MAKALAH STATISTIKA PENDIDIKAN

TEKNIK ANALISIS VARIANS 1

(ONE WAY)

Di Susun Oleh Kelompok 11:

Kelas PIAUD A Angkatan 2020

ROSTINA RAPPE (20900120013)

SITI JUBAIDAH ADAM (20900120027)
EVI (20900120044)
ELVIANA (20900120009)
MIFTAHUL JANNAH. (20900120038)

UNIVERSITAS ISLAM NEGERI ALAUDDIN MAKASSAR JURUSAN

PENDIDIKAN ISLAM ANAK USIA DINI
FAKULTAS TARBIYAH DAN KEGURUAN
2021/2022
 KATA PENGANTAR

Puji dan syukur kita panjatkan atas kehadirat Allah swt. yang dengan berkat, rahmat
dan karunia-Nya, telah memberikan kemudahan dan kelancaran dalam menyusun makalah
ini dengan tepat waktu. Tanpa pertolongan-Nya tentunya kami tidak akan sanggup untuk
menyelesaikan makalah ini dengan baik. Shalawat serta salam senantiasa tercurahkan kepada
baginda tercinta kita yaitu Nabi Muhammad saw. beserta keluarga, sahabat, dan pengikut-
pengikutnya hingga akhir zaman.
Kesempurnaan hanyalah milik Allah, oleh sebab itu Kami menyadari sepenuhnya
bahwa makalah ini masih sangat jauh dari kata sempurna, karena keterbatasan pengalaman
dan pengetahuan yang kami miliki. Oleh karena itu, kami mengharapkan segala bentuk saran
dan masukan bahkan kritik yang dapat membangun dari berbagai pihak. Kami harap semoga
makalah ini dapat memberikan manfaat bagi perkembangan di dunia pendidikan.

Makassar , 10 Juni 2022

KELOMPOK 11

i
 DAFTAR ISI

KATA PENGANTAR............................................................................................................i
DAFTAR ISI.........................................................................................................................ii
BAB I.....................................................................................................................................1
PENDAHULUAN.................................................................................................................1
A. Latar Belakang...........................................................................................................1
B. Rumusan Masalah......................................................................................................2
C. Tujuan........................................................................................................................2
BAB II...................................................................................................................................3
PEMBAHASAN...................................................................................................................3
A. Pengertian teknik analisis varians 1..........................................................................3
B. Uji Teknik Analisis Varians 1(One Way).................................................................4
C. Teknik klasifikasi satu arah.......................................................................................7
BAB III................................................................................................................................13
PENUTUP...........................................................................................................................13
A. Kesimpulan..............................................................................................................13
DAFTAR PUSTAKA..........................................................................................................14

ii
 BAB I

PENDAHULUAN

A. Latar Belakang

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.
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).
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.
Dalam statistika, ada beberapa uji perbedaan rata rata , diantaranya uji t . uji z
dan anava. semakin banyak proses penghitungan yang dilakukan, kemungkinan
terjadi kesalahan akan relatif besar baik dalam proses penghitungan,
perbandingan, maupun kesalahan dalam pengulangan. ANAVA adalah suatu teknik
dalam statistika

1
 2

B. Rumusan Masalah

Dari Rumusan masalah tersebet maka ditemukan rumusan masalah yaitu

1. Apa itu teknik analisis varians 1 (one way)?
2. Bagaimana uji teknik analisis varians 1(one way)?
3. Bagaimana teknik klasifikasi satu arah?

