RESUME

STATISTIK PENDIDIKAN

“ANALISIS VARIANSI”

OLEH

NAMA : BETARIA AHMADI

NIM : 19129199

SEKSI : 19 BB 05

DOSEN MATAKULIAH :

Dr. Hj. Yanti Fitria, S.Pd, M.Pd

PENDIDIKAN GURU SEKOLAH DASAR

FAKULTAS ILMU PENDIDIKAN

UNIVERSITAS NEGERI PADANG

2021

1
 A. Pengertian Analisis Variansi
Analisis varians (Analysis of Varians, selanjutnya disingkat ANOVA)
adalah suatu metode statistik inferensial yang digunakan melakukan uji perbedaan
rata-rata dari k populasi, dimana k > 2. Jika hanya ada dua populasi, maka
pengujian yang digunakan cukup memakai uji t. tetapi jika yang diuji lebih dari
dua populasi, maka pemakaian uji-t dibutuhkan beberapa kali.
Sebagai contoh, jika kita menguji perbedaan antara tiga kelompok, kita
mungkin mencoba melakukan pengujian t-test antara setiap pasangan kelompok
dengan menguji tiga hubungan yaitu:
1. Kelompok 1 vs kelompok 2
2. Kelompok 1 vs kelompok 3, dan
3. Kelompok 2 vs kelompok 3.

B. Rumusan Hipotesis
Penetapan H0 dan H1 dalam analisis varians dirumuskan sebagai berikut:
H0 : Semua perlakuan (kolom, baris, interaksi) memiliki rata-rata yang sama. Jika
ditulis secara matematis:
μ1 = μ2 = … = μk
H1 : Ada perlakuan (kolom, baris, interaksi) yang memiliki rata-rata yang bernilai
tidak sama (berbeda) atau paling tidak ada satu kelompok yang memiliki rata-rata
berbeda dari yang lain. Secara matematis: 1
μ1 ≠ μ2 ≠ … ≠ μk

C. Prinsip ANOVA
Peranana analisa varians pada prinsipnya ada dua, yaitu:
1. Mengambil dan menghitung komponen variasi.
2. Pengujian apakah signifikan atau tidak.
Berbicara tentang hal komponen variasi (dimana data merupakan data
sampel) yang secara umu merupakan fungsi kuadrat dan data. Hasil komponen

1
Nalim, M. Si., Diktat Statistik Bisnis, hlm. 109.

2
 variasi apabila dibagi dengan varians populasinya akan mengikuti suatu distribusi
yang disebut chi square, untuk analisa dalam pengujian yang sederhana.
Dalam ANOVA, kita mempunyai banyak komponen variasi pada sampel
yang terpilih dari suatu populasi. Sehingga, terdapat banyak distribusi chi square
dalam analisa pada masing – masing sampel tersebut. Untuk kebutuhan analisa
varians maka dipergunakan distribusi F dimana F merupakan rasio dari dua
distribusi chi square, yang disajikan perhitungannya dalam bentuk F untuk taraf
nyata aplha 5% dan 1%.2

D. Analisis Varians Satu Arah

Membandingkan satu rata-rata populasi dengan satu rata-rata populasi
yang lain telah dibahas pada pembahasan terdahulu. Sering kali kita menghadapi
banyak rata-rata (lebih dari dua rat-rata). Apabila kita mengambil langkah
pengujian perbedaan rata-rata tersebut satu per satu (dengan t tes) akan memakan
waktu, tenaga yang banyak. Disamping itu, kita akan menhadapi resiko salah yang
besar. Untuk itu, telah ditemukan cara analisis yang mengandung kesalahan lebih
kecil dan dapat menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys
Of Variances).
Pada saat kita menghadapi beberapa kelompok sampel perlu kita sadari
dari awal kondisi sampel tersebut sebelum kita melakukan analisis lebih lanjut.
Tuntunan ini disebabkan karena pola sampel akan berpengaruh terhadap
pengujian hipotesis yang akhirnya berpengaruh terhadap kesimpulan yang
diambil.

