UJI ANAVA
OLEH:
LESTARI SARAGIH 1713031006
KELAS VI A
Puji Syukur kehadirat Tuhan Yang Maha Esa sebagai pencipta dan pengatur
kehidupan di dunia, karena hanya dengan berkat, rahmat, dan karunia-Nyalah penulis dapat
menyelesaikan laporan ini. Penulis berterima kasih kepada Bapak I Ketut Sudiana selaku
Dosen mata kuliah Statistika Pendidikan. Materi yang terkait Statistika Pendidikan yang
dibuat oleh penulis guna menunjang proses belajar di perguruan tinggi yang kini tengah
dijalani oleh penulis. Adapun topik bahasan dalam makalah ini adalah “Uji ANAVA”.
Penulis sangat berharap makalah ini dapat berguna dalam rangka menambah wawasan
serta pengetahuan mengenai komponen-komponen yang ada di dalam Statistika Pendidikan.
Penulis juga menyadari bahwa di dalam tugas ini terdapat kekurangan-kekurangan maka dari
itu, penulis berharap adanya kritik, saran dan usulan demi perbaikan di masa yang akan
datang, mengingat tidak ada sesuatu yang sempurna tanpa sarana yang membangun. Semoga
mkalah ini dapat dipahami bagi siapapun yang membacanya. Sekiranya makalah yang telah
disusun ini dapat berguna bagi penulis sendiri maupun orang yang membacanya. Sebelumnya
penulis mohon maaf apabila terdapat kesalahan kata-kata yang kurang berkenan.
Penulis
i
DAFTAR ISI
KATA PENGANTAR..................................................................................................i
DAFTAR ISI.................................................................................................................ii
BAB I PENDAHULUAN
1.1 Latar Belakang .........................................................................................................1
1.2 Rumusan Masalah ....................................................................................................1
1.3 Tujuan.......................................................................................................................2
BAB II PEMBAHASAN
2.1 Pengertian ANAVA..................................................................................................3
2.2 ANAVA Satu Jalur (One-way ANOVA)...................................................................5
2.3 ANAVA Dua Jalur (Two-way ANOVA)...................................................................17
DAFTAR PUSTAKA
ii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistika merupakan salah satu cabang pengetahuan yang banyak dipelajari oleh
ilmuan dari hampir semua bidang ilmu pengetahuan seperti ilmu kedokteran, teknik,
manajemen, sosial, dan semua bidang yang mencakup pengetahuan manusia. Statistika
adalah metode atau ilmu yang mempelajari suatu proses dalam merencanakan,
mengumpulkan, menganalisis, dan mempresentasikan data.
Dalam penelitian sering kali dijumpai kesulitan untuk memperoleh data kontinu
yang menyebar mengikuti distribusi normal. Data penelitian yang diperoleh
kebanyakannhanya berupa kategori yang hanya dapat dihitung frekuensinya atau berupa
data yanghanya dapat dibedakan berdasarkan tingkatan atau rankingnya. Hal ini
menyebabkan seorang peneliti harus menghadapi banyak rata-rata dalam menghitung
nilai. Untuk itu, peneliti harus mampu menggunakan teknik analisis data yang benar
dan tepat serta hemat waktu. Untuk itu diperlukan suatu statistika untuk melakukan
pengujian dalam melaksanakan penelitian. Peneliti dapat menggunakan statistika
parametrik.
Pada saat menghadapi beberapa kelompok sampel atau data perlu disadari dari
awal kondisi dari sampel tersebut sebelum melakukan analisis lebih lanjut. Hal ini
disebabkan karena pola sampel akan berpengaruh terhadap pengujian hipotesis yang
akhirnya berpengaruh terhadap kesimpulan yang diambil. Teknik yang dapat digunakan
oleh seorang peneliti dalam menganalisis suatu data dengan benar, tepat dan
menghemat waktu dapat digunakan Analisys of variances (ANOVA). ANOVA adalah
teknik analisis statistik yang dapat memberi jawaban atas ada tidaknya perbedaan skor
pada masing-masing kelompok dengan resiko kesalahan yang sekecil mungkin.
ANOVA digunakan untuk menguji hipotesis komperatif rata-rata jumlah sampel atau k
sampel bila datanya berbentuk ratio atau interval. Banyaknya rata-rata dapat dihitung
dengan melakukan beberapa uji misalkan uji t test dan uji ANOVA. Perbedaan kedua
uji ini terdapat pada jumlah variabel yang akan diuji. Jika jumlah variabelnya hanya dua
maka uji t test lebih tepat digunakan, sedangkan jika jumlah variabelnya lebih dari dua
maka uji Anava dapat digunakan untuk menghemak waktu dan mendapatkan hasil
analisis data yang lebih baik.
Oleh karena itu pada kesempatan kali ini penulis bermaksud menyusun makalah
ini sebagai upaya untuk mempelajari dan memahami pokok bahasan yang berkaitan
1
dengan uji ANOVA, sehingga penulis dapat memberikan informasi mengenai uji ini
kepada pembaca dan penulis sendiri.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, maka dapat dirumuskan beberapa masalah
untuk pembahasan pada makalah ini, yaitu:
1.2.1 Apakah yang dimaksud dengan ANAVA?
1.2.2 Bagaimana cara menerapkan uji ANAVA satu jalur?
1.2.3 Bagaimana cara menerapkan uji ANAVA dua jalur?
1.3 Tujuan
Adapun tujuan dari pembuatan makalah ini adalah sebagai berikut.
1.3.1 Untuk mengetahui dan memahami pengertian ANAVA.
1.3.2 Untuk memahami cara menerapkan uji ANAVA satu jalur.
1.3.3 Untuk memahami cara menerapkan uji ANAVA dua jalur.
2
BAB II
PEMBAHASAN
2.1 Pengertian Anava
Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensial. Anova merupakan
pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam
pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald
Fisher, bapak statistika modern. Uji ANOVA merupakan uji yang memberikan
gambaran hasil yang hampir sama dengan uji t yang mana hasilnya memberikan
gambaran hubungan antara variable bebas dengan variable terikat. Namun, uji ANOVA
memiliki kelebihan dibandingkan uji t yaitu uji ANIVA dapat dilakukan untuk menguji
lebih dari dua variable. Uji ANOVA sering juga disebut uji-F. Dalam praktik, analisis
varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan
(estimation, khususnya di bidang genetika terapan). Analisis of variance atau ANOVA
merupakan salah satu teknik analisis univariate yang berfungsi untuk membedakan
rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis
varian termasuk dalam kategori statistik parametrik.
Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai
macam jenis dan desain penelitian. Analisis varian banyak dipergunakan pada
penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji
variabel terikat dengan cara membandingkannya pada kelompok-kelompok sampel
independen yang diamati. Analisis varian saat ini banyak digunakan dalam penelitian
survey dan penelitian eksperimen. Secara umum, analisis varians menguji dua varians
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antar contoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians
dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata
(mean).
3
2. ANOVA dapat membantu untuk melihat hubungan sebab akibat. Hal inilah
yang membedakan t-test dengan ANOVA dengan correlation dan multi-
regretion. Dalam kedua tes statistik yang disebutkan terakhir, kita bisa mengukur
hubungan sebab akibat pada variabel independen dan dependen.
Untuk menafsirkan hasil percobaan yang valid, maka terdapat empat asumsi
analisis varians yang harus dipenuhi dalam perancangan percobaan diantaranya sebagai
berikut.
Beberapa persyaratan yang harus dipenuhi dalam melakukan uji ANOVA adalah
sebagai berikut:
Pada dasarnya ANOVA dapat dibagi menjadi dua kelompok besar, yaitu:
4
tidak terpenuhi. Untuk menghadapi data yang bersakal ordinal maka digunakan
Kruskeal-Walles yaitu anova satu jalur dengan Rank.
2. ANOVA Dua Jalur (Two-way ANOVA)
Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa
independen (variabel bebas). Kondisi ini yang sering disebut dengan two-way
factor experiment (analisis varians dua arah). Pada jenis anova ini didasarkan
pada pengamatan 2 kriteria. Setiap kriteria dalam pengujian anova mempunyai
level atau kriteria. Terdapat dua kriteria dalam uji anava dua jalur yaitu anova
dua jalur tanpa interaksi dana nova dua jalur dengan interaksi.
5
H0 : µ1 = µ2 = … = µk
Keterangan:
Seluruh mean populasi adalah sama
Tak ada efek treatment (tak ada keragaman mean dalam grup)
H1 : tidak seluruh mean populasi adalah sama
Keterangan:
Minimal ada 1 mean populasi yang berbeda
Terdapat sebuah efek treatment
Tidak seluruh mean populasi berbeda (beberapa pasang mungkin sama)
Bunyi hipotesis alternatif seperti tersebut diatas, merupakan hipotesis yang
fleksibel, karena tidak menyebutkan secara pasti µ mana yang berbeda dengan yang
lainnya. Hal ini mempunyai arti bahwa µ mana yang tidak sama bukan merupakan
masalah dalam penolakan hipotesis nol.
