ANALYSIS OF VARIANCE (ANOVA)

Catatan: Signifikan artinya bermakna; meyakinkan.

I. One Way Anova (Anava Satu Jalur)

Anova merupakan singkatan dari “analysis of variance“ adalah salah satu uji komparatif
atau perbedaan mean (rata-rata) data lebih dari dua kelompok. Misalnya perbedaan IQ siswa
SLTP kelas I, II, dan kelas III. Jika hanya terdapat dua kelompok, cukup digunakan uji t. Ada dua
jenis Anova, yaitu one way anova dan two ways anova.
Untuk melakukan uji Anova, harus dipenuhi beberapa syarat yaitu:
1. Sampel berasal dari kelompok yang independen.
2. Varians antar kelompok harus homogen.
3. Data masing-masing kelompok berdistribusi normal
Asumsi yang pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan
secara random terhadap beberapa (lebih dari 2) kelompok independen, yang satu kelompok tidak
tergantung pada kelompok lain. Pemenuhan asumsi kedua dan ketiga dapat dicek setelah data
dimasukkan ke komputer. Jika asumsi ini tidak terpenuhi dapat dilakukan transformasi terhadap
data. Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova tidak
valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik misalnya Kruskal Wallis.
Prinsip Uji Anova adalah melakukan analisis variabilitas data menjadi dua sumber variasi
yaitu variasi di dalam kelompok (within) dan variasi antar kelompok (between). Bila variasi
within dan between sama (nilai perbandingan kedua varians mendekati satu), maka berarti tidak
ada perbedaan efek dari intervensi yang dilakukan, dengan kata lain nilai mean yang
dibandingkan tidak berbeda. Sebaliknya bila variasi antar kelompok lebih besar dari variasi
dalam kelompok, maka intervensi tersebut memberikan efek berbeda, dengan kata lain nilai mean
yang dibandingkan berbeda.
Contoh
Penelitian berjudul “Perbedaan Pendapatan Mahasiswa PBSI Berdasarkan Pekerjaan Mereka”. Pendapatan
sebagai variabel terikat bertipe kuantitatif (numeric). Pekerjaan sebagai variabel bebas berskala kualitatif
(kategorik), dengan 3 kategori Tani, Buruh dan Lainnya. (Ingat bahwa uji One Way Anova dilakukan bila
variabel terikat berskala interval dan variabel bebas berskala kategorik).
Tutorial One Way Anova
 Buka SPSS.
 Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan.
 Ubah Type Pekerjaan ke “Numeric”, Decimals “0”, beri label “Pekerjaan”, ubah measure menjadi
“Nominal” dan isi value dengan kategori: 1 = Tani, 2 = Buruh dan 3 = Lainnya.
 Ubah Type Pendapatan ke “Numeric”, Decimals “0”, beri label “Pendapatan”, ubah measure
menjadi “Scale”.

Statistika| 1
 Buka Data View dan isikan data sebanyak 24 responden. Hasil di SPSS sbb.

 Klik Analyze > Compare Means > One-Way ANOVA. Muncul jendela sbb.

 Variabel “Pendapatan” masukkan ke kotak Dependent List. Variabel “Pekerjaan”

masukkan ke kotak Factor.

Statistika| 2
 Klik Options, centang Descriptive dan Homogenity of variance test.

 Klik Continue
 Klik Post Hoc, centang Bonferroni dan Games-Howell, Significance Level = 0,05.

 Klik Continue > klik OK.

Statistika| 3
Interpretasi Anova
 Dari tabel Descriptives nampak rata-rata pekerja Tani berpendapatan 195.497,50, Buruh
265.080,75 dan Lainnya 326.423,25.
 Dari tabel Test of Homegeneity of Variances terlihat nilai Sig. = 0,357 > 0,05 = Alpha,
berarti variansnya homogen (sama). Maka Anova valid untuk menguji hubungan ini.
 Pada tabel ANOVA, nilai Sig. = 0,037 < 0,05 = Alpha. Berarti H o ditolak. Disimpulkan
“ada perbedaan signifikan rata-rata pendapatan ketiga kelompok tersebut”.
Interpretasi Uji Post Hoc
 Jika hasil uji menunjukkan Ho diterima (tidak ada perbedaan), maka uji lanjut (Post Hoc
Test) tidak dilakukan. Sebaliknya jika hasil uji menunjukkan Ho ditolak (artinya ada
perbedaan), maka uji Post Hoc Test harus dilakukan.
 Karena hasil uji Anova menunjukkan ada perbedaan signifikan, maka uji Post Hoc
dilakukan untuk mengetahui kelompok mana yang berbeda.
 Berdasarkan tabel Test of Homogeneity of Variances yang menunjukkan bahwa
variansnya homogeny (sama), maka digunakan uji Bonferroni.
 Disimpulkan dari tabel Post Hoc Test kelompok yang rata-rata pendapatannya berbeda
ditandai dengan bintang (*) adalah kelompok “Tani” dan “Lainnya”.

