Pertemuan ke-8

ANAVA AB
CP MK : Menguasai konsep Analisis Varians rancangan Dua Faktor (AB)
Sub CP MK : Menguasai konsep Analisis Varians rancangan Dua Faktor (AB)
secara manual maupun menggunakan Program SPSS

Uraian Materi:

A. Pengujian Perbedaan Menggunakan Anava Dua Jalur (Anava AB) = Faktorial

(2x2)

1) Perhitungan Anava Dua Jalur (Anava AB) = Faktorial (2x2) Secara Manual

Langkah-langkah pengujian hipotesis dengan anava dua jalur adalah sebagai

berikut.
1. Merumuskan H0
2. Menyusun Tabel Kerja Statistik
3. Memasukan Data ke dalam Rumus sebagai berikut.
a. Menghitung Jumlah Kuadrat Total (JKtot):

 X  tot
2

JKtot =∑ Xtot2 
N
b. Menghitung Jumlah Kuadrat antar Kelompok A (JKantar A):

 X   X A
2
tot
2

JKantar A =  
nA N
c. Menghitung Jumlah Kuadrat antar Kelompok B (JKantar B):

 X   X B
2
tot
2

JKantar B =  
nB N
d. Menghitung Jumlah Kuadrat Inter Kelompok AB (JKinter AB):

 X    X 2 2

JKinter AB =  n AB
AB

N
tot
 JK A  JK B
 e. Menghitung Jumlah Kuadrat Dalam (JKdalam):

2  X  AB
2

X tot 
n AB


atau JK dal = JKtot – JKantarA – JKantarB – JKinterAB

f. Menghitung Jumlah Kuadrat Total (JKtotal):
JKtot = JKA+ JKB+ JKAB+JKdal
g. Menghitung derajat kebebasan A (db A):
db A = a-1
h. Menghitung derajat kebebasan B (db B):
db B = b-1
i. Menghitung derajat kebebasan inter AB (db inter AB):
db inter AB = db A x db B
j. Menghitung derajat kebebasan dalam (db dalam):
db dalam = N – ab
k. Menghitung rerata kuadrat A (MKA):
MKA = JKA : dbA
l. Menghitung rerata kuadrat B (MKB):
MKB = JKB : dbB
m. Menghitung rerata kuadrat inter AB (MKAB):
MKAB = JKAB : dbAB
n. Menghitung rerata kuadrat dalam (MKdalam):
MKdalam = JKdalam : dbdalam

Untuk memudahkan membaca hasil perhitungan yang dilakukan

menggunakan anava dua jalur, dapat disusun tabel sebagai berikut.
Tabel 04. Tabel Ringkasan Analisis Varians Dua Jalur
Sumber JK db MK Fh Ftab
Variasi 5% 1%
JKA ….. ….. ….. ….. ….. …..
JKB ….. ….. ….. ….. ….. …..
JKAB ….. ….. ….. ….. ….. …..
dalam ….. ….. ….. -- -- --
Total ….. ….. -- -- -- --
4. Uji Signifikansi
Hasil perhitungan F hitung, dibandingkan dengan tabel F, dengan dbpembilang
dan dbpenyebut.
5. Menarik Kesimpulan
Setelah F hitung dibandingkan dengan tabel F, aturan keputusan pengambilan
kesimpulannya adalah: jika F-hitung lebih besar daripada F-tabel (F-hitung>F-tabel) pada
taraf signifikansi tertentu (Misalnya: ts 5% atau 1%), maka H1 diterima dan H0
ditolak.

Contoh:
Misalnya, seorang peneliti ingin mengetahui pengaruh metode pembelajaran terhadap
prestasi belajar Matematika siswa kelas 4 SD Lab Undiksha ditinjau dari motivasi
belajar siswa.
Hipotesis Penelitian:
Hipotesis Nol (H0):
(1) Tidak terdapat perbedaan yang signifikan prestasi belajar matematika antara
yang diajar dengan metode ceramah dan yang diajar dengan metode diskusi pada
siswa kelas 4 SD Lab Undiksha.
(2) Tidak terdapat perbedaan yang signifikan prestasi belajar matematika antara
siswa yang memiliki motivasi belajar tinggi dan siswa yang memiliki motivasi
belajar rendah pada siswa kelas 4 SD Lab Undiksha
(3) Tidak ada pengaruh interaksi antara metode mengajar dan motivasi belajar
terhadap prestasi belajar matematika pada siswa kelas 4 SD Lab Undiksha

Hipotesis Alternatif (HA atau H1):

1) Terdapat perbedaan yang signifikan prestasi belajar matematika antara yang
diajar dengan metode ceramah dan yang diajar dengan metode diskusi pada
siswa kelas 4 SD Lab Undiksha.
2) Terdapat perbedaan yang signifikan prestasi belajar matematika antara siswa
yang memiliki motivasi belajar tinggi dan siswa yang memiliki motivasi belajar
rendah pada siswa kelas 4 SD Lab Undiksha
3) Terdapat pengaruh interaksi antara metode mengajar dan motivasi belajar
terhadap prestasi belajar matematika pada siswa kelas 4 SD Lab Undiksha