Titik tolak analisis varians adalah adanya sejumlah variabilitas yang terdapat di
dalam data kelompok sampel yang akan diuji. Analisis varians merupakan teknik
statistika yang menganalisis variasi yang timbul akibat adanya perbedaan skor pada
beberapa kelompok sampel. Perbedaan diantara kelompok-kelompok tersebut terlihat
pada adanya selisih (biasanya disebut: deviasi, variasi atau variabilitas) rata-rata hitung
pada tiap kelompok sampel. Dalam satu kelompok hanya terdapat satu variabilitas,
yaitu variabilitas dalam kelompok, yang satuan ukurannya disebut simpangan baku atau
standar deviasi (SD). Simpangan baku tersebut berasal dari simpangan-simpangan skor
individual (x=X-Mean), dan varians itu sendiri merupakan simpangan baku yang
dikuadratkan. Ukuran yang baik untuk melihat variabilitas adalah penyimpangan baku
maupun variance. Oleh karena itu, pengujian disini pun didasarkan pada variance.
Pengukuran total variabilitas atas data yang ada dapat dikelompokkan menjadi tiga
bagian, yaitu:
6
variasi ini tidak terpengaruh oleh perbedaan perlakuan antar kelompok, disingkat
SSw.
3) Jumlah kuadrat penyimpangan total, merupakan jumlah kuadrat selisih antara skor
dk SSw = ∑ (n-1)
dk SSw = N-k
Keterangan:
k : adalah banyaknya kelompok
n : adalah jumlah sampel keseluruhan
3. Derajat kebebasan untuk SSb sebesar k-1, hal ini disebabkan karena dk disini
H0 pada One Way ANOVA adalah tidak ada perbedaan signifikan rata-rata sampel
yang ada. Bila H0 ditolak, maka analisisnya belum selesai sehingga perlu analisis
lanjutan. Analisis lanjutan setelah ANOVA sering disebut Post Hoc atau pasca-
ANOVA adalah sebagai berikut:
1. LSD (Least Significance Difference)
Uji LSD dapat juga dikatakan dengan uji BNT (Beda Nyata Terkecil) yang
merupakan prosedur pengujian perbedaan diantara rata-rata perlakuan yang paling
sederhana dan paling umum digunakan. Untuk menggunakan uji ini, hal-hal
yang diperlukan adalah nilai kuadrat tengah galat (KTG), taraf nyata, derajat
7
bebas (db) galat, dan tabel t-student untuk menentukan nilai kritis uji
perbandingan dari pasangan mean. Uji ini sangat baik apabila pengujian mean
yang akan dibandingkan sebelumnya telah direncanakan.
2. Tukey (HSD: Honestly Significant Difference),
Uji Tukey disebut juga sebagai Uji Beda Nyata jujur (BNJ) yang merupakan
pengujian perbandingan berbagai kelompok rata-rata. uji ini hanya dapat
digunakan untuk menguji seluruh kemungkinan pasanngan sederhana. Uji Tukey
menggunakan statistik range studentized untuk membuat semua perbandingan
berpasangan antar grup dan menentukan kesalahan kelompok percobaan untuk
membuat perbandingan berpasangan. Dengan demikian mean dari sampel maupun
data yang akan diuji belum ada perencanaan terlebih dahulu.
3. Tukey’s-b
Uji Tukeyisb atau Tukey Wholly Significant Difference (WSD) merupakan
alternative lain dari uji Tukey. Uji ini dilakukan dengan menguji range dari
kelompok rata-rata da kemudian menghitung nilai dari range tersebut. Hasil dari
uji ini berupa kelompok homogeny yang merupakan pengelompokan dari rata-rata
yang sama dalam satu kelompok.
4. Duncan, digunakan untuk menguji perbedaan di antara semua pasangan perlakuan
yang ada dari percobaan tersebut serta masih dapat mempertahankan tingkat
signifikansi yang ditetapkan.
5. S-N-K (Student Newman Keuls)
Uji SNK adalah pengujian rata-rata dengan menggunakan kelompok perlakuan
yang didasarkan pada uji range untuk kelomppok homgen. Uji ini merupakan
pengembangan dari LSD dan Duncan.
6. Dunnet,
Uji Duncan atau uji rentang Duncan digunakan untuk menguji perbandingan
berpasangan antar beberapa rata-rata (mean) dari semua perlakuan dengan mean
perlakuan control.
7. Scheffe
Uji scheffe adalah pengujian dengan melakukan perbandingan berpasangan antar
kelompok rata-rata dan pengujian range dari kelompok rata-rata.
Anova pengembangan atau penjabaran lebih lanjut dari uji-t (thitung). Uji-t atau uji-z
hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu jalur
8
lebih dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara
mahasiswa tugas belajar (X1), izin belajar (X2) dan umum (X3).
Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian
itu asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata (KR).
Rumusnya:
JK
KR=
db
Keterangan:
JK = jumlah kuadrat (some of square)
db = derajat bebas (degree of freedom)
Menghitung nilai Anova atau F (Fhitung) dengan rumus:
V A K R A J K A : d b A varianantar kelompok
F hitung = = = =
V D K R D J K D : d b D varianantar kelompok
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat
dirumuskan:
J K A =∑ ¿ ¿ ¿ untuk dbA = A−1
J K D =¿ ¿ untuk dbD = N−1
Keterangan:
¿ ¿ ¿= sebagai factor koreksi
N= jumlah keseluruhan sampel (jumlah kasus dalam penelitian)
A= jumlah keseluruhan group sampel
1. Menghitung jumlah kuadrat total (JKT), jumlah kuadrat rerata (JKR), jumlah kuadrat
total direduksi/dikoreksi (JKTR), jumlah kuadrat antar kelompok (JKA), dan jumlah
9
J K A =¿ ¿ ¿
e. J K D =∑ ( X T )2
J K D =∑ X 21−¿ ¿ ¿
JKTR = JKA + JKD atau JKD
2. Menghitung derajat kebebasan total (dbT), derajat kebebasan rerata (dbR), derajat
a. dkT = n
b. dkR = 1
c. dkTR = n – 1
d. dkA = k – 1
e. dkD = n – k
3. Menghitung rata-rata jumlah kuadrat antar kelompok (RJK A) dan rata-rata jumlah
5. Melakukan interpretasi dan uji signifikansi dengan membandingkan nilai uji F hitung
dengan Ftabel. Koefisien Ftabel diperoleh dari distribusi F yang nilainya didasarkan
pada derajat kebebasan antar kelompok (dbA) dan derajat kebebasan dalam
10
Sumber Derajat Kuadrat Taraf
Varians Jumlah Kuadrat (JK) bebas rerata Fhitung Signifikan
(SV) (db) (KR) ( ρ)
Antar group J KA KR A
∑¿¿¿ A−1 α
(A) d bA K RD
Dalam group J KD
(∑ X T )2−∑¿ ¿ ¿ N−1 − −
(D) d bD
Total (∑ X T )2−∑¿ ¿ ¿ N−1 − − −
7. Apabila nilai Fhitung lebih besar dari Ftabel maka H0 ditolak dan H1 diterima yang
diinterpretasikan signifikan, berarti terdapat perbedaan rata-rata dari kelompok yang
dibandingkan. Sebaliknya jika nilai Fhitung lebih kecil dari Ftabel maka H0 diterima dan
rata-rata dari kelompok yang dibandingkan. Ftabel bisa dihitung pada tabel F:
11
Umum (A3 ) = 6 9 8 7 8 9 6 6 9 8 6 8 = 12 orang
Buktikan apakah ada perbedaan atau tidak?
Penyelesaian:
Jawab:
Langkah-langkah untuk menjawab pertanyaan diatas adalah sebagai berikut:
a) Diasumsikan bahwa data dipilih secara random, berdistribusi normal dan variannya
homogen.
b) Hipotesis (Ha dan H0) dalam bentuk kalimat.
H0 = Tidak ada perbedaan yang signifikan antara mahasiswa tugas belajar, izin
belajar dan umum.
