PEMBAHASAN
2.1 Pengertian Analisis Varian
Analisis varian (Anava) atau dalam bahasa Inggris disebut Anova (analysis of
variance) adalah sebuah metode statistic yang digunakan untuk menganalisis
perbedaan antarkelompok atau membandingkan secara bersamaan dari beberapa
populasi[ CITATION Nur19 \l 1033 ] . Anava juga diartikan sebagai sebuah metode
analisis statistic yang tergolongkan analisis komparatif lebih dari dua rata-rata
(Riduwan, 2008).
Analisis varians (anava) adalah teknik analisis statistik yang dikembangkan dan
diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush, 1985). Anava
merupakan salah satu uji hipotesis pada statistika parametrik, untuk melakukan
pengujian terhadap interaksi antara dua faktor dalam suatu percobaan dengan
membandingkan rata-rata dari lebih dua sampel.
Analisis varian hanya digunakan untuk mengetahui perbedaan dua mean dari dua
distribusi data atau lebih. Ada beberapa macam teknik analisis, tetapi berikut ini akan
dibahas tiga macam analisis varian, yaitu teknik analisis varians klasifikasi tunggal,
analisis varians klasifikasi ganda, dan analisis varians amatan ulangan. Penerapan
teknik analisis varian yang digunakan harus sesuai dengan metode dan rancangan
penelitian eksperimen yang direncanakan.
Ketika melakukan analisis varian, ada beberapa prasyarat yang harus dipenuhi.
Prasyarat tersebut antara lain orang coba harus diambil secara random dari populasi,
skala data berbentuk interval atau rasio, data harus berdistribusi normal, dan data
dalam variabel yang akan dianalisis bersifat homogen. Oleh karena itu, sebelum
dilakukan analisis uji t, harus dilakukan uji normalitas dan uji homogenitas data.
Menurut Ardana (1982) dijelaskan bahwa jika hasil penghitungan uji beda mean
F hitung yang diperoleh adalah negatif, maka tanda negatif tersebut diabaikan, yang
digunakan adalah angka absolutnya. Berikut ini disajikan tiga teknik analisis varians
yaitu teknik analisis varians klasifikasi tunggal, analisis varians klasifikasi ganda, dan
analisis varians amatan ulangan (Budiwanto: 2014).
V A KR A J K A :db A
F hitung= = = =
V D KR D J K D :db D
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat).
Dapat dirumuskan.
(∑ X Ai )2 (∑ X τ )2
J KA = ∑ − untuk db A= A−1
n Ai N
2 (∑ X Ai)2
J K D =( ∑ X τ ) −∑ untuk db D =N− A
n Ai
Dimana.
(∑ X τ )2
= sebagai faktor
N
N = Jumlah keseluruhan sampel (jumlah kasus dalam penelitian).
A = Jumlah keseluruhan group sampel.
Berikut adalah prosedur dalam melakukan uji anava satu arah.
1. Sebelum anova dihitung, asumsikan bahwa data dipilih secara random,
berdistribusi normal, dan variannya homogeny
2. Buatlah hipotesis ( H a dan H 0) dalam bentuk kalimat.
3. Buatlah hipotesis ( H a dan H 0)dalam bentuk statistik.
4. Buatlah daftar statistik induk.
5. Hitunglah jumlah kuadrat antar group ( J K A) dengan rumus.
J KA = ∑
JK A
KR A =
db A
8. Hitunglah jumlah kuadrat dalam antar group ( J K D ) dengan rumus.
2 (∑ X Ai)2
J K D =( ∑ X τ ) −∑
n Ai
2 2 2
2 2 2 ( ∑ X A 1) (∑ X A2 ) (∑ X A3)
¿∑ X A1 +¿ ∑ X A2 +¿∑ X A3 −( + + )
