MODUL STATISTIK

(CCS201)

MODUL 9
ANOVA

DISUSUN OLEH
SURYANI, M.Si

UNIVERSITAS ESA UNGGUL

2020

Universitas Esa Unggul

http://esaunggul.ac.id
0 / 30
 ANOVA
PENDAHULUAN
Kita ketahui bahwa kumpulan hasil pengamatan mengenai sesuatu
hal, skor hasil belajar siswa, berat bayi yang baru lahir misalnya, nilai
datanya bervariasi dari yang satu dengan yang lain. Karena adanya variasi
ini untuk sekumpulan data, telah dihitung alat ukurnya, yaitu varians.
Varians bersama rata-rata juga telah banyak digunakan untuk membuat
kesimpulan mengenai populasi, baik secara deskriptif maupun induktif
melalui penaksiran dan pengujian hipotesis mengenai parameter.
Varians untuk sekumpulan data melukiskan derajat perbedaan atau
variasi nilai data individu yang ada dalam kelompok data tersebut. Secara
umum varians dapat digolongkan ke dalam varians sistematik dan varians
standar. Varians sistematik adalah pengukuran karena adanya pengaruh
yang menyebabkan skor atau nilai data lebih condong ke satu jalur tertentu
dibandingkan ke jalur lain.
Salah satu jenis varians sistematik dalam kumpulan data hasil
penelitian adalah varians antar kelompok atau disebut juga varians
eksperimental. Varians ini menggambarkan adanya perbedaan antara
kelompok-kelompok hasil pengukuran. Dengan demikian varians ini terjadi
karena adanya perbedaan antara kelompok-kelompok individu. Jika uji
kesamaan dua rata-rata atau uji t digunakan untuk mencari perbedaan
atau persamaan dua rata-rata, maka uji beberapa rata-rata digunakan
untuk mencari perbedaan atau persamaaan beberapa rata-rata. Uji ini
disebut dengan nama analysis of variance (ANOVA).
Pada prakteknya, uji t dapat juga digunakan untuk menguji beberapa
rata-rata secara bertahap. Misalnya ada tiga rata-rata yaitu: I, II, dan III.
Agar uji t dapat dipakai maka mula-mula dicari I dengan II, kemudian I
dengan III, dan akhirnya II dengan III. Dengan demikian kita tiga kali
menggunakan uji t. Namun, pengujian lebih tepat apabila menggunakan
beberapa rata-rata. Sebab:

Universitas Esa Unggul

http://esaunggul.ac.id
1 / 30
 a. setiap kali kita menggunakan uji t, maka akan terjadi kesalahan
atau penyimpangan sebesar (1 − 𝛼 )& , di mana 𝑘 = sekian kali
menggunakan uji t. Seandainya kita 3 kali menggunakan uji
t,dengan 𝛼 = 0,05 ,maka akan terjadi kesalahan atau
penyimpangan sebesar (1 − 0,05)- = 0,14 atau jika 𝛼 = 0,01
akan terjadi kesalahan sebesar (1 − 0,01)- = 0,999;
b. banyak uji t digunakan dengan rumus:
𝑛(𝑛 − 1)
2
Seandainya ada empat rata-rata (𝑛 = 4) , maka banyak uji 𝑡
dilakukan adalah:
4(4 − 1)
=6
2
Sebelum uji kesamaan beberapa rata-rata dilakukan, maka
persyaratannya haruslah dipenuhi terlebih dahulu. Persyaratan uji
beberapa rata-rata sama halnya dengan uji kesamaan dua rata-rata yaitu
data dipilih secara acak, data berdistribusi nomal, dan datanya homogen.

PENGERTIAN ANOVA
Analisis of Varians (ANOVA) adalah teknik analisis statistik yang
dikembangkan dan diperkenalkan pertama kali oleh Sir R. A Fisher. ANOVA
dapat juga dipahami sebagai perluasan dari uji-t sehingga penggunaannya
tidak terbatas pada pengujian perbedaan dua buah rata-rata populasi,
namun dapat juga untuk menguji perbedaan tiga buah rata-rata populasi
atau lebih sekaligus.
Jika kita menguji hipotesis nol bahwa rata-rata dua buah kelompok
tidak berbeda, teknik ANOVA dan uji-t (uji dua pihak) akan menghasilkan
kesimpulan yang sama; keduanya akan menolak atau menerima hipotesis
nol. Dalam hal ini, statistik F pada derajat kebebasan 1 dan n-k akan sama
dengan kuadrat dari statistik t.
ANOVA digunakan untuk menguji perbedaan antara sejumlah rata-
rata populasi dengan cara membandingkan variansinya. Pembilang pada
rumus variansi tidak lain adalah jumlah kuadrat skor simpangan dari rata-