C. Tujuan

1. Untuk mengetahui pengertian teknik analisis varians 1 (one way)

2. Untuk mengetahui uji teknik analisis varians 1 (one way)
3. Untuk mengetahui teknik klasifikasi satu arah
 BAB II

PEMBAHASAN

A. Pengertian teknik analisis varians 1

ANOVA Satu Arah atau disebut juga One-way Analysis of Variance adalah jenis

uji statistik yang membandingkan varians dalam rata-rata grup dalam sampel sambil
mempertimbangkan hanya satu variabel atau faktor independen. Ini adalah tes berbasis
hipotesis, yang berarti bahwa ini bertujuan untuk mengevaluasi beberapa teori yang
saling eksklusif tentang data kita.
Misalnya, Anda dapat menggunakan ANOVA Satu Arah untuk memahami
apakah kinerja ujian berbeda berdasarkan tingkat kecemasan ujian di antara siswa,
membagi siswa menjadi tiga kelompok independen (Siswa dengan stres rendah, sedang
dan tinggi). Selain itu, penting untuk menyadari bahwa ANOVA Satu Arah merupakan
statistik uji omnibus dan tidak dapat memberi tahu Anda grup tertentu mana yang secara
statistik berbeda secara signifikan satu sama lain.
ANOVA Satu Arah membandingkan tiga atau lebih dari tiga kelompok kategori
untuk menentukan apakah ada perbedaan di antara mereka. Dalam setiap kelompok harus
ada tiga atau lebih pengamatan (ini berarti tingkat kecemasan ujian), dan dan rata-rata
sampel yang dibandingkan.
Ketika Anda memilih untuk menganalisis data Anda menggunakan ANOVA Satu
Arah, bagian dari proses tersebut melibatkan pemeriksaan untuk memastikan bahwa data
yang ingin Anda analisis benar-benar dapat dianalisis menggunakan ANOVA Satu Arah.
Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher (Bapak
Statistika Modern). Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih
sering dipakai) maupun pendughaan (estimasi khususnya di bidang genetika
terapan). Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari
berbagai macam jenis dan desain penelitian.
One-way Anova digunakan untuk menganalisis varians variabel dependen yang
kuantitatif dari satu faktor yang bervariabel independen. Dalam teknik One-Way
ANOVA menggunakan metode pengujian hubungan antara satu variabel tergantung yang
berskala interval atau rasio (parametrik) dengan satu atau lebih variabel berskala nominal
(non-parametrik).
3
 4

B. Uji Teknik Analisis Varians 1(One Way)

Uji Anova Satu Jalur (One Way Anova) Analisis varians satu jalur merupakan
teknik statistika parametrik yang digunakan untuk pengujian perbedaan beberapa
kelompok rata-rata, di mana hanya terdapat satu variabel bebas atau independen yang
dibagi dalam beberapa kelompok dan satu variabel terikat atau dependen. Dalam teknik
Anova satu jalur biasanya digunakan dalam penelitian eksperimen atau pun Ex-Post-
Facto (Widiyanto, 2013).
Hipotesis dalam ANOVA akan membandingkan rata-rata dari beberapa populasi
yang diwakili oleh beberapa kelompok sampel secara bersama, sehingga hipotesis
matematikanya adalah :
H0 : μ1 = μ2 ... = μk
 Seluruh mean populasi adalah sama
 Tak ada efek treatment (tak ada keragaman mean dalam grup) H1 : tidak seluruh mean
populasi adalah sama
 Minimal ada 1 mean populasi yang berbeda
 Terdapat sebuah efek treatment
 Tidak seluruh mean populasi berbeda (beberapa pasang mungkin
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.
H0 pada One Way ANOVA adalah tidak ada perbedaan signifikan rata-rata
sampel yang ada. Bila H0 ditolak, maka analisisnya belum selesai sehingga perlu analisis
lanjutan. Analisis lanjutan setelah ANOVA sering disebut Post Hoc atau pasca-ANOVA
adalah sebagai berikut :
1) LSD (Least Significance Difference), digunakan untuk melakukan uji t di
antara seluruh pasangan kelompok mean. Uji ini sangat baik apabila pengujian
mean yang akan dibandingkan sebelumnya telah direncanakan.
2) Tukey (HSD : Honestly Significant Difference), uji ini disebut uji beda nyata
yang merupakan perbaikan dari LSD karena uji ini untuk membandingkan
mean tanpa perencanaan terlebih dahulu.
3) Tukey’s-b, alternative lain dari uji Tukey.
 5

