ANALISIS VARIANSI SATU ARAH

Tool : Aplikasi SPSS

Waktu : 150 Menit

Nama File : Nama_NPM_Modul _”X‟

I. TUJUAN PRAKTIKUM
Setelah melaksanakan praktikum, diharapkan praktikan dapat:
a. Praktikan mampu mengenal dan memahami pengertian Analisis Variansi
Satu Arah
b. Praktikan mampu mengolah data dengan menggunakan bantuan SPSS.
c. Praktikan mampu membuat output hasil dari Variansi Satu
Arah menggunakan aplikasi SPSS.
d. Praktikan mampu menganalisis hasil dari output Variansi Satu Arah

II. LANDASAN TEORI

A. Pengertian Variansi Satu Arah
Anova satu arah (One Way Anova) digunakan apabila yang akan
dianalisis terdiri dari satu variabel terikat dan satu variabel bebas. Tujuan
dilakukannya uji ANOVA satu arah adalah untuk membandingkan rata-rata
dari 3 populasi atau lebih. Jika hasil pengujian ditemukan salah satu rata-
rata dari populasi tersebut berbeda, maka bisa digeneralisasikan bahwa data
tidak seragam. Dalam Anova, satu sampel dianggap mewakili satu
populasi.
Jenis data yang tepat untuk ANOVA adalah nominal dan
ordinal pada variabel bebasnya, jika data pada variabel bebasnya dalam
bentuk interval atau ratio maka harus diubah dulu dalam bentuk ordinal
atau nominal. Sedangkan variabel terikatnya adalah data interval atau
ratio.
 Analisis Anova banyak digunakan untuk meninjau efek perlakuan
pada suatu eksperimen yang dilakukan pada banyak bidang. Factor atau
perlakuan pada eksperimen ditinjau sebagai variable bebas yang akan diuji
hipotesisnya apakah perlakuan tersebut memiliki pengaruh terhadap
variable terikatnya. Dalam anova 1 arah, factor atau perlakuan yang diujikan
hanya satu, namun faktor (jenis perlakuan) tersebut memiliki kategori atau
tingkatan (level) sejumlah lebih dari 3 kategori.

B. Hakikat Variansi
Konsep analisis variansi didasarkan pada konsep distribusi F
(Fisher) dan biasanya dapat diaplikasikan untuk berbagai macam kasus
maupun dalam analisis hubungan antara berbagai varabel yang
diamati. Dalam perhitungan statistik, analisis variansi sangat dipengaruhi
asumsi-asumsi yang digunakan seperti kenormalan dari distribusi,
homogenitas variansi dan kebebasan dari kesalahan.
Variansi adalah besaran statistika untuk menunjukkan ukuran
penyebaran data. Makin menyebar suatu data makin besar nilai variansinya.
Makin tidak menyebar suatu data makin kecil nilai variansinya. Pada data
seragam atau data yang tidak menyebar, variansi adalah nol.

1) Keaktifan Faktor
Suatu penyebab atau faktor dapat saja menyebabkan sebaran data
bertambah atau tidak. Jika diilustrasikan sebagai kumpulan dari beberapa
kelompok ayam dan induknya yang tersebar dalam suatu tempat, jarak
antara ayam satu dengan lainnya akan menghasilkan suatu variansi.
Jika muncul seekor anjing di wilayah tersebut (penyebab atau faktor
atau perlakuan) maka ayam akan bergerak lebih menyebar sehingga
variansi bertambah. Faktor yang dapat meningkatkan variansi dikenal
sebagai faktor yang efektif. Dengan demikian, untuk mengetahui
keefektifan suatu faktor kita dapat menghitungnya dari peningkatan
 variansi data. Pada faktor yang tidak efektif, variansi data tidak
bertambah. Dengan kata lain, factor yang diujikan dapat memiliki efek atau
tidaknya ditinjau dari perubahan variansinya.