Hipotesis Statistik:

H0: (1) µ1 = µ2
(2) µ1 = µ2
(3) Inter AB = 0

H1: (1) µ1 ≠ µ2
(2) µ1 ≠ µ2
(3) Inter AB ≠ 0

Tabel 05.Rancangan Anava 2 Jalur (Faktorial 2x2)

Motivasi Belajar (B) Metode Mengajar (A)
A1 A2
Motivasi Tinggi YA1 B1 YA2 B1
(B1)
Motivasi Rendah YA1 B2 YA2 B2
(B2)

Keterangan:
A = Metode mengajar (A1=ceramah dan A2= diskusi)
B = Motivasi Belajar (B1= Tinggi; B2= Rendah)
Y = Prestasi Belajar Matematika

Tabel 06. Data Hasil Penelitian

A1 A2
B1 B2 B1 B2
X X X X
8 5 7 6
9 6 7 8
8 5 7 7
9 6 7 7
8 6 6 7
 Tabel 07. Tabel Kerja Statistik Induk
Stati A1 A2 Tot A1 A2 B1 B2
stik B1 B2 B1 B2 al
n 5 5 5 5 20 10 10 10 10

∑X 42 28 34 35 139 70 69 76 63

∑X2 354 158 232 247 991 512 479 586 405

X 8,4 5,6 6,8 7 6,95 7 6,9 7,6 6,3

Atau dalam bentuk berikut.

Tabel 08. Tabel Kerja Statistik Induk

(A)
A1 A2 Total
(B)
B1 n =5 n =5 n = 10
∑ X = 42 ∑ X = 34 ∑ X = 76
∑ X2 = 354 ∑ X2 = 232 ∑ X2 = 586
X = 8,4 X = 6,8 X = 7,6
B2 n =5 n =5 n = 10
∑ X = 28 ∑ X = 35 ∑ X = 63
∑ X2 = 158 ∑ X2 = 247 ∑ X2 = 405
X = 5,6 X =7 X = 6,3
Total n = 10 n = 10 N = 20
∑ X = 70 ∑ X = 69 ∑ Xtot = 139
∑ X2 = 512 ∑ X2 = 479 ∑ X2tot = 991
X =7 X = 6,9 X = 6,95

2) Perhitungan:

 X  tot
2

a. JKtot =∑ Xtot2  = 991 – (1392 : 20)

N
= 991 – 966,05 = 24,95

 X   X  A
2
tot
2

b. JKantar A =  
nA N
 =
 X   X   X 
A1
2
A2
2
tot
2

 
n A1 n A2 N
= (702: 10) + (692 : 10) - (1392 : 20) = (490 + 476,1) – 966,05
= 966,1 – 966,05 = 0,05

 X   X  B
2
tot
2

c. JK antarB =  
nB N

=
 X   X   X 
B
2
B2
2
tot
2

  
n B1 nB 2 N
= (762: 10) + (632 : 10) - (1392 : 20) = (577,6 + 396,9) – 966,05
= 974,5 – 966,05 = 8,45

d. JKinter AB
 X    X 
=   AB
2
tot
2

 JK A  JK B
n AB N

= (422:5) +(282:5)+ (342:5)+ (352:5) - (1392 : 20) – 0,05 – 8,45

= (352,8 + 156,8 + 231,2 + 245 ) – 966,05 – 0,05 – 8,45
= 985,8 – 966,05 – 0,05 – 8,45 = 11,25

2  X  AB
2

e. JK dal = X tot 
n AB
= 991 – 985,8 = 5,2
atau JK dal = JKtot – JKantarA – JKantarB – JKinterAB
= 24,95 – 0,05 – 8,45 – 11,25 = 5,2

db A = a-1 = 2 – 1 = 1
db B = b-1 = 2 – 1 = 1
db inter AB = db A x db B = 1x1 = 1
db dalam = N – ab = 20 – (2x2) = 20 -4 = 16
MKA = JKA : dbA = 0,05 : 1 = 0,05
MKB = JKB : dbB = 8,45 : 1 = 8,45
MKAB = JKAB: dbAB = 11,25 : 1 = 11,25
MKdalam = JKdal : dbdal = 5,2 : 16 = 0,325

FA = MKA : MKdalam = 0,05 : 0,325 = 0,154

FB = MKB : MKdalam = 8,45 : 0,325 = 26
FAB = MKAB:MKdalam = 11,25 : 0,325 = 34,61

Tabel 09. Tabel Ringkasan Analisis ANAVA AB

Sumber JK db MK Fh Ftab
Variasi 5% 1%
*)
A 0,05 1 0,05 0,154 4,49 8,53
B 8,45 1 8,45 26,00**) 4,49 8,53
AB 11,25 1 11,25 34,61**) 4,49 8,53
dalam 5,2 16 0,325 -- -- --
Total 24,95 19 -- -- -- --
*) tidak signifikan
**) signifikan
Kesimpulan:

FA = 0,154*) non signifikan

Artinya:
Tidak tedapat perbedaan yang signifikan prestasi belajar matematika antara siswa
yang diajar dengan metode ceramah dan metode diskusi. Metode pembelajaran tidak
berpengaruh terhadap peningkatan prestasi belajar matematika

FB = 26,00**)  signifikan,

Artinya:
Terdapat perbedaan yang signifikan prestasi belajar matematika antara siswa yang
memiliki motivasi belajar tinggi dan rendah. Motivasi belajar berpengaruh terhadap
peningkatan prestasi belajar matematika.
FAB = 34,61**)  signifikan

Artinya:
Terdapat pengaruh interaksi yang signifikan antara metode mengajar dan motivasi
belajar terhadap prestasi belajar matematika.

