UJIAN AKHIR SEMESTER

NAMA : JUNAIDI
NIM : 22081100026
MATA KULIAH : STATISTIKA

No. 1

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .554
Bartlett's Test of Sphericity Approx. Chi-Square 17.190
Df 10
Sig. .070

Berdasarkan nilai Kaise-Meyer- Oikin Measureof Sampling Adequancy sebesar 0,544. Nilai ini
> 0,05 maka Teknik analisis faktor dapat dilanjutkan.

Anti-image Matrices
Keandalan Ketanggapan Keyakinan Empati Berwujud
Anti-image Covariance Keandalan .667 -.331 -.008 -.139 .118
Ketanggapan -.331 .617 -.160 -.017 -.177
Keyakinan -.008 -.160 .917 -.070 .122
Empati -.139 -.017 -.070 .756 -.309
Berwujud .118 -.177 .122 -.309 .753
Anti-image Correlation Keandalan .546a -.516 -.010 -.195 .167
Ketanggapan -.516 .570a -.212 -.025 -.260
Keyakinan -.010 -.212 .577a -.084 .147
Empati -.195 -.025 -.084 .609a -.410
Berwujud .167 -.260 .147 -.410 .478a
a. Measures of Sampling Adequacy(MSA)

Berdasarkan table Anti Image Matric dapat diamati semua variable memiliki a superscript
artinya semua variable mememuhi syarat kelayakan kedua untuk uji selanjutnya.
 Communalities
Initial Extraction
Keandalan 1.000 .633
Ketanggapan 1.000 .694
Keyakinan 1.000 .477
Empati 1.000 .626
Berwujud 1.000 .752
Extraction Method: Principal Component
Analysis.

Berdasarkan table Communalities pada kolom Extraction semua variable bernilai > 0.5, kecuali
variable Keyakinan. Dengan demikian semua variable kecuali Keyakinan dapat digunakan untuk
menjelaskan faktor.

Total Variance Explained

Extraction Sums of Squared Rotation Sums of Squared
Initial Eigenvalues Loadings Loadings
% of Cumulative % of Cumulative % of Cumulative
Component Total Variance % Total Variance % Total Variance %
1 1.994 39.883 39.883 1.994 39.883 39.883 1.646 32.914 32.914
2 1.189 23.771 63.654 1.189 23.771 63.654 1.537 30.740 63.654
3 .838 16.770 80.424
4 .605 12.096 92.520
5 .374 7.480 100.000
Extraction Method: Principal Component Analysis.

Berdasarkan table Total Variance Explained , dari kelima menunjukkan hanya dua variable yang
dapat menjadi variasi faktor yiatu P1 dengan kontribusi 39,88% dan P2 sebesar 23,771%.
No. 2

Operator Operator Operator Operator

A B C D
62 63 68 56
60 67 66 62
63 71 71 60
59 64 67 61
65 68 63
69 64
63
59
Rata2 61.00 66.50 68.00 61.00

Hipotesis :

Ho : Tidak terdapat perbedaan yang nyata dari rata-rata tiap operator dalam mebuat sebuah produk

Ha : terdapat perbedaan yang nyata dari rata-rata tiap operator dalam mebuat sebuah produk

ANOVA
Data
Sum of Squares df Mean Square F Sig.
Between Groups 225.457 3 75.152 11.949 .000
Within Groups 119.500 19 6.289
Total 344.957 22

Data
Tukey HSDa,b
Subset for alpha = 0.05
Kode N 1 2
Operator A 4 61.00
Operator D 8 61.00
Operator B 6 66.50
Operator C 5 68.00
Sig. 1.000 .761
Means for groups in homogeneous subsets are
displayed.
a. Uses Harmonic Mean Sample Size = 5.393.
b. The group sizes are unequal. The harmonic mean
of the group sizes is used. Type I error levels are not
guaranteed.

Berdasarkan table Tukey HSD daoat disimpukkan bahwa terdapat perbedaan rata-rata yang cukup berarti.
Selanjutnya perbedaan rata-rata secara detail dapat dijelaskan melalui hasl uji post hoc, dimana menurut
uji tersebut hasil data terbagi menjadi kedalam dua subset 1 yaitu operator A dan D memiliki kesamaan
rata-rata , sedangkan operator C dan B memiliki kesamaan rata-rata kedua.