2
Suparman, I. A., M. Sc., Statistik Sosial, ed. 2, cet. 3, (Jakarta: PT Raja Grafindo, 1995), hlm
223-224.

3
 Pada dasarnya pola sampel dapat dikelompokkan menjadi dua kelompok,
yaitu:
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan
yang ada dikelompok lain, berasal dari populasi yang sama. Untuk kondisi ini
hipotesis nol terbatas pada tidak ada efek dari treatment (perlakuan).
2. Sampel yang ada dikelompok satu berasal dari populasi yang berbeda dengan
populasi sampel yang ada dikelompok lainnya. Untuk kondisi ini hipotesis
nol dapat berbunyi: tidak ada perbedaan efek treatment antar kelompok. 3
Mengingat ANOVA berkaitan dengan pengujian hipotesis yang multipel
(ganda), maka perhitungannya lebih kompleks dari pada t tes. Pada saat
melakukan pengujian hipotesis (perbedaan dua rata-rata) dengan menggunakan t
tes selalu menanggung kesalahan tipe I sebesar alpha. Untuk ANOVA kesalahan
tipe I disebut dengan experiment wise alpha level yang besarnya:
1 – (1 – 𝛼)N
N: Merupakan banyaknya tes jika menggunakan t tes (dilakukan satu per
satu)
Misalnya:
Untuk pengujian perbedaan rata-rata dari 5 kelompok sampel. Jika diambil alpha
sebesar 0,05 Maka dengan penggunaan t tes besarnya risiko kesalahan tipe I untuk
sekali pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung
kesalahan tipe I sebesar 0,50. Apabila kita menggunakan ANOVA kesalahan tipe
I yang harus ditanggung adalah:
1 – (1 – 0,05)10 = 0,40
Mengapa N berjumblah 10 untuk 5 kelompok sampel? Untuk menjawab
pertanyaan tersebut marilah kita telusuri satu per satu pengujian yang dilakukan
dengan t tes.
𝜇1 = 𝜇2 𝜇2 = 𝜇4
𝜇1 = 𝜇3 𝜇2 = 𝜇5
𝜇1 = 𝜇4 𝜇3 = 𝜇4

3
Prof. Dr. H. Agus Irianto, Statistik: Konsep Dasar & Aplikasinya, Ed.1 (Jakarta: Kencana, 2004),
hlm. 217.

4
 𝜇1 = 𝜇5 𝜇3 = 𝜇5
𝜇2 = 𝜇3 𝜇4 = 𝜇5
Dengan menggunakan gabungan alpha (karena pengujian bersama) maka
risiko kesalahan tipe I semakin kecil. Ini berarti bahwa pengujian bersama lebih
baik dari pada pengujian satu persatu (ingat semakin kecil kesalahan yang harus
ditanggung dalam pengambilan keputusan, maka semakin baik keputusan yang
diambil).
Melalui perbandingan sederhana diatas dapat diambil suatu pengertian
bahwa ANOVA adalah teknik analisis statistik yang dapat memberi jawaban atas
ada tidaknya perbedaan skor pada masing-masing kelompok (khususnya untuk
kelompok yang banyak), dengan suatu risiko kesalahan yang sekecil mungkin.
Disamping ANOVA mempunyai kemampuan memebedakan antar banyak
kelompok dengan risiko kesalahan yang kecil, juga dapat memberi informasi
tentang ada tidaknya interaksi antar variabel bebas sehubungan dengan
pengukuran terhadap variabel terikat. Oleh karena perbedaan yang merupakan
sasaran utama dalam analisis ANOVA maka data kategorikal untuk variabel bebas
merupakan kondisi yang sesuai. Jika variabel bebas berdistribusi kontinum atau
berskala interval maupun ratio, maka langkah awal yang harus dilakukan peneliti
adalah mengubah data tersebut menjadi kategorikal. Walaupun langkah ini
mengandung risiko pengelompokkan yang tidak adil, tetapi dituntut untuk
dilakukan.
Hipotesis dalam ANOVA akan membandingkan rata-rata dari beberapa
populasi yang diwakili oleh beberapa kelompok sampel secara bersama, sehingga
hipotesis matematikanya (untuk 5 kelompok) adalah:
H0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
H1 : Salah satu 𝜇 tidak sama.
Bunyi hipotesis alternatif seperti tersebut diatas, merupakan hipotesis yang
fleksibel, karena tidak menyebutkan secara pasti 𝜇 mana yang berbeda dengan

