BAB II

LANDASAN TEORI

2.1 Pengertian Analisis Variansi (ANAVA)

Analisis varians (analysis of variance, ANAVA) adalah suatu metode
analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam
literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi. Ia 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. Dalam praktek, analisis varians dapat merupakan uji
hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di
bidang genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antarcontoh (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).
Supaya valid dalam menafsirkan hasilnya, analisis varians
menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan
percobaan:
1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-
Snedecor.
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas,
karena hanya digunakan satu penduga (estimate) untuk varians dalam
contoh.
3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan
perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan
untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga

5
 6

masih memiliki keterkaitan dengan analisis regresi. Akibatnya penggunaannya

sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga
eksperimen periklanan, psikologi, dan kemasyarakatan[].

2.2 ANAVA Satu Arah

Anava satu arah merupakan pengujian terhadap rata-rata dari K popolasi
dengan memperhatikan hanya satu sumber variasi yaitu perlakuan percobaan.
Dalam menentukan pengujian hipotesis untuk satu arah digunakan rumusan
sebagai berikut :
Ho : µ1, µ2, µ3...µk
H1 : Paling sedikit ada satu yang tidak sama.

Untuk menolak atau menerima Ho dalam hal ini akan digunakan uji F.
Dari tiap populasi secara independen kita ambil sebuah sampel acak berukuran N 1
dari populasi kesatu. N2 dari populasi kedua dan seterusnya sampai berukuran N k
dari populasi ke K. Data pengamatan dinyatakan dengan Yij, dimana nilai dari (i
= 1,2..............k), dan nilai (j = 1,2..............n). Yij berati data ke-J dalam sampel
dari populasi dalam hal ini adalah perlakuan ke-i[].
Apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut
satu-persatu (dengan t tes) akan memakan waktu, tenaga yang banyak. Disamping
itu, kita akan mengahadapi risiko salah yang besar. Untuk itu, telah ditemukan
cara analisis yang mengandung kesalahan yang lebih kecil dan dapat menghemat
waktu serta tenaga yaitu dengan Anova (analisys of variences).
Pada dasarnya pola sample dapat dikelompokkan menjadi dua kelompok,
yaitu :
1. Seluruh sample, baik yang berada pada kelompok pertama sampai dengan
yang ada di kelompok lain, berasal dari populasi yang sama.
2. Sampel yang ada di kelompok satu berasal dari populasi yang berbeda
dengan populasi sample yang ada di kelompok lainnya.
Mengingat ANAVA berkaitan dengan pengujian hipotesis yang multiple
(ganda) maka perhitungannya lebih kompleks daripada ttes. Pada saat melakukan
pengujian hipotesis (perbedaan dua rata-rata) dengan menggunakan ttes selalu
 7

menanggung kesalahan tipe I sebesar alpha. Untuk ANAVA 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 persatu).

2.3 Macam-Macam ANAVA

Pada dasarnya ANAVA dapat dibagi menjadi dua kelompok besar, yaitu
[]:
1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu
independent variable (variable bebas). Kondisi ini yang sering disebut
dengan single factorexperiment (analisis varian satu arah), yang
merupakan topik bahasan pada bab ini.
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa
independent varible (variabel bebas). Kondisi ini yang sering disebut
dengan two factor experiment (analisis varian dua arah), yang akan
dibahas pada bab anova dua arah.

2.4 Variabilitas Dalam ANAVA dan Pengujiannya

Pengukuran total variabilitas atas data yang ada dapat dikelompokkan
menjadi 3 (tiga) lapisan[]:
1. Variabilitas antar kelompok (between treatments variability) merupakan
variasi rata-rata kelompok sampel terhadap rata-rata keseluruhannya.
Variasi disini lebih terpengaruh oleh adanya perbedaan perlakuan
(treatments) antar kelompok, disingkat SSb.
2. Variabilitas dalam kelompok (within treatments variability), merupakan
variasi yangada dalam masing-masing kelompok. Banyaknya variansi
akan tergantung pada banyaknya kelompok, dan variansi di sini tidak
terpengaruh / tergantung olehperbedaan perlakuan antara kelompok,
disingkat SSw.
3. Jumlah kuadrat penyimpangan total (total sum of squares) merupakan
jumlah kuadratselisih antara skor individual dengan rata-rata totalnya,
disingkat SSt.
 8

Berikut langkah-langkah dalam perhitungan ANAVA satu jalur adalah

sebagai berikut :
1. Tentukan k atau banyaknya perlakuan,
2. Tentukan n atau banyaknya sampel,
3. Hitung jumlah kuadrat total dengan rumus :

.......................................................(2.1)
4. Hitung jumlah kuadrat perlakuan dengan rumus:

.......................................................(2.2)
5. Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel
berikut:
Tabel 2.1 kalkulasi perhitungan Anava Satu Arah (One Way ANAVA)

6. Cari harga F tabel dengan mempertimbangkan (1) tingkat signifikansi (α),

(2) df antar perlakuan, dan (3) df dalam perlakuan,
7. Bandingkan harga F Hitung dengan F tabel,
a) Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua
perlakuan tidak berbeda secara signifikan,
b) Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima, yang berarti
rata-rata kedua perlakuan berbeda secara signifikan.