2) Perbedaan Rerata
Keefektifan faktor dalam anova dapat ditinjau dari perbedaan
rerata kelompok yang mana menggambarkan sebaran data dari
kelompok yang dibandingkan. Misalkan:
a. Terdapat sejumlah induk ayam, masing-masing dengan sejumlah
anak ayam. Letak induk ayam merupakan rerata kelompok anak
ayam itu.
b. Letak anak ayam dengan masing-masing induk mereka
menghasilkan suatu variansi dikenal sebagai variansi dalam
kelompok.
c. Letak induk ayam dengan induk ayam lainnya menghasilkan suatu
variansi dikenal sebagai variansi antara kelompok.
d. Ketika anjing muncul, induk ayam menyebar sedangkan anak ayam
mengikuti induk mereka masing-masing.
 e. Variansi dalam kelompok induk ayam tidak berubah karena anak
ayam mengikuti induk mereka masing-masing
f. Variansi antara kelompok induk ayam berubah karena induk ayam
menyebar
g. Karena letak induk ayam dianggap sebagai rerata di antara anak
ayamnya maka keefektifan ini juga menghasilkan perbedaan rerata
h. Keefektifan faktor terhadap sejumlah kelompok data menyebabkan
rerata kelompok data berbeda satu dan lainnya Dengan demikian
variansi dapat digunakan untuk menguji adanya perbedaan rerata di
antara sejumlah kelompok data.

3) Hubungan Variansi
Sebelum terkena faktor-faktor efektif
Var (A) / Var (D) = 1
Setelah terkena faktor efektif
Var (A) / Var (D) ≠ 1
Distribusi probabilitas persampelan adalah F, sehingga
F = Var (A) / Var (D)
Pengujian hipotesis dilakukan untuk menghasilkan F hitung yang
nantinya. dibandingkan dengan F Tabel pada taraf signifikansi tertentu.

4) Contoh Perbedaan Rerata

Pada tumbuhan yang diberi pupuk, tumbuhan itu dibagi menjadi
empat kelompok yakni kelompok X1, X2, X3, dan X4. Pertumbuhan di
dalam masing-masing kelompok menghasilkan variansi dalam
kelompok. Jika tanpa rancangan pupuk rerata, pertumbuhan setiap
kelompok adalah sama atau hampir sama sehingga rerata pertumbuhan
di antara kelompok adalah kirakira sama dan variansi antara kelompok
adalah nol atau kecil sekali Tumbuhan itu diberi pupuk dengan
rancangan pupuk rerata.
 X1 Tanpa Pupuk

X2 Sedikit Pupuk

X3 Pupuk Sedang

X4 Pupuk Cukup

a. Jika pupuk efektif maka pertumbuhan pada tiap kelompok akan

berbeda sehingga rerata pertumbuhan di antara kelompok tumbuhan
X1, X2, X3, dan X4 akan berbeda.
b. Perbedaan rerata pertumbuhan di antara empat kelompok itu dapat
dipantau dari variansi.
c. Variansi dalam kelompok tidak berubah atau hampir tidak berubah
karena tiap anggota kelompok memperoleh pupuk yang sama (tiada,
sedikit, sedang, cukup).
d. Variansi antara kelompok berubah karena pertumbuhan pada tiap
kelompok berbeda.
e. Perbedaan rerata kelompok dapat dipantau dari perubahan variansi
antara kelompok.
f. Biasanya perbedaan rerata kelompok ini dipantau dari perubahan
perbandingan variansi antara kelompok terhadap variansi dalam
kelompok
 5) Faktor dan Level
Pada contoh pupuk itu, kita mengenal faktor dan level:
a. Pupuk sebagai penyebab kesuburan tumbuhan dikenal sebagai
factor
b. Perbedaan kadar pupuk pada berbagai kelompok dikenal sebagai
level yakni level tanpa pupuk, level sedikit pupuk, level pupuk
sedang, dan level pupuk cukup
c. Biasanya dalam hal ini, kita akan menguji perbedaan rerata
kesuburan tumbuhan di antara level yang berbeda (kelompok
berbeda).
Dengan kata lain terjadi pengujian statistika tentang perbedaan rerata
pada level. Contoh faktor dan level, yaitu:
a. Faktor Kelamin (2 Level)
i. Level Laki-Laki
ii. Level Perempuan
b. Faktor Bahasa (3 Level)
i. Level Halus
ii. Level Sedang
iii. Level Kasar

