variabel bebas. Dengan demikian model analisis
varians dua Jalan dengan GWT dapat digunakan dalam desain faktorial atau treatment
by level design.
1. Model Linear Analisis Varians Dua Jalan dengan GWT
Model statistika untuk eksperimen faktorial yang terdiri dua faktor (A dan B)
dengan menggunakan desain GWT adalah sebagai berikut:
Yij = µ + i + Ai + Bj + (AB)ij + ijk,
i = 1, 2, 3, ....n; j = 1, 2, 3,.......m; dan k = 1, 2, 3,.......r;

STATISTIKA SOSIAL 227


Dimana:
Yij = nilai respon dari kelompok ke-i yang memperoleh taraf ke-i dari faktor A dan
taraf ke-j dari faktor B.
µ = rata-rata populasi
i = pengaruh aditif dari perlakuan ke-i
Aj = pengaruh aditif dari taraf ke-i faktor A
Bj = pengaruh aditif dari taraf ke-j faktor B
(AB)ij = pengaruh interaksi taraf ke-i faktor A dan taraf ke-j faktor B.
ijk = pangaruh galat percobaan pada kelompok ke-i yang memperoleh taraf ke-i
faktor A, dan taraf ke-j faktor B.

2. Analisis Varians GWT


a. Sumber varians
Sumber varians dalam eksperimen faktorial desain GWT meliputi: antar A,
Antar B, Interaksi AB, Group within treatment (GWT), Dalam Group (DG) dan
Total. Untuk masing-masing sumber varians tersebut akan dihitung Jumlah
Kuadrat (JK)-nya, sebagai berikut.
( Yt ) 2
Y
2
JK(T) = t 
nt
a ( Ya ) 2 ( Yt ) 2
JK(A) = 
i 1 na

nt
b ( Yb ) 2
( Yt ) 2
JK(B) = j1 nb

nt
ab ( Yab ) 2
( Yt ) 2
JK(AB) = 
i 1, j1 n ab

nt
 JK(A)  JK(B)

 g ( Yg ) 2 
  g  =  yg
2 2
JK(DG) = Y 
j1   ng 
ab 
 ( Yg ) ( Yg ) 
2 2

JK(GWT) =    
i 1, j1 
 ng ng 
b. Menentukan derajat bebas
db(T) = nt – 1 db(A) = na – 1
db(B) = nb – 1 db(AB) = (na – 1)(nb – 1)
db(DG) = nt – ng db(GWT) = ng – na – nb

Selanjutnya dapat dihitung rata-rata jumlah kuadrat (RJK) masing-masing


sumber varians, yaitu dengan membagi JK dengan db-nya masing-masing.

228 STATISTIKA SOSIAL


c. Menyusun tabel Anova GWT
Sumber JK db RJK Fhitung Ftab
Varians
Antar (A) JK(A) na – 1 RJK(A) Fhit(A)
Antar (B) JK(B) nb – 1 RJK(B) Fhit(B)
Interaksi(AB) JK(AB) (na–1)(nb–1) RJK(AB) Fhit(AB)
G. W. T JK(GWT) ng – na – nb RJK(GWT)
Dalam JK(DG) nt – ng RJK(DG)
Total JK(T) nt – 1 - - -

Nilai Fhit ditentuka dengan rumus:

RJK(A) RJK(A) RJK(A)


Fhit (A)  , Fhit (B)  ,dan Fhit (AB) 
RJK(GWT) RJK(GWT) RJK(GWT)

selanjuntnya bandingkan nilainya dengan Ftabel. Jika Fhit  Ft pada taraf


signifikansi yang dipilih dengan db pembilang adalah db(A), db(B), atau
db(AB) dan db penyebutnya adalah db(GWT) maka Ho ditolak. Dengan
demikian terdapat perbedaan rata-rata antar perlakuan yang diuji, dalam hal
lain jika Fo ≤ Ft, maka Ho diterima atau tidak terdapat perbedaan antar
perlakuan-perlakukan yang diuji.

3. Contoh Penerapan

Dua metode pembelajaran dan bentuk tes formatif akan diuji pengaruhnya
terhadap hasil belajar matematika. Masing-masing metode dan bentuk tes
formatif pembelajaran diberlakukan kepada 3 kelompok, misalnya metode
pemecahan masalah (A1) dan bentuk tes formatif uraian (B1) terhadap G1, G2,
dan G3, dan metode konvensional (A2) dan bentuk tes formatif pilihan ganda (B2)
terhadap kelompok G4, G5 dan G6. Pemilihan kelompok G1, G2, G3, G4, G5 dan
G6 dilakukan dengan cara random. Setelah diberi perlakuan selama selang
waktu tertentu kemudian diberi tes hasil belajar matematika. Data hasil tes
tersebut disajikan sebagai berikut.

STATISTIKA SOSIAL 229


A1 A2 Keterangan:
A/B
G1 G2 G3 G4 G5 G6 A1= Pemecahan Masalah
A2= Konvensional
8 7 8 6 6 5 B1= Uraian
8 8 7 6 5 5 B2= Pilihan Ganda
8 7 7 5 5 5
Y = Hasil belajar
B1 8 8 7 5 5 4
8 8 8 5 5 4 Matematika
7 8 7 5 4 4
6 6 6 7 8 8
5 5 5 7 7 8
B2 4 4 5 7 7 8
6 5 4 7 7 7
6 5 4 7 8 7
4 6 4 6 6 9

a. Tabel Kerja/Persiapan
Statistik A1B1 A2B1 A1B2 A2B2 Total
G1 G2 G3 G4 G5 G6 G1 G2 G3 G4 G5 G6
n 6 6 6 6 6 6 6 6 6 6 6 6 72