Ha = Terdapat perbedaan yang signifikan antara mahasiswa tugas belajar, izin
belajar dan umum.
c) Hipotesis (Ha dan H0) dalam bentuk statistik
H 0 : A 1= A2 =A 3
H 0 : A 1 ≠ A 2= A 3
H 0 : A 1= A2 ≠ A 3
H 0 : A 1 ≠ A2 ≠ A 3
Daftar statistik induk
NILAI UTS
NO. A1 A2 A3
1. 6 5 6
2. 8 6 9
3. 5 6 8
4. 7 7 7
5. 7 5 8
6. 6 5 9
7. 6 5 6
8. 8 6 6
9. 7 5 9
10. 6 6 8
12
11. 7 8 6
12. 7 8
TOTAL
STATISTIK
N =35
n 11 12 12
234
∑x 73 71 90
1616
∑x2 493 431 692
6,69
(∑x)2/nAt 6,64 5,92 7.5
138,41
X́ 44,82 35,92 57,67
1,33
Varians (S2) 0,85 0,99 2.55
13
KR A 7,54
F hitung = = =6,61
K r D 1,14
k) Tentukan taraf signifikannya, misalkan α= 0,05
l) Cari Ftabel dengna rumus
F tabel=F (1−α ) (dbA ,dbD)
F tabel=F ( 1−0,05 )(2,32)
F tabel=F (0,95 )(2,32)
F tabel=3,30
Untuk mencari nilai Ftabel = 3,30 dan arti angka Ftabel = F (0,95) (2,32)
Angka O,95 = taraf kepercayaan 95 % atau taraf signifikan 5 %
Angka 2 = pembilang atau hasil dari dbA
Angka 32 = penyebut atau hasil dari dbD
Apabila angka 2 dicari ke kanan dan angka 32 ke bawah maka akan bertemu dengan
nilai. Untuk taraf signifikansi 5% dipilih pada bagian atas dan 1% dipilih pada
bagian bawah.
m) Buat tabel rinkasan ANOVA
Sumber Derajat Kuadrat Taraf
Varians Jumlah Kuadrat (JK) bebas rerata Fhitung Signifikan
(SV) (db) (KR) ( ρ)
Antar group <0,05
15,07 2 7,54 6,61
(A) Ftabel = 3,30
Dalam group
36,47 32 1,14 − −
(D)
Total 51,54 54 − − −
n) Menentukan kriteria pengujian: jika Fhitung≥ Ftabel, maka tolak H0 berarti signifikan.
Setelah konsultasikan dengan tabel F kemudian bandingkan antara F hitung dengan
Ftabel, ternyata: Fhitung >Ftabel atau 6,61 > 3,30 maka tolak berarti signifan.
o) Kesimpulan
H0 ditolak dan Ha diterima. Jadi, terdapat perbedaan yang signifikan antara
mahasiswa tugas belajar, izin belajar dan umum.
14
melakukan analisis of variance tidak terpenuhi. Untuk menghadapi data yang bersakal
ordinal maka digunakan Kruskeal-Walles.
Kruskal-walles menggunakan asumsi bahwa masing-masing kelompok sampel
diambil dari populasi yang sama. Kruskal-Walles dapat dihitung dengan rumus:
S21 S 22 S 23
H=
12
[ ]
+ + −3 ( n+1 )
n ( n+1 ) n1 n2 n3
Keterangan:
S = jumlah rank
n = jumlah keseluruhan.
Langkah-Langkah pengujian hipotesis dengan skala ordinal adalah:
1. Menyusun hipotesis:
Ho: Tidak ada perbedaaan antar kelompok
Ha: Paling sedikit satu kelompok tidak sama dengan kelompok lainnya
2. Menyusun rank
Keseluruhan dapat diurutkan, bias dari yang terbesar kelompok yang terkecil atau
sebaliknya tergantung pada rank yang diukur. Hal yang perlu diperhatikan adalah
angka rank terkecil merupakan nilai yang tertinggi. Apabila terdapat persamaan
pada individu skor, maka rank merupakan nilai tengahnya (sering terjadi jika kita
melakukan perubahan skala dari ratio atau interval ke skala ordinal).
3. Menghitung Kruskel-Walles
4. Membandingkan hasil perhitungan H dengan tabel (Chi Square distribusi)
berdasarkan alpha dan derajat kebebasan = k−1
5. Mengambil kesimpulan yaitu akan menerima hipotesis nol apabila H0 sama dengan
atau lebih kecil daripada nilai tabel, sebaliknya tolak hipotesis nol jika H0 lebih
besar daripada nilai tabel.
Contoh:
Suatu penelitian terhadap hasil belajar siswa yang diajar dengan metode yang berbeda
yaitu metode A, B, dan C. setelah dilakukan tes kemampuan ternyata syarat normalitas
tidak dapat dipenuhi, sedangkan sampel relative kecil.
Penyebaran skor adalah sebagai berikut:
A : 82 80 81 83 84 79
B : 71 29 78 75 74 36
C : 91 84 93 82 91 94
15
Apakah metode mengajar mempunyai efek yang berbeda terhadap hasil belajar?
Penyelesaian
1. Penyusunan hipotesis:
H0 : Tidak terdapat perbedaan kemampuan (hasil belajar) siswa antara kelompok
A, B, dan C setelah diajar dengan menggunakan metode yang berbeda.
H1 : Paling sedikit satu kelompok mempunyai kemampuan (hasil belajar)
berbeda dengan kelompok lainnya, setelah diajar dengan metode yang berbeda.
2. Menyusun rank.
Apabila skor disusun dari yang tertinggi kelompok terendah , maka:
No. Skor Rank No. Skor Rank
1. 94 1 10. 81 10
2. 93 2 11. 80 11
3. 91 3,5 12. 79 12
4. 91 3,5 13. 78 13
5. 84 5,5 14. 74 14
6. 84 5,5 15. 75 15
7. 83 7 16. 81 16
8. 82 8,5 17. 36 17
9. 82 8,5 18. 29 18
Berdasarkan tabel diatas maka disusun rank pada setiap kelompok untuk
memperoleh nilai S pada masing-masing kelompok. Sehingga tabelnya sebagai
berikut.
XA Rank XB Rank XC Rank
82 8,5 71 16 91 3,5
80 11 29 18 84 5,5
81 10 78 13 93 2
83 7 75 14 82 8,5
84 5,5 74 15 91 3,5
79 12 36 17 94 1
Total 54 93 24
3. Perhitungan Kruskal-Walles:
S21 S 22 S 23
H=
12
[ ]
+ + −3 ( n+1 )
n ( n+1 ) n1 n2 n3
16
4. Apabila kita tetapkan alpha sebesar 0,01, maka dari tabel chi-square dapat diperoleh
angka 9,21 (dengan dkSSt= 3-1)
5. H = 13, sedangkan angka tabel dengan alpha 0,01 dan dk SS t = 2 adalah 9,21, maka
H > 9,21.
6. Kita menolak hipotesis nol, hal ini berarti bahwa terdapat perbedaan yang signifikan
antara hasil belajar siswa pada kelompok A, B, dan c. implikasinya bahwa
eksperimen dengan menggunakan metode A, B, dan C mempunyai perbedaan efek,
yang signifikan terhadap hasil belajar.
CONTOH ANOVA SATU ARAH MENGGUNAKAN SPSS:
Judul: Pengaruh Model Pembelajaran Analogi Berbantuan Geogebra terhadap Pemahaman
Konsep Matematika Siswa kelas VII SMP Negeri 4 Mendoyo
Rumusan Masalah:
1. Apakah terdapat perbedaan pemahaman konsep matematika antara siswa yang
mengikuti model pembelajaran analogi berbantuan geogebra, siswa yang
mengikuti model pembelajaran analogi dan siswa yang mengikuti pembelajaran
dengan pembelajaran konvensional?
2. Apakah pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi berbantuan goegebra lebih baik daripada
pembelajaran konvensional?
3. Apakah pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi berbantuan geogebra lebih baik daripada
model pembelajaran analogi?
4. Apakah pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi lebih baik daripada pembelajaran
konvensional?
Hipotesis Penelitian:
1. Terdapat perbedaan pemahaman konsep matematika antara siswa yang mengikuti
model pembelajaran analogi berbantuan geogebra, siswa yang mengikuti model
pembelajaran analogi dan siswa yang mengikuti pembelajaran dengan
pembelajaran konvensional.
2. Pemahaman konsep matematika siswa yang mengikuti pembelajaran dengan
model pembelajaran analogi berbantuan goegebra lebih baik daripada
pembelajaran konvensional.
17
3. Pemahaman konsep matematika siswa yang mengikuti pembelajaran dengan
model pembelajaran analogi berbantuan geogebra lebih baik daripada model
pembelajaran analogi.
4. Pemahaman konsep matematika siswa yang mengikuti pembelajaran dengan
model pembelajaran analogi lebih baik daripada pembelajaran konvensional.
Rancangan Penelitian: Penelitian Eksperimen Semu dengan desain Static Group
Comparison dengan mengukur posttest saja.
18
Dengan F’=Ftabel.(k-1)
3. H0 : µ2 = µ3
Tidak terdapat perbedaan pemahaman konsep matematika siswa yang
mengikuti pembelajaran dengan model pembelajaran analogi dan
pembelajaran konvensional.
H1 : µ2 > µ3
Pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi lebih baik daripada pembelajaran
konvensional.
