1.

ANOVA 2 Arah
Analisis varians (ANOVA) 2 arah digunakan jika suatu penelitian eksperimen atau
expose facto terdiri atas 2 variabel bebas dan 1 variabel terikat, baik untuk eksperimen dua
faktor (2 treatment) maupun eksperimen by level (1 treatment dan 1 variabel atribut).
Contoh judul penelitian eksperimen 2 faktor adalah “Pengaruh metode kontekstual dan
waktu belajar terhadap hasil belajar fisika”. Dalam hal ini, metode belajar (misalkan
kontekstual dan konvensional) serta waktu belajar (misalkan pagi dan siang). Keduanya
merupakan variabel bebas treatment. Dalam penelitian eksperimen 2 faktor, variabel yang
perlu diukur (diobservasi) hanya variabel kriteria/terikat.
Adapun contoh judul penelitian eksperimen treatment by level adalah “Pengaruh
sistem penggajian dan motivasi bekerja terhadap produktivitas kerja perawat di sebuah RS
di Jakarta Selatan”. Sistem penggajian (misalkan dibedakan antara bulanan dan harian)
merupakan variabel treatment; motivasi bekerja (misalkan dibedakan dalam kategori
motivasi tinggi dan rendah) merupakan variabel atribut; dan produktivitas kerja perawat
ádalah variabel kriteria/terikat. Dalam eksperimen jenis ini, variabel yang perlu diobservasi
atau diukur adalah variabel kriteria/terikat dan variabel bebas atribut.
Dalam ANOVA dua arah, ada 3 jenis hipotesis penelitian yang perlu diuji, yaitu:
• Hipotesis main effect
• Hipotesis interaction effect
• Hipotesis simple effect.

Hipotesis main effect ada dua buah untuk eksperimen 2 faktor sedangkan untuk
eksperimen by level, hipotesis main effect bisa satu atau dua buah tergantung teori/konsep
dari variabel atribut.
Untuk hipotesis interaction effect hanya ada satu buah, yaitu hipotesis dari pengaruh
interaksi variabel treatment 1 dengan variabel treatment 2 terhadap variabel terikat
(kriterium) untuk eksperimen 2 faktor; atau hipotesis dari pengaruh interaksi variabel
treatment dengan variabel atribut terhadap variabel terikat (kriterium) untuk eksperimen by
level.
Banyaknya hipotesis simple effect tergantung pada banyaknya kelompok data atau
teori dari variabel atribut. Hal ini dikarenakan hipotesis tersebut merupakan hipotesis yang
membandingkan antar 2 kelompok data. Untuk desain eksperimen 2x2, banyaknya
hipotesis simple effect maksimum 4 buah.
Adapun langkah-langkah dalam ANOVA 2 arah adalah sebagai berikut:
a) Mengelompokkan skor variabel kriteria/terikat berdasarkan kategori faktorial,
misalkan faktorial 2x2 seperti:

Tabel 5.15 Desain ANOVA 2 Arah Faktorial 2x2

Variabel B
B-1 B-2 ∑A
Variabel A
A-1 Y11 Y12 Y10
 A-2 Y21 Y22 Y20
∑B Y01 Y02 Y00

b) Membuat tabel statistik deskriptif untuk masing-masing kelompok data.

Tabel statistik deskriptif ini berisi harga-harga untuk setiap unsur yang
diperlukan dalam ANOVA 2 arah.

Tabel 5.16 Tabel Statistik Deskriptif untuk ANOVA 2 Arah

B-1 B-2 ∑A

nX nX nX
∑X ∑X ∑X
A-1
∑X2 ∑X2 ∑X2

X X X
nX nX nX
∑X ∑X ∑X
A-2
∑X2 ∑X2 ∑X2

X X X
nX nX nX
∑X ∑X ∑X
∑ B
∑X2 ∑X2 ∑X2

X X X
Keterangan:
nX = Banyaknya subyek dalam kelompok
X = Rerata skor untuk masing-masing kelompok
∑X = Jumlah skor dalam setiap kelompok
∑X2 = Jumlah kuadrat setiap skor dalam kelompok