nA1 nA2 nA3
db D =N− A
JK D
KR D =
dbD
11. Carilah F hitung dengan rumus
KR A
F hitung =
KR D
15. Tentukan kriteria pengujian, jika F hitung ≥ F tabel , maka tolak H 0 berarti signifikan
dan konsultasikan antara F hitung dengan F tabel kemudian bandingkan
16. Buat kesimpulan.
2 2 2
(∑ X A1) (∑ X A2) (∑ X A3)
J K D =∑ X
2
A3 − ( nA 1
+
n A2
+
n A3 )
J K D = 72043 - ¿
J K D = 72043 – 71501,25
5. Buka data view dan tuliskan nilai siswa sesuai dengan kode model
pembelajaran baris ke-1 sampai dengan 36 (kode 1: PBL) begitupun
seterusnya, hingga tampilan data view menjadi seperti dibawah ini.
model pembelajaran
N Mean Std. Std. 95% Confidence Minim Maxi
Deviation Error Interval for Mean um mum
Lower Upper
Bound Bound
Berdasarkan output di atas, dapat dilihat perbedaan total dari ketiga model
pembelajaran dengan rincian sebagai berikut.
1. Rata-rata model pembelajaran PBL sebesar 28,61
2. Rata-rata model pembelajaran STM sebesar 26,44
3. Rata-rata model pembelajaran MPK sebesar 21,64
Dengan demikian maka secara deskriptif dapat disimpulkan bahwa rata-rata model
pembelajaran paling tinggi adalah model pembelajaran PBL yaitu sebesar 28,61.
c. Analisis ANAVA
ANOVA
model pembelajaran
Sum of df Mean F Sig.
Squares Square
Between
916,796 2 458,398 88,845 ,000
Groups
Within Groups 541,750 105 5,160
Total 1458,546 107
Berdasarkan output ANOVA di atas, diketahui nilai sig sebesar 0,000, sehingga
dapat disimpulkan bahwa rata-rata keempat model pembelajaran tersebut berbeda
secara signifikan.
d. Test Post Hoc
Multiple Comparisons
Dependent Variable: model pembelajaran
Tukey HSD
(I) Model (J) Model Mean Std. Sig. 95% Confidence Interval
Pembelaj Pembelaj Difference Error Lower Upper
aran aran (I-J) Bound Bound
STM 2,167* ,535 ,000 ,89 3,44
PBL *
MPK 6,972 ,535 ,000 5,70 8,25
*
PBL -2,167 ,535 ,000 -3,44 -,89
STM
MPK 4,806* ,535 ,000 3,53 6,08
*
PBL -6,972 ,535 ,000 -8,25 -5,70
MPK
STM -4,806* ,535 ,000 -6,08 -3,53
*. The mean difference is significant at the 0.05 level.
Pada subset 1 terdapat data total. Artinya rata-rata model pembelajaran tersebut
tidak mempunyai perbedaan yang signifikan. Dengan kata lain rata-rata model
pembelajaran tersebut adalah sama.
Hipotesis
a. Ha, Terdapat perbedaan kompetensi pemahaman konsep yang signifikan
antara siswa yang belajar IPA melalui PBL, STM dan MPK.
b. Ho, Tidak terdapat perbedaan kompetensi pemahaman konsep yang signifikan
antara siswa yang belajar IPA melalui PBL, STM dan MPK.
Pengambilan Keputusan
jika F hitung < F tabel maka H 0 diterima
jika F hitung > F tabel maka H 0 di tolak
Kesimpulan
Berdasarkan table perhitungan menggunakan SPSS bahwa F hitung adalah
88.845 dan F table adalah 3,09. Hasil analisis maka H o ditolak dan Ha diterima.