4) Duncan, digunakan untuk menguji perbedaan di antara semua pasangan

perlakuan yang ada dari percobaan tersebut serta masih dapat
mempertahankan tingkat signifikansi yang ditetapkan.
5) S-N-K (Student Newman Keuls), pengembangan dari LSD dan Duncan.
6) Dunnet, digunakan untuk membandingkan mean dari semua perlakuan dengan
mean perlakuan control.
7) Scheffe, digunakan untuk pembanding yang tidak perlu orthogonal.
Perhitungan dalam ANOVA didasarkan pada variance, walaupun tujuannya
adalah menguji beberapa perbedaan rata-rata. Hal ini telah disinggung di muka (pada
saat membicarakan rata-rata dua populasi). Kita baru bisa mengatakan bahwa rata-rata
tersebut berbeda apabila telah dilihat pula variabilitasnya. Ukuran yang baik untuk
melihat variabilitas adalah penyimpangan baku maupun variance. Oleh karena itu,
pengujian disini pun didasarkan pada varian.
Pengukuran total variabilitas atas data yang ada dapat dikelompokkan menjadi
tiga bagian:
1. Variabilitas antar kelompok, merupakan variasi rata-rata kelompok sampel
terhadap rata-rata keseluruhannya. Variasi ini lebih terpengaruh oleh adanya
perbedaan perlakuan (treatments) antar kelompok.
2. Variabilitas dalam kelompok merupakan variasi yang ada dalam masing- masing
kelompok. Banyaknya variasi akan tergantung pada banyaknya kelompok, dan
variasi ini tidak terpengaruh oleh perbedaan perlakuan antar kelompok.
3. Jumlah kuadrat penyimpangan total, merupakan jumlah kuadrat selisih antara skor
individual dengan rata-rata totalnya.
Derajat kebebasan (dk) dalam ANOVA akan sebanyak variabilitas. Oleh
karena ada 3 macam variabilitas, maka dk pun ada tiga macam :
1. Derajat kebebasan untuk variabel antar kelompok, sebesar n-1
2. Derajat kebebasan untuk variabel dalam kelompok dk dalam kelompok = ∑ (n-1)
Disamping itu dk dalam kelompok dapat pula dicari dengan rumus :
Derajat kebebasan variabel dalam kelompok = n-k
k n
a. JKT = ∑ ∑ ¿ ¿¿
i=1 j=1

k
b. JKA = n ∑ ¿ ¿
i=1
 6

k n
c. JKG = ∑ ∑ ¿ ¿¿
i=1 j=1

JKA
d. RKA =
k−1
JKG
e. RKD =
k (n−1)
1. Menghitung derajat kebebasan total (dbT), derajat kebebasan rerata (dbR), derajat
kebebasan direduksi/dikoreksi (dbTR), derajat kebebasan antar kelompok (dbA), dan
derajat kebebasan dalam kelompok (dbD), dengan rumus sebagai berikut:
a. dkT b. dkR c. dkTR d. dkA e. dkD
=n
= 1 =n–1 = k – 1 =n–k
2. Menghitung nilai F dengan rumus sebagai berikut.

𝑅𝐾𝐴
F. =

𝑅𝐾𝐷

3. Melakukan interpretasi dan uji signifikansi dengan membandingkan nilai uji Fhitung
dengan Ftabel. Koefisien Ftabel diperoleh dari distribusi F yang nilainya didasarkan
pada derajat kebebasan antar kelompok (dbA) dan derajat kebebasan dalam
kelompok (dbD) pada taraf signifikansi baik α = 0,05 atau α = 0,01.
Apabila nilai Fhitung lebih besar dari Ftabel maka H0 ditolak dan H1
diterima yang diinterpretasikan signifikan, berarti terdapat perbedaan rata-rata dari
kelompok yang dibandingkan. Sebaliknya jika nilai Fhitung lebih kecil dari Ftabel
maka H0 diterima dan H1 ditolak yang diinterpretasikan tidak signifikan, berarti
tidak terdapat perbedaan rata-rata dari kelompok yang dibandingkan.
Ftabel bisa dihitung pada tabel F:
 Tingkat signifikansi (α) adalah 5%
 Numerator adalah (k ─ 1) dalam ini sebagai pembilang (dk2)
 Denumerator adalah (n ─ k) dalam hal ini sebagai penyebut (dk1)
Jika menggunakan Microsoft Excel yaitu ketik =Finv(0.05,dk2,dk1).
4. Apabila adanya perbedaan yang signifikan, maka dilakukan uji lanjut. Untuk
kelompok data yang sama jumlahnya atau jumlah sampel tiap kelompok sama maka
dapat digunkaan uji Tukey. Sedangkan untuk kelompok data yang tidak sama
 7

jumlahnya atau jumlah sampel tiap kelompok tidak sama dapat digunakan uji Scheffe.
Adapun rumus keduanya sebagai berikut.
a. Uji Tukey
X i− X j
Q=
√ RJ K D /n
b. Uji Scheffe