c) Membuat tabel rangkuman ANOVA 2 Arah

Data dalam tabel statistik deskriptif di atas selanjutnya diolah sehingga
diperoleh rangkuman tabel ANOVA untuk uji hipotesis berikut ini:
Tabel 5.17 Rangkuman ANOVA untuk Uji Hipotesis
Ft
Sumber Varians db JK RJK Fh
0,05 0,01
Antar Baris (Ab) db (Ab) Jk (Ab) Rjk (Ab) Fh(Ab) Ft (Ab) Ft (Ab)
Antar Kolom (Ak) db (Ak) Jk (Ak) Rjk (Ak) Fh (Ak) Ft (Ak) Ft (Ak)
Interaksi (I) db (I) Jk (I) Rjk (I) Fh (I) Ft (I) Ft (I)
Antar Kelompok (A) db (A) Jk (A) Rjk (A) Fh (A) Ft (A) Ft (A)
Dalam Kelompok (D) db (D) Jk (D) Rjk (D)
Total di Reduksi (TR) db (TR) Jk (TR) Rjk (TR)
Retara/Koreksi (R) db (R) Jk (R) Rjk (R)
Total (T) db(T) Jk (T)
d) Cara menentukan db, JK, RJK, Fh dan Ft
Penentuan derajat kebebasan (db), jumlah kuadrat (JK), varians (RJK), Fhitung
(Fh), serta Ftabel (Ft) untuk pengisian shell dalam tabel rangkuman ANOVA di atas,
diperoleh dengan menggunakan rumus-rumus sebagai berikut:
1) Menentukan derajat kebebasan (db)
a. db (Ab) = b – 1
b. db (Ak) = k – 1
c. db (I) = (k – 1)(b – 1)
d. db (A) = k.b – 1
e. db (D) = n00 – k.b
f. db (TR) = n00 – 1
g. db (R) = 1
h. db (T) = n00

2) Menentukan jumlah kuadrat (JK)

a. JK (T ) =  X 002
(  X 00 )
2

b. JK ( R) =
n00
c. JK (TR) = JK (T ) − JK ( R)
 (  X 11 )2 (  X 12 )2 (  X 21 )2 (  X 22 )2 
d. JK ( A) =  + + +  − JK ( R)
 n11 n12 n21 n22 

(  X 10 ) (  X 20 )
2 2

e. JK ( Ab) = + − JK ( R)
n10 n20
(  X 01 ) (  X 02 )
2 2

f. JK ( Ak ) = + − JK ( R)
n01 n02
g. JK ( I ) = JK ( A) − JK ( Ak ) − JK ( Ab)
h. JK ( D) = JK (TR) − JK ( A)

3) Menentukan Varians ( 2 ) atau RJK

JK ( Ab)
a. Rjk ( Ab) =  2 ( Ab) =
db( Ab)
JK ( Ak )
b. Rjk ( Ak ) =  2 ( Ak ) =
db( Ak )
JK ( I )
c. Rjk ( I ) =  2 ( I ) =
db( I )
JK ( A)
d. Rjk ( A) =  2 ( A) =
db( A)
JK ( D)
e. Rjk ( D) =  2 ( D) =
db( D)
 JK (TR)
f. Rjk (TR) = 2 (TR) =
db(TR)
JK ( R)
g. Rjk ( R) = 2 ( R) =
db( R)
4) Menetukan Nilai F hitung (Fh)
 2 ( Ab)
a. Fh ( Ab) =
 2 ( D)
 2 ( Ak )
b. Fh ( AK ) = 2
 ( D)
 2 (I )
c. Fh ( I ) = 2
 ( D)
 2 ( A)
d. Fh ( A) = 2
 ( D)
5) Menetukan Nilai F tabel (Ft) = F (α, db1, db2)
Catatan:
db1 = db pembilang = k – 1
db2 = db penyebut = n -1
k = Jumlah kolom/baris/perlakuan/kelompok
n = Jumlah data/sampel

