Disusun Oleh:
Kelompok 3
Kelas 5B
A. PENGERTIAN VARIAN
Apa yang dimaksud dengan Analisis Variansi?
Sebelum kita memahami lebih jauh tentang Analisis Variansi, perhatikanlah contoh
berikut
Contoh 1
Seorang peneliti pendidikan untuk program studi matematika ingin meneliti efektivitas
dari 3 metode pembelajaran jika ditinjau dari prestasi belajar siswa. Ia telah memilih 3
model pembelajaran, yaitu model Teacher Oriented, Active Learning dan Contextual
Learning.
Ketiga metode tersebut diterapkan untuk 3 sampel, artinya sample pertama diterapkan
Metode Pembelajaran Teacher Oriented, sample kedua diterapkan Metode
Pembelajaran Active Learning, dan pada sample ketiga diterapkan Metode
Pembelajaran Contextual Learning. Ketiga sample tersebut telah diyakinkan bahwa
kemampuan awal yang dimiliki oleh masing-masing sample adalah relatif sama.
Peneliti tersebut bertujuan untuk menguji ada atau tidaknya perbedaan efek/pengaruh
beberapa perlakuan pada ketiga sample ditinjau dari prestasi belajar siswa. Untuk
melihatnya, peneliti tersebut menggunakan rata-rata nilai dari masing-masing sample.
Setelah beberapa waktu eksperimen, peneliti tersebut melakukan pengujian sebagai
tolak ukur untuk mengetahui prestasi belajar siswa. Setelah data diperoleh, uji statistik
apakah yang dapat direkomendasikan untuk dapat digunakan peneliti tersebut dalam
usaha mengambil kesimpulan?
Dari contoh diatas dapat dilihat bahwa terdapat tiga sample yang diambil dari populasi,
satu variable bebas, yaitu model pembelajaran, dan satu variable terikat, yaitu prestasi
belajar siswa. Variabel bebas ini dibagi menjadi 3 bagian yaitu model pembelajaran
Teacher Oriented, Active Learning dan Contextual Learning.
Pada Analisis ini hanya ada satu variabel bebas yang berskala nominal. Misal variabel
bebas tersebut mempunyai mempunyai k nilai atau klasifikasi. Pelaksanaan penelitian
dengan teknik uji ini, diambil k sampel dengan masingmasing sampel berukuran sama,
yaitu n. Masing-masing sampel diambil dari populasinya sendiri-sendiri, sehingga dalam
kasus ini terdapat k populasi. Peleksanaan penelitiannya masing-masing sampel
mendapat perlakuan sendiri-sendiri, sehingga jika terdapat k sampel, berarti ada k
perlakuan.
Contoh 1
Seorang peneliti pendidikan ingin meneliti pengaruh waktu pengajaran ditinjau dari
prestasi belajar siswa. Peneliti tersebut memilih masing-masing satu kelas untuk tiga
sekolah yang telah ditentukan sebelumnya dan telah diyakinkan bahwa ketiga sekolah
dan ketiga kelas tersebut mempunyai kemampuan/prestasi yang relatif sama. Dari
ketiga kelas tersebut, satu kelas diajarkan matematika tiap pagi hari, satu kelas lagi
diajarkan matematika tiap siang hari, dan satu kelas terakhir diajarkan matematika tiap
sore hari selama waktu eksperimen.