Universitas Esa Unggul

http://esaunggul.ac.id
2 / 30
ratanya, yang secara sederhana dapat ditulis sebagai ∑(𝑋6 − 𝜇)8 . Istilah
jumlah kuadrat skor simpangan sering disebut jumlah kuadrat (sum of
squares). Jika jumlah kuadrat tersebut dibagi dengan n atau 𝑛 − 1 maka
akan diperoleh rata-rata kuadrat yang tidak lain dari variansi suatu
distribusi. Rumus untuk menentukan varians sampel yaitu,
∑;6<=(𝑋6 − 𝑋:)8
𝑆8 =
𝑛−1
Seandainya kita mempunyai suatu populasi yang memiliki variansi
𝜎 8 dan rata-rata 𝜇 . Dari populasi tersebut misalkan diambil tiga buah
sampel secara independent, masing-masing dengan 𝑛= , 𝑛8 , dan 𝑛- . Dari
setiap sampel tersebut dapat ditentukan rata-rata dan variansinya,
sehingga akan diperoleh tiga buah rata-rata dan variansi sampel yang
masing-masing merupakan statistik (penaksir) yang tidak bias bagi
parameternya. Dikatakan demikian, karena dalam jumlah sampel yang tak
hingga, rata-rata dari rata-rata sampel akan sama dengan rata-rata populasi
(𝜇) dan rata-rata dari variansi sampel juga akan sama dengan variansi
populasi (𝜎 8 ).
Pada prakteknya, uji t dapat juga digunakan untuk menguji beberapa
rata-rata secara bertahap. Misalnya ada tiga rata-rata yaitu: I, II, dan III.
Agar uji t dapat dipakai maka mula-mula dicari I dengan II, kemudian I
dengan III, dan akhirnya II dengan III. Dengan demikian kita tiga kali
menggunakan uji t. Namun, pengujian lebih tepat apabila menggunakan
beberapa rata-rata. Sebab:
c. setiap kali kita menggunakan uji t, maka akan terjadi kesalahan
atau penyimpangan sebesar (1 − 𝛼 )& , di mana 𝑘 = sekian kali
menggunakan uji t. Seandainya kita 3 kali menggunakan uji
t,dengan 𝛼 = 0,05 ,maka akan terjadi kesalahan atau
penyimpangan sebesar (1 − 0,05)- = 0,14 atau jika 𝛼 = 0,01
akan terjadi kesalahan sebesar (1 − 0,01)- = 0,999;
d. banyak uji t digunakan dengan rumus:
𝑛(𝑛 − 1)
2

Universitas Esa Unggul

http://esaunggul.ac.id
3 / 30
 Seandainya ada empat rata-rata (𝑛 = 4) , maka banyak uji 𝑡
dilakukan adalah:
4(4 − 1)
=6
2
Sebelum uji kesamaan beberapa rata-rata dilakukan, maka
Persyaratannya haruslah dipenuhi terlebih dahulu. Persyaratan uji
beberapa rata-rata sama halnya dengan uji kesamaan dua rata-rata yaitu
data dipilih secara acak, data berdistribusi nomal, dan datanya homogen.
Alasan penggunaan ANOVA
Uji hipotesis dengan ANOVA digunakan, setidaknya karena beberapa
alasan berikut:
1. Memudahkan analisa atas beberapa kelompok sampel yang
berbeda dengan resiko kesalahan terkecil.
2. Mengetahui signifikansi perbedaan rata-rata (µ) antara kelompok
sampel yang satu dengan yang lain. Bisa jadi, meskipun secara
numeris bedanya besar, namun berdasarkan analisa ANOVA,
perbedaan tersebut TIDAK SIGNIFIKAN sehingga perbedaan µ bisa
diabaikan. Sebaliknya, bisa jadi secara numeris bedanya kecil,
namun berdasarkan analisa ANOVA, perbedaan tersebut
SIGNIFIKAN, sehingga minimal ada satu µ yang berbeda dan
perbedaan µ antar kelompok sampel tidak boleh diabaikan.

Pada dasarnya ANOVA dibedakan menjadi dua bagian, yaitu

ANOVA satu jalur (one way ANOVA) dan ANOVA dua jalur (two way
ANOVA). Pada ANOVA satu jalur dibahas tentang ukuran sampel sama dan
ukuran sampel tidak sama. sedangkan untuk ANOVA dua jalur, dibahas
mengenai ANOVA tanpa interaksi serta ANOVA dengan interaksi.

Universitas Esa Unggul

http://esaunggul.ac.id
4 / 30
ANOVA SATU JALUR
Dinamakan analisis varians satu jalur, karena analisisnya
menggunakan varians dan data hasil pengamatan merupakan pengaruh
satu faktor. Dari tiap populasi secara independen kita ambil sebuah sampel
acak, berukuran n1 dari populasi kesatu, n2 dari populasi kedua dan
seterusnya berukuran nk dari populasi ke k. Data sampel akan dinyatakan
dengan Yij yang berarti data ke-j dalam sampel yang diambil dari populasi
ke-i.
ANOVA satu jalur yaitu analisis yang melibatkan hanya satu peubah
bebas. Secara rinci, ANOVA satu jalur digunakan dalam suatu penelitian
yang memiliki ciri-ciri berikut:
1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih
yang dipilih dan ditentukan oleh peneliti secara tidak acak. Kategori
yang dipilih disebut tidak acak karena peneliti tidak bermaksud
menggeneralisasikan hasilnya ke kategori lain di luar yang diteliti
pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya terdiri
atas dua ketgori (pria-wanita), atau peneliti hendak membandingkan
keberhasilan antara Metode A, B, dan C dalam meningkatkan
semangat belajar tanpa bermaksud menggeneralisasikan ke metode
lain di luar ketiga metode tersebut.
2. Perbedaan antara kategori atau tingkatan pada peubah bebas dapat
bersifat kualitatif atau kuantitatif.
3. Setiap subjek merupakan anggota dari hanya satu kelompok pada
peubah bebas, dan dipilih secara acak dari populasi tertentu.

Tujuan dari uji ANOVA satu jalur adalah untuk membandingkan lebih
dari dua rata-rata. Sedangkan gunanya untuk menguji kemampuan
generalisasi. Maksudnya dari signifikansi hasil penelitian. Jika terbukti
berbeda, berarti kedua sampel tersebut dapat digeneralisasikan (data
sampel dianggap dapat mewakili populasi). ANOVA satu jalur dapat melihat
perbandingan lebih dari dua kelompok data.