e) Pengujian Hipotesis dan penarikan kesimpulan

1) Untuk Varians antar Baris (Ab) atau hipotesis 1.
Bentuk hipotesis:
H0: 10 =  20
H1: 10   20
Kriteria pengujian hipotesis:
- Tolak H0 dan Terima H1: Jika Fh (Ab) > Ft (Ab)
- Terima H0 dan Tolak H1: Jika Fh (Ab) < Ft (Ab)
2) Untuk Varians antar Kolom (Ak) atau hipotesis 2.
Bentuk hipotesis:
H0: 01 = 02
H1: 01  02
Kriteria pengujian hipotesis:
- Tolak H0 dan Terima H1: Jika Fh (Ak) > Ft (Ak)
- Terima H0 dan Tolak H1: Jika Fh (Ak) < Ft (Ak)
3) Untuk Varians Interaksi Kolom dan Baris (I) atau hipotesis 3.
Bentuk hipotesis:
H0: Int. AxB = 0
H1: Int. AxB  0
Kriteria pengujian hipotesis:
 - Tolak H0 dan Terima H1: Jika Fh (I) > Ft (I)
- Terima H0 dan Tolak H1: Jika Fh (I) < Ft (I)
Catatan:
Hipotesis 1 dan 2 merupakan hipotesis main effect; sedangkan hipotesis 3
adalah hipotesis interaction effect.

f) Uji Lanjut (Uji hipotesis simple effect)

Uji lanjut dilakukan untuk mengetahui pengaruh/perbedaan masing-masing
kelompok dan merupakan pengujian hipotesis simple effect. Pengujian lanjut atau
hipotesis simple effect ini dapat dilakukan salah satunya dengan menggunakan Uji t
untuk beda rata-rata. Pengujian hipotesis ini (uji lanjut) perlu dilakukan, jika dalam
pengujian hipotesis interaction effect diperoleh interaksi yang signifikan.
Dalam eksperimen dengan desain faktor 2x2, maksimum ada 4 hipotesis simple
effect yang perlu diuji. Hipotesis statistik dari ke-4 hipotesis tersebut adalah
1) H 0 : 11 =  21
H1 : 11   21
2) H 0 : 12 =  22
H 0 : 12   22
3) H 0 : 11 = 12
H1 : 11  12
4) H 0 :  21 =  22
H1 :  21   22

Adapun rumus dari Uji t adalah sebagai berikut:

XA−XB
thitung =
s A2 sB2
+
nA nB

Keterangan:
X A : rerata skor kelompok eksperimen
X B : rerata skor kelompok kontrol
s : simpangan baku gabungan
s A2 : varians kelompok eksperimen
sB2 : varians kelompok kontrol
n A : banyaknya sampel kelompok eksperimen
nB : banyaknya sampel kelompok kontrol

Untuk pengujian hipotesis, nilai t hitung dibandingkan dengan nilai dari tabel
distribusi t (t tabel). Cara penentuan nilai t tabel didasarkan pada taraf signifikansi tertentu
 (misalkan  = 0,05) dan dk = nA + nB − 2 . Adapun kriteria pengujian hipotesisnya
adalah
• Tolak H0 dan Terima H1: Jika thitung > ttabel
• Terima H0 dan Tolak H1: Jika thitung < ttabel.

Contoh:
Berikut ini diberikan data hasil penelitian yang berjudul ”Pengaruh Bentuk Umpan Balik
dan Gaya Kognitif terhadap Minat mahasiswa pada Mata Kuliah Biostatistika”. Bentuk
umpan balik (A) dalam penelitian ini adalah umpan balik segera (A1) dan umpan balik
tertunda (A2), serta gaya kognitif (B) dalam penelitian ini adalah gaya kognitif field
independent (B1) dan gaya kognitif field dependent (B2).
Tabel 5.18 Data Mentah Penelitian
A1B1 A1B2 A2B1 A2B2
128 99 114 105
120 96 90 107
115 104 100 93
115 85 85 89
105 80 80 97
114 90 88 101
120 86 95 103
107 85 103 102
107 105 90 105
103 81 83 102