5
yang lainnya. Hal ini mempunyai arti bahwa 𝜇 mana yang tidak sama bukan
merupakan masalah dalam penolakan hipotesis nol.4
1. Asumsi Dasar Dalam ANOVA
a. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga
distribusi skor sampel dalam kelompok pun hendaknya normal. Kenormalan
dapat diatasi dengan memperbanyak sampel dalam kelompok, karena
semakin banyak n maka distribusi akan mendekati normal. Apabila sampel
tiap kelompok kecil dan tidak dapat pula diatasi dengan jalan melakukan
transformasi.
b. Kesamaan Variansi
Masing-masing kelompok hendaknya berasal dari populasi yang
mempunyai variansi yang sama. Untk sampel yang sama pada setiap
kelompok, kesamaan variansi dapat diabaikan. Tetapi, jika banyaknya
sampel pada masing-masing kelompok tidak sama, maka tidak ada
kesamaan variansi populasi memang sangat diperlukan. Kalau hal ini
diabaikan bisa menyesatkan (terutama dalam pengambilan keputusan).
Apabila variansi berbeda dan banyaknya sampel tiap kelompok tidak
sama, diperlukan langkah penyelamatan yaitu dengan jalan melakukan
transformasi (misalnya, dengan mentrasformasikan dengan logaritma). 5
c. Pengamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap
pengamatan merupakan informasi yang bebas. Asumsi ini merupakan
asumsi yang tidak bisa ditawar lagi, dengan kata lain tida ada cara untuk
mengatasi tidak terpenuhinya asumsi ini. Dengan demikian maka setiap
peniliti harus merencanakan secara cermat dalam pengambilan sampel.
Asumsi-asumsi diatas hendaknya dipenuhi oleh data yang akan
dianalisis dengan ANOVA. Ketidakterpenuhinya asumsi ini dapat
menimbulkan kesimpulkan yang salah. Hal ini mengandung arti bahwa

4
Nalim, M. Si., Op.Cit., hlm 218-219.
5
Ibid., hlm. 231.

6
 kesimpulan penelitian yang dianalisis dengan ANOVA tidak memberi arti
apa-apa. Walaupun ada asumsi yang sifatnya tidak kaku. Artinya dapat
diatasi dengan jumlah sampel namun pengujian atas terpenuhinya asumsi
merupakan tindakan yang disarankan.

2. Analisis Sesudah ANOVA

Sesudah perhitungan F tes dan kita dapat membandingkanya dengan F
tabel, analisis kita sebenarnya belumlah selesai. Hal ini disebabkan karena
kesimpulan yang didasarkan pada perhitungan F tes dalam ANOVA
hanyalah merupakan kesimpulan yang masih luas (kasar). Seandainya F
signifikan (menolak hipotesis nol), ini berarti ada perbedaan efek treatment
terhadap outpun dari masing-masing kelompok. Namun informasi perbedaan
efek tersebut masih bersifat umum, karena F tes sama sekali tidak
menunjukkan efek treatment terhadap kelompok mana yang berbeda.
Untuk mempermudah dalam pemahaman konsep diatas marilah kita
perhatikan sebuah ilustrasi yang berkenanan pengujian hipotesis. Misalnya
kita menghadapi 4 (empat) kelompok, maka hipotesis nol dan hipotesis
alternatifnya sbb:
H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
H1 : Paling sedikit 1 (satu) m tidak sama.
Jika F hitung > dari pada F tabel, maka kita akan menolak H 0 sehingga
yang kita hadapi ada beberapa kemungkinan, yaitu: 6
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 = 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 = 𝜇4
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇3 ≠ 𝜇2 = 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
6
Ibid., hlm. 232.

7
 𝜇1 = 𝜇4 ≠ 𝜇2 ≠ 𝜇3
𝜇2 = 𝜇4 ≠ 𝜇1 ≠ 𝜇3
𝜇1 ≠ 𝜇2 ≠ 𝜇3 = 𝜇4
Beberapa kemungkinan diatas merupakan informasi yang lebih teliti,
sehingga deskripsi kita akan lebih tajam. Oleh karena ANOVA harus dilanjutkan
lagi dengan analisis lain yang dapat memberikan informasi yang lebih teliti lagi.
Analisis lanjutan ANOVA sering disebut dengan pasca ANOVA (post hoc).
Untuk memperoleh informasi lebih lanjut, telah ditemukan beberapa tes
statistik. Yang umum bdipakai dalam pendidikan adalah Tukey’s HSD.
Pembahasan lebih lanjut yang akan dibicarakan disini, jika kita menolak hipotesis
nol.
Langkah analisis pasca ANOVA:
1. Hitung Tukey’s HSD dengan rumus 9.12.

