Riki Andriatna
Program Studi Pendidikan Matematika
Universitas Sebelas Maret
Media Pembelajaran
Riki Andriatna
Program Studi Pendidikan Matematika
Universitas Sebelas Maret
Sasaran Pembelajaran
Kemampuan Akhir
➢ Mengidentifikasi, menghitung dan menganalisis Anava Satu
Jalan dalam permasalahan penelitian khususnya di bidang
pendidikan
Indikator
➢ Mengidentifikasi model Analisis Variansi Satu Jalan (C1)
Materi Pokok
➢ Pengantar Analisis Variansi
➢ Nilai dalam Analisis Variansi
➢ Jenis Analisis Variansi
➢ Pengantar Analisis Variansi Satu Jalan
• Pengujian komparasi dua populasi dilakukan
melalui uji dua rerata menggunakan statistic uji
parametrik yaitu uji 𝑡.
• Bagaimana jika terdapat 𝑘 populasi dengan 𝑘 > 2
yang akan diuji komparasikan, yaitu akan
dikomparasikan rerata dari 𝑘 populasi tersebut
secara serempak?
Pengertian Analisis Variansi
▪ Analisis variansi (Analysis of Variance/Anova) yang disingkat Anava
merupakan teknik analisis komparatif rerata untuk k populasi yang
dilakukan secara serentak.
▪ Prosedur Anava memperlihatkan variasi-variasi yang muncul
karena adanya beberapa perlakuan untuk menyimpulkan
ada/tidaknya perbedaan rerata pada k populasi → disebut Analisis
Variansi
Misalkan dalam penelitian eksperimen akan diuji dampak
pemberian tiga model pembelajaran (model A, model B, dan model
C) untuk melihat pengaruhnya terhadap kemampuan penalaran.
Konteks Penelitian Eksperimen
Rerata pertambahan berat badan : 𝑋𝐴 = 3,58 dan 𝑋𝐵 = 2,50. Rerata keduanya berbeda, sehingga terdapat varians
antar kelompok.
➢ Rerata untuk kedua rerata di atas (ukuran sampel berbeda) :
5 3,58 + 4 2,50
𝑋ത = = 3,1
9
➢ Jumlah kuadrat (JK) dikoreksi untuk jenis A : 5 3,58 − 3,1 2 = 1,152
➢ Jumlah kuadrat (JK) dikoreksi untuk jenis B : 4 2,50 − 3,1 2 = 1,44
➢ JK dikoreksi untuk kedua rerata antar kelompok : 1,152 + 1,44 = 2,592
➢ Nilai JK dikoreksi untuk kedua rerata antar kelompok dibagi dengan derajat kebebasan, dk = k – 1 = 2 – 1 = 1,
2,592
yaitu = 2,592 menunjukkan varians antar kelompok.
1
lanjutan
Dengan menggunakan ke-9 data mentah, diperoleh nilai varians total (gunakan rumus varians).
➢ JK dikoreksi total
σ9𝑖=1 𝑋𝑖 − 𝑋ത 2 = 3,2 − 3,1 2 + 3,7 − 3,1 2 + ⋯ + 2,4 − 3,1 2
= 31,2
31,2
➢ Nilai JK dikoreksi total dibagi dk = n – 1 = 9 – 1= 8 diperoleh varians total = 0,39.
8
➢ Varians total merupakan gabungan semua sumber varians dalam skor yang sudah diketahui (salah satunya varians
antar kelompok)
Varians total berisi semua sumber variasi dalam skor yang sudah diketahui (satu
diantaranya varians antar kelompok)
Akan dihitung varians jenis A dan varians jenis B berdasarkan data mentah → Varians dalam kelompok atau Varians
Galat
➢ JK dikoreksi untuk data jenis A
σ5𝑖=1 𝑋𝑖 − 𝑋𝐴 2 = 3,2 − 3,58 2 + 3,7 − 3,58 2 + ⋯ + 3,5 − 3,58 2
= 0,268
➢ JK dikoreksi untuk data jenis B
σ4𝑖=1 𝑋𝑖 − 𝑋𝐵 2 = 2,2 − 2,50 2 + 2,9 − 2,50 2 + ⋯ + 2,4 − 2,60 2
= 0,26
➢ Kedua JK di atas dijumlahkan akan sama dengan 0,528 (JK dikoreksi dalam kelompok) yang kemudian dibagi oleh dk
0,528
= n – k = 9 – 2 = 7 menghasilkan varians dalam kelompok 7 = 0,0754.
Nilai dalam Analisis Variansi
Sumber Variasi
1
Hal yang dipandang menunjukkan variasi (perbedaan
terjadi diantara kelompok, di dalam kelompok, dan
Jumlah Kuadrat (JK) interaksi antar dua factor atau lebih)
2
Penjumlahan setiap deviasi dari nilai rerata (JK Total, JK Antar
Kelompok, JK Dalam Kelompok)
Rerata Kuadrat (RK)
Merupakan perbandingan antara JK dengan derajat
3 kebebasannya (RK Antara Kelompok dan RK Galat)
Uji F
Perbandingan antara RK Antar
Kelompok dengan RK Galat
4
Jenis Analisis Variansi
Homogenitas Varians Populasi Kesamaan varians antar populasi yang harus penuhi (komputasi
dalam Anava adalah Varians Gabungan) yang berkaitan dengan uji F
Jika tidak penuhi, maka Anava tidak dapat dilakukan
Hipotesis Statistik
Misalkan terdapat 𝑘 perlakuan. Pasangan hipotesis yang akan diuji sebagai berikut.
Alternatif 1
𝐻0 : Tidak terdapat pengaruh variabel bebas terhadap variable terikat
𝐻1 : Terdapat pengaruh variabel bebas terhadap variable terikat
Alternatif 2
𝐻0 : 𝜇1 = 𝜇2 = ⋯ = 𝜇𝑘
𝐻1 : 𝜇1 ≠ 𝜇2 atau 𝜇2 ≠ 𝜇3 atau … atau 𝜇𝑘−1 ≠ 𝜇𝑘
Terdapat paling sedikit dua rerata yang tidak sama
Alternatif 3 (Simbol 𝛼 menunjukkan efek perlakuan→lihat slide 21)
𝐻0 : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑘 = 0
𝐻1 : Terdapat paling sedikit satu 𝛼𝑗 yang tidak sama dengan nol
Anava Satu Jalan Sel Sama
Anava Satu Jalan Sel Sama
Anava Satu Jalan Sel Sama merupakan mendasarkan pada ukuran setiap sampel yang
sama.
Model Data
Misalkan 𝑋𝑖𝑗 menyatakan data ke-i dari populasi ke-j. Data 𝑋𝑖𝑗 dinyatakan dalam model matematis
sebagai berikut:
𝑋𝑖𝑗 = 𝜇𝑗 + 𝜀𝑖𝑗
𝜇𝑗 : rata-rata populasi ke-j Efek perlakuan ke-j
𝜀𝑖𝑗 : deviasi 𝑋𝑖𝑗 terhadap rerata populasi/galat (error) → 𝜀𝑖𝑗 = 𝑋𝑖𝑗 − 𝜇𝑗
Misalkan rata-rata seluruh data pada k populasi adalah 𝜇, maka 𝜇𝑗 = 𝜇 + 𝛼𝑗 dengan
𝑘 𝑘