Adapun masalah yang diajukan dalam penelitian ini adalah

1) Apakah minat mahasiswa pada mata kuliah Biostatistika yang diberi umpan balik
segera lebih tinggi daripada mahasiswa yang diberi umpan balik tertunda?
2) Apakah minat mahasiswa pada mata kuliah Biostatistika yang bergaya kognitif
field independent lebih tinggi daripada mahasiswa yang bergaya kognitif field
dependent?
3) Adakah pengaruh interaksi antara bentuk umpan balik dan gaya kognitif terhadap
minat mahasiswa pada mata kuliah Biostatistika?
4) Pada kelompok mahasiswa yang bergaya kognitif field independent, apakah minat
mahasiswa pada mata kuliah Biostatistika yang diberi umpan balik segera lebih
tinggi daripada mahasiswa yang diberi umpan balik tertunda?
5) Pada kelompok mahasiswa yang bergaya kognitif field dependent, apakah minat
mahasiswa pada mata kuliah Biostatistika yang diberi umpan balik tertunda lebih
tinggi daripada mahasiswa yang diberi umpan balik segera?
6) Pada pemberian umpan balik segera, apakah minat mahasiswa pada mata kuliah
Biostatistika yang bergaya kognitif field independent lebih tinggi daripada
mahasiswa yang bergaya kognitif field dependent?
7) Pada pemberian umpan balik tertunda, apakah minat mahasiswa pada mata kuliah
Biostatistika yang bergaya kognitif field dependent lebih tinggi daripada
mahasiswa yang bergaya kognitif field independent?
Ujilah data tersebut dengan ANOVA 2 arah untuk menjawab ke-7 permasalahan yang
diajukan di atas.
Penyelesaian:
Tabel 5.19 Deskripsi Data
No A1 A2 B1 B2 A1B1 A1B2 A2B1 A2B2
1 128 114 128 99 128 99 114 105
2 120 90 120 96 120 96 90 107
3 115 100 115 104 115 104 100 93
4 115 85 115 85 115 85 85 89
5 105 80 105 80 105 80 80 97
6 114 88 114 90 114 90 88 101
7 120 95 120 86 120 86 95 103
8 107 103 107 85 107 85 103 102
9 107 90 107 105 107 105 90 105
10 103 83 103 81 103 81 83 102
11 99 105 114 105
12 96 107 90 107
13 104 93 100 93
14 85 89 85 89
15 80 97 80 97
16 90 101 88 101
17 86 103 95 103
18 85 102 103 102
19 105 105 90 105
20 81 102 83 102
Total 2045 1932 2062 1915 1134 911 928 1004
n 20 20 20 20 10 10 10 10
Xbar 102.25 96.6 103.1 95.75 113.4 91.1 92.8 100.4
s 14.190 9.040 13.875 8.884 7.933 9.267 10.379 5.719

Catatan:
Rumus untuk mencari s yang digunakan adalah
n X 2 − (  X )
2

s=
n ( n − 1)