 Yi 47 46 44 32 30 27 31 31 28 41 43 47 447

Y
2 369 354 324 172 152 123 165 163 134 281 311 371 2919
i

y
2
i 0,83 1,33 1,33 1,33 2,0 1,5 4,83 2,83 3,3 0,83 2,83 2,83 25,829

Yi 7,8 7,7 7,3 5,33 5,0 4,5 5,2 5,2 4,7 6,8 7,2 7,83 6,21

b. Menghitung Jumlah Kuadrat (JK)


(447)2
JK(T) = 2919  143,875
72
(227)2 (220)2 (447)2
JK(A) =    0,6806
36 36 72
(226)2 (221)2 (447)2
JK(B) =    0,3472
36 36 72
JK(AB) = 
ab (
 Yab ) 2 ( Yt ) 2
  JK(A)  JK(B)
i 1, j1 n ab nt
 (137)2 (89)2 (90)2 (131) 2 (447)2 
=       - JK(A) –JK(B)
 18 18 18 18 72 
= 111,0417 - 0,6806 - 0,3472 = 110,0139

230 STATISTIKA SOSIAL


g ( Yg ) 2 
  g  =  yi = 25,829
2 2
JK(DG) = Y 
j1  ng 
 (47)2 (46)2 (44)2 (137)2   (32)2 (30)2 (27)2 (89)2 
JK(GWT)=     +    
 6 6 6 18   6 6 6 18 
 (31)2 (31)2 (28)2 (90)2   (41)2 (43)2 (47)2 (131)2 
+    +    
 6 6 6 18   6 6 6 18 
= 0,7778 + 2,1111 + 1,000 + 3,1111 = 6,999
c. Menentukan derajat bebas (db)
db(T) = nt – 1 = 72 – 1 = 71
db(A) = na – 1 = 2 - 1 = 1
db(B) = nb – 1 = 2 - 1 = 1
db(AB) = (na – 1)(nb – 1) = 1.1 = 1
db(DG) = nt – ng = 72 – 6 = 66
db(GWT) = ng – na – nb = 6 – 2 – 2 = 2

d. Menyusun tabel Anova GWT


Sumber JK db RJK Fhitung Ftab
Varians  = 0,05  = 0,01
ns
Antar (A) 0,6806 1 0,6806 0,195 18,51 98,50
Antar (B) 0,3472 1 0,3472 0,099ns 18,51 98,50
Interaksi(AB) 110,014 1 110,014 31,437* 18,51 98,50
G. W. T 6,999 2 3,4995 -
Dalam G 25,829 66 0,3914 -
Total 143,875 71 - - -
Nilai Fhitung ditentukan dengan rumus:
RJK(A)
Fhit (A)   0,195 ,
RJK(GWT)
RJK(A)
Fhit (B)   0,099 ,
RJK(GWT)
RJK(A)
Fhit (AB)   31,437
RJK(GWT)
a. Menentukan Besar Pengaruh Variabel Bebas Terhadap Variabel Terikat
Besarnya pengaruh variabel bebas (perlakuan) terhadap variabel kriterion
dinyatakan dengan sebuah koefisien determinasi, yaitu dengan formula
sebagai berikut:

STATISTIKA SOSIAL 231


Dimana db adalah derajat bebas dan Fo adalah F observasi atau Fhitung
(i) Pengaruh faktor pendekatan pembelajaran
db (Fhit 1) 1 (10,23  1) 9,23
Ŵ 2     0,1875 ,
db (Fhit 1)  N 1 (10,23  1)  40 49,23

Ini berarti faktor pendekatan pembelajaran dapat menjelaskan 18,75%


variansi hasil belajar Matematika.

(ii) Pengaruh IQ
db (Fhit 1) 1(16,41 1) 15,41
Ŵ 2     0,2781
db (Fhit 1)  N 1(16,41 1)  40 55,41
Ini berarti faktor IQ dapat menjelaskan 27,81% variansi hasil belajar
Matematika.

(iii) Pengaruh interaksi pendekatan dan bentuk tes formatif


db (Fhit 1) 1(24,05  1) 23,05
Ŵ 2     0,3656
db (Fhit 1)  N 1(24,05  1)  40 63,05
Ini berarti pengaruh interaksi pendekatan dan bentuk tes formatif dapat
menjelaskan 36,56% variansi hasil belajar Matematika.

b. Kesimpulan
Dari hasil analisis seperti yang disajikan pada tabel di atas, dapat disimpulkan
sebagai berikut:
(i) Fhit (A) < Ft atau Ho diterima, sehingga tidak terdapat perbedaan hasil belajar
matematika antara siswa yang diberi metode pemecahan masalah (A1) dengan
metode konvensional (A2). Dengan kata lain metode pembelajaran saja tidak
berpengaruh terhadap hasil belajar matematika.
(ii) Fhit (B) < Ft atau Ho diterima, sehingga tidak terdapat perbedaan hasil belajar
matematika antara siswa yang diberi bentuk tes formatif essai (B1) dengan
pilihan ganda (B2). Dengan kata lain bentuk tes formatif saja tidak berpengaruh
terhadap hasil belajar matematika.
(iii) Fhit (AB) > Ft atau Ho ditolak, sehingga terdapat pengaruh interaksi antar metode
pembelajaran dan bentuk tes formatif terhadap hasil belajar matematika.
(iv) Karena pengaruh interaksi adalah signifikan maka dilakukan uji lanjut
untuk melihat pengaruh sederhana (simple effect) masing-masing faktor.
Adapun langkah-langkahnya adalah sebagai berikut.
Rata-rata variabel kriterion (Y)
A1B1 A2B1 A1B2 A2B2
Y11 Y21 Y12 Y22
7,61 4,94 5,00 7,28

232 STATISTIKA SOSIAL


Pengujian pengaruh sederhana B1 (A1B1 vs A2B1)
Y11 - Y 21 7,61 - 4,94
t(A1 B1 - A 2 B1 ) =   4,28
1 1  1 1
RJK(GWT) ( + ) (3,4995)  
n 11 n 21  18 18 