F=¿ ¿
Tujuan dilakukannya uji anova satu arah adalah untuk membandingkan dua
rata-rata atau lebih yang akan digunakan untuk menguji kemampuan generalisasi. Jika
hasil pengujian ditemukan kedua sampel tersebut berbeda, maka bisa
digeneralisasikan. Sampel dianggap bisa mewakili populasi

C. Teknik klasifikasi satu arah

Pengujian Klasifikasi satu arah merupakan pengujian hipotesis beda tiga rata-
rata atau lebih dengan satu faktor yang berpengaruh.
Langkah-langkah pengujian klasifikasi satu arah ialah sebgai berikut :
1. Menentukan Formulasi Hipotesis
Ho = µ1 = µ2 = µ3 = . . . = µk
H1 = µ1 ≠ µ2 ≠ µ3 = . . . ≠ µk
2. Menentukan taraf nyata (α) beserta F tabel

Taraf nyata (α) ditentukan dengan derajat pembilang (v1) dan derajat penyebut (v2).v1
= k-1 dan v2 = k(n-1).Fα(v1;v2) =

3. Menentukan kriteria Pengujian

Ho diterima apabila Fo ≤ Fα(v1;v2)
Ho di tolak apabila Fo > Fα(v1;v2)

Fα(v1;v2)
 8

4. Membuat analisis variansnya dalam bentuk tabel ANOVA

Sumber Jumlah kuadrat Derajat bebas Rata-rata F0

varians kuadrat

Rata-rata JKK k-1 2 JKK

s1=
k−1
kolom

JKE k(n-1) 2 JKE 2

s1
Error s1=
k ( n−1) 2
s2

Total JKT Nk-1

Untuk ukuran sampel yang sama banyak, maka :

k n
T 2 ..
JKT=∑ ∑ x − 2
ij
i=1 j=1 nk
k

∑ T 2i T
2
i=1
JKK = −
n nk
JKE = JKT – JKK
K = kolom, n=baris
Sedangkan untuk sampel yang tidak sama banyak, maka :
k n 2
T ..
JKT=∑ ∑ x2ij −
i=1 j=1 N
k

∑ T 2i
T2
JKK = i=1 −
ni N
JKE = JKT – JKK
Derajat bebas error = N – k
N = jumlah sampel
Selain menggunakan tabel ANOVA, analisis varians dapat juga dilakukan secara
langsung dengan menggunakan langkah-langkah berikut:
1. Menentukan rata-rata sampel ( rata-rata kolom)
2. Menentukan varians sampel
3. Menentukan rata-rata varians sampel
4. Menentukan varians rata-rata sampel
 9

n x varians rata−rata smpel

F 0=
rata−rata varians sampel
5. Membuat kesimpulan
Menyimpulkan Ho diterima atau di tolak dengan membandingkan antara langkah ke-4

dengan kriteria pengujian pada langkah ke-3.

Contoh soal 1

Anova satu arah atau Anova Satu Jalur (One-way Anova) adalah alat statistik yang digunakan
untuk melakukan pengujian hipotesis apakah terdapat perbedaan rata-rata di antara tiga atau
lebih kelompok sampel.

Hipotesis yang digunakan dalam Anova Satu Arah adalah:

H0: \mu_1 = \mu_2 = \cdots = \mu_kμ1=μ2=⋯=μk

H1: Minimal terdapat satu \mu_iμi yang tidak sama
Rumus Statistik Uji Anova Satu Arah

Statistik uji Anova Satu Arah bisanya disajikan dalam bentuk tabel berikut:

Tabel Anova Satu Arah

Sum of Degree of Mean

Sumber
Squares (SS Freedom (df Squares (MS F_{hit}Fhit
Variasi
) ) )
Perlakua
SSTrSSTr k - 1k−1 MSTrMSTr \displaystyle \frac{MSTr}
n (Tr)
{MSE}MSEMSTr
Error (E) SSESSE n - kn−k MSEMSE
Total
SSTSST n - 1n−1
(T)