Universitas Esa Unggul

http://esaunggul.ac.id
5 / 30
 ANOVA pengembangan atau penjabaran lebih lanjut dari uji-t
(𝑡?6@A;B ). Uji-t atau uji-z hanya dapat melihat perbandingan dua kelompok
data saja. Sedangkan ANOVA satu jalur lebih dari dua kelompok data.
Contoh: Perbedaan prestasi belajar statistika antara mahasiswa tugas
belajar (𝑋= ), izin belajar (𝑋8 ) dan umum (𝑋- ).
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

Dimana: 𝐽𝐾 = jumlah kuadrat (some of square)

𝑑𝑏 = derajat bebas (degree of freedom)

Menghitung nilai ANOVA atau F (𝐹?6@A;B ) dengan rumus:

𝑉J 𝐾𝑅J 𝐽𝐾J : 𝑑𝑏J 𝑣𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
𝐹?6@A;B = = = =
𝑉K 𝐾𝑅K 𝐽𝐾K : 𝑑𝑏K 𝑣𝑎𝑟𝑖𝑎𝑛 𝑎𝑛𝑡𝑎𝑟 𝑔𝑟𝑜𝑢𝑝
Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat).
Dapat dirumuskan:
(∑UVW )X (∑UY )X
𝐽𝐾J = ∑ ;VW
− Z
untuk 𝑑𝑏J = 𝐴 − 1
(∑UVW )X
𝐽𝐾K = (∑𝑋\ )8 − ∑ ;VW
untuk 𝑑𝑏K = 𝑁 − 𝐴

Dimana
(∑UY )X
Z
= sebagai faktor koreksi

N = Jumlah keseluruhan sampel (jumlah kasus dalam penelitian).

A = Jumlah keseluruhan group sampel.

PROSEDUR PENGUJIAN HIPOTESIS

Sebelum ANOVA dihitung, asumsikan bahwa data dipilih secara
random, berdistribusi normal, dan variannya homogen.

Universitas Esa Unggul

http://esaunggul.ac.id
6 / 30
 1) Perumusan Hipotesis
𝐻_ : 𝜇= = 𝜇8 = 𝜇- = ⋯ = 𝜇&
𝐻a : 𝜇= ≠ 𝜇8 ≠ 𝜇- ≠ ⋯ ≠ 𝜇&
Untuk kondisi 𝐻_ , dimana semua nilai mean adalah sama sebagai
berikut.

Untuk kondisi 𝐻a dimana terdapat satu mean yang tidak sama adalah
sebagai berikut.

Untuk kondisi 𝐻a dimana semua mean tidak sama adalah sebagai

berikut.

2) Menetapkan taraf nyata beserta 𝐹@acde

Misalkan nilai taraf nyata 𝛼 = 5%. Misalkan derajat kebebasan
pembilang (𝑛 − 1) adalah 10 dan derajat kebebasan penyebut
(𝑘(𝑛 − 1)) adalah 10. maka cara membaca tabel 𝐹 adalah sebagai
berikut

Universitas Esa Unggul

http://esaunggul.ac.id
7 / 30
 sehingga diperoleh
𝐹@acde = 2,98
3) Menghitung nilai dari 𝐹_
Untuk memudahkan menghitung nilai dari 𝐹_ maka terlebih dahulu
dibuat Tabel ANOVA sebagai berikut.
Derajat Rata-rata
Sumber variasi Jumlah kuadrat 𝑭𝟎
bebasan kuadrat
8 𝐽𝐾𝐾 𝐴
Antar sampel 𝑘−1 𝐽𝐾𝐾 = 𝑛 kl𝑋:m − 𝑋: n 𝐴=
𝑘−1 𝐵
8 𝐽𝐾𝐸
Dalam sampel 𝑘(𝑛 − 1) 𝐽𝐾𝐸 = k kl𝑋6m − 𝑋:m n 𝐵=
𝑘(𝑛 − 1)
8
Total 𝑛𝑘 − 1 𝐽𝐾𝑇 = k kl𝑋6m − 𝑋: n

4) Keputusan dan kesimpulan

𝐹@acde
Jika 𝐹_ > 𝐹@acde maka 𝐻_ ditolak.
Jika 𝐹_ < 𝐹@acde maka 𝐻_ diterima.

Universitas Esa Unggul

http://esaunggul.ac.id
8 / 30
Contoh Soal dan Pembahasan.
Pada contoh soal ANOVA, disini diberikan dua contoh untuk sampel
yang berukuran sama dan untuk sampel yang ukurannya berbeda. Proses
pengerjaan pengujian hipotesisnya pada hakikatnya sama, yang berbeda
hanyalah pada penentuan derajat kebebasannya. untuk lebih jelasnya,
silahkan dipelajari dua contoh berikut ini.

CONTOH 1. (Sampel berukuran sama)

Dari 5 tablet obat sakit kepala yang berbeda diberikan kepada 25
orang yang sakit kepala (pusing). Setelah beberapa jam, obat itu dapat
mengurangi rasa sakit. Ke-25 orang tersebut dibagi secara acak kedalam 5
kelompok dan masing-masing diberi satu jenis obat. Berikut data lamanya
minum obat tersebut dengan berkurangnya rasa sakit. Berikut datanya.
Obat
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
3 9 7 4 7
Dengan menggunakan taraf nyata 5%, Ujilah pendapat yang mengatakan
bahwa rata-rata kelima obat tersebut memberikan efek yang sama.
Penyelesaian.
Diketahui:
𝑁 = 25 (Jumlah semua anggota)
𝑛 = 5 (Jumlah anggota dalam masing-masing kelompok)
𝑘 = 5 (Jumlah kelompok)
Prosedur pengujian hipotesis.
1. Perumusan hipotesis
𝐻_ : 𝜇= = 𝜇8 = 𝜇- = 𝜇t = 𝜇u
𝐻_ : 𝜇= ≠ 𝜇8 ≠ 𝜇- ≠ 𝜇t ≠ 𝜇u