Pengujian pengaruh sederhana B2 (A1B2 vs A2B2)


Y12 - Y 22 5,00 - 7,28
t(A1B 2 - A 2 B 2 ) =    3,66
1 1 1 1
RJK(GWT) ( + ) (3,4995)  
n 12 n 22  18 18 

Pengujian pengaruh sederhana A1 (A1B1 vs A1B2)


Y11 - Y12 7,61 - 5,00
t(A1B1 - A1B 2 ) =   4,19
1 1 1 1
RJK(GWT) ( + ) (3,4995)  
n 11 n 12  18 18 

Pengujian pengaruh sederhana A2 (A2B1 vs A2B2)


Y 21 - Y 22 4,94 - 7,28
t(A 2 B1 - A 2 B 2 ) =    3,75
1 1 1 1
RJK(GWT) ( + ) (3,4995)  
n 21 n 22  18 18 

ttabel = t(0,05; 2) = 2,92 dan ttabel = t(0,01; 2) = 6,96


(a) thit = 4,28  ttab = 2,92, maka H0 ditolak. Dengan demikian, hasil belajar
matematika untuk siswa yang diberi tes formatif essai dan diajar
dengan metode pemecahan masalah lebih tinggi dari pada yang diajar
dengan metode konvensional.
(b) thit = -3,66 < ttab = - 2,92, maka H0 ditolak. Dengan demikian, skor hasil
belajar matematika untuk siswa yang diberi tes pilihan ganda dan diajar
dengan metode pemecahan masalah lebih rendah dari pada yang
diajar dengan metode konvensional.
(c) thit = 4,19  ttab = 2,92, maka H0 ditolak. Dengan demikian, skor hasil
belajar matematika untuk siswa yang diajar dengan metode pemecahan
masalah dan diberi tes formatif essai lebih tinggi dari pada yang diberi
tes formatif pilihan ganda.
(d) thit = -3,75 < ttab = -2,92, maka H0 ditolak. Dengan demikian, skor hasil
belajar matematika untuk siswa yang diajar dengan metode
konvensional diberi tes formatif essai lebih rendah dari pada yang diberi
tes formatif pilihan ganda.

STATISTIKA SOSIAL 233


E. LATIHAN
1. Kemukakan dua alasan mengapa dalam pengujian parameter lebih dari dua rata-
rata penggunaan teknik ANOVA lebih menguntungkan jika dibandingkan dengan
teknik statistik uji-t.
2. Jelaskan perbedaan pokok antara analisis varians satu jalan (biasa) dan analisis
varians dengan GWT. Kapan kita bekerja atau menggunakan analisis varians
dengan GWT.
3. Suatu survai terhadap kinerja karyawan di Perusahaan Multinasional. Untuk
keperluan tersebut telah dipilih secara acak tiga perusahaan, yaitu perusahaan
Metro Industrial (A1), Anjani Kontraktor (A2) dan Perusahaan Bahari Brothers
(A3). Skor Kinerja karyawan ketiga perusahaan tersebut disajikan di bawah ini.
No. A1 A2 A3 Pertanyaan
1 30 16 6 (i) Lakukan uji hipotesis untuk
2 30 17 8 perbedaan rata-rata skor
3 31 18 9
kinerja karyawan dari ketiga
4 31 18 11
5 32 19 11 perusahaan tersebut. Tafsir-
6 32 21 11 kan hasil analisis anda.
7 33 22 13 (ii) Lakukan uji lanjut (post hoc
8 33 24 14 test) untuk mengetahui kinerja
9 36 27 16 karyawan perusahaan mana
10 37 29 18 yang paling baik. Tuliskan
11 38 29 20 semua kesimpulan yang anda
12 40 30 22 peroleh.

4. Efektivitas empat metode mengajar, yaitu Pemecahan Masalah (A1), Penemuan


(A2), Inquiri (A3) dan Konvensional (A4) terlihat dari skor hasil belajar
Matematika keempat kelompok yang diberi metode tersebut selama tiga bulan.
Data hasil belajar Matematika keempat kelompok disajikan sebagai berikut:
A1 A2 A3 A4
9 9 8 6
8 8 7 7
8 7 7 6
10 7 6 6
8 8 7 5
8 8 7 7
9 7 8 8
9 7 6 5
9 8 5 5
8 6 6 5
a) Lakukan pengujian hipotesis perbedaan rata-rata dengan langkah-langkah
standar dalam Anova -1 Jalan! Tafsirkan hasil analisis anda.

234 STATISTIKA SOSIAL


b) Lakukan uji lanjut (post hoc test) untuk mengetahui efektivitas antar keempat
metode tersebut! Tafsirkan hasil yang anda peroleh!

5. Data hasil penelitian dengan desain GWT sebagai berikut.

A1 A2 A3
G1 G2 G3 G4 G5 G6
5 3 6 6 7 9
5 5 7 7 9 10
5 4 7 6 8 8
3 5 6 7 8 8
5 5 6 6 8 9
5 4 8 8 8 9
4 4 7 7 9 9

Pertanyaan:
Lakukan pengujian hipotesis dengan langkah-langkah standar dalam Desain
GWT untuk perbedaan rata-rata hasil belajar dengan ketiga metode tersebut
dengan mempertimbangkan kelompok-kelompok yang ada.

6. Lakukan pengujian hipotesis untuk menguji semua hipotesis baik hipotesis


mengenai efek utama, efek interaksi maupun efek sederhana dari data hasil
penelitian berikut.