JK ¯¿=∑ ¿ ¿¿¿ ¿
Dengan,
2 2 2 2
( ∑ x Bag 1 ) ( ∑ x Bag2 ) ( ∑ x Bagn ) ( ∑ x Tot )
JK Bag = + +…+ −
nBag 1 nBag 2 nBagn nTot
RJK JK
∫ ¿= dk ∫¿ ¿ ¿
¿
∫¿
JK Dal
RJK Dal =
dk Dal
6. Menghitung F hit
RJK Kol
a) F A=
RJK Dal
RJK ¯¿
b) F B= ¿
RJK Dal
RJK ∫ ¿
c) F AB= ¿
RJK Dal
7. Menentukan F TAB dengan α =0,05( 5 %)
dk Kol
a) F A=
dk Dal
dk ¯¿
b) F B= ¿
dk Dal
dk∫ ¿
c) F AB= ¿
dk Dal
Dengan jumlah.
Kolom=3
Baris=2
nTot =90
Langkah-langkah analisis varians 2 faktor sebagai berikut:
1. Menghitung Jumlah Kuadrat (JK) Total
JK Kol =1189,1
3. Menghitung Jumlah Kuadrat (JK) Baris
30 30 90
JK ¯¿=321,1¿
4. Menghitung Jumlah Kuadrat (JK) Interaksi
JK∫ ¿=JK −¿¿
Bag
Dengan,
2 2 2 2
( ∑ x Bag 1 ) (∑ x Bag2 ) ( ∑ x Bagn ) ( ∑ x Tol )
JK Bag = + +…+ −
nBag 1 nBag 2 nBagn N
Sehingga,
JK 2
( 1097 )2 ( 948 ) 2 ( 1058 ) 2 ( 963 )2 ( 1050 ) 2 ( 6312) 2
∫ ¿=( 1196
15
)
+
15
+
15
+
15
+
15
+
15
−
90
− ( 1189,1+321,1 ) ¿
JK∫ ¿=1259¿
6. Menghitung dk
a) dk kolom=k−1=3−1=2
RJK JK ∫¿
c) ∫ ¿= 1259
¿¿
dk∫¿ = =629,5 ¿
2
JK Dal 2745,2
d) RJK Dal = = =32,7
dk Dal 54
8. Menghitung F hit
MK Kol 594,5
a) F A= = =18,1920
MK Dal 32,7
MK ¯¿ 321,1
b) F B= = =9,8256 ¿
MK Dal 32,7
MK∫ ¿ 629,5
c) F AB= = =19,262¿
MK Dal 32,7
9. Menentukan F TAB dengan α =0,05( 5 %)
dk Kol 2
a) F A= = =3,1052
dk Dal 84
dk ¯¿ 1
b) F B= = =3,9546 ¿
dk Dal 84
dk∫ ¿ 2
c) F AB= = =3,1052 ¿
dk Dal 84
10. Menyusun tabel anava 2 faktor
Sumber Ftabel
JK db RJK Fhitung
Varians α =0,05
Antar 5514,4 2 594,5 18,1920 3,1052
kolom
Antar 1189,1 1 321,1 9,8256 3,9546
baris
Interaks 321,1 2 629,5 19,2623 3,1052
i
Dalam 1259 84 32,7
Total 2745,2 89
Analisis Soal
1. Apakah terdapat perbedaan hasil belajar antara siswa yang belajar melalui PBL,
LCM, dan DI?
Penyelasaian:
Hipotesis :
a. H 0 : Tidak terdapat perbedaan hasil belajar antara siswa yang belajar melalui
PBL, LCM, dan DI.
b. H a : Terdapat perbedaan hasil belajar antara siswa yang belajar melalui PBL,
LCM, dan DI.
Maka dapat dituliskan:
H 0 :μ 1=μ2=μ3 H a : μ1 ≠ μ2 ≠ μ3
Dari hasil analisis dapat dilihat jika F Hit > F TAB, maka H 0 ditolak dan Ha
diterima. Sehingga dapat disimpulkan bahwa terdapat perbedaan antara siswa yang
belajar melalui PBL, LCM, dan DI.