𝑀𝑆𝑤
HSD = q √ 𝑛

Keterangan:
n adalah banyak sampel per kelompok.
q adalah the studenzed range statistic, yang dapat dilihat dalam
tabel yang sudah disusun, dengan memakai dasar alpha (𝛼), k dan
dk.
k adalah banyak kelompok.
dk adalah N-K.
2. Cari perbedaan rata-rata antar kelompok, dan untuk mempermudah
dalam menginterprestasikan perlu disusun dalam satu tabel khusus.
3. Interprestasikan nilai HSD yaitu dengan jalan membandingkan
perbedaan rata-rata antar kelompok dengan hasil perhitungan.
Berdasarkan tabel diatas kita dapat berbicara banyak tentang hasil
penelitian tersebut.7

7
Ibid., hlm. 233.

8
Asumsi dalam ANOVA pengukuran ulang:
1. Sampel diambil secara acak (random).
2. Distribusi populasi untuk setiap kelompok adalah normal.
3. Variance distribusi populasi untuk masing – masing kelompok homogen.
Covariance homogen, ini berarti bahwa setiap subjek relatif tetap pada
posisinya.8
Analisis varians satu arah biasanya digunakan untuk menguji rata-
rata/pengaruh perlakuan dari suatu percobaan yang menggunakan satu faktor,
dimana satu faktor tersebut memiliki tiga atau lebih level. Disebut satu arah
karena peneliti dalam penelitiannya hanya berkepentingan dengan satu faktor saja.
Data hasil percobaan dalan ANOVA satu arah setidak-tidaknya bertipe
interval. Beberapa asumsi yang harus dipebuhi dalam melakukan analisis
ANOVA satu arah adalah error menyebar normal dengan rata-rata nol dan varians
konstan, tidak terjadi autokorelasi pada error dan varians populasi homogen.
Dalam ANOVA satu arah, sampel dibagi menjadi beberapa kategori dan
ulangan. Kolom sebagai kategori dan baris sebagai ulangan/replikasi. Tabel hasil
penelitian biasanya ditulis dalam tabel seperti dibawah ini.

Replikasi Treatment-1 Treatment-2 … Treatment-k

1 X11 X12 … X1k
2 X21 X22 … X2k
… … … … …
N Xn1 Xn2 … Xnk
Jumlah T1 T2 Tk

8
Ibid., hlm. 246.

9
Tabel ANOVA-nya disajikan sebagai berikut:
Sumber Ftab
df SS MSS Fhit
Variasi 5% 1%
Antara SStr
k-1 SSTr MSSTr = k−1
Treatment
MSSTr
Dalam F0,05;k-1,k(n-1) F0,01;k-1;k(n-1)
SSE MSSE
treatment k(n-1) SSE MSSE = k(n−1)
(Error)
Total nk-1 SST - - - -

Tabel ini memuat kolom-kolom sebagai berikut:9

1. Sumber Variasi = Sumber Keragaman (SK) = source of variation
2. Derajat Bebas (db) = degree of freedom
3. Jumlah Kuadrat (JK) = sum of square (SS)
4. Kuadrat Rerata (KR) = mean squares (MSS)
5. Nilai F Perhitungan/Fhit = F Calculate + F observed
6. Nilai F dari Tabel Ftab = F table
Untuk kebutuhan analisis variansi dipergunakan distribusi F, yang tabelnya sbb:

Tabel Distribusi F (untuk 𝛼 = 1%)

df2/df1 1 2 3 4 5
2 98.503 99.000 99.166 99.249 99.299
3 34.116 30.817 29.457 28.710 28.237
4 21.198 18.000 16.694 15.977 15.522
5 16.258 13.274 12.060 11.392 10.967
6 13.745 10.925 9.780 9.148 8.746
7 12.246 9.547 8.451 7.847 7.460
8 11.259 8.649 7.591 7.006 6.632
9 10.561 8.022 6.990 6.422 6.057