Dari Contoh 2 dapat diidentifikasi variable bebas dan variable terikatnya yaitu
Variabel terikat :
Variabel bebas :
Jika diasumsikan bahwa keempat persyaratan dari Analisis Variansi diatas telah terpenuhi
dan telah diidentifikasi variable-variabelnya, maka pada Contoh 1 diatas dapat digunakan
uji Analisis Variansi 1 jalan
Contoh 2
Seperti Contoh 1 diatas, misalkan disamping diuji pengaruh waktu mengajar terhadap
prestasi belajar siswa, secara serentak juga akan dilihat pengaruh ukuran kelas (besar
dan kecil) terhadap prestasi belajar siswa, maka akan terdapat variable tambahan
sehingga dapat diidentifikasikan variable terikat dan variable bebasnya yaitu
Variabel terikat :
Variabel bebas :
Jika diasumsikan bahwa keempat persyaratan dari Analisis Variansi diatas telah terpenuhi
dan telah diidentifikasi variable-variabelnya, maka pada Contoh 1 dapat digunakan uji
Analisis Variansi 1 jalan
Berdasarkan ukuran data amatan, Analisis Variansi Univariate Satu Jalan dapat digolongkan
menjadi 2 yaitu
2
k
( o i−e i )
χ =∑
2
i =1 ei
2
Dimana nilai-nilai dari χ mendekati nilai-nilai dari variable random
chi kuadrat
Lambang oi menyatakan frekuensi amatan dan lambang ei menyatakan
frekuensi data yang diharapkan
DK ={ χ 2| χ 2 > χ 2α ; v }
terhadap seluruh
zi .
DK ={ L|L> Lα ; n }
Sebagai daerah kritiknya : dengan n sebagai ukuran
populasi
Jika persyaratan normalitas populasi ini tidak dipenuhi, peneliti harus
dapat melakukan transformasi data sedemikian hingga data yang baru
memenuhi persyaratan normalitas populasi ini dan Analisis Variansi ini
dapat diberlakukan pada data yang baru hasil transformasi
Salah satu uji homogenitas variansi untuk k-populasi adalah Uji Bartlett.
Uji ini mempunyai 2 bentuk.
b=
[( )
n −1 2 n −1
( )
s12 1 ⋅ s 2 2 … (s )k ]
2 nk −1 N −k
2
sp yang merupakan nilai dari
variabel random B yang mempunyai distribusi Bartlett
DK ={ b|b<b k ( α ; n1 , .. . ,n k ) }
4. Tentukan daerah kritiknya :
dengan
1
N( 1 k
b k ( α ;n 1 , n2 ,…, n k ) = n b ( α ;n1 ) +n2 b k ( α ;n2 ) +⋯+ nk b k ( α ;nk ) )
2
fj n −1
= j = derajat kebebasan untuk s j ; j=1,2, …, k
k
=∑ f j
f = N−k j=1 = derajat kebebasan untuk RKG
c
=1+
1
3 ( k−1 ) ( ∑f
1
j
−
1
f )
∑ SS j
RKG = rataan kuadrat galat = ∑fj
SS j = = ( n j −1 ) s 2j
CATATAN
Dalam Analisis Variansi, masing-masing kelompok yang digunakan sebagai
sample dari populasinya masing-masing sehingga jika terdapat k-sampel yang
diambil dari k-populasi dan setiap sample mendapat perlakuan (treatment)
sendiri-sendiri maka dapat dikatakan k-sampel identik dengan k-populasi
Perlakuan
1 2 … k
X 11 X 12 … X1 k
X 21 X 22 … X2 k
⋮ ⋮ … ⋮
Xn 1 Xn 2 … X nk
Jumlah T1 T2 … Tk T=G
Rataan X1 X2 … Xk X
- Keterangan
X ij = data amatan ke-i pada perlakuan ke-j (sample ke-j)
- Model Data
Pada Analisis Variansi Univariate Satu Jalan dengan Sel Sama, setiap data/nilai
X ij
pada populasi dapat dimodelkan dalam bentuk
X ij =μ j +ε ij
μ
Misalkan rataan dari seluruh data pada k-populasi adalah μ , maka j dapat
dinyatakan sebagai
μ j=μ+ α j
dengan
k k
∑ α j= ∑ ( μ j−μ ) =0
j =1 j=1
dimana
X ij =μ+α j + ε ij
dengan
εij = deviasi X ij dari rataan populasinya yang berdistribusi normal dengan rataan
nol
Deviasi
X ij terhadap rataan populasi sering disebut dengan galat (error)
i = 1, 2, … , n
j = 1, 2, … , k
k = cacah populasi/cacah perlakuan/cacah klasifikasi
n = banyaknya data amatan
- Perhatikan dan selesaikanlah contoh-contoh berikut
Contoh 1
Tabel berikut adalah data populasi pada eksperimen dengan 3 perlakuan, yaitu
perlakuan P1, P2, dan P3
Misalkan variable terikatnya adalah prestasi belajar yang berupa nilai
Perlakuan P1 P2 P3
Nilai 3, 4, 4, 5 5, 5, 3, 3 2, 4, 4, 6
α
Carilah nilai α 1 , α 2 dan 3 !