Tabel 5.20 Tabel Penolong

No (A1)2 (A2)2 (B1)2 (B2)2 (A1B1)2 (A1B2)2 (A2B1)2 (A2B2)2
1 16384 12996 16384 9801 16384 9801 12996 11025
2 14400 8100 14400 9216 14400 9216 8100 11449
3 13225 10000 13225 10816 13225 10816 10000 8649
4 13225 7225 13225 7225 13225 7225 7225 7921
5 11025 6400 11025 6400 11025 6400 6400 9409
6 12996 7744 12996 8100 12996 8100 7744 10201
7 14400 9025 14400 7396 14400 7396 9025 10609
8 11449 10609 11449 7225 11449 7225 10609 10404
9 11449 8100 11449 11025 11449 11025 8100 11025
10 10609 6889 10609 6561 10609 6561 6889 10404
11 9801 11025 12996 11025
 12 9216 11449 8100 11449
13 10816 8649 10000 8649
14 7225 7921 7225 7921
15 6400 9409 6400 9409
16 8100 10201 7744 10201
17 7396 10609 9025 10609
18 7225 10404 10609 10404
19 11025 11025 8100 11025
20 6561 10404 6889 10404
Total 212927 188184 216250 184861 129162 83765 87088 101096
Tabel 5.21 Deskripsi Data Total
No X X2
1 128 16384
2 120 14400
3 115 13225
4 115 13225
5 105 11025
6 114 12996
7 120 14400
8 107 11449
9 107 11449
10 103 10609
11 99 9801
12 96 9216
13 104 10816
14 85 7225
15 80 6400
16 90 8100
17 86 7396
18 85 7225
19 105 11025
20 81 6561
21 114 12996
22 90 8100
23 100 10000
24 85 7225
25 80 6400
26 88 7744
27 95 9025
28 103 10609
29 90 8100
30 83 6889
31 105 11025
32 107 11449
33 93 8649
34 89 7921
35 97 9409
36 101 10201
37 103 10609
38 102 10404
39 105 11025
 40 102 10404
Total 3977 401111
n 40
Xbar 99.425
s 12.087

Tabel 5.22 Hasil Perhitungan Statistik Deskriptif ANOVA 2 arah

Kelompok A1B1 Kelompok A2B1 Kelompok B1
n11 10 n21 10 n01 20

X 11
1134
X 21
928
X 01
2062

X 2
11
129162
X 2
21
87088 X 2
01
216250

X 11 113,4 X 21 92,8 X 01 103,1

Kelompok A1B2 Kelompok A2B2 Kelompok B2
n12 10 n22 10 n02 20

X 12
911 X 22
1004  X 022 1915

X 2
12
83765 X 2
22
101096
 X 02 184861

X 12 91,1 X 22 100,4 X 02 95,75

Kelompok A1 Kelompok A2 Total
n10 20 n20 20 n00 40

X 10
2045 X 20
1932 X 00
3977

X 2
10
212927
X 2
20
188184 X 2
00
401111
X 10 102,25 X 20 96,6 X 00 99,425

Tabel 5.23 Penentuan Derajat Kebebasan (db)

Jenis db Nilai
b 2
k 2
db (Ab) 1
db (Ak) 1
db(I) 1
db(A) 3
db(D) 36
db(TR) 39
db( R ) 1
db(T) 40

Adapun nilai JK, RJK, Fhitung dan Ftabel adalah sebagai berikut:
• JK (T ) =  X 002 = 401111
(  X 00 )
2

• JK ( R) = = 395413, 225
n00
• JK (TR) = JK (T ) − JK ( R) = 5697,775
  (  X 11 )2 (  X 12 )2 (  X 21 )2 (  X 22 )2 
• JK ( A) =  + + +  − JK ( R) = 3094, 475
 n11 n12 n21 n22 

(  X 10 ) (  X 20 )
2 2

• JK ( Ab) = + − JK ( R) = 319, 225

n10 n20
(  X 01 ) (  X 02 )
2 2

• JK ( Ak ) = + − JK ( R) = 540, 225
n01 n02
• JK ( I ) = JK ( A) − JK ( Ak ) − JK ( Ab) = 2235,025
• JK ( D) = JK (TR) − JK ( A) = 2603,3
JK ( Ab)
• Rjk ( Ab) =  2 ( Ab) = = 319, 225
db( Ab)
JK ( Ak )
• Rjk ( Ak ) =  2 ( Ak ) = = 540, 225
db( Ak )
JK ( I )
• Rjk ( I ) =  2 ( I ) = = 2235, 025
db( I )
JK ( A)
• Rjk ( A) =  2 ( A) = = 1031, 49167
db( A)
JK ( D)
• Rjk ( D) =  2 ( D) = = 72,314
db( D)
JK (TR)
• Rjk (TR) = 2 (TR) = = 146,097
db(TR)
JK ( R)
• Rjk ( R) = 2 ( R) = = 395413, 225
db( R)
 2 ( Ab)
• Fh ( Ab) = 2 = 4, 414
 ( D)
 2 ( Ak )
• Fh ( AK ) = 2 = 7, 471
 ( D)
 2 (I )
• Fh ( I ) = 2 = 30,907
 ( D)
 2 ( A)
• Fh ( A) = 2 = 14, 264
 ( D)
• Nilai F tabel (Ft) = F (5%, k-1, n-1) = F (5%, 1, 39) = 4,09.