9
Nalim, M. Si., Op. Cit., hlm. 110

10
 10 10.044 7.559 6.552 5.994 5.636
11 9.646 7.206 6.217 5.668 5.316
12 9.330 6.927 5.953 5.412 5.064
13 9.074 6.701 5.739 5.202 4.862
14 8.862 6.515 5.564 5.035 4.695
15 8.683 6.359 5.417 4.893 4.556
16 8.531 6.226 5.292 4.773 4.437
17 8.400 6.112 5.185 4.669 4.336
18 8.285 6.013 5.092 4.579 4.248
19 8.185 5.926 5.010 4.500 4.171
20 8.096 5.849 4.938 4.431 4.103
21 8.017 5.780 4.874 4.369 4.042
22 7.945 5.719 4.817 4.313 3.988
23 7.887 5.664 4.765 4.264 3.939
24 7.823 5.614 4.718 4.218 3.895
25 7.770 5.568 4.675 4.177 3.855

Keterangan:
𝑘
1 𝐺2
SSTr = 𝑛∑ Tj2 - 𝑛𝑘
𝑗=1

𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗2 - 𝑛𝑘

SSE = SST – SSTr

G = Grand Total menunjukkan total nxk pengamatan
G = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗
Pengujian hipotesis diawali dengan merumuskan hipotesis. 10
Rumusan hipotesisnya adalah:
H0 = sebanyak k mean adalah sama, artinya tidak terdapat perbedaan antara
Treatment
H1 = paling sedikit 2 dari k mean populasi yang tidak sama

10
Ibid., hlm. 111.

11
 Pengujian hipotesis dilakukan dengan membandingkan nilai F hitung
dengan F tabel. Jika F hitung lebih besar dari F tabel maka H 0 ditolak, berarti
paling sedikit 2 dan k mean populasi tidak sama. artinya ada efek dalam
pembedaan treatment. Jika F hitung kurang dari F tabel maka H0 diterima, dan
berarti sebanyak k mean adalah sama, artinya tidak ada efek dalam pembedaan
treatment.

Contoh
Seorang guru memberikan 4 metode pembelajaran kepada siswanya. Masing-
masing metode diajarkan kepada 5 siswa. Hasil tesnya dicatat pada tabel berikut:
Siswa Metode-1 Metode-2 Metode-3 Metode-4 Total
1 55 65 80 91
2 53 70 85 97
3 46 73 79 92
4 54 71 83 90
5 52 69 78 88
Jumlah 238 348 408 458 1449

Dari soal diketahui n = 5 dan k = 4

1 14492
SSTr = 5 (2382 + 3482 + 4052 + 4582 ) - 5.4
𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗2 - 𝑛𝑘
14492
= 552 + 652 + … + 882 - 5.4

= 112459 – 104980,1
= 7478,9
SSE = SST – SSTr
= 7478,9 – 5327,35
= 2151,55

12
Sehingga diperoleh tabel ANOVA sebagai berikut:
Sumber Ftab
Df SS MSS Fhit
Variasi 5% 1%
Antara
3 5327,35 1775,78
Treatment
Dalam 13,21 3,24 5,29
Treatment 16 2151,55 134,47
(Error)
Total 19 7478,9

H0 = tidak terdapat perbedaan hasil tes antara satu metode dengan metode
lainnya
H1 = paling sedikit 2 dari metode mempunyai hasil tes yang berbeda. 11

Keputusan Pengujian
Dari tabel diperoleh Fhitung 13,21
- Pada tingkat kesalahan 5% F tabel sebesar 3,24. Maka H 0 ditolak, dan berarti
ada perbedaan rata-rata hasil tes dari empat metode pembelajaran.
- Pada taraf signifikan 1% F tabel sebesar 5,29. Maka H0 ditolak dan berarti ada
perbedaan rata-rata hasil tes dari empat metode pembelajaran. 12
Dalam buku lain dinyatakan bila faktor yang menjadi perhatian berupa
satu faktor, misalnya pengaruh bentuk kemasan pada tingkat penjualan, maka
ANOVA yang kita gunakan adalah satu arah. Disebut satu arah karena pusat
perhatian kita hanya satu.
Misal ada k populasi yang berdistribusi normal, dengan rata-rata populasi,
𝑥̅ 1, 𝑥̅ 2, ....., 𝑥̅ k, serta ragam populasinya sama walaupun nilainya tidak diketahui,
bisa disusun dalam bentuk tabel:

11
Ibid., hlm. 113.
12
Ibid., hlm. 114.

13
 Populasi
Total
1 2 ... k
X11 X12 ... Xk1
X12 X22 ... X2n
Sampel
... ... ... ...
X1n X2n ... Xkn
Total T1 T2 ... Tn T
Ukuran n1 n2 ... nk N
Rata-rata 𝑥̅ 1 𝑥̅ 2 ... 𝑥̅ k

Untuk mengetahuiapakah ada perbedaan rata-rata populasi, dilakukan pengujian

hipotesis dengan analisis ragam.
Jenis pengujian
H0 = µ1 = µ2 = ... = µk
Ha : Tidak semuanya sama (setidaknya ada µi ≠ µj untuk i ≠ j)
Keputusan menolak atau menerima H0 bisa ditentukan dengan membuat tabel
ANOVA sebagai berikut:13
Sumber Derajat Jumlah Varian
Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Antarkolom v1 = k – 1 JKK 𝑆12 𝑆12 F (v1, v2)
Sisaan v2 = N – k JKS 𝑆22 𝑆22
N–1 JKT

K = jumlah populasi atau perlakuan

N = banyaknya pengamatan = n1 + n2 + ... + nk
𝑇2 𝑇2
JKK = jumlah kuadrat antar kolom = (∑ 𝑛𝑖 ) ─
𝑖 𝑁

𝑇2
JKT = jumlah kuadrat total = (∑ 𝑋𝑖𝑗2 ) ─ 𝑁

JKS = jumlah kuadrat sisaan = JKT – JKK

13
Dergibson Siagian Sugiarto, Op.Cit., hlm. 186.

14
 𝐽𝐾𝐾
𝑆12 = 𝑣1
𝐽𝐾𝑆
𝑆22 = 𝑣2

Statistik uji yang digunakan adalah F hitung

Tolak H0 bila Fhitung > Ftabel

Contoh aplikasi:
Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh perbedaan
metode kerja pada tingkat produktivitas. Ada tiga metode kerja yang akan diuji.
Diambil sampel masing-masing 5 orang karyawan untuk mengerjakan pekerjaan,
lalu dicata waktu yang digunakan (menit) sebagai berikut:
Metode 1 (menit) Metode 2 (menit) Metode 3 (menit)
21 17 31
27 25 28
29 20 22
23 15 30
25 23 24

Ujilah dengan α = 0,05 apakah ada pengaruh perbedaan metode kerja pada waktu
yang digunakan?14
Metode 1 (menit) Metode 2 (menit) Metode 3 (menit)
21 17 31
27 25 28
29 20 22
23 15 30
25 23 24
T1 = 125 T2 = 100 T3 = 135

14
Ibid., hlm. 187.

15
 Dari tabel di atas bisa dihitung
Total keseluruhan nilai = 360
1252 1002 1352 3602
JKK = + + − = 130
5 5 5 15
3602
JKT = 212 + 272 + ... + 242 − = 298
15

JKS = 298 − 130 = 168

Tabel ANOVA
Sumber Derajat Jumlah Varian
Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Antarkolom 2 130 65 F (2, 12) =
4,64
Sisaan 12 168 14 3,89
14 298

Pengujian Hipotesis
H0 = µ1 = µ2 = ... = µk
Ha : Tidak semuanya sama (setidaknya ada µi ≠ µj untuk i ≠ j)
Statistik Uji = Fhitung = 4,64
Karena Fhitung > Ftabel maka tolak H0
Kesimpulan : Ada pengaruh perbedaan metode kerja pada waktu yang
digunakan. 15

A. Analisis Variansi Dua Arah

Mengingat masalah kependidikan itu merupakan masalah kompleks, maka
design yang dikembangkan untuk penelitian di bidang kependidikan biasanya
kompleks. Oleh karena itu, tidak mengherankan jika suatu pengukuran terhadap
variable terikat dikaitkan dengan banyak variabel bebas. Bahkan, semakin banyak
variabel bebas akan semakin teliti dan semakin baik penelitian tersebut. Tentunya,
dengan semakin banyak variabel yang akan diungkapkan, semakin banyak
risikonya, diantaranya: sukar dalam menetapkan sampel, sukar melakukan