2. Apakah terdapat perbedaan hasil belajar antara siswa yang gaya kognitifnya
reflektif dan impulsif?
Penyelesaian:
Hipotesis.
Dari hasil analisis dapat dilihat jika F Hit > F Tab, maka H 0 ditolak dan Ha diterima.
Sehingga dapat disimpulkan bahwa terdapat perbedaan antara siswa yang gaya
kognitifnya reflektif dan impulsif.
3. Apakah terdapat pengaruh interaksi antara model pembelajaran dan gaya kognitif
terhadap hasil belajar siswa?
Penyelesaian:
Hipotesis.
a. H 0 : Tidak terdapat pengaruh interaksi antara model pembelajaran dan gaya
kognitif terhadap hasil belajar siswa.
b. H a : Terdapat pengaruh interaksi antara model pembelajaran dan gaya kognitif
terhadap hasil belajar siswa.
Maka dapat dituliskan:
H 0 :μ 1=μ2 H a : μ1 ≠ μ2
Dari hasil analisis dapat dilihat jika F Hit > F TAB, maka H 0 ditolak. dan Ha
diterima. Sehingga terdapat pengaruh interaksi antara model pembelajaran dan gaya
kognitif terhadap hasil belajar siswa.
2. Klik variabel view di sebelah kiri bawah untuk menentukan variabel dari data.
5. Ketik 1 pada kotak value, ketik Model PBL pada kotak Label, lalu klik Add.
Ketik 2 pada kotak value, ketik Model LCM pada kotak Label, lalu klik Add.
Ketik 3 pada kotak value, ketik Model DI pada kotak Label, lalu klik Add. jika
sudah terisi semua terlihat seperti gambar berikut:
8. Selanjutnya klik data view ada di sebelah kiri variable view di bawah. Pada
kolom hasil isi semua nilai siswa dari nomor urut 1 sampai dengan 90 (terdapat
data 3 model, setiap model ada 30 siswa, maka 3x30=90 siswa). Lalu pada kolom
model baris ke 1 sampai dengan 30 ketik 1 (kode 1 yaitu model PBL), baris ke 31
sampai dengan 60 ketik 2 (kode 2 yaitu model LCM), baris ke 61 sampai dengan
90 ketik 3 (kode 3 yaitu model DI). Pada kolom gayakognitif isi 1 untuk GKR
dan 2 untuk GKI, disesuaikan dengan soal yang telah diberikan di atas. Jika
sudah diisi semua maka hasil data view seperti gambar berikut:
Tabel khusus ini menjelaskan studi dengan enam mata pelajaran (S1 hingga
S6) yang tampil dalam tiga kondisi atau pada tiga titik waktu (T1 hingga T3). Seperti
yang disoroti sebelumnya, faktor dalam subjek juga bisa diberi label "perlakuan",
bukan "waktu / kondisi". Semuanya berhubungan dengan hal yang sama: subjek yang
menjalani pengukuran berulang pada titik waktu yang berbeda atau dalam kondisi /
perlakuan yang berbeda.
F0 (x)
adalah fungsi distribusi teoritik (sesuai yang dihipotesiskan)
Statistik Uji:
F
D =| (x ) - F0 (x )|
N
Kriteria Uji, Tolak H0 jika D > D𝛼: N dengan D𝛼: N adalah nilai kritis dari table
Kolmogorov-Smirnov dengan jumlah pengamatan N dan diuji pada taraf nyata 𝛼.
a) Menghitung waktu SS
SStime sama dengan SSb di ANOVA independen, dan dapat dinyatakan sebagai:
k
2
SStime=SS b
∑ ni ( X́ i - X́ 2)
i=1
Dengan,
k = jumlah kondisi
ni = jumlah subjek dalam setiap kondisi (ke-i),
Mean dari istilah ke-i = skor rata-rata untuk setiap kondisi (ke-ith),
Mean = rata-rata keseluruhan.