Universitas Esa Unggul

http://esaunggul.ac.id
9 / 30
2. Menetapkan taraf nyata
Dari soal diketahui bahwa 𝛼 = 5%.
Selanjutnya dihitung nilai dari 𝐹@acde .
Derajat kebebasan pembilang :𝑣= = 𝑘 − 1 = 5 − 1 = 4,
Derajat kebebasan penyebut :𝑣8 = 𝑘(𝑛 − 1) = 5(5 − 1) = 20.
Jadi,
𝐹@acde = 2,87
3. Perhitungan nilai 𝐹_
Untuk menghitung nilai 𝐹_ , kita akan membuat tabel ANOVA nya
dengan menghitung nilai 𝐽𝐾𝐾, 𝐽𝐾𝑇, 𝐽𝐾𝐸, dan nilai dari 𝐴 dan 𝐵 nya.
Obat 𝑋:
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
3 9 7 4 7
Rata-rata 5,2 7,8 4 2,8 6,6 5,28

• Jumlah kuadrat antar sampel

(5,2 − 5,28)8 + (7,8 − 5,28)8
8
𝐽𝐾𝐾 = 𝑛 kl𝑋:m − 𝑋:n = 5 w+(4 − 5,28)8 + (2,8 − 5,28)8 y = 79,44
+(6,6 − 5,28)8
• Jumlah kuadrat total
8
𝐽𝐾𝑇 = k kl𝑋6m − 𝑋: n

= ((5 − 5,28)8 + (4 − 5,28)8 + (8 − 5,28)8 + (6 − 5,28)8

+ (3 − 5,28)8 + (9 − 5,28)8 + ⋯ + (4 − 5,28)8
+ (7 − 5,28)8 )
= 137,04
• Jumlah kuadrat dalam sampel
𝐽𝐾𝐸 = 𝐽𝐾𝑇 − 𝐽𝐾𝐾 = 137,04 − 79,44 = 57,6

Universitas Esa Unggul

http://esaunggul.ac.id
10 / 30
 • Rata-rata kuadrat antar sampel
79,44
𝐴= = 19,86
4
• Rata-rata kuadrat dalam sampel
57,6
𝐵= = 2,88
20
• Nilai dari 𝐹_
𝐴 19,86
𝐹_ = = = 6,896
𝐵 2,88
Jadi, Tabel ANOVA nya
Sumber variasi Derajat Jumlah kuadrat Rata-rata 𝑭𝟎
bebasan kuadrat
Antar sampel 4 79,44 19,86 6,896
Dalam sampel 20 57,6 2,88
Total 24 137,04
4. Keputusan dan kesimpulan

𝐹_ = 6,896

𝐹@acde = 2,87
Karena 𝐹_ > 𝐹@acde maka 𝐻_ ditolak. Artinya ada perbedaan rata-rata
lamanya pengaruh obat dalam mengurangi rasa sakit kepala setiap
orang dengan tingkat keyakinan 95%.

CONTOH 2. (Sampel berukuran tidak sama).

Untuk menguji apakah operator yang berbeda akan mempengaruhi waktu
proses (dalam menit) untuk membuat suatu produk, dilakukan pengamatan
secara bersamaan terhadap 4 orang operator (A, B, C, D). Berikut adalah
hasil pengamatannya.

Universitas Esa Unggul

http://esaunggul.ac.id
11 / 30
 Operator A Operator B Operator C Operator D
62 63 68 56
60 67 66 62
63 71 71 60
59 64 67 61
65 68 63
69 68 64
63
59
Lakukanlah pengujian hipotesis untuk menguji apakah terdapat perbedaan
rata-rata waktu proses setiap operator untuk membuat suatu produk
dengan taraf nyata 5%.
Penyelesaian.
Diketahui:
𝑁 = 24 (Jumlah semua anggota)
𝑘 = 4 (Jumlah kelompok)
Z 8t
𝑛= &
= t
= 6 (Jumlah anggota dalam masing-masing kelompok)

Prosedur pengujian hipotesis

1. Perumusan hipotesis
𝐻_ : 𝜇= = 𝜇8 = 𝜇- = 𝜇t
𝐻_ : 𝜇= ≠ 𝜇8 ≠ 𝜇- ≠ 𝜇t
2. Menetapkan taraf nyata
Dari soal diketahui bahwa 𝛼 = 5%.
Selanjutnya dihitung nilai dari 𝐹@acde .
Derajat kebebasan pembilang :𝑣= = 𝑘 − 1 = 4 − 1 = 3,
Derajat kebebasan penyebut :𝑣8 = 𝑁 − 𝑘 = 24 − 4 = 20.
Jadi,
𝐹@acde = 3,1

Universitas Esa Unggul

http://esaunggul.ac.id
12 / 30
3. Perhitungan nilai 𝐹_
Untuk menghitung nilai 𝐹_ , kita akan membuat tabel ANOVA nya
dengan menghitung nilai 𝐽𝐾𝐾, 𝐽𝐾𝑇, 𝐽𝐾𝐸, dan nilai dari 𝐴 dan 𝐵 nya.
Operator Operator Operator Operator
|
𝑿
A B C D
62 63 68 56
60 67 66 62
63 71 71 60
59 64 67 61
65 68 63
69 68 64
63
59
Rata-
61 66,5 68 61 64,125
rata

• Jumlah kuadrat antar sampel

8 (61 − 64,125)8 + (66,5 − 64,125)8
𝐽𝐾𝐾 = 𝑛 kl𝑋:m − 𝑋: n = 6 } ~
+(68 − 64,125)8 + (61 − 64,125)8
= 241,125
• Jumlah kuadrat total
8
𝐽𝐾𝑇 = k kl𝑋6m − 𝑋:n

= ((62 − 64,125)8 + (60 − 64,125)8 + (63 − 64,125)8

+ (59 − 64,125)8 + (63 − 64,125)8 + (67 − 64,125)8
+ ⋯ + (63 − 64,125)8 + (59 − 64,125)8 )
= 360,625
• Jumlah kuadrat dalam sampel
𝐽𝐾𝐸 = 𝐽𝐾𝑇 − 𝐽𝐾𝐾 = 360,625 − 241,125 = 119,5
• Rata-rata kuadrat antar sampel
241,125
𝐴= = 80,375
3