C. Asumsi-Asumsi yang Harus Dipenuhi dalam Analisis Varians

(ANOVA):
a. Data berdistribusi normal, karena pengujiannya menggunakan uji F-
Snedecor
b. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas,
karena hanya digunakan satu penduga (estimate) untuk varians dalam
contoh:
i. Masing-masing contoh saling bebas, yang harus dapat diatur
dengan perancangan percobaan yang tepat
ii. Komponen-komponen dalam modelnya bersifat aditif (saling
menjumlah).
D. Karakteristik Analisis Variansi Satu Arah
Beberapa karakteristik dari ANOVA Satu Arah, antara lain:
1) Banyaknya faktor di dalam analisis variansi menentukan banyaknya
arah pada analisis variansi.
2) Analisis variansi pada satu faktor dengan beberapa level dikenal
sebagai analisis variansi satu arah.
3) Sebaiknya analisis variansi satu arah digunakan apabila terdapat lebih
dari dua level (tiga atau lebih level).
4) Analisis variansi satu arah dengan dua level sebenarnya adalah selisih
dua rerata dan hal ini dapat dilakukan melalui pengujian hipotesis
selisih dua rerata.
5) Faktor pada analisis variansi satu arah dikenal juga sebagai faktor
utama.
6) Analisis variansi satu arah hanya memiliki satu faktor, katakan saja
faktor X.
7) Faktor X ini terdiri atas dua atau lebih level, katakan saja level X1, X2,
X3, dan seterusnya.
8) Pada analisis variansi satu arah hanya ada satu efek utama dan tidak
ada interaksi.
9) Hipotesis yang diuji pada analisis variansi satu arah ini adalah
perbedaan rerata di antara populasi level pada faktor X.
10) Apabila uji hipotesis telah berhasil, maka pengujian diteruskan ke
komparasi ganda.

E. Macam Variansi
Setiap variansi merupakan pembagian di antara Jumlah Kuadrat
(JK) dan derajat Kebebasan (DK), maka:
1) Variansi total
𝑉𝐴𝑅𝑡𝑜𝑡= (𝐽𝐾𝑡𝑜𝑡) / (𝐷𝐾𝑡𝑜𝑡)
2) Variansi dalam kelompok
𝑉𝐴𝑅𝑑𝑘= (𝐽𝐾𝑑𝑘) / (𝐷𝐾𝑑𝑘)
3) Variansi antara kelompok
 𝑉𝐴𝑅𝑎𝑘= (𝐽𝐾𝑎𝑘) / (𝐷𝐾𝑎𝑘)

F. Penggunaan Analisis Variansi

Analisis variansi digunakan untuk menguji hipotesis tentang
perbedaan rerata populasi (biasanya lebih dari dua populasi). Pada
pengujian hipotesis tentang perbedaan rerata populasi, analisis variansi
hanya dapat memutuskan bahwa paling sedikit ada satu rerata yang tidak
sama. Jika terdapat lebih dari dua rerata maka analisis variansi tidak dapat
menunjuk pasangan rerata mana saja yang beda. Setelah berhasil menguji
hipotesis melalui analisis variansi (dalam hal lebih dari dua rerata) maka
untuk mengetahui mana di antara pasangan rerata yang berbeda, pengujian
diteruskan dengan menggunakan pengujian komparasi ganda.

Populasi

1 2 … k

… Total
X11 X21 Xk1
…
X12 X22 Xk2
… … … …

…
X1n X2n Xk3
Total T1. T2. … Tk. T..