Rangkuman ANOVA 2 arah diberikan pada tabel berikut ini.

Tabel 5.24 Rangkuman ANOVA untuk Uji Hipotesis

Ft
Sumber Varians db JK RJK Fh
0,05
Antar baris (Ab) 1 319,225 319,225 4,414 4,09
Antar kolom (Ak) 1 540,225 540,225 7,471 4,09
Interaksi (I) 1 2235,025 2235,025 30,907 4,09
Antar Kelompok (A) 3 3094,475 1031,49167 14,264 4,09
Dalam Kelompok (D) 36 2603,3 72,314
Total di Reduksi (TR) 39 5697,775 146,097
Retara/Koreksi (R) 1 395413,225 395413,225
Total (T) 40 401111

Karena Fh > Ft untuk antar kolom (A), antar baris (B), dan interaksi, maka:
1) Minat mahasiswa pada mata kuliah Biostatistika yang diberi umpan balik segera
lebih tinggi daripada mahasiswa yang diberi umpan balik tertunda.
2) Minat mahasiswa pada mata kuliah Biostatistika yang bergaya kognitif field
independent lebih tinggi daripada mahasiswa yang bergaya kognitif field
dependent.
3) Terdapat pengaruh interaksi antara bentuk umpan balik dan gaya kognitif
terhadap minat mahasiswa pada mata kuliah Biostatistika.

Karena terdapat interaksi, maka dilanjutkan dengan uji lanjut/simple effect menggunakan
uji t. Adapun uraiannya adalah sebagai berikut:
• X A1B1 = X 11 = 113, 4
• X A1B 2 = X 12 = 91,1
• X A 2 B1 = X 21 = 92,8
• X A 2 B 2 = X 11 = 100, 4
• nA1B1 = n11 = 10
• nA1B 2 = n12 = 10
• nA 2 B1 = n21 = 10
• nA 2 B 2 = n22 = 10
• s A21B1 = 62,933
• s A21B 2 = 85,878
• s A2 2 B1 = 107, 733
• s A2 2 B 2 = 32, 711

Perhitungan uji t untuk masing-masing hipotesis simple effect adalah sebagai berikut:
Tabel 5.25 Hasil Perhitungan Uji Lanjut

A1B1-A2B1 A1B2-A2B2 A1B1-A1B2 A2B1-A2B2

t-hitung 4.986 2.701 5.781 2.028
t-tabel (5%, 18) 1.734 1.734 1.734 1.734

Karena t hitung > t tabel untuk ke-4 kelompok d atas, maka:

1) Pada kelompok mahasiswa yang bergaya kognitif field independent, minat
mahasiswa pada mata kuliah Biostatistika yang diberi umpan balik segera lebih
tinggi daripada mahasiswa yang diberi umpan balik tertunda.
2) Pada kelompok mahasiswa yang bergaya kognitif field dependent, minat
mahasiswa pada mata kuliah Biostatistika yang diberi umpan balik tertunda lebih
tinggi daripada mahasiswa yang diberi umpan balik segera.
3) Pada pemberian umpan balik segera, minat mahasiswa pada mata kuliah
Biostatistika yang bergaya kognitif field independent lebih tinggi daripada
mahasiswa yang bergaya kognitif field dependent.
4) Pada pemberian umpan balik tertunda, minat mahasiswa pada mata kuliah
Biostatistika yang bergaya kognitif field dependent lebih tinggi daripada
mahasiswa yang bergaya kognitif field independent.