Kriteria Pengujian
Jika Fhitung > F’, pada taraf signifikansi 5% maka H0 ditolak
Dengan F’=Ftabel.(k-1)
4. H0 : µ1 = µ3
Tidak terdapat perbedaan pemahaman konsep matematika siswa yang
mengikuti pembelajaran dengan model pembelajaran analogi berbantuan
geogebra dan pembelajaran konvensional.
H1 : µ1 > µ3
Pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi berbantuan geogebra lebih baik
daripada pembelajaran konvensional.
Kriteria Pengujian
Jika Fhitung > F’, pada taraf signifikansi 5% maka H0 ditolak
Dengan F’=Ftabel.(k-1)
19
A10 27 B10 23 C10 19
A11 23 B11 25 C11 16
A12 25 B12 24 C12 21
A13 22 B13 20 C13 18
A14 20 B14 19 C14 19
A15 23 B15 25 C15 23
A16 25 B16 21 C16 21
A17 28 B17 22 C17 22
A18 23 B18 23 C18 22
A19 27 B19 26 C19 18
A20 24 B20 19 C20 20
A21 26 B21 23 C21 21
A22 23 B22 22 C22 19
A23 28 B23 21 C23 17
A24 25 B24 27 C24 23
A25 24 B25 26 C25 17
A26 25 B26 24 C26 20
A27 27 B27 21 C27 24
A28 26 B28 21 C28 22
A29 20 B29 27
A30 23 B30 25
Berdasarkan tabel diatas tentang hasil belajar siswa yang diperoleh melalui post-
test dari 2 kelas eksperimen dan 1 kelas kontrol. Langkah-langkah pengolahan data
melalui SPSS adalah sebagai berikut.
1. Menempatkan data sesuai masing-masing kelompok
Berdasarkan tabel diatas, terlihat bahwa data terdiri dari dua variabel yaitu variabel
skor dan variabel kelas (eksperimen 1, eksperimen 2, dan kontrol). Susunannya
diatur secara vertikal ke bawah. Pada ANOVA satu jalur hanya memasukkan dua
variabel saja.
2. Buka data baru dengan klik mouse pada sheet lab Variable View
Pengisian variabel skor
Kolom Name diisi dengan variabel yang akan diukur yaitu Skor.
Kemudian abaikan bagian yang lain dan tekan Ctrl + T artinya kembali ke
Data View.
20
Pengisisan variabel kelas
Kolom Name diisi sesuai dengan variabel kelas yaitu Kelas.
21
3. Pengisisan Data
Pengisian kolom Skor, letakkan pointer pada baris 1 kolom tersebut,
kemudian klik menurun ke bawah sesuai data post-test siswa (88 data).
Pengisian kolom Kelas
Sebelum mengisi data, aktifkan value label dengan Menu View →
Value Label
Pada data ini terlihat pada baris pertama tertulis “Eksperimen 1”
yang telah mempunyai kode 1, maka pada baris pertama kolom
kelompok, ketik 1. Telihat secara otomatis SPSS mengubahnya
menjadi keterangan “Eksperimen 1”. Hal ini terjadi karena
pengaktifan Value Label.
Demikian untuk data selanjutnya, pemasukan data menggunakan
angka 1,2, dan 3 sesuai keterangan yang dikehendaki.
Jika pengisisan benar maka terlihat data seperti pada tabel tersebut.
Kemudian data tersebut disimpan dengan nama Anava – 1.
22
Pengisian
Dependent List atau Variabel dependent yang akan diuji ,
masukkan variabel Skor.
Factor atau group, masukkan variabel Kelas.
23
Pengisian
Untuk statistik atau perhitungan statistik yang akan
dilakukan, untuk keseragaman pilih Descriptive dan
Homogenity of variance test. Untuk itu, klik pada kedua
pilihan tersebut.
Untuk Missing Values atau data yang hilang klik Exclude
Cases analysis by snalysis.
Tekan Continue jika pengisian dianggap selesai.
Untuk kolom Post-Hoc atau analisis lanjutan dari Ftest dengan
mengklik mouse akan tampak di layer seperti ini.
Pengisian
Untuk analisis lanjutan, untuk keseragaman klik pada pilihan
Scheffe karena jumlah data tidak sama antar 3 kelas tersebut.
24
Kemudian tekan OK untuk proses data.
5. Hasil Data analisis dengan SPSS
Oneway
Descriptives
Skor
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
Eksperimen 1 30 24.3667 2.26645 .41379 23.5204 25.2130 20.00 28.00
Eksperimen 2 30 22.6333 2.47028 .45101 21.7109 23.5558 18.00 27.00
Kontrol 28 19.8571 2.39929 .45342 18.9268 20.7875 16.00 24.00
Total 88 22.3409 2.99381 .31914 21.7066 22.9752 16.00 28.00
ANOVA
Skor
Sum of Squares df Mean Square F Sig.
Between Groups 298.411 2 149.205 26.347 .000
Within Groups 481.362 85 5.663
Total 779.773 87
25
*. The mean difference is significant at the 0.05 level.
Homogeneous Subsets
Skor
a,b
Scheffe
Subset for alpha = 0.05
Kelas N 1 2 3
Kontrol 28 19.8571
Eksperimen 2 30 22.6333
Eksperimen 1 30 24.3667
Sig. 1.000 1.000 1.000
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 29.302.
b. The group sizes are unequal. The harmonic mean of the group
sizes is used. Type I error levels are not guaranteed.
Means Plots
26
Kontrol
Rata-rata = 19,8571; simpangan baku = 2,39929; nilai terkecil (minimum)
= 16 dan nilai terbesar (maksimum) = 24.
2. Pada tabel Test of Homogenity of Variances menunjukkan hasil uji
homogenitas dari varians. Fungsinya untuk menguji apakah varians tersebut
homogen atau tidak homogen dianalisis sebagai berikut.
Pengajuan hipotesis:
Ha: Hasil Posttest ketiga kelas tidak homogen.
H0: Hasil Posttest ketiga kelas homogen.
Kaidah keputusan:
Jika α = 0,05 lebih besar atau sama dengan nilai Sig. atau [α = 0,05 ≥ Sig.],
maka Ha diterima dan H0 ditolak artinya tidak homogen.
Jika α = 0,05 lebih kecil atau sama dengan nilai Sig. atau [α = 0,05 ≥ Sig.],
maka H0 diterima dan Ha ditolak artinya homogen.
Berdasarkan hasil SPSS Sig. sebasar 0,910. Ternyata α = 0,05 lebih kecil dari
nilai Sig. atau [α = 0,05 ≥ 0,910], maka H0 diterima dan Ha ditolak artinya
homogen. Jadi asumsi kesamaan varians untuk uji ANOVA sudah terpenuhi.
3. Pada tabel ANOVA ini digunakan untuk menguji signifikansi dan mengambil
kesimpulan setelah data terbukti homogen. Apakah rata-rata hasil posttest siswa
ketiga kelas terdapat perbedaan signifikan atau sama. Untuk itu diperlukan
Tabel F yang ada kaitannya dengan Fhitung dengan Ftabel.
Berdasarkan Tabel ANOVA atau Ftes, ternyata didiapat Fhitung adalah 26,347
dengan tingkat signifikansi 0,000. Untuk membuktikan apakah pengujian ini
signifikan atau tidak, maka digunakan uji F.
Pengajuan hipotesis:
Ha: Terdapat perbedaan yang signifikan antara hasil Posttest ketiga kelas.
H0: Tidak terdapat perbedaan yang signifikan antara hasil Posttest ketiga kelas.
Kriteria Pengujian
Jika Fhitung ≥ Ftabel, pada taraf signifikansi 5% maka H0 ditolak
Jika Fhitung ≤ Ftabel, pada taraf signifikansi 5% maka H0 diterima
Dengan Ftabel = Fα(n1-k,k-1)
Mancari nilai Ftabel menggunakan Tabel F dengan rumus:
Ftabel = F{(1-α) (dk pembilang = m),(dk penyebut = n – m – 1)}
27
Dimana m = jumlah variabel
= F{(1-0,05) (dk pembilang = 2),(dk penyebut = 88-2-2)}
= F0,05(2,85)
Ftabel = 3,104
Ternyata Fhitung > Ftabel, atau 26,347 > 3,104, H0 ditolak dan Ha diterima yang
berarti signifikan. Diperoleh kesimpulan bahwa terdapat perbedaan yang
signifikan antara hasil Posttest ketiga kelas.
4. Pada tabel Post Hoc Tests (Multiple Comparisons) berfungsi untuk
mengetahui hasil perbandingan antara ketida kelas yang dilihat rata-ratanya.
Ternyata setelah dianalisis diketahui bahwa ada perbedaan yang signifikan di
antara ketiga kelas. Berikut ini adalah hasil intepretasi dari test Scheffe untuk
pengujian hipotesis 2,3, dan 4.