T. adalah total semua pengamatan dari populasi ke-i.

T.. adalah total semua pengamatan dari semua populasi.

Rumus Hitung Jumlah Kuadrat

✓ Jumlah Kuadrat Total (JKT) :

✓ Jumlah Kuadrat Perlakuan (JKP) :

✓ Jumlah Kuadrat Galat (JKG) : JKG = JKT – JKP

Tabel Anova dan Daerah Penolakan

Sumber Derajat Jumlah Kuadrat

Statistik F
Variansi Bebas Kuadrat Rata-rata
KRP =
Perlakuan k–1 JKP
JKP/(k-1) F=
KRG = KRP/KRG
Galat k (n-1) JKG
JKG/(k(n-1))
Total nk - 1 JKT

Keterangan:
k: banyaknya kelompok
n: banyaknya data

Kriteria Pengujian
H0 diterima apabila 𝑓1hitung ≤ 𝑓 𝑡𝑎𝑏𝑒𝑙 (𝛼; (k−1); ((n−1))
H0 ditolak apabila 𝑓1hitung > 𝑓 𝑡𝑎𝑏𝑒𝑙 (𝛼; (k−1); ((n−1))

Ftabel
 G. Prinsip ANOVA

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 varian mendekati angka satu), maka
berarti tidak ada perbedaan efek dari intervensi yang dilakukan, dengan
kata lain nilai mean yang dibandingkan tidak ada perbedaan.
Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam
kelompok, artinya intervensi tersebut memberikan efek yang berbeda,
dengan kata lain nilai mean yang dibandingkan menunjukkan adanya
perbedaan.

III. LATIHAN PRAKTIKUM

Sebagai manager warehouse, Anda ingin melihat rata-rata waktu
perpindahan barang dari 3 area gudang yang berbeda. Diporelah data
seperti dibawah. (Tingkat signifikansi 0,05)

Area Hijau Area Kuning Area Biru

25,4 23,4 20
26,31 21,8 22,2
24,1 23,5 19,75
23,74 22,75 20,6
25,1 21,6 20,4

a. Buka aplikasi SPSS. Masukan 2 variabel yaitu Area Gudang dan

WaktuPerpindahan.
b. Kemudian pada bagian Values, masukan data seperti gambar
berikut.
1 : Hijau
2 : Kuning
3 : Biru

c. Kemudian masukan datanya pada Data View.

d. Kemudian pilih Analyze > Compare Means > One-Way ANOVA.
Masukan variabel Waktu Pengiriman ke kotak “Dependent List” dan
variabel AreaGudang ke kotak “Factor”. Seperti gambar berikut:

e. Kemudian klik tombol Options, akan muncul kotak dialog seperti

gambar dibawah. Centang Descriptive dan Homogenity of Variance
Test.
 f. Selanjutnya kebagian Post Hoc, maka akan muncul tampilan berikut. Centang
Bonferroni dan Games-Howell, serta berikan significance level yaitu 0,05.

g. Klik Continue > OK untuk memunculkan hasil output.

OUTPUT
Descriptives
Score

95% Confidence Interval for Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum

A 5 24.9300 1.03189 .46148 23.6487 26.2113 23.74 26.31

B 5 22.6100 .88204 .39446 21.5148 23.7052 21.60 23.50
C 5 20.5900 .95943 .42907 19.3987 21.7813 19.75 22.20
Total 15 22.7100 2.03921 .52652 21.5807 23.8393 19.75 26.31

Berdasarkan output SPSS “Descriptive” kita dapat melihat perbedaan rata-rata waktu
perpindahan barang dari 3 area gudang yang berbeda dengan rincian sebagai berikut:
1.Rata-rata waktu pindah area hijau 24,93

2.Rata-rata waktu pindah area kuning 22,61

3.Rata-rata waktu pindah area biru 20,59

Dengan demikian maka secara deskriptif dapat disimpulkan bahwa rata-rata

waktu pindah tertinggi adalah pada area hijau yakni sebesar 24,93,
 Test of Homogeneity of Variances
Score

Levene Statistic df1 df2 Sig.