Statistika| 4
 sdr boleh meninggalkan bagian ini (enrichment)

II. Two Ways Anova (Anava Dua Jalur)

Jika dalam One Way Anova hanya memiliki variabel kolom, maka dalam Two Ways
Anova memiliki variabel kolom dan baris. Dengan demikian akan diperoleh kombinasi antara
kolom dan baris. Masih terdapat juga jenis Anova Dua Jalan, Anova Tiga Jalan, dan seterusnya.
Anova Dua Jalur adalah analisis varian yang digunakan untuk menguji hipotesis
perbandingan lebih dari dua kelompok sampel dan setiap kelompok sampel terdiri atas dua jenis
atau lebih secara bersama-sama.
Anova Dua Jalur, Anova Tiga Jalur dst menunjukkan adanya variabel bebas, banyaknya
sel diperoleh dari hasil kali banyaknya penggolongan setiap variabel. Misalnya variabel A
terdapat 2 klasifikasi, variabel B terdapat 3 klasifikasi, variabel C terdapat 2 klasifikasi, maka
banyaknya sel adalah 2 X 3 X 2 = 12 buah sel.

Contoh
Sebuah penelitian untuk mengetahui pengaruh jenis kelamin, daerah tempat tinggal dan
jenis pekerjaan orangtua terhadap minat baca siswa. Pengelompokan variabel dan variasinya
adalah sebagai berikut:
Jenis kelamin (A) diklasifikasikan atas A1= laki-laki, A2 = perempuan
Daerah tinggal (B) diklasifikasikan atas B1= daerah pedesaaan, B2 = daerah perkotaan
Jenis pek ortu (C) diklasifikasikan atas C1= pegawai, C2 = pedagang, C3 = petani
Tabel pengelompokan selnya adalah
JENIS DAERAH TEMPAT PEKERJAAN ORANGTUA
KELAMIN TINGGAL C1 C2 C3
B1 1 2 3
A1
B2 4 5 6
B1 7 8 9
A2 B2 10 11 12

Misal sebuah penelitian berjudul “Pengaruh Jenis Kelamin, Daerah Tempat Tinggal,
dan Pekerjaan Orangtua terhadap Minat Baca Mahasiswa PBSI Tahun 2022”. Maka langkah
analisis varians gandanya adalah sebagai berikut:
a. Membuat Tabel Induk

DAERAH
NO. JENIS PEKERJAAN IDENTITAS MINAT
TEMPAT
SISWA KELAMIN ORANGTUA SEL BACA
TINGGAL

1 P DESA PEGAWAI A2B2C1 4

2 L KOTA PEDAGANG A1B1C2 3

3 P KOTA PETANI A2B1C3 2
(dst) … (lanjutkan sampai siswa ke 24)
23 L DESA PEDAGANG A1B2C2 1
24 L KOTA PETANI A1B1C3 4
KETERANGAN

Statistika| 5
 A1= Lelaki
A2= Perempuan
B1= KOTA
B2= DESA
C1= PEGAWAI
C2= PEDAGANG
C3= PETANI

Membuat kerangka sel berdasarkan klasifikasi tiap variabel. Memasukkan data variabel terikat ke
dalam sel-sel sesuai dengan data bebas masing-masing subyek.
DAERAH PEKERJAAN ORANGTUA
JENIS
TEMPAT
KELAMIN C1(Pegawai) C2(Pedagang) C3(Petani)
TINGGAL
B1(Kota) 2,2 3,3 4,4
A1(L)
B2(Desa) 1,3 3,1 1,2
B1(Kota) 1,2 3,2 1,1
A2(P)
B2(Desa) 4,2 2,2 1,4