Karena pengaruh interaksisignifikan, dilanjutkan dengan uji Tukey, dengan rumus

sebagai berikut.

X1  X 2
Rumus Tukey: Q  db Q = n dan m
MKdal
n
(n = sampel, dan m = jumlah kelompok)
a. Perbandingan kelompok eksperimen dengan kelompok kontrol siswa yang
memiliki motivasi tinggi (A1B1 - A2B1)

X 1 A1B1  X 2 A2 B1
Q
MKdal
n
8,4  6,8
Q
0,325
10
1,6
Q
0,18

Q  8,89 Signifikan (Q tabel 3,15, Qhitung>Qtabel)

b. Perbandingan kelompok eksperimen dengan kelompok kontrol siswa yang

memiliki motivasi rendah (A1B2 - A2B2)

X 1 A1B 2  X 2 A2 B2
Q
MKdal
n
5,6  7
Q
0,325
10
  1,4
Q
0,18

Q  7,78  Signifikan (Q tabel 3,15, Qhitung>Qtabel)

2) Perhitungan Anava Dua Jalur (Anava AB) = Faktorial (2x2) Menggunakan

Program SPSS

Langkah-langkah menghitung dengan analisis Anava dua Jalur dengan

menggunakan program SPSS, dapat dilihat sebagai berikut.

1. Masukan data yang ingin diuji pada kolom Data View

2. Cari Variable View untuk menamai data yang dianalisis

Klik None pada kolom Values pada deretan kolom A sehingga muncul gambar
sebagai berikut.

Pada kolom value isilah dengan kode kelompok (missal kode 1 merupakan
kelompok eksperimen, dan kode 2 merupakan kelompok kontrol). Klik Add 
OK.
Selanjutnya Klik None pada kolom Values pada deretan kolom B sehingga
muncul gambar sebagai berikut.
 Pada kolom value isilah dengan kode kelompok variabel moderator (missal
kode 1 merupakan kelompok motivasi tinggi, dan kode 2 merupakan kelompok
motivasi rendah). Klik Add  OK.

3. Klik kiri AnalyzeGeneral Liniear ModelUnivariate.

4. Selanjutnya akan muncul kotak dialog sebagai berikut.

5. Pindahkan data yang prestasi belajar (Y) ke kolom Dependent Variable, dan
pindahkan data kelompok A dan B ke kolom FixedFactor.

5. Untuk membuat grafik interaksi cari Plots.

Masukan data A ke kolom Separate Lines dan data b ke kolom Horizontal

AxisAddContinue  OK.
6. Berdasarkan langkah-langkah tersebut, maka muncul hasil sebagai berikut.
Tests of Between-Subjects Effects
Dependent Variable:Prestasi Belajar
Type III Sum of
Source df Mean Square F Sig.
Squares
a
Corrected Model 19.750 3 6.583 20.256 .000
Intercept 966.050 1 966.050 2972.462 .000
A .050 1 .050 .154 .700
B 8.450 1 8.450 26.000 .000
A*B 11.250 1 11.250 34.615 .000
Error 5.200 16 .325
Total 991.000 20
Corrected Total 24.950 19
a. R Squared = .792 (Adjusted R Squared = .753)

Berdasarkan hasil analisis di atas, dapat disimpulkan sebagai berikut.

1. Pada kolom A besar signifikansi sebesar 0,700. Hasil ini menunjukkan besar
signifikansi lebih besar dari 0,05 (p>0,05), sehingga hasilnya adalah
tidaksignifikan (tidak ada perbedaan yang signifikan).
2. Pada kolom B besar signifikansi sebesar 0,000. Hasil ini menunjukkan besar
signifikansi lebih kecil dari 0,05 (p<0,05), sehingga hasilnya adalah signifikan
(ada perbedaan yang signifikan).
3. Pada kolom A*B besar signifikansi sebesar 0,000. Hasil ini menunjukkan besar
signifikansi lebih kecil dari 0,05 (p<0,05), sehingga hasilnya adalah signifikan
(ada interaksi yang signifikan).
Untuk lebih meyakinkan adanya interaksi yang signifikan, dapat dilihat pada
grafik berikut.

Berdasarkan grafik di atas, terlihat adanya dua buah garis yang berpotongan.
Hal ini mengindikasikan bahwa terjadi interaksi yang signifikan antara model
pembelajaran dengan motivasi belajar terhadap prestasi belajar matematika.