No. 3

ANOVA
Tek_darah
Sum of Squares df Mean Square F Sig.
Between Groups 3438.095 2 1719.048 10.005 .001
Within Groups 3092.857 18 171.825
Total 6530.952 20

Tek_darah
Tukey HSDa
Subset for alpha = 0.05
Kelompok N 1 2
Pasen melalui pengobatan A 7 125.00
Pasen melalui pengobatan B 7 125.00
Pasen melalui pengobatan C 7 152.14
Sig. 1.000 1.000
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 7.000.

Berdasarkan hasil pengolahan data ditatas berdasarkan nilai Signifikansinya sebesar 0,001 yang
artinya < 0,05 ,maka terdapat perbedaan rata-rata diantara tiga jenis pengobatan. Perbedaan
tersebut lebih lajut dilakukan uji Post Hoc, ma diperoleh data bahwa pengobatan A dan B tidak
memiliki perbedaan, namun untuk pengobatan C memilik perbedaan yang berarti terhadap A dan
B. .
 Group Statistics
jenis_kelamin N Mean Std. Deviation Std. Error Mean
Tek_darah Perempuan 9 131.67 20.917 6.972
Laki-laki 12 135.83 16.353 4.721

Independent Samples Test

Levene's Test for
Equality of
Variances t-test for Equality of Means
95% Confidence
Interval of the
Sig. (2- Mean Std. Error Difference
F Sig. t df tailed) Difference Difference Lower Upper
Tek_darah Equal .150 .703 - 19 .614 -4.167 8.119 -21.161 12.827
variances .513
assumed
Equal - 14.760 .628 -4.167 8.420 -22.139 13.806
variances not .495
assumed

Berdasarkan tabrel diatas rata-rata tekanan darah perempuan lebih rendah dari laki-laki, namun
dari hasil uji Independent Sample Test, diperoleh nilai Sig (2-tailed) sebesar 0,614 atau > 0,05
hal ini berarti dapat diambil kesimpulan bahwa rata-rata tekanan darah berdasarkan jenis
kelamin tidak jauh berbeda.

No. 4

Between-Subjects Factors
Value Label N
Treatment 1 2ST1(Kontrol) 8
2 2ST2(lari) 8
3 2KS2(angkat 10
beban)
4 2KS3(lari dan 4
angkat beban)

Descriptive Statistics
Dependent Variable: Kadar_kol_Postest
Treatment Mean Std. Deviation N
2ST1(Kontrol) 63.0000 8.00446 8
2ST2(lari) 50.6875 12.73055 8
2KS2(angkat beban) 63.8500 9.46353 10
2KS3(lari dan angkat beban) 56.7500 5.42371 4
Total 59.1667 10.84796 30

Tests of Between-Subjects Effects

Dependent Variable: Kadar_kol_Postest
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 1986.827a 4 496.707 8.709 .000
Intercept 556.863 1 556.863 9.764 .004
Kadar_kol_Pretest 1051.404 1 1051.404 18.435 .000
Treatment 480.588 3 160.196 2.809 .060
Error 1425.839 25 57.034
Total 108433.500 30
Corrected Total 3412.667 29
a. R Squared = .582 (Adjusted R Squared = .515)

Berdasarkan table Test of Between -Subject Effets variable yang berpengaruh terhdap kadar
kolesterol postes adalah Kadar kolesterol Pretest karena nilai Sig < 0,05, sedangkan perlakuan
atau treatmen nilai sig > 0,05 disimpulkan tidak berpengaruh terhdap kadar kolesterol postest

Berdasarkan data deskriftif maka dapat dismpulkan rata-rata perlakuab 2KS2(angkat beban) dengan
jumlah sampel 10 merupakan rata-rata perlakuan yang terbesar. Sedankan yang terkecil adalah perlakuan 2ST2(lari)

dengan jumlah sampel 8

Estimates
Dependent Variable: Kadar_kol_Postest
95% Confidence Interval
Treatment Mean Std. Error Lower Bound Upper Bound
2ST1(Kontrol) 61.164a 2.704 55.595 66.733
2ST2(lari) 56.581a 3.002 50.398 62.764
2KS2(angkat beban) 62.856a 2.399 57.915 67.798
2KS3(lari dan angkat beban) 51.119a 3.997 42.886 59.351
a. Covariates appearing in the model are evaluated at the following values:
Kadar_kol_Pretest = 59.8000.
Dari data table Levene's Test of Equality of Error Variancesa nilai Sig sebesar 0,690 >
0,05 dengan demikian dapat dikatakan data tidak homogenn.