15
Ibid., hlm. 188-189.

16
kontrol, sukar menganalisis, sukar menginterpretasikan, dan lain – lain kesukaran,
disamping membutuhkan waktu dan biaya banyak.
Apabila design yang dikembangkan untuk mencari atau tidaknya
perbedaan dari dua variabel bebas, dan masing – masing variabel bebas dibagi
dalam beberapa kelompok, maka design yang dikembangkan tersebut sering
disebut dengan two factorial design. Dalam kasus ini peneliti akan menghadapi
kelompok sebanyak hasil kali banyak kelompok variabel bebas pertama dan
banyak kelompok variabel bebas kedua.16

1. Perbandingan ANOVA Satu Arah dan Dua Arah

Analisis disini merupakan penyempurna variance satu arah.
Sebenarnya analisis variance satu arah dapat dipakai untuk menghadapi kasus
variabel bebas lebih dari satu. Hanya saja terpaksa analisisnya dilakukan satu
persatu, sehingga akan menghadapi banyak kasus (N semakin banyak). 17
Dengan melakukan analisis of variance dua arah akan dihindari pula
terjadinya noise (suatu kemungkinan yang menyatakan terdapat suatu efek
karena bercampurnya suatu analisis data). Noise ini dapat dihindari pada
analisis of variance dua arah kerana analisis disini melibatkan kontrol
terhadapa perbedaan (kategorikal) variabel bebas. Analisis of variance dua
arah dapat menyajikan bagaimana kondisi interaksi antara variabel bebas
yang satu dengan variabel bebas yang lainnya. 18
Interaksi merupakan suatu kebersamaan antar faktor dalam
mempengaruhi variabel bebas, dengan sendirinya pengaruh faktor-faktor
secara mandiri yang telah dihilangkan. Jika terdapat interaksi berarti efek
faktor satu terhadap variabel terikat akan mempunyai garis yang tidak sejajar
dengan efek faktor lain terhadap variabel terikat sejajar (saling berpotong),
maka antara faktor tidak mempunyai interaksi. 19

16
Prof. Dr. H. Agus Irianto., Op. Cit., hlm. 151.
17
Ibid., hlm. 252.
18
Ibid., hlm. 253.
19
Ibid., hlm. 254.

17
 2. Asumsi Dalam Variansi Dua Arah.
Ada beberapa asumsi yang dipakai dalam variansi dua arah:
a. Setiap skor dalam sel harus berdistribusi normal. Asumsi ini dapat sedikit
diabaikan jika sampel tiap sel cukup banyak.
b. Variasi skor pada setiap sel hendaknya homogen atau sama.
c. Skor yang ada bebas dari pengaruh variabel yang tidak diteliti. Hal ini bisa
dicapai dengan mengambil sampel acak dari populasi yang sudah
diklasifikasikan sesuai dengan sel yang ada. Disamping itu perlu dilakukan
kontrol atas terjadinya perembesan pengaruh faktor lain maupun antar
kelompok itu sendiri. 20
Seperti halnya variansi satu arah, variansi dua arah pun bisa dilakukan
untuk jumlah sampel yang tidak sama antara sel yang satu dengan sel yang
lainnya. Tetapi ANOVA dua arah dengan jumlah sampel berbed, agak
berbeda dengan uraian diatas. Dalam kasus tersebut rata-rata hendaknya
ditimbang, sehingga pengaruh perbedaan jumlah sampel tidak
mempengaruhi hasil analisis. 21
ANOVA dua arah ini digunakan bila sumber keberagaman yang
terjadi tidak hanya karena satu faktor (perlakuan). Faktor lain yang mungkin
menjadi sumber keberagaman respon juga harus diperhatikan. Faktor lain ini
bisa berupa perlakuan lain atau faktor yang sudah terkondisi. Pertimbangan
memasukkan faktor kedua sebagai sumber keberagaman ini perlu bila faktor
itu dikelompokkan (blok), sehingga keragaman antarkelompok sangat besar,
tetapi kecil dalam kelompoknya sendiri. Bila disusun dalam bentuk tabel,
maka tampilan tabel dua arah adalah: 22