.126 2 12 .882

Berdasarkan output SPSS “Test Homogenity Of Variance” Diperoleh

signifikansi (Sig) sebesar 0.882 > 0,05 mengartikan bahwa varian ketiga
kelompok area gudang yang kita bandingkan adalah sama (Homogen). Karena
asumsi homogenitas terpenuhi maka uji One Way ANOVA dapat dilakukan.
ANOVA
Score

Sum of Squares df Mean Square F Sig.

Between Groups 47.164 2 23.582 25.602 .000
Within Groups 11.053 12 .921
Total 58.217 14

Tabel ANOVA digunakan untuk menentukan ada atau tidaknya perbedaa

rata-rata dari sampel yang diuji. Dengan dasar pengambilan keputusan dalam
analisis ANOVA:

H0: Rata-rata perpindahan waktu dari ketiga area gudang sama. (Jika nilai Sig.
> 0,05)
H1: Rata-rata perpindahan waktu dari ketiga area gudang berbeda. (Jika
nilaiSig. < 0,05)

Berdasarkan output diatas didapatkan Sig sebesar 0.000< 0,05. Maka, terdapat
perbedaan rata-rata perpindahan barang dari 3 area gudang.

Menganalisa dengan membandingkan Fhitumg dengan Ftabel : Fhitung

(25.60)
Ftabel (Pilih df1 (df between groups) yang digunakna yaitu 2 dan df2 (df within
group) yaitu 12 sehingga nilai Ftabel 3,89)

Kriteria:

Fhitung > Ftabel H0 ditolak

Fhitung < Ftabel H0 diterima

 Sehingga apabila Fhitung (25,60) < Ftabel (3,89) maka H0 ditolak, yang berarti
perpindahan waktu dari ketiga area gudang berbeda.
Berdasarkan nilai signifikansi secara keseluruhan pada output diatas didapatkan
nilai rata-rata < 0,05 maka dapat disimpulkan bahwa ada perbedaan waktu pindah
dari ketiga area gudang tersebut
Multiple Comparisons
Dependent Variable: Score

Mean Difference 95% Confidence Interval

(I) Gudang (J) Gudang (I-J) Std. Error Sig. Lower Bound Upper Bound

Bonferroni A B 2.32000* .60699 .007 .6329 4.0071

C 4.34000* .60699 .000 2.6529 6.0271

B A -2.32000* .60699 .007 -4.0071 -.6329

C 2.02000* .60699 .018 .3329 3.7071

C A -4.34000* .60699 .000 -6.0271 -2.6529

B -2.02000* .60699 .018 -3.7071 -.3329

Games-Howell A B 2.32000* .60709 .013 .5764 4.0636

C 4.34000* .63013 .000 2.5375 6.1425

B A -2.32000* .60709 .013 -4.0636 -.5764

C 2.02000* .58284 .021 .3521 3.6879

C A -4.34000* .63013 .000 -6.1425 -2.5375

B -2.02000* .58284 .021 -3.6879 -.3521

*. The mean difference is significant at the 0.05 level.

Post Hoc Test digunakan untuk mengetahui variabel mana yang memiliki perbedaan yang
signifikan. Cara menganalisanya adalah dengan melihat ada tidaknya tanda (*) pada
kolom Mean Difference. Tanda (*) menunjukkan adanya perbedaan mean yang
signifikan. Karena Sig nya didapatkan 0.882 yang artinya lebih besar dari 0.05 maka H0
diterima yang artinya varian dari rata-rata waktu perpindahan barang dari 3 area gudang
adalah sama atau homogen maka pada Post Hoc Test nya memakai Bonferroni.
Kemudian tadi sudah disimpulkan bahwa ada perbedaan rata-rata yang signifikan antara
rata-rata waktu perpindahan barang dari 3 area gudang tersebut, jadi pada kolom mean
difference nya ada yang bertanda (*).