Contoh 2
Tabel berikut adalah data populasi pada eksperimen dengan 3 perlakuan, yaitu
perlakuan K1, K2, dan K3
Misalkan variable terikatnya adalah prestasi belajar yang berupa nilai
Perlakuan K1 K2 K3
Nilai 2, 3, 3, 4 5, 5, 3, 3 3, 5, 5, 7
α
Carilah nilai α 1 , α 2 dan 3 !
Contoh 3
Tabel berikut adalah data populasi pada eksperimen dengan 3 perlakuan, yaitu
perlakuan T1, T2, dan T3
Misalkan variable terikatnya adalah prestasi belajar yang berupa nilai
Perlakuan T1 T2 T3
Nilai 3, 4, 4, 6 3, 4, 4, 5 5, 6, 7, 8
α
Carilah nilai α 1 , α 2 dan 3 !
1. Jika
μ1 =μ 2 =μ 3 dan α 1=α 2 =α 3=0 maka dapat dikatakan ….
2. Jika ketiga μ tidak bernilai sama dan nilai ketiga α juga berbeda maka dapat
diartikan ….
- Perumusan Hipotesa
Misalkan terdapat k-perlakuan. Pasangan hipotesa yang diuji pada analisis variansi
satu jalan ini adalah
H0 :
μ1 =μ 2 =…=μk
H1 : paling sedikit ada dua rataan yang tidak sama
Perhatikan bahwa
H 1 : μ1 ≠μ 2 ≠…≠μk sebab notasi itu menunjukkan bahwa
μ1 ≠μ 2 dan μ2 ≠μ3 dan μ3 ≠μ4 dan seterusnya padahal tidak selalu demikian
Berdasarkan model data pada Analisis Variansi Univariate Satu Jalan, maka pasangan
hipotesisnya dapat dirumuskan sebagai berikut
H0 :
α 1=α 2 =…=α k =0
Jika kata “pengaruh” digunakan, maka harus dimengerti bahwa ada atau tidaknya
pengaruh ditandai oleh ada atau tidaknya perbedaan rataan pada k-populasi
Hal ini dilambangkan dengan nilai
αj
Estimator-estimator ini diperoleh dari pemisahan variansi data amatan pada seluruh
sample menjadi 2 komponen yaitu
1. Estimator untuk variansi antar kelompok (variances between the sample means)
2. Estimator variansi dalam kelompok (variances within k-samples)
Tentu saja estimator-estimator ini diperoleh dari variansi-variansi sample
Variansi dari seluruh data amatan pada k-sampel dan dengan ukuran data nk adalah
k n k n k n
∑ ∑ ( X ij−X ) 2
∑∑ X 2ij ∑ ∑ X2
j=1 i=1 j=1 i=1 j=1 i=1
s2= −
nk−1 = nk−1 nk −1
Pembilang dari ruas kanan pada formula variansi diatas disebut dengan Jumlah
Kuadrat Total (Total sum of Squares) yang disingkat dengan JKT atau SST sehingga
diperoleh
k n
∑ ∑ ( X ij −X )2
JKT = SST = j =1 i=1
k n k n k n
∑ ∑ ( X ij −X ) 2
n ∑ ∑ ( X j− X ) + ∑ ∑ ( X ij−X j )2
2
Untuk selanjutnya, suku pertama ruas kanan disebut Jumlah Kuadrat Rataan
Perlakuan (Treatment Sum of Squares atau Sum of Squares for Column Means),