20
Ibid., hlm. 266
21
Ibid., hlm. 267.
22
Dergibson Siagian dan Sugiarto, Op. Cit., hlm.191.

18
 Populasi
Blok Total Ukuran
1 2 … K
1 X11 X12 … X2k B1 K1
2 X21 X22 … X2k B2 K2
… … … … … … …
R Xr1 Xr1 … X2k Br Kr
Total T1 T2 … Tk T
Ukuran n1 n2 … nk N

Tabel ANOVA dua arah:

Sumber Derajat Jumlah Varian
Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Blok r-1 JKB (S1)2 (S1)2 / (S3)2 F(v1, v3)
Antarkolom k-1 JKK (S2)2 (S2)2 / (S3)2 F(v2, v3)
Sisaan (k-1) (r-1) JKS (S3)2
Total rk-1 JKT

k = jumlah populasi atau perlakuan

N = banyaknya pengamatan = n1 + n2 + … + nk
JKB = Jumlah kuadrat antarbaris
𝐵2 𝑇2
=∑ 𝐾𝑖 −
𝑖 𝑁

JKK = Jumlah kuadrat antar kolom

𝑇2 𝑇2
= ∑ 𝑛𝑖 −
𝑖 𝑁

JKS = Jumlah kuadrat sisaan

= JKT – JKK – JKB
JKT = Jumlah kuadrat total
𝑇2
= (∑ 𝑋𝑖𝑗2 ) - 𝑁

(S1)2 = JKB/ v1
(S2)2 = JKK/ v2

19
(S3)2 = JKS/ v3

Statistik Uji yang digunakan adalah F hitung

Tolak H0 bila Fhitung > Ftabel.23
Contoh aplikasi:
Suatu studi mengenai preferensi konsumen melibatkan tiga rancangan
kemasan yang dijual pada empat pasar swalayan. Hasil penjualan selama satu
bulan pengamatan adalah sebagai berikut: (dalam unit penjualan).
Bentuk Kemasan
Pasar Swalayan
A B C
I 12 34 23
II 15 26 21
III 1 23 8
IV 6 22 16

Dengan menggunakan ∝ = 0,05, Buatlah pengujian hipotesis untuk mengetahui

a) Apakah ada pengaruh bentuk kemasan pada tingkat penjualan?
b) Apakah ada pengaruh perbedaan Pasar Swalayan pada penjualan?
Penyelesaian:
Bentuk Kemasan
Pasar Swalayan Total
A B C
I 12 34 23 74
II 15 26 21 62
III 1 23 8 32
IV 6 22 16 44
Total 39 105 68 212

742 + 622 + 322 + 442 - 2122 = 348

JKB = 3 3 3 3 12

23
Ibid., hlm. 192.

20
 392 + 1052 + 682 - 2122 = 547,17
JKK = 4 4 4 12
2122 = 940,67
JKT = 172 + 152 + + … + 162 - 12

JKS = JKT – JKK – JKB

= 940,67 – 547,17 – 348 = 45,5

Tabel ANOVA
Sumber Derajat Jumlah Varian
Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Blok 3 348 116 15,30 5,14
Antarkolom 2 547,17 273,58 36,09 4,76
Sisaan 16 45,50 7,58
Total 11 940,67

a) Pengujian pengaruh kemasan pada penjualan

H0 : 𝜇 1 = 𝜇 2 = 𝜇 3
Ha : tidak semua sama
Fhitung > Ftabel, maka tolak H0
Kesimpulan : Ada pengaruh dari perbedaan bentuk kemasan pada tingkat
penjualan

b) Pengujian pengaruh pasar swalayan pada penjualan

H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
Ha : tidak semua sama
Fhitung > Ftabel, maka tolak H0
Kesimpulan : Ada pengaruh dari perbedaan pasar swalayan pada tingkat
penjualan.
Catatan : untuk kasus ini perlu dilakukan analisis lanjutan, yaitu uji rata-
rata berganda.24

24
Ibid., hlm. 193-194.

21
 DAFTAR PUSTAKA

Sugiarto, Dergibson Siagian. 2000. Metode Statistik untuk Bisnis dan Ekonomi.
Jakarta: PT. Gramedia Pustaka Utama.
Nalim. Diktat Statistik Bisnis.
Irianto, Agus. 2004. Statistik: Konsep Dasar & Aplikasinya. Jakarta: Kencana.
Suparman. 1995. Statistik Sosial. Jakarta: PT Raja Grafindo.