Universitas Esa Unggul

http://esaunggul.ac.id
13 / 30
 • Rata-rata kuadrat dalam sampel
119,5
𝐵= = 5,975
20
• Nilai dari 𝐹_
𝐴 80,375
𝐹_ = = = 13,452
𝐵 5,975
Jadi, Tabel ANOVA nya

Derajat Rata-rata
Sumber variasi Jumlah kuadrat 𝑭𝟎
bebasan kuadrat
Antar sampel 3 241,125 80,375 13,452
Dalam sampel 20 119,5 5,975
Total 23 360,625

4. Keputusan dan kesimpulan

𝐹_ = 13,452

𝐹@acde = 3,1
Karena 𝐹_ > 𝐹@acde maka 𝐻_ ditolak. Artinya terdapat perbedaan rata-
rata waktu proses setiap operator untuk membuat suatu produk dengan
tingkat keyakinan 95%.

ANOVA DUA JALUR

ANOVA dua jalur yaitu pengujian ANOVA yang didasarkan pada
pengamatan 2 kriteria. Setiap kriteria dalam pengujian ANOVA mempunyai
level. Tujuan dan pengujian ANOVA dua jalur ini adalah untuk mengetahui
apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang
diinginkan. Misal, seorang guru menguji apakah ada pengaruh antara jenis
media belajar yang digunakan pada tingkat penguasaan siswa terhadap

Universitas Esa Unggul

http://esaunggul.ac.id
14 / 30
materi. (Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik
Inferensial). Jakarta: Bumi Aksara)
Tujuan dari pengujian ANOVA dua jalur adalah untuk mengetahui
apakah ada pengaruh dari berbagai kriteria yang diuji terhadap hasil yang
diinginkan. (Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan
ketujuh. ALFABETA: Bandung ).
Dengan menggunakan teknik ANOVA dua jalur ini kita dapat
membandingkan beberapa rata-rata yang berasal dari beberapa kategori
atau kelompok untuk satu variable perlakuan. Bagaimanapun, keuntungan
teknik analisis varian ini adalah memungkinkan untuk memperluas analisis
pada situasi dimana hal-hal yang sedang diukur dipengaruhi oleh dua atau
lebih variable. (Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik
Inferensial). Jakarta: Bumi Aksara).
ANOVA dua jalur ini digunakan bila sumber keragaman yang terjadi
tidak hanya karena satu faktor (perlakuan). Faktor lain yang mungkin
menjadi sumber keragaman respon juga harus diperhatikan. Faktor lain ini
bisa berupa perlakuan lain yang sudah terkondisikan. Pertimbangan
memasukkan faktor kedua sebagai sumber keragaman ini perlu bila faktor
itu dikelompokkan, sehingga keragaman antar kelompok sangat besar,
tetapi kecil dalam kelompoknya sendiri. Pengujian ANOVA dua jalur
mempunyai beberapa asumsi diantaranya:
1. Populasi yang diuji berdistribusi normal,
2. Varians atau ragam dan populasi yang diuji sama,
3. Sampel tidak berhubungan satu dengan yang lain.

ANOVA Dua jalur tanpa interaksi

Pengujian klasifikasi dua jalur tanpa nteraksi merupakan pengujian
hipotesis tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan
interaksi antara kedua faktor tersebut dtiadakan. tujuan dari pengujian
hipotesis ANOVA dua jalur adalah untuk mengetahui apakah ada pengaryh
dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.

Universitas Esa Unggul

http://esaunggul.ac.id
15 / 30
Prosedur Pengujian Hipotesis
1. Perumusan Hipotesis
a. 𝐻_ : 𝛼= = 𝛼8 = 𝛼- = ⋯ = 𝛼6 = 0
𝐻a : 𝛼= ≠ 𝛼8 ≠ 𝛼- ≠ ⋯ ≠ 𝛼6 = 0
b. 𝐻_ : 𝛽= = 𝛽8 = 𝛽- = ⋯ = 𝛽m = 0
𝐻a : 𝛽= ≠ 𝛽8 ≠ 𝛽- ≠ ⋯ ≠ 𝛽m ≠ 0
2. Menetapkan taraf nyata dan 𝐹@acde
Derajat kebebasan dibagi menjadi dua, yaitu untuk baris dan kolom
Derajat kebebasan baris: 𝑣= = 𝑏 − 1 dan 𝑣8 = (𝑘 − 1)(𝑏 − 1)
Derajat kebebasan kolom: 𝑣= = 𝑘 − 1 dan 𝑣8 = (𝑘 − 1)(𝑏 − 1)
dengan:
𝑏 = jumlah baris
𝑘 = jumlah kolom
3. Menghitung nilai 𝐹_
Untuk memudahkan menghitung nilai dari 𝐹_ maka terlebih dahulu
dibuat Tabel ANOVA sebagai berikut.
Sumber Jumlah Derajat bebas Rata-rata 𝑭𝟎
Varians kuadrat kuadrat
Rata-Rata Baris 𝐽𝐾𝐵 𝑏−1 𝐽𝐾𝐵 𝑆= 8
𝑆= 8 = 𝑓= =
𝑑𝑏 𝑆- 8
Rata-Rata 𝐽𝐾𝐾 𝑘−1 𝐽𝐾𝐾
𝑆8 8 =
Kolom 𝑑𝑏

Error 𝐽𝐾𝐸 (𝑘 − 1)(𝑏 − 1) 𝐽𝐾𝐸 𝑆8 8

𝑆- 8 = 𝑓8 =
𝑑𝑏 𝑆- 8
Total 𝐽𝐾𝑇 𝑘𝑏 − 1

dimana
Jumlah Kuadrat Total
c &
𝑇 8. .
𝐽𝐾𝑇 = k k 𝑇6m 8 −
𝑘𝑏
6<= m<=

Universitas Esa Unggul

http://esaunggul.ac.id
16 / 30
 Jumlah Kuadrat Baris
∑c6<= 𝑇6 8 𝑇 8 . .
𝐽𝐾𝐵 = −
𝑘 𝑘𝑏
Jumlah Kuadrat Kolom
∑cm<= 𝑇m 8 𝑇 8. .
𝐽𝐾𝐾 = −
𝑘 𝑘𝑏
Jumlah Kuadrat Error
(𝐽𝐾𝐸 ) = 𝐽𝐾𝑇 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾
4. Keputusan dan kesimpulan

Jika 𝐹_ > 𝐹@acde maka 𝐻_ ditolak.