A1B1 A2B1 A1B2 A2B2


8 6 5 7
9 5 6 7
10 6 6 8
7 7 5 8
8 6 6 9
9 6 7 8 Keterangan:
9 6 6 8 A1 = Pendekatan Komunikatif
8 5 7 9 A2 = Pendekatan Konvensional
10 6 6 8 B1 = Gaya Belajar Independent
9 6 7 9 B2 = Gaya Belajar Dependent
Y = Skor hasil belajar Bahasa
Inggris

STATISTIKA SOSIAL 235


7. Data hasil penelitian

A1B1 A2B1 A3B1 A1B2 A2B2 A3B2


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

Keterangan:
A1 = Pendekatan Induktif
A2 = Pendekatan Deduktif
A3 = Pendekatan Konvensional
B1 = Bentuk tes formatif Essai
B2 = Bentuk tes formatif Pilihan Ganda
Variabel Kriterion: (Y) Hasil Belajar matematika
Lakukan uji hipotesis dengan langkah-langkah standar dalam ANOVA 2 Jalan
(faktorial Design) untuk perbedaan rata-rata hasil belajar matematika (main effect,
interaction effect, dan simple effect). Tuliskan semua kesimpulan saudara!
8. Dua pendekatan pembelajaran dan bentuk tes formatif akan diuji pengaruhnya
terhadap hasil belajar matematika. Masing-masing pendekatan dan bentuk tes
formatif pembelajaran diberlakukan kepada 3 kelompok, yaitu pendekatan induktif
(A1) dan bentuk tes formatif uraian (B1) terhadap kelompok G1, G2, dan G3, dan
pendekatan konvensional (A2) dan bentuk tes formatif pilihan ganda (B2)
terhadap kelompok G4, G5 dan G6.

Pemilihan kelompok G1, G2, G3, G4, G5 dan G6 dilakukan dengan cara random.
Setelah diberi perlakuan selama selang waktu tertentu kemudian diberi tes hasil
belajar matematika. Dari data yang disajikan pada tabel berikut, lakukan uji
hipotesis dengan langkah-langkah standar dalam ANOVA GWT 2 Jalan (faktorial
Design) untuk perbedaan rata-rata hasil belajar matematika (main effect,
interaction effect, dan simple effect). Tuliskan semua kesimpulan saudara.

236 STATISTIKA SOSIAL


A1 A2 Keterangan:
A/B A= Pendekatan
G1 G2 G3 G4 G5 G6
10 8 8 7 6 6 A1= Induktif
8 8 8 7 7 5 A2= Deduktif
8 7 7 6 5 5 B= Bentuk tes formatif
8 8 7 6 5 5 B1= Uraian
8 8 8 6 5 4 B2= Pilihan Ganda
B1 7 8 7 6 5 4 Y=Hasil belajar Matematika
9 8 6 5 4 5
8 7 6 5 5 4
8 7 7 6 5 3
8 7 6 5 4 5
6 6 6 7 8 8
6 6 6 8 7 8
6 6 5 7 7 8
5 5 5 7 7 7
4 4 5 7 8 7
B2 6 5 4 7 6 9
6 5 4 6 8 8
4 6 4 7 8 8
5 4 4 7 7 8
4 5 3 6 8 8

STATISTIKA SOSIAL 237


BAB XIII
ANALISIS KOVARIANS (ANKOVA)

A. Pendahuluan
Dalam penelitian eksperimen ada dua pendekatan untuk menekan terjadinya
bias atau kesalahan dalam menarik kesimpulan tentang pengaruh perlakuan
terhadap variabel kriterion. Pendekatan pertama, adalah kontrol kondisional melalui
pengembangan desain penelitian. Tujuan dari pengembangan desain ini adalah
untuk memastikan bahwa hasil-hasil yang diobservasi merupakan akibat dari
perlakuan atau treatment yang diberikan, bukan oleh variabel-variabel atau kausal
lain yang tidak diselidiki.
Dalam keadaan terpaksa, satu atau lebih variabel tidak dapat dikontrol secara
kondisional oleh peneliti karena keterbatasan penyelenggaraan eksperimen atau
karena alasan lain. Padahal peneliti sadar bahwa variabel-variabel tersebut
mempengaruhi (mengotori) hasil eksperimen. Menghadapi situasi ini, peneliti dapat
menempuh pendekatan kedua, yaitu kontrol secara statistik atau pendekatan statistik
melalui pengontrolan atau “pengendalian/penetralan/penyingkiran” satu atau aneka
variabel. Pendekatan kedua ini biasa disebut Analisis Kovarian atau dalam akronim
disebut Ankova.
Ankova dikembangkan oleh R.A. Fisher yang dipublikasikan pada tahun
1932. Desain Ankova pada dasarnya mempunyai kesamaan dengan Analisis Varians
(Anava). Esensi dari Ankova adalah penggunaan model regresi linear untuk
menghilangkan pengaruh variabel yang tak terkontrol yang biasa disebut variabel
pengiring atau kovariabel terhadap variabel kriterion. Pada penelitian pendidikan
kovariabel dapat berbentuk pre-tes, kemampuan awal, IQ dan lain-lain, yang jelas
keberadaan kovariabel berbasis teori dan sejak awal dimasukan dalam desain
penelitian. Dalam praktek, apabila kovariabelnya hanya satu variabel maka pengaruh
atau efek dari kovariabel tersebut dihilangkan dengan menggunakan model regresi
linear sederhana dan analisisnya merupakan kombinasi antara Anava dan Regresi
Linear Sederhana. Sedangkan bila kovariabelnya lebih dari dua variabel, pengaruh
atau efek dari kovariabel-kovariabel tersebut dihilangkan dengan menggunakan
model regresi linear ganda dan analisisnya merupakan kombinasi antara Anava dan
Regresi Linear Ganda (Multiple).
B. Tujuan
Ferguson (1981) mengemukakan bahwa Analisis Kovarians memiliki empat
tujuan, yaitu:
1. Sebagai prosedur kontrol statistis atas suatu atau beberapa variabel yang tidak
terkontrol secara kondisional atau luput dari kontrol eksperimental;
2. Sebagai metode untuk meningkatkan presisi atau kecermatan eksperimen
dengan mengurangi varians kesalahan (error variance);
3. Membantu peneliti dalam memahami atau mengkritisi efektivitas dari perlakuan
yang diselidiki;
4. Untuk menguji homogenitas dari serangkaian koefisien regresi.