Keterangan:

kk adalah banyaknya perlakuan

nn adalah banyaknya sampel gabungan
SSTrSSTr adalah Jumlah Kuadrat Perlakuan (Treatment)
SSTr = \displaystyle \sum_{i=1}^{k} \frac{X_{i\cdot}^{2}}{n_i} - \frac{X_{..}^2}
{n}SSTr=i=1∑kniXi⋅2−nX..2
SSTSST adalah Jumlah Kuadrat Total
SST = \displaystyle \sum_{i=1}^{k} \sum_{j=1}^{n_i} x_{ij}^2 - \frac{X_{..}^2}
{n}SST=i=1∑kj=1∑nixij2−nX..2
SSESSE adalah Jumlah Kuadrat Error
SSE = SST - SSTrSSE=SST−SSTr
MSTrMSTr adalah Rata-rata Kuadrat Perlakuan
 10

MSTr = \displaystyle \frac{SSTr}{k - 1}MSTr=k−1SSTr

MSEMSE adalah Rata-rata Kuadrat Error
MSE = \displaystyle \frac{SSE}{n - k}MSE=n−kSSE
F_{hit}Fhit adalah statistik uji Anova
F = \displaystyle \frac{MSTr}{MSE}F=MSEMSTr
Soal Anova Satu Arah

Banyaknya anggota rumah tangga hasil sebuah survei rumah tangga di 3 desa adalah sebagai
berikut:

Desa A Desa B Desa C

6 4 7
8 4 5
4 4 3
4 7 6
7 4 5
5 4 5
4 3 3
3 3
8 3
8

Ujilah dengan tingkat signifikansi 5 persen, apakah terdapat perbedaan rata-rata banyaknya
anggota rumahtangga di ketiga desa tersebut!

Penyelesaian Anova Satu Arah

Penyelesaian Anova Satu Arah dimulai dari penetapan hipotesis, menghitung statistik uji,
menentukan titik kritis, pengambilan keputusan dan menarik kesimpulan.

a. Hipotesis

Hipotesis yang digunakan untuk uji beda tiga rata-rata adalah:

H0: \mu_1 = \mu_2 = \mu_3μ1=μ2=μ3

(Rata-rata banyaknya anggota rumah tangga ketiga desa adalah sama)
H1: Minimal terdapat satu \muμ yang tidak sama
(Minimal terdapat rata-rata banyaknya anggota rumah tangga salah satu desa tidak
sama dengan desa yang lain)
b. Statistik Uji

Langkah-langkah menghitung statistik uji adalah sebagai berikut:

 11

1. Tentukan banyaknya perlakuan (k)(k)

Banyaknya perlakuan adalah 3 (k = 3),(k=3), yaitu 3 desa (Desa A, Desa B dan Desa
C)

2. Hitung banyaknya data (n_1, n_2, n_3, n)(n1,n2,n3,n)

Banyaknya data Desa A, B dan C:

n_1 = 7n1=7
n_2 = 10n2=10
n_3 = 9n3=9
Banyaknya data gabungan:
\begin{aligned}n &= n_1 + n_2 + n_3 \\ &= 7 + 10 + 9 \\ &= 26\end{aligned}n=n1
+n2+n3=7+10+9=26

3. Jumlah data (X_{1.}, X_{2.}, X_{3.}, X_{..})(X1.,X2.,X3.,X..)

Jumlah data dihitung melalui tabel:

x_{1j}x1j x_{2j}x2j x_{3j}x3j

6 4 7
8 4 5
4 4 3
4 7 6
7 4 5
5 4 5
4 3 3
3 3
8 3
8
X_{i.}Xi. 38 49 40
Jumlah data Desa A, B dan C:
X_1. = 38X1.=38
X_2. = 49X2.=49
X_3. = 40X3.=40
Jumlah data gabungan:
\begin{aligned}X.. &= X_1. + X_2. + X_3. \\ &= 38 + 49 + 40 \\ &= 127\
end{aligned}X..=X1.+X2.+X3.=38+49+40=127

4. Hitung Jumlah Kuadrat Perlakuan (SSTr)(SSTr)

\begin{aligned} SSTr &= \sum_{i=1}^{k} \frac{X_{i\cdot}^{2}}{n_i} - \

frac{X_{..}^2}{n}\\ &= \left(\frac{38^2}{7} + \frac{49^2}{10} + \frac{40^2}{9}\
 12

right) - \frac{127^2}{26}\\ &= 624{,}1635 - 620{,}3462\\ &= 3{,}8173 \

end{aligned}SSTr=i=1∑kniXi⋅2−nX..2=(7382+10492+9402)−261272
=624,1635−620,3462=3,8173