Hipotesis 2
Pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi berbantuan geogebra dengan model
pembelajaran analogi memiliki perbedaan rata-rata Mean Difference (I-
J) sebesar 1,7333 dengan P-value sebesar 0,022. Oleh karena koefisien
P-value lebih kecil dari 0,05 maka disimpulkan terdapat perbedaan yang
signifikan siswa yang diajar dengan model pembelajaran analogi
berbantuan geogebra dengan model pembelajaran analogi.
Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa
nilai rata-rata siswa yang diajar dengan model pembelajaran analogi
berbantuan geogebra dengan model pembelajaran analogi (24,3667 >
22,6333).
Dengan demikian hasil belajar siswa yang diajar dengan model
pembelajaran analogi berbantuan geogebra dengan model pembelajaran
analogi.
Hipotesis 3
Pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi dengan model pembelajaran
konvensional memiliki perbedaan rata-rata Mean Difference (I-J)
sebesar 2,7762 dengan P-value sebesar 0,000. Oleh karena koefisien P-
value lebih kecil dari 0,05 maka disimpulkan terdapat perbedaan yang
28
signifikan siswa yang diajar dengan model pembelajaran analogi dengan
model pembelajaran konvensional.
Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa
nilai rata-rata siswa yang diajar dengan model pembelajaran analogi
dengan model pembelajaran konvensional (22,6333 > 19,8571).
Dengan demikian hasil belajar siswa yang diajar dengan model
pembelajaran analogi dengan model pembelajaran konvensional.
Hipotesis 4
Pemahaman konsep matematika siswa yang mengikuti pembelajaran
dengan model pembelajaran analogi berbantuan geogebra dengan model
pembelajaran konvensional memiliki perbedaan rata-rata Mean
Difference (I-J) sebesar 4,5095 dengan P-value sebesar 0,000. Oleh
karena koefisien P-value lebih kecil dari 0,05 maka disimpulkan
terdapat perbedaan yang signifikan siswa yang diajar dengan model
pembelajaran analogi berbantuan geogebra dengan model pembelajaran
konvensional.
Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa
nilai rata-rata siswa yang diajar dengan model pembelajaran analogi
dengan model pembelajaran konvensional (24,3776 > 19,8571).
Dengan demikian hasil belajar siswa yang diajar dengan model
pembelajaran analogi berbantuan geogebra dengan model pembelajaran
konvensional.
5. Means Plot
Plot dari output di atas merupakan plot estimasi pemahaman konsep
matematika siswa terhadap metode mengajar. Dari plot tampak bahwa
pemahaman konsep matematika siswa tertinggi adalah yang diajar
menggunakan model pembelajaran analogi berbantuan geogebra.
29
berdasarkan dua faktor yang berpengaruh yang disusun dalam baris dan kolom, misalkan
keragaman berat badan disebabkan oleh perbedaan usia.
Ada beberapa asumsi yang digunakan pada pengujian Two Way ANOVA,
diantaranya:
1. Data dari populasi-populasi (sampel) berjenis interval atau rasio.
2. Populasi yang akan diuji berasal dari data yang berdistribusi normal.
3. Varians setiap populasi (sampel) harus sama.
4. Sampel tidak berhubungan satu dengan yang lain.
Tujuan dan pengujian ANOVA dua arah ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Misal, seorang
dosen menguji apakah ada pengaruh antara jenis media belajar yang digunakan pada
tingkat penguasaan siswa terhadap materi (Badri, 2012).
Pada pembahasan ini, dititikberatkn pada pengujian ANOVA 2 arah yaitu pengujian
ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria pengujian ANOVA
mempunyai level atau interaksi. ANAVA untuk sampel k berkolerasi dapat dibedakan
menjadi dua, yaitu Two Way ANOVA tanpa interaksi dan Two Way ANOVA dengan
interaksi.
30
Xj
X́ j X́ 1 X́ 2 X́ 3 … X́ c X́
Keterangan:
Xi =total nilai pengamatan pada baris ke-b
Xj =total nilai pengamatan pada baris ke-j
b) total nilai pengamatan pada baris ke…b:
Xi = X11 + X12 + X13 +… + Xij
c) total nilai pengamatan pada kolom ke-j:
Xj = X21 + X22 + X23 +… + Xij
d) total nilai pengamatan Tx
Tx = T1 + T2 + T3 + … + Tr
e) menghitung rata-rata populasi pada baris ke-b dan kolom ke –j, dengan
rumus:
∑ Xi ∑ Xj
X́ = atau X́ =
j b
Keterangan:
Xi = total nilai pada baris ke-b
Xj = total nilai pada baris ke-j
J = jumlah kolom
b = jumlah baris
f) menghitung rata-rata populasi (b x j). dengan rumus:
∑T i ∑ Xi
X́ = atau X́ =
j j
g) menentukan jumlah kuadrat antar baris (JKB):
2 2 2 2
( ∑ X 1 ) + ( ∑ X 2) + …+ ( ∑ X n ) ( ∑ X n )
JKB= −
j b. j
h) menentukan derajat kebebasan antarbaris (dkB)
dkB = b − 1
i) menentukan nilai ragam antarbaris (S)
JKB
S21=
dkB
j) menentukan nilai jumlah kuadrat antarkolom (JKK)
2 2 2 2
( ∑ T 1 ) + ( ∑ T 2 ) + …+ ( ∑T n ) ( ∑ T x )
JKK = −
b b. j
k) menentukan derajat kebebasan antar kolom (dkK)
31
dkK = j − 1
l) menentukan nilai ragam antarkolom (S)
JKK
S22=
d kK
m) menentukan jumlah kuadarat total (JKT)
2
2 2 2 2 (T x )
JKT=[ ( X 11 ) + ( X 12 ) + ( X 13 ) +…+ ( X nj ) ]−
b. j
n) menentukan jumlah kuadrat galat (JKG)
JKG = JKT − JKB − JKK
o) menentukan jumlah kuadarat galat (dkG)
dkG = (b – 1) (j – 1)
p) menentukan nilai ragam galat (G)
2 JKG
S3 =
d kG
q) menentukan nilai Fhitung:
S12
F 1=
S 22
r) membuat tanulasi ragam
membuat tabel tabulasi ragam klasfikasi dua jalur tanpa interaksi
No Sumber Jumlah Derajat Ragam F rasio
. keragaman kuadrat bebas
1. Antarbaris JKB dkB JKB S12
S21= F 1=
dkB S 22
2. Antarkolom JKK dkK JKK S 22
S22= F 2= 2
d kK S3
3. Galat JKG (dkB) JKG
S23=
(dkK) ( d k B )(d k K )
nilai Ftabel
F 1tabel∧¿ F 2tabel = F{( α )( dkb=pembilang ) ,(dkk= penyebut)} ¿
Keterangan:
Pembilang = n – 1 atau j – 1
Penyebut = (n – 1)(j – 1)
F tabel=F {( α ) (dkb ) ,(dkk )}
32
Tujuan membandingkan keduanya adalah untuk mengetahui adanya
perbedaan antar kelompok data baris.
Kaidah pengujian
- Jika F1hitung ≤ F1tael artinya tidak ada perbedaan antar kelompok data
baris.
Jika F1hitung ¿ F1tael artinya tidak ada perbedaan antar kelompok data
baris.
- Jika F1hitung ≤ F1tael artinya tidak ada perbedaan antar kelompok data
kolom.
Jika F1hitung ¿ F1tael artinya tidak ada perbedaan antar kelompok data
kolom.
CONTOH ANOVA DUA ARAH SECARA MANUAL
Sebuah perusahaan X pada tahun 2009 yang bergerak dalam pembuatan air minum
kemasan ingin mengetahui pengaruh ukuran kemasan air minum terhadap hasil
penjualan. Untuk keperluan tersebut perusahaan mengambil sampel dari hasil penjualan
untuk ukuran kemasan aur minum yang baru berukuran: kevil, sedang dan besar. Data
penjualan selama satu bulan dapat dilihat pada tabel dibawah ini. Dengan taraf nyata
(α) = 5 %:
a. Ujilah apakah ada perbedaan rata-rata penjualan berdasarkan ukuran kemasan air
minum kecil, sedang dan besar?
b. Ujilah apakah ada perbedaan rata-rata penjukan berdasarkan warna kemasan air
minum merah, hijau, kuning dan biru?