238 STATISTIKA SOSIAL


C. Asumsi Analisis Kovarians
Asumsi untuk Analisis Kovarians merupakan kombinasi dari asumsi untuk
Analisis Varians dan asumsi untuk Analisis Regresi Linear. Asumsi yang paling
mendasar yang harus dipenuhi agar Analisis Kovarians menjadi sahih adalah:
1. Variabel pengiring/kovariabel (X) bersifat tetap, diukur tanpa kesalahan, dan tidak
berkorelasi (bebas) dengan perlakuan yang dicobakan. Asumsi ini menunjukkan
bahwa kovariabel (X) tidak dipengaruhi oleh perlakuan.
2. Koefisien regresi homogen diantara berbagai perlakuan. Asumsi ini merupakan
suatu keharusan yang perlu dipenuhi agar data percobaan yang dianalisis
dengan analisis kovarians menjadi sah.
3. Hubungan atau pengaruh antara kovariabel (X) dan variabel respons atau
kriterion (Y) harus bersifat linear dan bebas dari perlakuan atau kelompok
percobaan.
4. Galat percobaan harus muncul secara acak, berdistibusi normal dengan nilai
rata-rata sama dengan nol dan ragam atau varians 2.

D. Analisis Kovarians (Ankova) Satu Jalan


Untuk lebih jelasnya diberikan contoh, Ankova dengan satu kovariabel dalam
Ankova-1 jalan. Misalnya pengaruh pre-tes dalam penelitian eksperimen dengan
menggunakan randomized pre-post test control group design.
Y (post-test) = variabel kriterium
X (pre-test) = kovariabel
Penggunaan Analisis Kovarians adalah untuk menghilangkan pengaruh pre-test
terhadap post-test (variabel kriterium). Model statistik untuk analisis kovarians
diekspresikan sebagai berikut:

Yij = µ + i + (Xij - X t ) + ij,


i = 1, 2, 3, ....n;
j = 1, 2, 3,....m
Desain eksperimennya sebagai berikut:
R E O1 T1 O2

R K O3 T2 O4

STATISTIKA SOSIAL 239


Ankova -1 jalan dengan 1 kovariabel
E K
X1 Y1 X2 Y2
X1.1 Y1.1 X2.1 Y2.1
X1.2 Y1.2 X2.2 Y2.2
X1.3 Y1.3 X2.3 Y2.3
... ... ... ...
... ... ... ...
X1.n Y1.n X2.n Y2.n

Rumus dasar Ankova ditandai dengan adanya Jumlah Perkalian, Jumlah Kuadrat
Kovarabel (X) dan Jumlah Kuadrat Variabel Kriterium (Y), yang masing-masing
dituliskan sebagai berikut:
a. JPxy
b. JKx
c. JKy
Jumlah perkalian tersebut dihitung berdasarkan 3 sumber varians, yaitu: Total,
Dalam, dan Antar (JPT, JPD, dan JPA). Adapun langkah-langkah standar dalam
Ankova -1 Jalan sebagai berikut.
a. Menentukan Jumlah Perkalian (JP)
 X  Y 
JP (T) = X Y t t  t

nt
t

a
  X i  Yi   X t  Yt 
JP (A) = 
i 1  ni

nt


a   X  Y  , a = banyaknya kelompok
JP (D) =   X Y  i i
i

ni

i

i 1  
b. Menentukan Jumlah Kuadrat Kovariabel (X) : (JKx)
 X  2

JKx (T) = X nt
2
t  t

  X   X 
a
2 2

(A) =    i t
JKx 
i 1n  nt i 

240 STATISTIKA SOSIAL


a   X i  
2

JKx (D) =   X i 
2

i 1 
 n i 
c. Menentukan Jumlah Kuadrat Variabel Respon (Y) : (JKy)
 Y  2

JKy (T) = Y t
2

nt
t

a  Y   Y  2 2

(A) =    i t
JKy 

i 1 in nt 
a 
  Yi  
2

JKy (D) =   Yi 
2

i 1 
 n i 
d. Menentukan JKy yang sudah dikoreksi (disebut JKres), melalui langkah-langkah
sebagai berikut.
1) Menentukan Koefisien regresi Y atas X (bxy)
JP (T)
b xy (T) 
JK X (T)
JP (A)
b xy (A) 
JK X (A)
JP (D)
b xy (D) 
JK X (D)
2) Menentukan JKreg untuk berbagai sumber varians
JK reg (T)  b xy (T). JP (T)
JK reg (A)  b xy (A). JP (A)
JK reg (D)  b xy (D). JP (D)
3) Menentukan Jumlah Kuadrat Y Residu (JKres):
JK res (T)  JK y (T) - JK reg (T)
JK res (A)  JK y (A) - JK reg (A)
JK res (D)  JK y (D) - JK reg (D)
e. Menentukan derajat bebas (db)
db res(T) = nt – m – 1 (m = banyaknya kovariabel)
db res(A) = a – 1
db res(D) = nt – m – a (a = banyaknya kelompok)

STATISTIKA SOSIAL 241


f. Menghitung Rata-Rata Jumlah Kuadrat Residu (JK residu):
JK res (A)
RJK (A) 
db res (A)
JK res (D)
RJK (D) 
db res (D)

g. Menentukan harga F-hitung (Fhit) :


RJK res (A)
Fhit  bandingkan dengan Ftabel
RJK res (D)