disajikan dengan JKA atau SSC dan suku keduanya disebut Jumlah Kuadrat Galat
(Error Sum of Squares) yang dinotasikan dengan JKG atau SSE
Sehingga diperoleh
k n k n
n ∑ ∑ ( X j− X ) 2
∑ ∑ ( X ij −X j )2
JKA = SSC = j=1 i=1 dan JKG = SSE = j=1 i=1
JKA
s 21 =
ditentukan oleh ( k−1 )
Jika
H 0 benar maka s 21 merupakan estimator tak bias σ 2 , sebaliknya jika H 1 benar,
22
maka JKA akan mempunyai nilai yang cenderung besar dan s 1 jauh melebihi σ
H 2 2
ataukah H 1 jika 0 benar, maka rasio s 1 dan s 2 adalah
2
s1
F=
s 22
adalah nilai dari variabel random Fisher yang mempunyai distribusi F dengan derajat
2
Untuk selanjutnya s 1 disebut rataan kuadrat perlakuan (treatment mean squares)
2
yang dinotasikan dengan RKA atau MSC dan s 2 disebut rataan kuadrat galat (error
means squares) yang dinotasikan dengan RKG atau MSE.
- Daerah Kritik
2 2 H
Karena s 1 adalah over estimates σ jika 0 salah, maka daerah kritik untuk uji ini
adalah
- Formula Praktis
Pada praktiknya, nilai rataan sample tidak merupakan bilangan bulat sehingga
formula JKA, JKG, dan JKT seperti yang ditulis dimuka tidak mudah digunakan.
Namun demikian, sifat-sifat berikut ini dipenuhi, sehingga untuk menghitung JKT,
JKA, dan JKG lebih baik digunakan formula
k n 2 k n
T G2
JKT =∑ ∑ X 2ij − atau JKT =∑ ∑ X 2ij−
j=1 i=1 nk j=1 i=1 nk
k
∑ T 2j
G2
JKA = j =1 −
n nk
- Contoh 4
Untuk melihat apakah obat sakit kepala jenis A, jenis B, jenis C, jenis D, dan
jenis E memberikan efek yang sama untuk menghilangkan rasa sakit kepala,
kelompok. Jika α = 5%, apakah dapat disimpulkan bahwa kelima jenis obat sakit
kepala tersebut memberikan efek yang sama? Diasumsikan semua persyaratan uji
Solusi :
Langkah pertama akan dicari nilai total dan rataan dari masing-masing sel dan diperoleh
1. Perumusan Hipotesa
H0 :
μ1 =μ 2 =…=μk
H1 : paling sedikit ada dua rataan yang tidak sama
2. Taraf Signifikansi α = 5%
3. Statistik Uji yang digunakan
RKA
F=
RKG
4. Komputasi
k n 2
JKT =
∑∑
j=1 i =1
X 2ij−
T
nk =
2 2 2
5 +4 +8 +6 ...+7 −
2 2
( )
1322
( 5 ) (5 )
k
∑ T 2j
( )
2 2 2 2 2 2
2 26 +39 +20 +14 +33 132
j=1 G −
− 5 (5 )( 5 )
JKA = n nk =
JKA 79 , 440
=
RKA = ( k−1 ) 4 = 19,860
JKG 57 ,6
=
RKG = nk−k 20 = 2,88
RKA
F obs= =6 , 90
RKG
Sumber Variasi Jumlah Kuadrat Derajat Kebebasan Rataan Kuadrat Nilai F amatan
5. Daerah Kritik
F0 ,05;4 ,20 = 2,87
DK = {F|F>2,87}
F obs=6 , 90 ∈ DK