33
2 1750 1450 1750 1400 6350 1588
3 1700 1350 1600 1450 6250 1563
Total
4950 4300 5000 4350 18600 4650
(Tjb)
T́ jb 1650 14333 1667 1450 4650
b. total nilai pengamatan pada baris ke…b:
Xbj = X11 + X12 + X13 +… + Xnj
Xbj = 1500 + 1350 + 1650 + 1500
Xbj = 6000
c. menghitung rata-rata baris ke-b:
∑ X bj
X́ =
j
6000
X́ = =1500
4
d. total nilai pengamatan Tx
Tbj = T1 + T2 + T3 + … + Tjn
Tbj = 1500 + 1750 + 1700 = 4950
e. menghitung rata-rata populasi pada baris ke-b dan kolom ke –j, dengan
rumus:
∑ Xi
X́ =
j
4950
X́ = =1650
3
f. menghitung rata-rata populasi (b x j). dengan rumus:
∑T bj 18600
X́ = = =4650
bj 3(4 )
g. menentukan jumlah kuadrat antar baris (JKB):
2 2 2 2
( ∑ X 1 ) + ( ∑ X 2) + …+ ( ∑ X n ) ( ∑ X n )
JKB= −
j b. j
( 6000 )2+ ( 6350 )2+ (6250 )2 ( 18600 )2
JKB= −
4 3 (4)
JKB=28846250−28830000
JKB=16250
h. menentukan derajat kebebasan antarbaris (dkB)
dkB = b − 1
dkB = 3 − 1 = 2
34
i. menentukan nilai ragam antarbaris (S)
JKB 16250
S21= = =8125
dkB 2
j. menentukan nilai jumlah kuadrat antarkolom (JKK)
2 2 2 2
( ∑ T 1 ) + ( ∑ T 2 ) + …+ ( ∑T n ) ( ∑ T x )
JKK = −
b b. j
( 4950 )2 + ( 4300 )2 + ( 5000 )2 + ( 4350 )2 ( 18600 )2
JKK = −
3 3 (4)
JKK =28971667−28830000
JKK =141667
k. menentukan derajat kebebasan antar kolom (dkK)
dkK = j − 1 = 4 − 1 = 3
l. menentukan nilai ragam antarkolom (S)
JKK 141667
S22= = =47222
d kK 3
m. menentukan jumlah kuadarat total (JKT)
2
2 2 2 2 (T x )
JKT=[ ( X 11 ) + ( X 12 ) + ( X 13 ) +…+ ( X nj ) ]−
b. j
2 2 2 ( 18600 )2
2
JKT=[ ( 1500 ) + ( 1350 ) + ( 1650 ) + ( 1450 ) ]−
3 (4)
JKT=29035000−28830000=205000
n. menentukan jumlah kuadrat galat (JKG)
JKG = JKT − JKB − JKK
JKG = 205000 – 16250 – 141667
JKG = 47083
o. menentukan jumlah kuadarat galat (dkG)
dkG = (b – 1) (j – 1)
dkG = (b 3– 1) (4 – 1) = 6
p. menentukan nilai ragam galat (G)
JKG 47083
S23= = =7847
d kG 6
q. menentukan nilai Fhitung:
- menentukan nilai F1:
S12 8125
F 1= 2 = =1,0353
S 2 7847
35
- menentukan nilai F2:
S 22 47222
F 2= 2 = =6,018
S 3 7847
r. membuat tanulasi ragam
membuat tabel tabulasi ragam klasfikasi dua jalur tanpa interaksi
No Sumber Jumlah Derajat Ragam F rasio
. keragaman kuadrat bebas
1. Antarbaris 16250 2 16250 S12
S21= F 1= 2
2 S2
S21=8125
Keterangan:
n = 3, j = 4, α = 5% = 0,05
Pembilang = 3 – 1= 2 atau 4 – 1 = 3
Penyebut = (3 – 1)(4 – 1) = 6
F tabel=F {( α ) (dkb ) ,(dkk )}
36
-
B. Two Way ANOVA dengan Interaksi
Analisis ragam dua arah dengan interaksi ini adalah pengujian hipotesis komperatif
(perbandingan) untuk k sampel (lebih dari dua sampel) yang berkorelasi dengan dua
faktor yang berpengaruh, sedangkan interaksi kedua faktor diperhitungkan.
Adapun langkah-langkah atau tahapan dalam menghitung Two Way ANOVA
berkorelasi dengan interaksi adalah sebagai berikut:
1. Menghitung nilai Fhitung
a) Membuat tabel penolong:
Kolom (j = c) Total Rata-rata
Baris (b)
1 2 3 … n Trb X́ n−¿ ¿
X111 X121 X131 … Xrj1 X1
Kelompok X112 X122 X132 … Xrj1 X2
(r) 1 … … … … ….
X11b X12b X13b … Xrjb Xb
Total Tr1 T11 T12 T13 … T1n TXr1 X́ 1−¿ ¿
Kelompok X211 X221 X231 … Xrj1 X21
(r) 2 X212 X222 X232 … Xrj1 X22
… … … … ….
X21b X22b X23b … Xrjb X23
Total Tr2 T21 T22 T23 … T2n TXr2 X́ 2−¿ ¿
X311 X321 X331 … X3j1 X31
Kelompok X312 X322 X332 … X3j1 X32
(r) 3 … … … … ….
X31b X32b X33b … X3jb X33
Total Tr3 T31 T32 T33 … T3n TXr3 X́ 3 −¿ ¿
Keterangan:
r = kelompok, b = baris, j = kolom
Xrjb = data pengamatan
Trb = total penjumlahan pada kelompok ke-r dari setiap baris ke-b
Trk = total penjumlahan pada kelompok ke-r dari setiap kolom ke-j
TXrk = total penjumlahan dari kolom Trb untuk setiap kelompok ke-r
Tj = total penjumlahan dari setiap kolom pada kelompok ke-r
b) Total nilai pengamatan pada baris ke-b
T rb=X 111 + X 121 + X 123 + …+ X rjb
c) Total nilai pengamatan ada kolom ke-j
T rk =X 111 + X 121 + X 123 + …+ X 11b
37
d) Total nilai pengamatan pada kolom Trb dari setiap kelompok ke-r
TX r k = X 1+ X 2+ X b
e) Totsl nilai penjumlahan dari setiap kolom pada kelompok ke-r
T j=T r 1+ T r 2 +T r 3 +…+T r k
f) Total nilai penjumlahan pada kolom Trb dan baris (Tj)
X T =T 1+ T 2 +T 3+ …+T n
g) Menentukan nilai jumlah kuadrat total (JKT)
2
2 2 2 2 (T T )
JKT=[ ( X 111 ) + ( X 121 ) + ( X 131 ) + …+ ( X rnj ) ] −
r.b. j
h) Menentukan nilai jumlah kuadrat antarbaris (JKB)
2 2 2 2
( ∑ TXr1 ) + ( ∑TXr 2 ) +…+ ( ∑TXr k ) ( ∑ T T )
JKB= −
b r .b . j
i) Menentukan nilai derajat kebebasan antarbaris
DkB =b − 1
j) Menentukan nilai ragam antarbaris (S)
JKB
S22=
dkB
k) Menentukan nilai jumlah kuadrat antarkolom (JKK)
2 2 2 2
( ∑ T 1 ) + ( ∑ T 2 ) + …+ ( ∑T n ) ( ∑ T x )
JKK = −
b b. j
l) Menentukan derajat kebebasan antar kolom (dkK)
dkK = j − 1
m) Menentukan nilai ragam antarkolom (S)
JKK
S22=
d kK
n) Menentukan nilai jumlah kuadrat interaksi (JKI)
n b n n
∑ ∑ ( T kn ) 2 ∑ ( T j ) 2 ∑ ( TXr k )2 ( X T )2
JKI= b=1 j=1 − j=1 − 1=n +
b r .b b. j r .b. j
o) Menentukan nilai derajak kebebasan interaksi
dkI = (b – 1) (j – 1)
p) Menentukan nilai ragam interaksi (I)
JKI
S23=
d kI
q) Menentukan nilai jumlah kuadrat galat (JKG)
38
JKG=JKT −JKB−JKK −JKI
r) Menentukan nilai derajat kebebasan galat
dkG = (rj) (b – 1)
s) Menentukan nilai ragam galat
JKG
S24 =
d kG
t) Menentukan nilai Fhitung:
S12
F 1= 2
S2
u) Membuat tabulasi ragam
No. Sumber Jumlah Derajat Ragam F rasio
keragaman kuadrat bebas
1. Antarbaris JKB dkB JKB S12
S21= F 1=
dkB S 22
2. Antarkolom JKK dkK JKK S 22
S22= F 2= 2
d kK S3
3. Interaksi JKI dkI JKI S 23
S23= F 3= 2
d kI S4
4. Galat JKG dkG JKG
S24 =
d kG
Total JKT (b.k.n) − 1
39
jika F 2hitung ≤ F 2 tabel, artinya tidak ada pengaruh pada nilai rata-rata
kelompok data ke-1, 2,. b terhadap perlakuan kelompok data ke-1, 2,.j
jika F 2hitung > F 2 tabel, artinya ada pengaruh pada nilai rata-rata kelompok data
ke-1, 2,. b terhadap perlakuan kelompok data ke-1, 2,.j
c) Uji interaksi
jika F 2hitung ≤ F 2 tabel, artinya tidak ada interaksi pada kelompok data kolom
dengan kelompok data baris.
jika F 2hitung > F 2 tabel, artinya ada interaksi pada kelompok data kolom dengan
kelompok data baris.