Levene's Test of Equality of Error

Variancesa
Dependent Variable: Kadar_kol_Postest
F df1 df2 Sig.
.494 3 26 .690
Tests the null hypothesis that the error variance of
the dependent variable is equal across groups.
a. Design: Intercept + Kadar_kol_Pretest +
Treatment

No, 5

N1 (Istri) = 10
N2 (suami) 10
3 + 2 + 1 + 0 + 0 + 1 + 2 + 2 + 2 + 0 14
𝑋̅1 = = = 1,4
10 10

2 + 3 + 2 + 2 + 0 + 2 + 1 + 3 + 1 + 2 18
𝑋̅2 = = = 1,8
10 10

(3 − 1,4)2 + (2 − 1,4)2 + (1 − 1,4)2 + (0 − 1,4)2 + (0 − 1,4)2 + (1 − 1,4)2 + (2 − 1,4)2 + (2 − 1,4)2 + (2 − 1,4)2 + (0 − 1,4)2
𝑆1 =
10

(2 − 1,8)2 + (3 − 1,8)2 + (2 − 1,8)2 + (2 − 1,8)2 + (0 − 1,8)2 + (2 − 1,8)2 + (1 − 1,8)2 + (3 − 1,8)2 + (1 − 1,8)2 + (2 − 1,8)2
𝑆2 =
10

S1 =1,06

S2 =0,92
 1,4 − 1,8
𝑡 ℎ𝑖𝑡𝑢𝑛𝑔 =
2 2
√(10 − 1)1,06 + (10 − 1)0,92 , ( 1 + 1 )
10 + 10 − 2 10 10

−0,4
𝑡 ℎ𝑖𝑡𝑢𝑛𝑔 =
2 2
√(9)1,06 + (9)0,92 , (0,2)
18

−0,4
𝑡 ℎ𝑖𝑡𝑢𝑛𝑔 =
√0,79
−0,4
𝑡 ℎ𝑖𝑡𝑢𝑛𝑔 = =-1
√0,159

Hipotesis :

Ho : Rata-rata jumlah anak keinginan istri lebih sedikit dari keinginan suaminya

Ha : Rata-rata jumlah anak keinginan istri tidak lebih sedikit dari keinginan suaminya

Nilai t Tabel = -2,28

Karena t Tabel < tHitung maka dapat disimpulkan Ho ditolak artinya jumlah anak keinginan istri tidak
lebih sedikit dibandingnkan suaminya.
No. 6

ANALISIS VARIANS SATU ARAH

ABSTRAK
Pengujian statistik adalah bidang yang paling penting dalam inferensial statistik, benar atau
salahnya suatu hipotesis tidak akan pernah diketahui dengan pasti kecuali bila kita memeriksa
seluruh populasi. Karena adanya variasi atau ragam pada sekumpulan data atau populasi maka kita
dapat mengambil kesimpulan menggunakan varians. Varians untuk sekumpulan data ini
melukiskan derajat perbedaan atau variasi nilai data individu yang ada dalam kelompok atau
kumpulan data yang dihitung dari rata-rata kumpulan data tersebut.
Varians dan rata-rata telah banyak digunakan untuk membuat kesimpulan mengenai populasi, baik
secara deskriptif maupun induktif melalui penaksiran dan pengujian hipotesis mengenai parameter.
Bila faktor yang menjadi perhatian berupa satu faktor maka anova yang digunakan adalah satu
arah. Pada artikel ini akan dibahas mengenai analisis varians satu arah yang bertujuan untuk
mengetahui signifikansi dari dua kelompok yang berlainan akibat penggunaan beberapa perlakuan
pada suatu variable bebas. Analisis varians digunakan untuk pengujian lebih dari dua sampel, juga
menguji perbedaan mean dari suatu kelompok data melaui pengujian variansinya. Analisis varians
dapat juga melihat pengaruh variable bebas dan variable control terhadap variable terikat secara
terpisah maupun bersama-sama.[1]
Kata kunci: Statistika, Analisis Varians Satu Arah