5. Hitung Jumlah Kuadrat Data Gabungan

Untuk memudahkan penghitungan, gunakan tabel berikut:

x_{1j}x1j x_{2j}x2j x_{3j}x3j x_{1j}^2x1j2 x_{2j}^2x2j2 x_{3j}^2x3j2

6 4 7 36 16 49
8 4 5 64 16 25
4 4 3 16 16 9
4 7 6 16 49 36
7 4 5 49 16 25
5 4 5 25 16 25
4 3 3 16 9 9
3 3 9 9
8 3 64 9
8 64
\begin{aligned} \sum_{i=1}^{k} \sum_{j=1}^{n_i} x_{ij}^2 &= 6^2 + 8^2 + \cdots
+ 3^2 + 3^2\\ &= 36 + 64 + \cdots + 9 + 9\\ &= 693 \end{aligned}i=1∑kj=1∑nixij2
=62+82+⋯+32+32=36+64+⋯+9+9=693

6. Hitung Jumlah Kuadrat Total (SST)(SST)

\begin{aligned} SST &= \sum_{i=1}^{k} \sum_{j=1}^{n_i} x_{ij}^2 - \

frac{X_{..}^2}{n}\\ &= 693 - \frac{127^2}{26}\\ &= 693 - 620{,}3462\\ &=
72{,}6538 \end{aligned}SST=i=1∑kj=1∑nixij2−nX..2=693−261272
=693−620,3462=72,6538

7. Hitung Jumlah Kuadrat Error (SSE)(SSE)

\begin{aligned} SSE &= SST - SSTr\\ &= 72{,}6538 - 3{,}8173\\ &= 68{,}8365 \
end{aligned}SSE=SST−SSTr=72,6538−3,8173=68,8365

8. Hitung Derajat Bebas/Degree of Freedom (df)

df treatment = k - 1 = 3 - 1 = 2=k−1=3−1=2
df error = n - k = 26 - 3 = 23=n−k=26−3=23

9. Hitung Rata-rata Kuadrat Perlakuan (MSTr)(MSTr) dan Rata-rata

Kuadrat Error (MSE)(MSE)
 13

MSTr = \displaystyle \frac{SSTr}{k - 1} = \frac{3{,}8173}{3-1} =

1{,}9087MSTr=k−1SSTr=3−13,8173=1,9087
MSE = \displaystyle \frac{SSE}{n - k} = \frac{68{,}8365}{26-3} =
2{,}9929MSE=n−kSSE=26−368,8365=2,9929

10. Hitung F_{hit}Fhit

F_{hit} = \displaystyle \frac{MSTr}{MSE} = \frac{1{,}9087}{2{,}9929} =

0{,}6377Fhit=MSEMSTr=2,99291,9087=0,6377

Selanjutnya tabel Anova adalah sebagai berikut:

Sumber Sum of Degree of Mean

F_{hit}Fhit
Variasi Squares (SS) Freedom (df) Squares (MS)
Perlakuan
3,8173 2 1,9087
(Tr) 0,6377
Error (E) 68,8365 23 2,9929
25
Total (T) 72,6538

c. Titik Kritis

Distribusi yang digunakan dalam pengujian Anova adalah distribusi F.

F_{(\alpha; k-1, n-k)} = F_{(0{,}05; 2,23)} = 3{,}422F(α;k−1,n−k)=F(0,05;2,23)=3,422

Gunakan Tabel Distribusi F, untuk melihat nilai F tersebut.

d. Keputusan

Karena F_{hit} < F_{(\alpha; k-1, n-k)},Fhit<F(α;k−1,n−k), maka gagal tolah H0.

e. Kesimpulan

Dengan tingkat signifikansi 5 persen, tidak terdapat perbedaan rata-rata banyaknya anggota
rumahtangga di Desa A, Desa B dan Desa C.