40
b. Penggunaan jenis pupuk yang berbeda tidak berpengaruh terhadap hasil panen
ketiga varietas jeruk.
c. Tidak ada interaksi antara varietas jeruk dan pupuk.
Penyelesaian:
1. Menghitung nilai Fhitung
a. Membuat tabel penolong:
Varietas Pupuk (j) Total
Jeruk (b) P1 P2 P3 P4 Trb
(r) 30 25 26 24 105
Jeruk ke-1 32 30 28 29 119
35 28 24 30 117
Tr1 97 83 78 83 341
Jeruk ke-2 32 23 22 25 102
35 25 20 26 106
35 28 23 28 114
Tr2 102 76 65 79 322
36 25 25 27 113
Jeruk ke-3
38 25 24 26 113
35 28 23 29 115
Tr3 109 78 72 82 341
Total (Tj) 308 237 215 244 1004
b. Total nilai pengamatan pada baris ke-b
T rb=X 111 + X 121 + X 123 + …+ X rjb =30+25+ 26+24=105
c. Total nilai pengamatan ada kolom ke-j
T rk =X 111 + X 121 + X 123 + …+ X 11b =30+32+35=97
d. Total nilai pengamatan pada kolom Trb dari setiap kelompok ke-r
TX r k = X 1+ X 2+ X b =105+ 119+117=341
e. Totsl nilai penjumlahan dari setiap kolom pada kelompok ke-r
T j=T r 1+ T r 2 +T r 3 +…+T r k =97+102+109=308
f. Total nilai penjumlahan pada kolom Trb dan baris (Tj)
X T =T 1+ T 2 +T 3+ …+T n=308+237+215+ 244=1004
g. Menentukan nilai jumlah kuadrat total (JKT)
2
2 2 2 2 (T T )
JKT=[ ( X 111 ) + ( X 121 ) + ( X 131 ) + …+ ( X rnj ) ] −
r.b. j
2 2 2 2 2 ( 1004 )2
JKT =[ ( 30 ) + ( 25 ) + ( 26 ) + (24 ) +…+ ( 29 ) ] −
3( 3)( 4)
JKT=28701−28000,4=701,6
h. Menentukan nilai jumlah kuadrat antarbaris (JKB)
41
2 2 2 2
( ∑ TXr1 ) + ( ∑TXr 2 ) +…+ ( ∑TXr k ) ( ∑ T T )
JKB= −
b r .b . j
(341 )2 + ( 322 )2 + ( 341 )2 ( 1004 )2
JKB= −
3(4 ) 3( 3)(4)
JKB=28020,5−28000,4=20,1
i. Menentukan nilai derajat kebebasan antarbaris
DkB =b – 1= 3– 1=2
j. Menentukan nilai ragam antarbaris (S)
JKB 20,1
S22= = =10,05
dkB 2
k. Menentukan nilai jumlah kuadrat antarkolom (JKK)
( 308 )2+ ( 237 )2 + ( 215 )2+ ( 244 )2 ( 1004 )2
JKK =
[ 3(3) ] −
3(3)(4)
JKK =28532,7−28000,4=532,3
l. Menentukan derajat kebebasan antar kolom (dkK)
dkK = j − 1 = 4− 1 =3
m. Menentukan nilai ragam antarkolom (S)
JKK 539,3
S22= = =179,6
d kK 3
n. Menentukan nilai jumlah kuadrat interaksi (JKI)
n b n n
∑ ∑ ( T kn ) ∑ ( T j ) ∑ ( TXr k )2 ( X T )2
2 2
42
r. Menentukan nilai derajat kebebasan galat
dkG = (rj) (b – 1) = (3×4) (3 – 1) = 24
s. Menentukan nilai ragam galat
JKG 98
S24 = = =4,1
d k G 24
S 22 179,6
F 2= = =43,9
S 23 4,1
S 23 7,4
F 3= 2 = =1,8
S 4 4,1
u. Membuat tabulasi ragam
Sumber Jumlah Derajat
No. Ragam F rasio
keragaman kuadrat bebas
JKB S12
1. Antarbaris 20,1 2 S21= =10,5 F 1= 2 =2,5
dkB S2
Antarkolo JKK S 22
2. 538,9 3 S22= =179,6 F 2= 2 =43,9
m d kK S3
JKI S 23
3. Interaksi 44,6 6 S23= =7,4 F 3= 2 =1.8
d kI S4
JKG
4. Galat 98 24 S24 = =4,1
d kG
Total JKT 701,6 35
2. Menentukan nilai F1 tabel dan F2 tabel serta F3 tabel
F α ( v 1=pembilang )( v 2= penyebut)
b=3 , j=4 , r=3 ,α =0,05
F 1tabel = Fα(b−1), (rj) (b−1)
V1= 3 − 1 = 2, V1= (3 × 4) (3 – 1) = 24
F 1( α ) (v 1 , v2 )=F( 0,05) (2,24 )=34
43
V1= 3 − 1 = 2, V1= (3 × 4) (3 – 1) = 24
F 3( α ) (v 1 , v2 )=F( 0,05) (6,24 )=2,51
3. Membandingkan Ftabel dan Fhitung
a) Membandingkan F1 hitungh dan F1tabel
Ternyata F 1hitung =2,5< F1 tabel =34
b) Membandingkan F2 hitungh dan F2tabel
Ternyata F 2hitung=43,9> F 2tabel =3,01
c) Membandingkan F3 hitungh dan F3tabel
Ternyata F 3 hitung =1,8< F3 tabel =2,51
4. Mengambil keputusan
a. Oleh karena nilai F 1hitung =2,5< F1 tabel =34 , artinya tidak ada perbedaan rata-rata
hasil panen ketiga varietas jeruk.
b. Oleh karena nilai F 2hitung =43,9> F 2tabel =3,01, artinya ada pengaruh pada nilai
rata-rata hasil panen jeruk dengan menggunakan jenis pupuk yang berbeda.
c. Oleh karena nilai F 3 hitung =1,8< F3 tabel =2,51, artinya tidak ada interaksi antara
varietas jeruk dan jenis pupuk yang digunakan.
CONTOH SOAL ANOVA DUA JALUR SECARA SPSS
Judul: Pengaruh Model Pembelajaran Inkuiri Bebas Terhadap Hasil Belajar Kimia
Ditinjau dari Keterampilan Berpikir Kritis.
Rumusan masalah:
1) Apakah terdapat perbedaan hasil belajar kimia antara siswa yang belajar dengan
model pembelajaran inkuiri bebas dan yang belajar dengan model pembelajaran
langsung?
2) Apakah terdapat pengaruh interaksi antara model pembelajaran dan
keterampilan berpikir kritis terhadap hasil belajar kimia?
Hipotesis Penelitian:
1) Terdapat perbedaan hasil belajar kimia antara siswa yang belajar dengan model
pembelajaran inkuiri bebas dan yang belajar dengan model pembelajaran
langsung.
2) Terdapat pengaruh interaksi antara model pembelajaran dan keterampilan
berpikir kritis terhadap hasil belajar kimia.