ABSTRACT

Statistical testing is the most important area in statistical inferential, the true or false of a hypothesis
can never be known with certainty unless we examine the entire population. Because of the
variation or variance in a data set or population, we can draw conclusions using variance. The
variance for this data set describes the degree of difference or variation in the value of individual
data that is in the group or data set calculated from the average of that data set.
Variances and means have been widely used to make inferences about populations, both
descriptively and inductively through estimation and testing of hypotheses regarding parameters.
If the factor of concern is one factor, the anova used is one-way. This article will discuss one-way
analysis of variance which aims to determine the significance of two different groups due to the
use of several treatments on an independent variable. Analysis of variance is used for testing more
than two samples, as well as testing the difference in the mean of a group of data through testing
the variance. Analysis of variance can also see the effect of independent variables and control
variables on the dependent variable separately or collectively. [1]
Keywords: Statistics, One Way Variance Analysis
1. PENDAHULUAN

Defenisi analisis varians[2]

 Analisis varians yang sering disingkat sebagai ANAVA atau ANOVA untuk pertama kalinya
dikembangkan oleh R.A. Fisher yang dituangkan dalam makalah pada tahun 1923. Pada
awalnya, analisis tersebut digunakan sebagai alat untuk menganalisis data tentang
eksperimental di bidang pertanian. Namun pada saat ini analisis varian ini banyak diterapkab
di berbagai bidang. Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa
populasi. Konsep analisis varians didasarkan pada konsep distribusi F dan biasanya dapat diaplikasikan
untuk berbagai macam kasus maupun dalam analisis hubungan antara berbagai varabel yang diamati.
Dalam perhitungan statistik, analisis varians sangat dipengaruhi asumsi-asumsi yang digunakan seperti
kenormalan dari distribusi, homogenitas variansi dan kebebasan dari kesalahan.
Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data setiap kelompok. Asumsi
adanya homogenitas variansi menjelaskan bahwa variansi dalam masing-masing kelompok dianggap
sama. Sedangkan asumsi bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada
setiap kelompok bersifat saling bebas.

Sesuai dengan namanya, analisis varian yaitu teknik analisis yang digunakan untuk menentukan
apakah perbedaan atau variasi nilai suatu variabel terikat itu disebabkan oleh atau tergantung
pada perbedaan (variasi) nilai pada variabel bebas. Perlu dipahami bahwa dalam analisis varian
terdapat dua komponen varian nilai yang harus dipisah-pisahkan karena memiliki makna yang
berbeda, yaitu (1) komponen varian antara kelompok (between groups) yang benar-benar
disebabkan oleh perbedaan varian nilai variabel bebas dan (2) komponen varian dalam
kelompok (within groups) yang tidak disebabkan oleh perbedaan varian nilai variabel bebas.
Anava terdiri dari upaya memperoleh dua taksiran bebas, yang satu didasarkan kepada
variabilitas antara kelompokdan yang stu lagi didasrkan kepada variabilitas di dalam kelompok
.

2. Analisis Varians Satu Arah

Pada uji-t, terdapat dua macam perlakuan dan kemudian dilakukan perbandingan antar kedua
nilai rata-ratanya. Pada Anava satu arah secara simultan dapat dilakukan perbandingan nilai
rata-rata antara dua kelompok atau lebih. Oleh karena itu disebutkan bahwa uji-t adalah kasus
yang spesifik dari Anava satu arah atau sebaliknya Anava satu arah merupakan perluasan dari
uji-t untuk masalah-masalah yang mencakup lebih dari dua kelompok.

Hipotesis ANOVA satu arah

1) H0 : µ1= µ2 = µ3= … = µk
a. Seluruh mean populasi adalah sama
b. Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )
2) H1 : tidak seluruhnya mean populasi adalah sama
a. Terdapat sebuah efek treatment
b. Tidak seluruh mean populasi berbeda ( beberapa pasang mungkin sama )

Asumsi-asumsi yang melandasi analisis varians satu arah

a. Populasi berdistribusi normal
b. Variansi populasi sama (homogen varians)
 c. Pemilihan anggota antara satu sampel dengan sampel lain harus independen
d. Sampel ditarik secara acak tanpa pemulihan

3. Langkah-Langkah Analisis Varians Satu Arah

a. Uji atau asumsikan bahwa data masing-masing dipilih secara acak
b. Uji atau asumsikan bahwa data masing-masing berdistribusi normal
c. Uji atau asumsikan bahwa data masing-masing homogeny
d. Tulis Ha dan H0 dalam bentuk kalimat dan statistik
e. Buat tabel penolong anova