Jika 𝐹_ < 𝐹@acde maka 𝐻_ diterima.

Contoh Soal: dan Pembahasan

Berikut ini adalah hasil perhektar dari 4 jenis padi dengan penggunaan
pupuk yang berbeda.
𝑽𝟏 𝑽𝟐 𝑽𝟑 𝑽𝟒 𝑻
𝑷𝟏 4 6 7 8 25
𝑷𝟐 9 8 10 7 34
𝑷𝟑 6 7 6 5 24
19 21 23 20 83
dimana 𝑇 = 𝑡𝑜𝑡𝑎𝑙.
Dengan taraf nyata 5%, ujilah apakah rata-rata hasil perhektar sama untuk:
a. Jenis pupuk (pada baris),
b. Jenis tanaman (pada kolom).

Universitas Esa Unggul

http://esaunggul.ac.id
17 / 30
Penyelesaian:
Diketahui:
𝑏=3
𝑘=4
𝛼 = 5%
Prosedur pengujian hipotesis.
1. Perumusan hipotesis
kasus a.
𝐻_ : 𝛼= = 𝛼8 = 𝛼- = 0
𝐻a : 𝛼= ≠ 𝛼8 ≠ 𝛼- ≠ 0
kasus b.
𝐻_ : 𝛽= = 𝛽8 = 𝛽- = 0
𝐻a : 𝛽= ≠ 𝛽8 ≠ 𝛽- ≠ 0
2. Menetapkan taraf nyata dan nilai 𝐹@acde
Dari soal diketahui nilai 𝛼 = 5%.
Derajat kebebasan kasus a.
Derajat kebebasan pembilang 𝑣= = 𝑏 − 1 = 3 − 1 = 2
Derajat kebebasan penyebut:
𝑣8 = (𝑘 − 1)(𝑏 − 1) = (4 − 1)(3 − 1) = 6
sehingga diperoleh nilai 𝐹@acde = 5,14
Derajat kebebasan kasus b.
Derajat kebebasan pembilang 𝑣= = 𝑘 − 1 = 4 − 1 = 3
Derajat kebebasan penyebut: 𝑣8 = (𝑘 − 1)(𝑏 − 1) = (4 − 1)(3 −
1) = 6
sehingga diperoleh nilai 𝐹@acde = 4,76
3. Menghitung nilai 𝐹_
Untuk menghitung nilai 𝐹_ , kita akan membuat tabel ANOVA nya
dengan menghitung nilai 𝐽𝐾𝐵, 𝐽𝐾𝐾, 𝐽𝐾𝑇, 𝐽𝐾𝐸, dan nilai dari 𝑆=8 , 𝑆88
dan 𝑆-8 nya.

Universitas Esa Unggul

http://esaunggul.ac.id
18 / 30
 • Jumlah Kuadrat Total
c &
𝑇8 838
𝐽𝐾𝑇 = k k 𝑇6m 8 − = 48 + 98 + ⋯ + 58 −
𝑘𝑏 4(3)
6<= m<=

= 605 − 574,08
= 30,92
• Jumlah kuadrat Baris
∑c6<= 𝑇6 8 𝑇 8
𝐽𝐾𝐵 = −
𝑘 𝑘𝑏
258 + 348 + 248 838
= −
4 4(3)
2357 6889
= −
4 12
= 589,25 − 574,08
= 15,17
• Jumlah Kuadrat Kolom
∑cm<= 𝑇m 8 𝑇8
𝐽𝐾𝐾 = −
𝑘 𝑘𝑏
198 + 218 + 238 + 208 838
= −
3 4(3)
1731 6889
= −
3 12
= 577 − 574,08
= 2,92
• Jumlah Kuadrat Error
𝐽𝐾𝐸 = 𝐽𝐾𝑇 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾 = 30,92 − 15,17 − 2,92 = 12,83
• Rata-rata kuadrat baris
𝐽𝐾𝐵 𝐽𝐾𝐵 15,17 15,17
𝑆= 8 = = = = = 7,585 = 7,59
𝑑𝑏 𝑏−1 3−1 2
• Rata-rata kuadrat kolom
𝐽𝐾𝐾 𝐽𝐾𝐾 2,92 2,92
𝑆8 8 = = = = = 0,97
𝑑𝑏 𝑘−1 4−1 3
• Rata-rata kuadrat error
𝐽𝐾𝐸 𝐽𝐾𝐸 12,83 12,83
𝑆- 8 = = = = = 2,14
𝑑𝑏 (k − 1)(b − 1) 3(2) 6

Universitas Esa Unggul

http://esaunggul.ac.id
19 / 30
 • Nilai 𝐹_ untuk baris
𝑆= 8 7,59
𝐹_ = = = 3,55
𝑆- 8 2,14
• Nilai 𝐹_ untuk kolom
𝑆8 8 0,97
𝐹_ = 8 = = 0,45
𝑆- 2,14
Sehingga diperoleh tabel ANOVA sebagai berikut.
Sumber Jumlah Rata-rata
Derajat bebas 𝑭𝟎
Varians kuadrat kuadrat
2
Rata-Rata Baris 15,17 𝑆= 8 = 7,59 𝐹_ = 3,55

Rata-Rata
2,92 3 𝑆8 8 = 0,97
Kolom
Error 12,83 6 𝑆- 8 = 2,14 𝐹_ = 0,45
Total 30,92 11
4. Keputusan dan kesimpulan
kasus a.