Statistik C1 C2 C3 Jumlah

N 2 2 2 6

∑X 4 6 8 18
B1
X 2 3 4

∑X 2
8 18 32 58
A1
N 2 2 2 6

∑X 4 4 3 11
B2
X 2 2 1.5
∑X2 10 10 5 25

N 2 2 2 6

∑X 3 5 2 10
B1
X 1.5 2.5 1

A2 ∑X 2
5 13 2 20
N 2 2 2 6
∑X 6 4 5 15
B2
X 3 2 2.5
∑X 2
20 8 17 45

N 8 8 8 24

∑X 17 19 18 54
∑X 2
43 49 56 148

Two Ways Anova dengan SPSS

Contoh 
Seorang Dosen ingin tahu prestasi belajar siswa berdasarkan gender (L ; P) setelah menerapkan

Statistika| 6
model pembelajaran kooperatif pada materi sama. Sampel yang diambil 3 sekolah, diterapkan model
pembelajaran berbeda. Berikut hasil tes sebagai prestasi belajarnya.

Langkah-langkah menggunakan SPSS

1. Buka program SPSS
2. Di sebelah kiri bawah ada dua pilihan yaitu: Data view dan Variabel view
3. Klick variabel view untuk menentukan variabel
4. Baris pertama pada kolom name ketik nilai, sedangkan type, Width dst biarkan saja.
5. Baris kedua ketik sekolah pada kolom name, pada values posisikan mouse pada sudut kotak
None lalu klik sampai muncul kotak Value Labels seperti pada gambar berikut:

6. Ketik 1 pada kotak value, ketik Model A pada kotak Label, lalu klik Add. dan ketik 2 pada kotak
value, ketik Model B pada kotak Label, lalu klik Add, dan ketik 3 pada kotak value, ketik Model C
pada kotak Label, lalu klik Add, seperti gambar berikut:

7. Klik OK.
8. Baris ke tiga ketik Gender pada kolom name, lalu pada values posisikan mouse pada sudut kotak
None lalu klik sampai muncul kotak Value Label seperti pada langkah ke 5. Ketik 1 pada kotak
Value, ketik laki-laki pada kotak Label, lalu klik Add. dan ketik 2 pada kotak Value, ketik perempuan
pada kotak Label, lalu klik Add.

Statistika| 7
9. Klik OK.
10. Sampai di sini sudah mengisikan variable.

11. Klik data view. Pada kolom Nilai Isi semua nilai siswa dari nomor urut 1 sd 48 (sampel ada 3
sekolah, setiap sekolah ada 16 siswa). Lalu pada kolom sekolah baris ke 1 sd 16 ketik 1 (ini kode
untuk sekolah 1 yaitu model A), baris ke 17 sd 32 ketik 2 (ini kode untuk sekolah 2 yaitu model B),
baris ke 33 sd 48 ketik 3 (ini kode untuk sekolah 3 yaitu model C). Pada kolom Gender isi 1 untuk
laki-laki dan 2 untuk perempuan.

12. Uji asumsi data berdistribusi normal atau tidak.

13. Bila data sudah berdistribusi normal, langkah selanjutnya kita lanjut uji two way anova.
Klik Analyze ---> General Linear Model ---> Univariate, seperti gambar berikut.

14.Masukkan variable Nilai ke dalam kotak Dependent Variabel, sedangkan Sekolah dan Gender
masukkan ke dalam kotak Fixed Factor(s).

Statistika| 8
 15. Klik Plots, akan muncul kotak Univariate. Masukkan variabel Gender ke dalam kotak Horizontal
Axis, variabel Sekolah ke dalam kotak Separate Lines.

16. Klik Add, di dalam kotak Plots "Gender*Sekolah" seperti pada gambar berikut:

17. Klik Continue

18. Hasilnya terlihat kembali seperti gambar pada langkah 14. Klik Options, akan muncul kotak
Univariate: Options seperti gambar berikut.

 19. Masukkan Variabel Sekolah, Gender, Sekolah*Gender kedalam kotak Display Means for. Pada
kotak Display centanglah Descriptive statistics dan Homogeneity test, lalu perhatikan kotak
Significance level menggunakan taraf alpha 0.05. (Nilai alpha di isi sesuai kepercayaan peneliti
masing-masing tergantung jenis penelitiannya). Terlihat seperti gambar berikut.