Jika Fhit  Ftabel maka Ho diterima


Jika Fhit  Ftabel maka Ho ditolak

h. Uji lanjut
Selanjutnya jika Ho ditolak atau terdapat pengaruh perlakuan yang signifikan
setelah mengontol kovariabel (pre-tes), maka dilakukan uji lanjut dengan statistik
uji-t Ankova, dengan formula sebagai berikut:

Yres (i) - Yres (j)


t0 
1 1
RJK (D)   
n
 i n j 


Yres (i)  Y (i) - b xy X (i) - X ( t) 
Jika to  ttabel maka Ho diterima
Jika to  ttabel maka Ho ditolak

E. Contoh Penerapan Ankova


Suatu eksperimen yang ingin mempelajari pengaruh metode pembelajaran
terhadap hasil belajar Matematika siswa. Untuk mengetahui kondisi awal maka
sebelum perlakuan, baik kelompok eksperimen dan kelompok pembanding
semuanya diberi pre-tes. Data hasil penelitian disajikan pada tabel berikut.

242 STATISTIKA SOSIAL


A1 A2 A3
X Y X Y X Y
6 8 7 8 5 6
7 9 6 8 6 6
6 9 7 9 6 7
6 9 8 9 5 7
7 10 7 9 6 7
6 10 8 10 7 8
7 10 8 10 5 8
- - - - 6 9
Keterangan:
A1 = Metode Inquiri
A2 = Metode ekspositori
A3 = Metode konvensional
X = Pre-tes (kovariabel)
Y = Hasil belajar Matematika
Lakukan pengujian hipotesis tentang perbedaan rata-rata hasil belajar
Matematika sebagai pengaruh dari perlakuan (metode pembelajaran) setelah
mengontrol pre-tesnya.
Jawab:
Hipotesis statistik:
Ho: µ1 = µ2 = µ3
H1 : bukan Ho

Untuk memudahkan perhitungan disusun tabel kerja sebagai berikut:


Tabel kerja/Persiapan
Statistik A1 A2 A3 Jumlah
X Y X Y X Y X Y
n 7 7 7 7 8 8 22 22
X i Y i
45 65 51 63 46 58 142 186
291 607 375 571 268 428 934 1606
X Y
2 2
i i

1,71 3,43 3,43 4 3,5 7,5 8,64 14,93


x y
2 2
i i

Xi Yi 6,43 9,29 7,29 9 5,75 7,25 6,45 8,45

 XY 419 462 335 1216

 xy 1,143 3 1,5 5,643

STATISTIKA SOSIAL 243


. 1. Jumlah Perkalian (JP)
 X  Y 
 X Y   nt = 1216 22  15,455
(142)(186)
t t
JP (T) = t t

  X  Y  ( X )( Y )


a
JP (A) =  
i i t t

 
i 1 ni  nt
(46)(58) (51)(63) (45)(65) (142)(186)
=     9,812
8 7 7 22
a 
JP (D) =   X i Yi 
 X i  Yi  = 1,143 + 3 + 1,5 = 5,643

n 1  nt 
2. Jumlah Kuadrat Kovariabel X (JKx)

JK (T) =  X 
 X  = 934  (142) 17,455
2 t
2 2

x t
nt 22
  X   ( X ) (46)
a
2
(51) (45)
2 2 2 2
(142) 2
JK (A) =  
i t
x  =     8,812
 n i 
i 1 nt 8 7 7 22
a 

JKx (D) =   X i 2
 X i  
2

 = 1,71 + 3,43 + 3,5 = 8,64


i 1  ni 
 
3. Jumlah Kuadrat Variabel Respon Y (JKy)

JK (T) =  Y 
 Y  = 1606  (186)  33,455
2 t
2 2

y t
nt 22
  Y   ( Y )
a
2
(58) (63) (65)
2 2 2 2
(186)2
JK (A) =  
i t
y  =    18,526
 n i 
i 1 nt 8 7 7 22
a 

JKy (D) =   Yi  2
 Yi  
2

 = 3,43 + 4 + 7,5 = 14,93


i 1  ni 
 
4. Koefisien Regresi (bxy)
JP (T) 15,455
b xy (T)  =  0,885
JK X (T) 17,455
JP (A) 9,812
b xy (A)  =  1,113
JK X (A) 8,812

244 STATISTIKA SOSIAL


JP (D) 5,643
b xy (D)  =  0,653
JK X (D) 8,64
5. Jumlah Kuadrat Regresi (JKreg):
JK reg (T)  b xy (T). JP (T) = (0,885)(15,455) = 13,678
JK reg (A)  b xy (A). JP (A) = (1,113) (9,812) = 10,921
JKreg (D)  b xy (D). JP (D) = (0,653) (5,643) = 3,685

6. Jumlah Kuadrat Y Residu (JKres):


JK res (T)  JK y (T) - JKreg (T) = 33,455 – 13,678 = 19,777
JK res (A)  JK y (A) - JKreg (A) = 18,526 – 10,921 = 7,605
JK res (D)  JK y (D) - JKreg (D) = 14,93 – 3,685 = 11,245
7. Menentukan derajat bebas (db) sumber varians Total, Dalam,dan Antar
db res(T) = nt – m – 1 = 22 - 1 – 1 = 20 (m =1)
db res(A) = 3 – 1 = 2
db res(D) = nt – m – a = 22 – 1 – 3 = 18 (a = 3)

8. Menyusun tabel Ankova


Tabel Ankova
Sumber Total Dalam Antar
JKXY 15,455 5,643 9,812
JKX 17,455 8,643 8,812
JKY 33,455 14,93 18,526
bXY 0,885 0,653 1,113
JKregresi 13,675 3,685 10,921
JKresidu 19,777 11,245 7,605
db 20 18 2
RJKresidu 0,9885 0,6247 3,8025
Fhitung = RJKres(A) 3,8025
  6,0867
RJKres(D) 0,6247
Ftabel F(0,05)(2:18) = 3,55 dan F(0,01)(2:18) = 6,01

STATISTIKA SOSIAL 245


Fhitung > Ftabel atau Ho ditolak, sehingga dapat disimpulkan bahwa terdapat
perbedaan rata-rata hasil belajar Matematika yang signifikan antara siswa
diberi metode inquiri, ekspositori, dan konvensional setelah mengontrol pre-
tes. Dengan kata lain, walaupun pre-tes telah dikontrol, metode pembelajaran
(sebagai perlakuan) tetap berpengaruh nyata terhadap hasil belajar
matematika.