Nomor Responden Variable bebas

𝑥1 𝑥2 𝑥3 …. 𝑥𝑛

𝑛1 𝑛2 𝑛3 𝑛𝑛 N

Σ𝑥 Σ𝑥 Σ𝑥 Σ𝑥 Σ𝑥

𝑥1 𝑥2 𝑥3 𝑥𝑛

S21 S22 S23 S2n

f. Hitung jumlah kuadrat (rata-rata, antar kelompok, dalam kelompok)

(∑ 𝑥1 + ∑ 𝑥2 + ∑ 𝑥3 + … . ∑ 𝑥𝑛 )2
𝐽𝐾𝑅 =
𝑛1 +𝑛2 +𝑛3 … +𝑛𝑛
(𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎)

(∑ 𝑥1 )2 (∑ 𝑥2 )2 (∑ 𝑥3 )2 … (∑ 𝑥𝑛 )2
𝐽𝐾𝐴 = + + + + − 𝐽𝐾𝑅
𝑛1 𝑛2 𝑛3 … 𝑛𝑛
(𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘)

𝐽𝐾𝐷 = Σ𝑥 2 − 𝐽𝐾𝑅 − 𝐽𝐾𝐴

(𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘)

g. Hitung derajat kebebasan (rata-rata, antar kelompok, dalam kelompok)

𝑑𝑘𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 = 1
(derajat kebebasan rata-rata)

𝑑𝑘𝐴 = 𝑘 − 1
 (derajat kebebasan antar kelompok)

𝑑𝑘𝐷 = 𝑁 − 𝑘
(derajat kebebasan dalam kelompok)

h. Hitung rata-rata jumlah kuadrat (rata-rata, antar kelompok, dalam kelompok)

𝐽𝐾𝑅
𝑅𝐾𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 =
𝑑𝑘𝑅
(𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 )

𝐽𝐾𝑅
𝑅𝐾𝐴 =
𝑑𝑘𝐴
(𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘)

𝐽𝐾𝐷
𝑅𝐾𝐷 =
𝑑𝑘𝐷
(dalam kelompok)

i. Cari Fhitung, taraf signifikan(𝛼), Ftabel kemudian masukkan semua nilai yang telah di dapat ke
dalam tabel anova
𝑅𝐾𝐴
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(1−𝛼)(𝑑𝑘𝐴,𝑑𝑘𝐵)
𝑅𝑘𝐴

Jumlah Variasi Jumlah Kuadrat Dk Rata-rata F

(JK) Kuadrat (RK)
Rata-rata JKR 1 RKR
Antar Kelompok JKA dkA RKA Fhitung
Dalam Kelompok JKD dkD RKD

Jumlah Σ𝑥2 Σ𝑥n

j. Tentukan Kriteria pengujiannya yaitu jika Fhitung ≤ Ftabel, maka H0 diterima

k. Bandingkan Fhitung dengan Ftabel dan buat kesimpulannya.

4. Contoh Soal

Dari suatu pengamatan didapat data sebagai berikut: [3]

 Prosedur yang dicobakan

A B C

2 8 3
0 4 8
Data yang dihasilkan 1
4 5
7 9 4

Pertanyaannya: apakah ketiga prosedur kerja mereka berbeda?

Jawab:
1) Uji atau asumsikan bahwa data masing-masing dipilih secara acak
2) Uji atau asumsikan bahwa data masing-masing berdistribusi normal
3) Uji atau asumsikan bahwa data masing-masing homogeny
4) Tulis Ha dan H0 dalam bentuk kalimat
Ha : terdapat perbedaan yang signifikan antara A, B dan C
H0 : tidak terdapat perbedaan yang signifikan antara A, B dan C
5) Hipotesis statistikanya.
Ha : salah satu ada yang ≠
H0 : 𝜇𝐴= 𝜇𝐵= 𝜇𝐶
6) Buat tabel penolong anova sebagai berikut:

Prosedur yang dicobakan

A B C

2 8 3
0 4 8
4 5 1
7 9 4
Data yang dihasilkan
𝑛1 = 4 𝑛2 = 4 𝑛3 =4 N= 12

Σ𝑥1 = 13 Σ𝑥2 = 26 Σ𝑥3 = 16 Σ𝑥 = 55

𝑥̅1 = 2,35 𝑥̅2 = 6,5 𝑥̅3 = 4

S21 = 8,92 S22 = 5,67 S23 =8,67

7) Hitung jumlah kuadrat rata-rata dengan rumus:

 (∑ 𝑥1 + ∑ 𝑥2 + ∑ 𝑥3 + … . ∑ 𝑥𝑛 )2
𝐽𝐾𝑅 =
𝑛1 +𝑛2 +𝑛3 … +𝑛𝑛
(13 + 26 + 16)2
= = 252,08
4+4+4

(∑ 𝑥1 )2 (∑ 𝑥2 )2 (∑ 𝑥3 )2 … (∑ 𝑥𝑛 )2
𝐽𝐾𝐴 = + + + + − 𝐽𝐾𝑅
𝑛1 𝑛2 𝑛3 … 𝑛𝑛
132 262 162
= + + − 252,08
4 4 4
= 23,17
(𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘)

𝐽𝐾𝐷 = Σ𝑥 2 − 𝐽𝐾𝑅 − 𝐽𝐾𝐴

= 345 − 252 − 23,17
= 69,75
(𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘)
8) Derajat kebebasan rata-rata dengan rumus:
𝑑𝑘𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 = 1

𝑑𝑘𝐴 = 𝑘 − 1
= 3-1=2
(derajat kebebasan antar kelompok)

𝑑𝑘𝐷 = 𝑁 − 𝑘
=12-3 = 9
(derajat kebebasan dalam kelompok)
Dimana N= jumlah seluruh anggota sampel
9) Rata-rata jumlah kuadrat antar kelompok dengan rumus:
𝐽𝐾𝑅
𝑅𝐾𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 =
𝑑𝑘𝑅
252,08
= = 252,08
1

𝐽𝐾𝑅
𝑅𝐾𝐴 =
𝑑𝑘𝐴
23,17
= = 11,58
2
(𝑎𝑛𝑡𝑎𝑟 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘)
 𝐽𝐾𝐷
𝑅𝐾𝐷 =
𝑑𝑘𝐷
11,58
= = 1,49
7,75
(dalam kelompok)
10) Taraf signifikan (𝛼)= 0,05
𝑅𝐾𝐴 11,58
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 1,49
𝑅𝑘𝐴 7,75
𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(1−𝛼)(𝑑𝑘𝐴,𝑑𝑘𝐵)
= 𝐹(1−0,05)(2,9) = 4,26

Jumlah Variasi Jumlah Kuadrat Dk Rata-rata F

(JK) Kuadrat (RK)
Rata-rata 252,08 1 252,08
Antar Kelompok 23,17 2 11,58 1,49
Dalam Kelompok 69,75 9 7,75

Jumlah Σ𝑥2 Σ𝑥n

Kriteria pengujiannya yaitu

H0 = signifikan
Ha = tidak signifikan
Jika Fhitung ≤ Ftabel, maka H0 diterima, ternyata 1,49 < 4,26 sehingga H0 diterima
Kesimpulannya:
H0 yang berbunyi; “tidak terdapat perbedaan yang signifikan antar A, B, dan C’’
diterima. Sebaliknya Ha yang berbunyi:”terdapat perbedaan anatar A, B, dan C “.
Ditolak.

5. Kesimpulan

Jika uji t hanya berlaku untuk membedakan dua rata-rata, maka ANOVA berlaku untuk
membedakan lebih dari dua rata-rata. Uji t tidak digunakan untuk membedakan lebih dari rata-
rata, sebab semakin banyak kita memakainya, semakin banyak pula penyimpangan atau
kesalahan yang terjadi.
Selain itu, semakin banyak pula kita menghabiskan waktu dan tenaga untuk berkali-kali
menggunakan uji-t. ini pun masih salah hasilnya dibandingkan dengan ketepatan ANOVA.
Sebelum anova digunakan, maka persyaratan yang harus dipenuhi adalah: data setiap kelompok
berdistribusi normal, data semua kelompok harus homogeny, dan data-data dipilih secara acak
 (random). Anova ada ada dua macam yaitu satu arah dan dua arah. Istilah-istilah untuk satu
arah dan dua arah masih banyak lagi. Dalam hal ini dibatasi pada anova satu arah saja.

DAFTAR PUSTAKA
[1] Syahputra, Edi (2016), Statistika Terapan, Medan: Unimed Press.
[2] Rangkuti, Ahmad Nizar (2015), Statistik untuk Penelitian Pendidikan, Medan: Perdana
Publishing.
[3] Usman, Husein dan R. Purnomo Setiady (2008), Pengantar Statistika, Jakarta: PT Bumi
Aksara.