Statistika| 9
20. Klik Continue, lalu klik OK. Hasil analisis apakah perlu uji lanjut atau tidak?
21. Interpretasi Hasil

Jumlah seluruhnya 48 siswa terdiri atas 21 siswa dan 27 siswi. Berikut Analisis selanjunya

Dari Gambar Levene's Test of Equality of Error Variances (homogenitas), diperoleh nilai Sig. = 0.270
> 0.05 = Alpha, artinya ketiga sampel punya varians sama (homogen). Berikut analisis selanjutnya

Statistika| 10
* Corrected Model
Dari koreksi model ini kita dapat mengetahui seberapa besar pengaruh variabel independent (bebas)
terhadap variabel dependent (terikat). Faktor-faktor yang akan di ukur oleh peneliti (sekolah, Gender
dan sekolah*Gender) untuk menentukan hubungan antar variabel dependent (nilai yang akan di
amati). Bila niai Sig. = 0.023 < 0.05, berarti model yang diperoleh valid.

* Intercept
Nilai intercept dalam hal ini merupakan nilai siswa pada variabel nilai yang berkontribusi pada nilai itu
tanpa dipengaruhi variabel independent, artinya berubah nilai pada variabel dependent tidak ada
pengaruh sedikit pun oleh variabel independent. Bila niai Sig. = 0.000 < 0.05, berarti intercept ini
berkontribusi secara signifikan

* Sekolah 
Berpengaruh atau tidaknya sekolah terhadap prestasi belajar siswa ditandai dari nilai Sig. Nilai Sig. =
0.057 > 0.05 = Alpha, berarti sekolah tidak berpengaruh signifikan terhadap prestasi belajar siswa.

* Gender 
Berpengaruh atau tidaknya gender terhadap hasil belajar ditandai dari nilai signifikansi. Nilai Sig.=
0.245 > 0.05. Berarti gender tidak terlalu berpengaruh signifikan terhadap hasil belajarnya.

* Sekolah*Gender
Uji ini bertujuan mengetahui adanya interaksi antara model pembelajaran dengan kelompok gender.
Hipotesis
H0: tidak ada interaksi antara model pembelajaran terhadap kelompok gender
H1: ada interaksi antara model pembelajaran terhadap kelompok gender
Pengambilan keputusan
jika F hitung < F tabel atau nilai Sig.  > 0.05, maka H0 diterima
jika F hitung > F tabel atau nilai Sig. < 0.05, maka H0 ditolak, jadi terima H1
Keputusan
Dari tabel terlihat nilai Sig. = 0.039 < 0,05 = Alpha. Disimpulkan ada interaksi antara model
pembelajaran terhadap kelompok gender.
Karena ada interaksi antara model pembelajaran terhadap kelompok gender dari setiap sekolah,
maka di sini perlu uji lanjut Post Hoc. Berikut caranya uji lanjut Post Hoc anova 2 arah.
22. Uji lanjut 
Kembali lagi ke langkah 1 sampai dengan langkah ke 19 di atas, setelah klik Continue pada langkah
ke 19. maka muncul seperti gambar berikut.
Statistika| 11
23. Klik Post Hoc pada gambar, maka muncul seperti gambar berikut.

24. Pada kotak Factor(s) pindahkan sekolah ke dalam kotak Post Hoc Test for, di sana ada
beberapa pilihan untuk uji lanjut, di sini menggunakan uji Tukey. Seperti gambar berikut.

 25. Klik Continue, lalu OK. Silakan lihat hasilnya pada Post Hoc Test (ada di bawah pada hasil
output) atau seperti pada gambar berikut.

Statistika| 12
26. Analisis hasil uji lanjut Post Hoc Tukey
Dari tabel Multiple Comparisons, dalam kolom Mean Difference (I-J) itu ada yang berbintang (*) dan
ada yang tidak berbintang. Di mana yang bertanda * itu artinya model tersebut berbeda secara
signifikan dibandingkan dengan model-model lain. 
Kesimpulan: Ada perbedaan signifikan yaitu pada sekolah 1 model A dan sekolah 2 model B

Statistika| 13