9.Uji lanjut (pos hoct test)


Karena hasil uji F pada Ankova adalah signifikan, maka dilakukan uji lanjut
dengan statistik uji-t sebagai berikut.
Statistik A1 A2 A3 Jumlah
N 7 7 8 22
X 6,43 7,29 5,75 6,45
9,29 9,00 7,25 8,45
Y
bxy 0,653


Yres (i)  Y (i) - b xy X (i) - X (t)  dimana i = 1, 2, 3

Yres(1)  Y (1) - b xy X (1) - X (t)  = 9,29 – (0,653)(6,43 – 6,45) = 9,30


Yres (2)  Y (2) - b xy X (2) - X (t)  = 9,00 – (0,653)(7,29 – 6,45) = 8,45

Yres(1)  Y (3) - b xy X (3) - X (t)  = 7,25 – (0,653)(5,75 – 6,45) = 7,71

Selajuntnya perbedaan rata-rata nilai-nilai residu tersebut, di uji dengan statistik


uji t- ankova, sebagai berikut:
Yres (i) - Yres (j)
t hitung  untuk derajat bebas dalam = db (D)
1 1
RJK (D)   
n 
 i nj 
Adapun hipotesis statitistik yang akan diuji berturut-turut:
(i) Ho : µ1 ≤ µ2 (ii) Ho : µ2 ≤ µ3 (iii) Ho : µ1 ≤ µ3
H1 : µ1  µ2 H1 : µ2  µ3 H1 : µ1  µ3
Dibandingkan dengan t tab :
ttab = t(0,05)(18) = 1,73
ttab = t(0,01)(18) = 2,55

246 STATISTIKA SOSIAL


9,30 - 8,45 0,85
t (A1 & A2)    2,01 (*)
1 1 0,422
0,6247   
7 7
8,45 - 7,71
t (A2& A3)   1,81 (*)
1 1
0,6247   
7 8
9,30 - 7,71 1,59
t (A1 & A3)    3,87 (**)
1 1 0,41
0,6247   
7 8

Kesimpulan dari hasil uji lanjut:


(a) Rata-rata hasil belajar Matematika siswa yang diberi metode inquiri lebih
tinggi dari pada metode ekspositori setelah mengontrol pre-tesnya.
(b) Rata-rata hasil belajar Matematika siswa yang diberi metode ekspositori lebih
tinggi dari pada metode konvensional setelah mengontrol pre-tesnya.
(c) Rata-rata hasil belajar Matematika siswa yang diberi metode inquiri lebih
tinggi dari metode konvensional setelah mengontrol pre-tesnya.
F. Efiseiensi Relatif dan Ketepatan Model
1. Efisiensi Relatif (ER)
Untuk melihat efisiensi relatif dari analisis kovarians (setelah mengontrol pre-
tes) terhadap analisis varians (tidak melakukan mengontrol pre-tes), dapat
digunakan rumus efisiensi relatif (ER) berikut ini.
RJK y D (tidak dikoreksi)
ER  X 100% , dimana:
RJK y D (efektif setelah dikoreksi)
JK y (D)14,93 14,93
RJK y D(tidak dikoreksi)     0,829
nt  m  a 22  1  3 18
 JK X (D) 
RJK y D(efektif setelah dikoreksi)  RJKres (D)  1  
 (a  1). JK X (D) 
 8,812 
RJK y D(efektif setelah dikoreksi)  0,6247  1    0,943
 (31) (8,643) 
0,829
ER  X100%  0,88X100%  88% .
0,943
Terlihat bahwa dengan menggunakan analisis kovarians terhadap perlakuan
diatas mampu meningkatkan ketepatan pendugaan sekitar 88%. Jadi analisis
kovarians lebih efisien dibandingkan menggunakan analisis varians.