𝐹_ = 3,55

𝐹@acde = 5,14
Karena nilai dari 𝐹_ < 𝐹@acde , maka 𝐻_ diterima. Artinya rata-rata
hasil perhektar sama untuk pemberian ketiga jenis pupuk tersebut.

Universitas Esa Unggul

http://esaunggul.ac.id
20 / 30
 kasus b.

𝐹_ = 0,45

𝐹@acde = 4,76

Karena nilai dari 𝐹_ < 𝐹@acde , maka 𝐻_ diterima. Artinya rata-rata

hasil perhektar sama untuk penggunaan keempat varietas tanaman
tersebut.
ANOVA Dua Jalur dengan Interaksi
Pengujian klasifikasi dua jalur dengan interaksi merupakan
pengujian beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh dan pengaruh interaksi antara kedua faktor tersebut
diperhitungkan. Pada dasarnya, pengujian hipotesis ANOVA dua jalur
dengan interaksi sama seperti ANOVA dua jalur tanpa interaksi. yang
berbeda hanya pada Tabel ANOVAnya. Berikut diberikan tabel ANOVA
untuk ANOVA dua jalur dengan interaksi.
Jumlah Rata-rata
Sumber Varians Derajat Bebas 𝑭𝟎
Kuadrat Kuadrat

8 𝐽𝐾𝐵 𝑆= 8
Rata-rata baris 𝐽𝐾𝐵 𝑏−1 𝑆= = 𝐹_ =
𝑑𝑏 𝑆t 8
𝐽𝐾𝐾 𝑆8 8
Rata-rata kolom 𝐽𝐾𝐾 𝑘−1 𝑆8 8 = 𝐹_ =
𝑑𝑏 𝑆t 8

8 𝐽𝐾𝐼 𝑆- 8
Interaksi 𝐽𝐾𝐼 (𝑘 − 1) (𝑏 − 1) 𝑆- = 𝐹_ =
𝑑𝑏 𝑆t 8
𝐽𝐾𝐸
Error 𝐽𝐾𝐸 𝑏𝑘(𝑛 − 1) 𝑆t 8 =
𝑑𝑏
Total 𝐽𝐾𝑇 𝑏𝑘𝑛 − 1

Universitas Esa Unggul

http://esaunggul.ac.id
21 / 30
dimana:
Jumlah Kuadrat Total
c & ;
8
𝑇8
𝐽𝐾𝑇 = k k k 𝑋6m& −
𝑏𝑘𝑛
6<= m<= &<=

Jumlah Kuadrat Baris

∑c6<= 𝑇6 8 𝑇8
𝐽𝐾𝐵 = −
𝑘𝑛 𝑏𝑘𝑛
Jumlah Kuadrat kolom
∑cm<= 𝑇m 8 𝑇8
𝐽𝐾𝐾 = −
𝑏𝑛 𝑏𝑘𝑛
Jumlah kuadrat bagi interaksi Baris Kolom
∑c6<= ∑&m<= 𝑇6m 8 ∑c6<= 𝑇6 8 ∑&m<= 𝑇m 8 𝑇8
𝐽𝐾(𝐵𝐾) = − − +
𝑛 𝑘𝑛 𝑏𝑛 𝑏𝑘𝑛
Jumlah Kuadrat Eror
𝐽𝐾𝐸 = 𝐽𝐾𝑇 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾 − 𝐽𝐾(𝐵𝐾)
Contoh Soal dan Pembahasan

Suatu percobaan diadakan untuk meneliti pengaruh suhu dan jenis tungku
terhadap umur sejenis suku cadang tertentu yang diuji. Empat jenis tungku
dan tiga taraf suhu dipakai dalam percobaan tersebut. Duapuluh empat
buah suku cadang dibagi secara acak, dua pada tiap kombinasi perlakuan,
dan hasilnya dicatat sebagai berikut.

Suhu Tungku
T1 T2 T3 T4
500 227 214 225 260
221 259 236 229
550 187 181 232 246
208 179 198 273
600 174 198 178 206
202 194 213 219
Gunakan taraf signifikansi 0,05 untuk menguji hipotesis bahwa :
a. suhu yang berbeda tidak berpengaruh pada umur suku cadang tersebut

Universitas Esa Unggul

http://esaunggul.ac.id
22 / 30
b. tungku yang berlainan tidak berpengaruh pada umur suku cadang
tersebut
c. jenis tungku dan suhu tidak berinteraksi
Penyelesaian.
Diketahui:
𝑏=3
𝑘=4
𝑛=2
𝛼 = 5%
Prosedur pengujian hipotesis.
1. Perumusan hipotesis
kasus a.
𝐻_ : 𝛼= = 𝛼8 = 𝛼- = 0
𝐻a : 𝑠𝑒𝑘𝑢𝑟𝑎𝑛𝑔 − 𝑘𝑢𝑟𝑎𝑛𝑔𝑛𝑦𝑎 𝑠𝑎𝑡𝑢 𝛼6 ≠ 0
kasus b.
𝐻_ : 𝛽= = 𝛽8 = 𝛽- = 0
𝐻a : 𝑠𝑒𝑘𝑢𝑟𝑎𝑛𝑔 − 𝑘𝑢𝑟𝑎𝑛𝑔𝑛𝑦𝑎 𝑠𝑎𝑡𝑢 𝛽m ≠ 0
kasus c.
𝐻_ : (𝛼𝛽 )== = (𝛼𝛽 )=8 = (𝛼𝛽 )=- = ⋯ = (𝛼𝛽 )-t
𝐻a : 𝑠𝑒𝑘𝑢𝑟𝑎𝑛𝑔 = 𝑘𝑢𝑟𝑎𝑛𝑔𝑛𝑦𝑎 𝑠𝑎𝑡𝑢 (𝛼𝛽 )6m ≠ 0
2. Menetapkan taraf nyata dan nilai 𝐹@acde
Dari soal diketahui bahwa 𝛼 = 5%
kasus a.
𝑣= = 𝑏 − 1 = 3 − 1 = 2
𝑣8 = 𝑏𝑘(𝑛 − 1) = 12(1) = 12
sehingga diperoleh
𝐹@acde = 3,89
kasus b.
𝑣= = 𝑘 − 1 = 4 − 1 = 3
𝑣8 = 𝑏𝑘(𝑛 − 1) = 12(1) = 12
sehingga diperoleh
𝐹@acde = 3,49