b) Menghitung SSw
Variasi dalam grup (SSw) juga dihitung dengan cara yang sama seperti dalam
ANOVA independen, yang dinyatakan sebagai berikut:
SSw=¿ ∑ 1 ¿ ( X́ i - X́ 1 )2 + ∑ 2 ( X́ 2 - X́ 2 )2 + ….. + ∑ k ( X́ k - X́ k)2
dimana Xi1 adalah skor mata pelajaran ke-i kelompok 1, Xi2 adalah skor mata
pelajaran ke-i kelompok 2, dan Xik adalah skor mata pelajaran ke-i kelompok k.
Setiap subjek sebagai tingkat faktor independen yang disebut subjek. Kami
kemudian dapat menghitung SSsubjects sebagai berikut:
SSsubjek =K . ∑ ( X́ i - X́ 2 )2
Dengan,
k = jumlah kondisi
Mean dari mean term dari subjek i
Mean = mean grand.
d) Menghitung SSerror
Menghitung SSerror dengan substitusi:
SSw = SSsubjek + SSerror
e) Menentukan MStime, MSerror dan F-statistik
Ada beberapa tahapan untuk melaksanakan uji repeated measures anova dengan
SPPS. Pertama, tahap penginputan data penelitian ke kegiatan SPSS. Kedua,
melaksanakan uji normalitas pada nilai Standardized Residual untuk hasil belajar di
ketiga waktu pengukuran. Ketiga melaksanakan analisis dengan uji repeated
measures anova.
Jika sudah, langkah selanjutnya klik Data View, kemudian masukkan data hasil
belajar 15 peserta didik sesuai dengan waktu awal, seminggu dan sebulan. Tampak
dilayar SPSS.
Persyaratan yang harus terpenuhi dalam uji repeated measures anova yaitu nilai
standardized residual untuk data hasil belajar di ketiga data waktu pengukuran di atas
ialah normal. Jika salah satu variabel tidak normal maka alternatif yang sanggup
digunakan ialah melaksanakan uji friedman sebagai pengganti uji repeated measures
anova. Adapun langkah-langkah uji normalitas standardized residual dengan SPSS
ialah sebagai berikut. Dari sajian SPSS, klik sajian Analyze >> General Linear Model
>> Repeated Measure. Tampak di layar SPSS
Maka mucul kotak obrolan gres dengan nama “Repeated Measures Define
Factor(s)” pada pecahan Whithin-Subject Faktor Name: ganti goresan pena factor1
dengan Waktu. Untuk kotak Number of Lavels: ketikkan 3 (karena ada 3 waktu
pengukuran hasil belajar.
Muncul kotak obrolan “Explore Plots” kemudian beri tanda centang (v) pada
pilihan Normality plots with tests, kemudian klik Continue, kemudian klik Ok. Maka
akan mucul output SPSS, untuk uji normalitas kita cukup memperhatikan tabel output
“Tests of Normality”
Seperti yang sudah dibahas pada awal, bahwa perkiraan atau persyaratan yang
mendasari (bukan syarat mutlak) uji repeated measures anova yaitu data penelitian
mempunyai varians yang sama melalui nilai Sphericity. Berdasarkan output di atas,
diketahui nilai Signifikansi (Sig.) sebesar 0,199 < 0,05, maka sanggup disimpulkan
bahwa data penelitian ini tidak memenuhi perkiraan kesamaan varians. Untuk kasus
ibarat ini anda tidak perlu khawatir, alasannya ialah uji repeated measures anova
masih tetap bisa dilanjutkan yakni dengan mengacu pada nilai Greenhouse-Geisser
yang akan kita bahas pada tabel output Tests of Within-Subjects Effects.
3) Tabel Output Tests of Within-Subjects Effects
Tabel output di atas ialah tabel paling mentukan dalam uji repeated measures
anova. Dalam hal ini, ada tiga tahapan yang harus dilalui untuk memaknai hasil