STATISTIKA SOSIAL 247


2. Pemeriksaan Ketepatan Model
Suatu model dikatakan tepat apabila persyaratan asumsi dari model yang
digunakan dapat dipenuhi, oleh karena itu suatu model yang telah berhasil
dibangun perlu diperiksa kembali sejauhmana ketepatan modelnya. Model
analisis kovarians di atas telah dibangun untuk menjawab permasalahan
tentang pengaruh metode pembelajaran yang dicobakan/diberikan terhadap
hasil belajar matematika (Y) dengan mempertimbangkan adanya pengaruh
pre-tes (X).
Pemeriksaan kembali model yang telah dibangun berdasarkan asumsi yang
telah diajukan dilakukan sebagai berikut.
a. Pengujian ketepatan penggunaan kovariabel X dalam model
Pengujian apakah benar pre-tes X mempengaruhi hasil belajar
matematika Y sehingga perlu menggunakan Ankova. Hal ini berarti kita
akan menguji koefisien regresi Y atas X, melalui hipotesis berikut:
Ho:β =0; pre-tes X tidak mempengaruhi hasil belajar matematika yang
dihasilkan oleh metode pembelajaran
H1:β ≠ 0; pre-tes X berpengaruh terhadap hasil belajar matematika yang
dihasilkan oleh metode pembelajaran
Statistik uji yang digunakan adalah sebagai berikut.
(JP(D)2 /JK X (D) (5,643)2 /(8,64)
Fo    5,90
RJKres(D) 0,6247
F(0,05)(1; 18) = 4,41 F(0,01)(1; 18) = 8,29
Karena Fo = 5,90 > Ftab = 4,41, maka Ho ditolak, hal ini berarti terdapat
pengaruh pre-tes X terhadap hasil belajar matematika Y. Dengan
demikian pelibatan pre-tes X dalam model Anakova adalah tepat.
b. Pengujian terhadap asumsi bahwa metode pembelajaran tidak
berpengaruh (berkorelasi) terhadap pre-tes X
Ho: tidak ada hubungan antara perlakuan metode pembelajaran dengan
pre-tes X yang dilibatkan dalam model.
H1: Bukan Ho
Statistik uji yang digunakan adalah sebagai berikut.
(JK X (A)) /(a - 1) (8,812)/2
Fo    9,69
(JK X (D)) /(nt - a) (8,643)/19
F(0,05)(2; 19) = 3,52 F(0,01)(2; 19) = 5,93
Karena Fo > Ft, maka Ho ditolak, berarti metode pembelajaran yang
diberikan mempengaruhi pre-tes X. Jadi model diatas tidak tepat karena
tidak memenuhi salah satu asumsi tentang kebebasan antara pre-tes X
dan perlakuan metode pembelajaran. Walaupun secara statistik terdapat
korelasi yang signifikan antara metode pembelajaran terhadap pre-tes,
namun demikian melalui desain perlakuan telah disusun sedemikian
sehingga penggunaan pre-tes dan sejenisnya terutama dalam eksperimen
bidang pendidikan selalu dilakukan sebelum perlakuan diberikan. Karena

248 STATISTIKA SOSIAL


pre-tes selalu diberikan sebelum perlakuan, maka secara teoretis skor
pre-tes yang diperoleh dapat dipastikan bukan dipengaruhi oleh
perlakuan. Dengan demikian secara teoretis asumsi bahwa metode
pembelajaran tidak berpengaruh (berkorelasi) terhadap pre-tes X
terpenuhi.
c. Pengujian terhadap kehomogenan (sama) koefisien regresi masing-
masing perlakuan (A1, A2, dan A3)
Hipotesis yang akan diuji:
Ho: β1 = β2 = β3 (artinya ketiga koefisien regresi sama)
H1: Bukan Ho
Langkah-langkah pengujian (gunakan data pada tabel kerja):

1) Menentukan koefisien regresi, dengan rumus (bi) =


x y i i

x
2
i
Dari tabel kerja diperoleh nilai-nilai untuk:
 x  3,5;  x  3,43;  x
2 2 2
1 2 3  1,71
 x y  1,5;  x y  3;  x y
1 1 2 2 3 3  1,143

(b1) =
 x y  1,5  0,429
1 1

x
2
1
3,5

(b2) =
 x y  3  0,875
2 2

x
2
3,43
2

(b3) =
 x y  1,143  0,668
3 3

x 3
1,71 2

2) Menentukan jumlah kuadrat regresi (JKreg)


Rumus yang digunakan: JKreg (Ai) = b i xi yi 
JKreg (A1) = b1x y 1 1  (0,429)(1,5)  0,6435
JKreg (A2) = b  x y 2 2 2  (0,875)(3)  2,625
JKreg (A3) = b  x y 3 3 3  (0,668)(1,143)  0,764
3) Menentukan jumlah total kuadrat residu (JKres)
Rumus yang digunakan:
 x y
2
JKres (Ai) = JK total (Ai) – JKreg (Ai) = yi  bi i i

JKres (A1) = 7,5 - 0,6435  6,857


JKres (A2) = 4 - 2,625  1,375
JKres (A3) = 3,43  0,764  2,666

STATISTIKA SOSIAL 249


Sehingga total JKres (Ai) = ∑JKres (Ai) = 6,857 + 1,375 + 2,666 = 10,898,
dengan derajat bebas (db) = ∑(ni - k -1) = nt – 2ni = (8 - 1 -1) + (7 - 1 -1) +
(7 - 1 -1) = 22 – 6 = 16.

4) Menghitung Fo
Dalam kovarians kita telah menghitung koefsien regresi seluruh
perlakuan metode A1, A2, dan A3, yaitu sebesar: bxy = 0,6247
Hipotesis yang ingin diuji pada bagian ini adalah apakah benar ketiga
koefisien korelasi regresi yang didapatkan dari masing-masing metode
pembelajaran, yaitu: (b1) = 0,429, (b2) = 0,875 dan (b3) = 0,688 dapat
dianggap sama (homogen), sehingga kita cukup menghitung satu
koefisien regresi untuk semua pemberian metode pembelajaran, yaitu
sebesar bxy = 0,6247? Jadi asumsi tentang kehomogenan ketiga
koefisien regreasi ini yang akan diuji, melalui perbandingan antara
selisih rata-rata jumlah kuadrat residu (galat) seluruh perlakuan dengan
rata-rata jumlah kuadrat residu masing-masing perlakuan dan rata-rata
jumlah kuadrat residu masing-masing perlakuan.

Rasio pebandingan tersebut di atas, diperlihatkan oleh statistik uji


berikut.
(JKres(D) -  JKres(Ai ))/(a - 1) (11, 244 - 10,898)/2
Fo    0,51ns
( JKres (A i )) /  (n i  k  1) (10,898)/16
F(0,05)(2; 16) = 3,63 F(0,01)(2; 16) = 6,23
Karena Fo ≤ Ft, maka Ho diterima, artinya memang benar ketiga
koefisien regresi adalah homogen. Jadi asumsi kehomogenan koefisien
regresi untuk setiap perlakuan dengan metode pembelajaran terpenuhi.

250 STATISTIKA SOSIAL

Anda mungkin juga menyukai