Universitas Esa Unggul

http://esaunggul.ac.id
23 / 30
 kasus c.
𝑣= = (𝑘 − 1)(𝑏 − 1) = (4 − 1)(3 − 1) = 6
𝑣8 = 𝑏𝑘(𝑛 − 1) = 12(1) = 12
sehingga diperoleh
𝐹@acde = 3
3. Menghitung nilai 𝐹_

Tungku
Suhu
T1 T2 T3 T4 Total
227 214 225 260
500 1871
221 259 236 229
187 181 232 246
550 1704
208 179 198 273
174 198 178 206
600 1584
202 194 213 219
Total 1219 1225 1282 1433 5159

• Jumlah Kuadrat Total

c & ;
8
𝑇8
𝐽𝐾𝑇 = k k k 𝑋6m& −
𝑏𝑘𝑛
6<= m<= &<=

51598
= 2278 + 2218 + ⋯ + 2198 −
24
= 1126087 − 1108970
= 17116,96
• Jumlah Kuadrat Baris
∑c6<= 𝑇6 8 𝑇8
𝐽𝐾𝐵 = −
𝑘𝑛 𝑏𝑘𝑛
18718 + 17048 + 15848 51598
= −
8 24
= 1114164 − 1108970
= 5194

Universitas Esa Unggul

http://esaunggul.ac.id
24 / 30
 • Jumlah Kuadrat kolom
∑cm<= 𝑇m 8 𝑇8
𝐽𝐾𝐾 = −
𝑏𝑛 𝑏𝑘𝑛
12198 + 12258 + 12828 + 14338 51598
= −
6 24
= 1113933 − 1108970
= 4963,125
• Jumlah kuadrat bagi interaksi Baris Kolom
∑c6<= ∑&m<= 𝑇6m 8 ∑c6<= 𝑇6 8 ∑&m<= 𝑇m 8 𝑇8
𝐽𝐾𝐼 = − − +
𝑛 𝑘𝑛 𝑏𝑛 𝑏𝑘𝑛
4488 + 4738 + ⋯ + 4258 18718 + 17048 + 15848
= −
2 8
12198 + 12258 + 12828 + 14338 51598
− +
6 24
= 1122254 − 1114164 − 1113933 + 1108970
= 3127
• Jumlah Kuadrat Eror
𝐽𝐾𝐸 = 𝐽𝐾𝑇 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾 − 𝐽𝐾𝐼
= 17116,96 − 5194 − 4963,125 − 3127
= 3832,835
• Rata-rata kuadrat baris
𝐽𝐾𝐵 5194
𝑆= 8 = = = 2597
𝑑𝑏 2
• Rata-rata kuadrat kolom
𝐽𝐾𝐾 4963,125
𝑆8 8 = = = 1654,375
𝑑𝑏 3
• Rata-rata kuadrat interaksi
𝐽𝐾𝐼 3127
𝑆- 8 = = = 521,167
𝑑𝑏 6

Universitas Esa Unggul

http://esaunggul.ac.id
25 / 30
 Jumlah Rata-rata
Sumber Varians Derajat Bebas 𝑭𝟎
Kuadrat Kuadrat
Rata-rata baris 5194 2 2597 8,131
Rata-rata kolom 4963,125 3 1654,375 5,18
Interaksi 3127 6 521,167 1.632
Error 3832,835 12 319,403
Total 17116,96 23

4. Keputusan dan kesimpulan

Kasus a.

𝐹_ = 8,131

𝐹@acde = 3,89
Karena 𝐹_ > 𝐹@acde maka 𝐻_ ditolak. Artinya suhu yang berbeda
berpengaruh pada umur suku cadang tersebut.
Kasus b.

𝐹_ = 5,18

𝐹@acde = 3,49
Karena 𝐹_ > 𝐹@acde maka 𝐻_ ditolak. Artinya tungku yang berlainan
berpengaruh pada umur suku cadang tersebut.

Universitas Esa Unggul

http://esaunggul.ac.id
26 / 30
 Kasus c.

𝐹_ = 1,632

𝐹@acde = 3
Karena 𝐹_ < 𝐹@acde maka 𝐻_ diterima. Artinya jenis tungku dan suhu
tidak berinteraksi

Daftar Pustaka
Sudjana.1996. Metoda Statistika. Bandung: Tarsito Bandung.
Usman,Husaini.2006.Pengantar Statistika.Jakarta:PT Bumi Aksara.
Riduwan. 2008. Dasar-dasar Statistika.Bandung: Alfabeta.
Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh.
ALFABETA: Bandung.
http://debrina.lecture.ub.ac.id/files/2014/09/4-Anova.pdf
http://zacoeb.lecture.ub.ac.id/files/2015/02/MG9-Two-Way-Anova.pdf
https://biologiunair.files.wordpress.com/2011/06/bab-vii-anova-2-arah-
dengan-interaksi.pdf

Universitas Esa Unggul

http://esaunggul.ac.id
27 / 30
LAMPIRAN

Universitas Esa Unggul

http://esaunggul.ac.id
28 / 30
Universitas Esa Unggul
http://esaunggul.ac.id
29 / 30