 Contoh Soal 2 :

Suatu penelitian dilakukan untuk mengetahui apakah terdapat pengaruh

perbedaan kartu kredit terhadap penggunaannya. Data di bawah ini  adalah jumlah
uang yang dibelanjakan ibu rumah tangga menggunakan kartu kredit (dalam $).
Empat jenis kartu kredit dibandingkan:

Jumlah yang dibelanjakan ($)

 14

ASTRA BCA CITI AMEX

8 12 19 13

7 11 20 12

10 16 15 14

19 10 18 15

11 12 19

Ujilah dengan α = 0.05, apakah terdapat pengaruh perbedaan kartu kredit pada
penggunaannya?

 Jawaban dan Pembahasan:

Jumlah yang dibelanjakan ($)

ASTRA BCA CITI AMEX

8 12 19 13

7 11 20 12

10 16 15 14

19 10 18 15

11 12 19

T = 55 T = 61 T = 91 T = 54

n=5 n=5 n=5 n=4

=11 = 12.2 =18.2 = 13.5

Dari table di atas dapat dihitung:

 Jumlah keseluruhan nilai: T = T1 + T2 + T3 + T4 = 55 + 61 + 91 + 54 = 261

 SSE = SST – SSB = 279.658 – 149.08 = 130.6

Tabel ANOVA yang dibentuk:

Sumber   Derajat Bebas   Jumlah Kuadrat   Rata-rata Kuadrat   Ftabel (lihat

Fhitung
Keragaman (Degree of Freedom) (Sum Square) (Mean Square) Tabel)

Antar Grup v1 = 4–1= 3 149.08   149.08/ 3 = 49.69 5.71 F(3, 15)=
 15

Sumber   Derajat Bebas   Jumlah Kuadrat   Rata-rata Kuadrat   Ftabel (lihat

Fhitung
Keragaman (Degree of Freedom) (Sum Square) (Mean Square) Tabel)

Dalam Grup (error) v2 = 19–4= 15 130.6 130.6/ 15 = 8.71 3.29

Total 18 279.68

Pengujian Hipotesis:

 H : μ1 = μ2 = … = μk (semua sama)

 H1 : Tidak semuanya sama (minimal sepasang berbeda, μi ≠ μj untuk i ≠ j)
 Statistik uji = Fhitung = 49.69/8.71 = 5.71 
 Keputusan: Tolak H , terima H1 karena Fhitung > Ftabel

Kesimpulan:

Terdapat perbedaan pengaruh kartu kredit terhadap penggunaan uang yang

dibelanjakan oleh ibu rumah tangga
16
 BAB III

PENUTUP

A. Kesimpulan

ANOVA merupakan analisis statistik yang dapat memberikan informasi

tentang perbedaan antar kelompok satu dengan kelompok lain dalam satu
populasi, maupun antar populasi. ANOVA mengandung kesalahan yang lebih
kecil dan lebih efisien daipada pengujian perbedaan dengan t tes. Jenis ANOVA
ada dua yaitu anova SATU arah dan ANOVA dua arah. Perhitungan ANOVA
didasarkan pada variance walaupun tujuannya menguji beberapa perbedaan rata-
rata.
Beberapa kemungkinan yang mempengaruhi terjadinya perbedaan dan perlu
diperhatikan oleh pemakai atau oleh peneliti yang menggunakan ANOVA:
pengaruh waktu, pengaruh perbedaan individual, pengaruh pengukuran.
Pengujian signifikasi perbedaan dalam ANOVA dengan F tes. ANOVA satu
arah dengan jumlah per sel tidak sama, analisisnya tidak berbeda dengan jumlah
sampel yang sama tiap sel, asal jumlah sampel cukup besar dan perbedaan jumlah
sampel antar sel tidak mencolok.

17
 DAFTAR PUSTAKA

Yurika, Rezki. (2012). “Makalah Varians Satu Arah”.

https://www.slideshare.net/rezkiyurika/makalah-varians-satu-arah, diakses pada 10
Juni 2022
Yuliani, Uchni. (2017).”Makalah Statistik Anova”.
dhttps://www.academia.edu/33099121/MAKALAH_STATISTK_ANOVA_docx,
diakses pada 10 Juni 2022.
Konsultan Data Penelitian. (2020). “Analisis Varian Satu Arah, Pengertian, Syarat, dan
Langkah Pengujian”. https://patrastatistika.com/analisis-variansi-satu-arah/, diakses
pada 11 Juni 2022.

18