Sampel penelitian:
Kelompok eksperimen 1 = 35 orang
44
Kelompok eksperimen 2 = 37 orang
Kelompok kontrol 1 = 37 orang
Kelompok kontrol 2 = 35 orang
Rancangan Penelitian: Nonequivalent Prestest-Posttest Control Group Design
Kelomok Eksperimen : O1 X1 O2
Kelompok Kontrol : O3 X2 O4
45
36 E1 19 37 0,72
37 E6 17 36 0,70
38 E7 18 37 0,73
39 E17 18 36 0,69
40 E43 19 38 0,76
41 E53 17 37 0,74
42 E57 19 35 0,64
43 E67 18 36 0,69
44 E69 18 37 0,73
45 E70 16 35 0,68
46 E26 18 34 0,62
47 E27 18 37 0,73
48 E32 18 34 0,62
49 E41 17 30 0,48
50 E42 14 34 0,67
51 E55 14 34 0,67
52 E56 16 32 0,57
53 E60 14 30 0,53
54 E38 11 33 0,67
55 E48 11 30 0,58
56 E51 10 33 0,68
57 E52 12 32 0,63
58 E71 12 32 0,63
59 E11 12 32 0,63
60 E30 13 33 0,65
61 E62 11 33 0,67
62 E64 11 31 0,61
63 E47 10 29 0,56
64 E58 13 29 0,52
65 E50 12 30 0,56
66 E59 14 30 0,53
67 E63 10 28 0,53
68 E65 12 29 0,53
69 E40 11 31 0,61
70 E68 13 32 0,61
BERPIKIR
71 E3 13 30 0,55 KRITIS
72 E23 13 30 0,55 RENDAH
jumlah 1196 2569 50,84
mean 16,61 35,68
median 18 37
modus 18 37
varians 11,31 14,02
SD 3,36 3,74
minimum 10 28
maximum 22 42
46
Data Hasil Belajar Kelompok Kontrol
No Nama Skor Pretes Skor Post tes Gain Skor kategori
1 K52 24 34 0,50
2 K20 22 34 0,55
3 K36 20 33 0,54
4 K58 22 31 0,41
5 K26 19 34 0,60
6 K61 20 32 0,50
7 K7 24 33 0,45
8 K13 23 31 0,38
9 K38 24 35 0,55
10 K57 24 33 0,45
11 K9 20 34 0,58
12 K15 22 32 0,45
13 K18 16 31 0,54
14 K22 21 34 0,57
15 K23 19 33 0,56
16 K25 18 32 0,54
17 K29 22 31 0,41
18 K31 21 34 0,57
19 K35 18 35 0,65
20 K37 20 30 0,42
21 K47 19 28 0,36
22 K53 19 30 0,44
BERPIKIR
23 K67 22 31 0,41 KRITIS
24 K19 19 32 0,52 TINGGI
25 K21 18 28 0,38
26 K28 18 27 0,35
27 K32 20 28 0,33
28 K44 18 30 0,46
29 K48 17 27 0,37
30 K50 16 31 0,54
31 K56 17 28 0,41
32 K62 16 30 0,50
33 K65 18 31 0,50
34 K2 20 28 0,33
35 K4 19 29 0,40
36 K8 16 32 0,57
37 K10 17 27 0,37
38 K11 16 27 0,39
39 K16 16 28 0,43
40 K17 16 29 0,46
41 K34 17 30 0,48
42 K39 17 28 0,41
43 K41 19 31 0,48
44 K46 19 27 0,32
47
45 K49 19 28 0,36
46 K51 17 31 0,52
47 K63 18 27 0,35
48 K1 18 28 0,38
49 K12 17 29 0,44
50 K14 17 29 0,44
51 K33 19 28 0,36
52 K55 20 28 0,33
53 K60 17 29 0,44
54 K64 16 26 0,36
55 K70 15 27 0,41
56 K3 17 28 0,41
57 K5 15 25 0,34
58 K30 15 26 0,38
59 K43 12 27 0,47
60 K54 14 26 0,40
61 K68 16 23 0,25
62 K71 14 24 0,33
63 K24 11 24 0,39
64 K27 13 24 0,35
65 K59 13 27 0,45
66 K40 16 25 0,32
67 K69 14 22 0,27
68 K66 15 23 0,28
69 K6 14 24 0,33
70 K42 14 22 0,27
BERPIKIR
71 K45 14 22 0,27 KRITIS
72 K72 15 22 0,24 RENDAH
jumlah 1283 2077
mean 17,82 28,85
median 18 28,50
modus 16,17,19 28
varians 8,85 11,91
SD 2,97 3,45
minimum 11 22
maximum 24 35
48
Pada Value Labels Model Pembelajaran, gunakan 1 = Inkuiri Bebas dan 2 =
Langsung. Pada Berpikir Kritis, gunakan 1 = Berpikir Kritis Tinggi dan 2 =
Berpikir Kritis Rendah.
3) Input data pada Data View dengan benar. Pada input data ini bisa juga dicopy
data yang berasal dari excel.
49
4) Untuk menguji Normalitas Data, klik Analyze → General Linier Models →
Univariate
Akan muncul kotak dialog Univarite, masukkan Hasil belajar pada Dependent
Variable, Model Pembelajaran dan Berpikir kritis pada Fixed factor. Kemudian
klik Save, centang Standardized
Kemudian akan muncul kolom baru (ZRE) pada Data View, kemudian kembali
klik Analyze → Descriptive Statistic → Explore
50
Kemudian akan muncul kotak dialog Explore, masukkan ZRE (Standarized
Residual) pada Dependent List kemudian klik Plots, centang Normality plots
with tests.
51
5) Untuk menguji homogenitas dan hipotesis dapat dilakukan bersamaan dengan
cara klik Analyze → General Linier Models → Univariate → Save
(hilangkan tanda centang Standarized) → Options
Pada Display Means for diisi semua faktor yang ada, kemudian centang
Homogeniety tests dan Descriptive Tests. Kemudian klik Continue, akan
mucul tabel Analisis Varians.
Hasil Uji Hipotesis Hasil SPSS dan Intepretasi Data
a. Uji Normalitas Data
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Standardized .075 96 .200* .979 96 .126
Residual for Hasil
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
52
F df1 df2 Sig.
2.237 3 92 .089
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept + Model + Kritis + Model *
Kritis
Uji homogenitas varians dilakukan untuk meyakinkan bahwa perbedaan
yang dipeoreh dari uji ANAVA dua jalur benar-benar berasal dari perbedaan
antar kelompok, bukan berasal dari perbedaan yang terjadi dalam kelompok.
Pengujian homogenitas varians dalam penelitian ini dilakukan dengan
menggunakan uji Levene’s Test of Equality Variances. Dari tabel tersebut,
diketahui bahwa Sig. > 0,05 atau 0,089 > 0,05 berarti data homogen.
c. Pengujian Hipotesis
53
Hipotesis pertama
H0: μ A 1=μ A2
Ha: μ A 1 ≠ μ A 2
Kriteria pengujian, tolak H0 jika Fhitung > Ftabel sebaliknya terima H0 jika Fhitung
< Ftabel dengan taraf signifikansi 5%. Berdasarkan analisis diatas diperoleh F hitung
434,619 dan angka signifikansi 0,000 (p<0,005). Dengan demikian H0 ditolak
dan Ha diterima. Dapat disimpulkan bahwa terdapat perbedaan hasil belajar
kimia antara siswa yang belajar dengan model pembelajaran inkuiri bebas dan
yang belajar dengan model pembelajaran langsung.
Hipotesis Kedua
H0: ∫ A × B=0
Ha: ∫ A × B ≠ 0
Kriteria pengujian, tolak H0 jika Fhitung > Ftabel sebaliknya terima H0 jika Fhitung < Ftabel
dengan taraf signifikansi 5%. Berdasarkan analisis diatas diperoleh Fhitung 9,057 dan
angka signifikansi 0,003 (p<0,005). Dengan demikian H0 ditolak dan Ha diterima.
Dapat disimpulkan bahwa terdapat pengaruh interaksi antara model pembelajaran
dan keterampilan berpikir kritis terhadap hasil belajar kimia.
54
BAB III
PENUTUP
3.1 Simpulan
Analisis of variance atau ANOVA merupakan salah satu teknik analisis
univariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data
dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori
statistik parametrik.
One Way ANOVA (analisis ragam satu arah) merupakan jenis uji parametrik
yang digunakan untuk pengujian perbedaan beberapa kelompok rata-rata, di mana
hanya terdapat satu variabel bebas atau independen yang dibagi dalam beberapa
kelompok dan satu variabel terikat atau dependen. Tujuan dari uji ANOVA satu jalur
adalah untuk membandingkan lebih dari dua rata-rata. Dan kegunaan dari uji ini
adalah untuk menguji kemampuan generalisasi. Maksudnya dari signifikansi hasil
penelitian jika terbukti berbeda berarti kedua sampel tesebut dapat digeneralisasikan
(data sampel dianggap dapat mewakili populasi).
Two Way ANOVA adalah pengujian hipotesis komparatif (perbandingan) untuk k
sampel (lebih dari dua sampel) dengan mengukur atau mengelompokkan data
berdasarkan dua faktor yang berpengaruh yang disusun dalam baris dan kolom.
Tujuan dan pengujian ANOVA dua arah ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. ANAVA
untuk sampel k berkolerasi dapat dibedakan menjadi dua, yaitu Two Way ANOVA
tanpa interaksi dan Two Way ANOVA dengan interaksi.
3.2 Saran
55
Menurut penulis masih banyak hal-hal yang belum lengkap pada penulisan
makakah ini. Diharapkan kepada penulis selanjutnya yang hendak menulis makalah
tentang ANAVA lebih lengkap lagi mencari referensi ANAVA.
56
DAFTAR PUSTAKA
Badri, Sutrisno. 2012. Metode Statistika untuk Penelitian Kuantitatif. Yogyakarta: Ombak
Dua.
Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung.
Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial). Jakarta: Bumi
Aksara
Irianto, Agus. 2004. Statistik Konsep Dasar, Aplikasi, dan Pengembangannya. Jakarta:
Kencana Prenada Media Group.
Riduwan. 2009. Pengantar Statistika. Bandung: Alfabeta Santoso, S. 2010. Statistik
Parametrik. Jakarta: PT Elex Media Komputindo.
Siregar, Syofian. 2017. Statistika Terapan untuk Perguruan Tinggi. Jakarta: Kencana