2.5 ANAVA Dua Arah

Anava dua arah merupakan pengembangan dari analisi varians satu arah.
Pada analisi varians dua arah, dalam praktikum ini hanya dilakukan untuk satu
pengamatan per sel. Adapun yang mau diuji pada Anava ini adalah pengaruh dari
 9

klasifikasi satu (kolom) dengan klasifikasi du (baris) tanpa melihat pengaruh dari
interaksi antara keduanya.
Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan
terjadinya penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar
deviasi atauvarians. Apabila para peneliti ingin menguji efektivitas keberdaaan
dua buah faktor,yang masing-masing faktornya terbagi atas beberapa kategori,
peneliti dapatmenggunakan.

2.6 Perbandingan ANAVA Satu Arah Dengan Dua Arah

Sebenarnya analisis ANAVA satu arah dapat dipakai untuk menghadapi
kasus variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per
satu,sehingga akan menghadapi banyak kasus (N semakin banyak). Dengan
melakukan ANAVA dua arah akan dihindari pula terjadinya noise (suatu
kemungkinan yang menyatakan terdapat suatu efek karena bercampurnya suatu
analisis data).
Noise ini dapat dihindari pada ANAVA dua arah karena analisdisini
melibatkan kontor terhadap perbedaan (katagorikal) variabel bebas. Interaksi
suatu kebersamaan antar fektor dalam mempengaruhi variabel bebas, dengan
sendirinya pengaruh faktor-faktor secara mandiri 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
berpotongan), maka antara faktor tidak mempunyai interaksi.
ANAVA dua arah digunakan peneliti untuk mengatasi perbedaan nilai
variabel terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan
masing-masing variabel terdiri dari beberapa kelompok. ANAVA dua arah
merupakan penyempurnaan ANAVA satu arah. Anova dua arah lebih efisien
daripada ANAVA satu arah, karena:
1. Kasus yang dihadapi lebih sedikit yaitu sejumlah sampel .
2. Noise dapat dihilangkan.
3. Dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi
4. Variabel terikat.
 10

Berikut adalah langkah-langkah dalam perhitungan ANAVA dua jalur

(two way ANAVA)[2]:
1. Identifikasi nilai: t (jumlah perlakuan), r (jumlah blog),
2. hitung jumlah pengamatan total (n), yaitu: n = r x t,
3. Hitung jumlah kuadrat total dengan rumus:

...............................................................(2.3)
4. Hitung jumlah kuadrat perlakuan dengan rumus:

................................................................(2.4)
5. Hitung jumlah kuadrat antar blok dengan rumus:

................................................................(2.5)
6. Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel.
Tabel 2.2 Kalkulasi Perhitungan Anova Dua Arah (Two Way ANAVA)

7. Cari harga F tabel dengan mempertimbangkan

1) Tingkat signifikansi (α),
2) df1 yaitu df dari MS terbesar, dan
3) df2 yaitu df dari MS terkecil.
8. Bandingkan harga F Hitung dengan F tabel.
1) Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua
perlakuan tidak berbeda secara signifikan,
2) Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima, yang berarti
rata-rata kedua perlakuan berbeda secara signifikan.

2.7 Analisis Varians Satu Arah

 11

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.
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.
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
 12

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
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.
 13

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
yang lainnya. Hal ini mempunyai arti bahwa μ mana yang tidak sama bukan
merupakan masalah dalam penolakan hipotesis nol.

2.8 Asumsi Dasar Dalam ANAVA

2.8.1 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.

2.8.2 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).

2.8.3 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
 14

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 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.

2.9 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
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.

2.10 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).
 15

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.
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.

2.11 Asumsi Dalam Variansi Dua Arah.

Ada beberapa asumsi yang dipakai dalam variansi dua arah:
1. Setiap skor dalam sel harus berdistribusi normal. Asumsi ini dapat sedikit
diabaikan jika sampel tiap sel cukup banyak.
2. Variasi skor pada setiap sel hendaknya homogen atau sama.
3. 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.
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