Teknik Analisis Data

Riki Andriatna
Program Studi Pendidikan Matematika
Universitas Sebelas Maret
 Media Pembelajaran

Akses Sistem Pembelajaran Daring (SPADA UNS)

http://spada.uns.ac.id
Course Name : Teknik Analisis Data Kelas B TA 2021/2022
Course Creator : Riki Andriatna
 Pengantar Mata Kuliah
Capaian Pembelajaran Mata Kuliah (CPMK)

➢ Menerapkan konsep statistika inferensial dalam penelitian

Capaian Pembelajaran Lulusan (CPL)

➢ S8. Menginternalisasi nilai, norma, dan etika akademik

➢ S9. Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri
➢ KU1.Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam
kontekspengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan
menerapkan nilai humaniora yang sesuai dengan bidang keahliannya
➢ KU2. Mampu menunjukkan kinerja mandiri, bermutu, dan terukur
➢ KU5.Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang
keahliannya, berdasarkan hasil analisis informasi dan data
➢ P2.Menguasai konsep teoritis keilmuan matematika sebagai bekal menempuh studi lanjut dan
melaksanakan pembelajaran matematika di pendidikan dasar dan menengah yang berorientasi pada
kecakapan hidup (life skills)
 Pengantar Mata Kuliah
Bahan Kajian Basis Penilaian

Analisis Variansi Hasil Proyek – 50%

Analisis Regresi dan Ujian Tengah Semester –

Korelasi 25%

Analisis Ujian Akhir

Kovariansi Semester – 25%
 Pengantar Mata Kuliah
Referensi

➢ Budiyono,Statistika untuk Penelitian Edisi Kedua,Sebelas Maret University

Press,2016
➢ Edward W. Minium, Bruce M. King, & Gordon Bear,Statistical Reasoning in
Psychology and Education (Third Edition),John Wiley & Sons, Inc.,1993
➢ Theodore Coladarci, Casey D. Cobb, Edward W. Minium, & Robert C.
Clarke,Fundamentals of Statistical Reasoning in Education 3rd ed.,John Wiley &
Sons, Inc.,2011
➢ Ronald E. Walpole & Raymond H. Myers,Probability and Statistics for Engineers
and Scientists,MacMillan Publishing Co. Inc.,1978
➢ Sudjana,Metode Statistika Edisi 6,Penerbit Tarsito,2005
 Analisis Variansi

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

Peneliti bertujuan melihat ada atau tidaknya efek beberapa perlakuan

(treatment).
▪ Penelitian Pendidikan untuk melihat efek tiga model pembelajaran
terhadap kemampuan literasi matematis. Masing-masing model
diberikan kepada satu kelompok yang kemudian akan
dikomparasikan rerata dari ketiga kelompok tersebut.
Model pembelajaran sebagai variable
bebas/independen Skala nominal

Kemampuan literasi matematis sebagai variable

tak bebas/dependen Skala interval
 Sebuah pertanyaan…
Jika akan dilakukan komparasi rerata dari 3 kelompok :
𝐴 𝑣𝑠 𝐵 𝑣𝑠 𝐶
mengapa tidak menggunakan uji rerata t?
Maksudnya dilakukan pengujian rerata :
▪ 𝐴 𝑣𝑠 𝐵;
▪ 𝐴 𝑣𝑠 𝐶; dan
▪ 𝐵 𝑣𝑠 𝐶.
Pengujian komparasi tiga kelompok tidak
dilakukan menggunakan uji t dikarenakan (salah
satunya) faktor taraf signifikansi 𝛼.
▪ Misalkan dilakukan uji t dengan 𝛼 = 5% berarti
terdapat jaminan sebesar 95% hasil uji terbebas dari
𝛼.
Bagaimana jika uji t dilakukan sebanyak 3 kali?
Penggunaan uji t berulang
Berapa nilai 𝛼 ?
Misalkan terdapat 3 kelompok populasi, maka akan memperbesar terjadinya
3 3−1 kekeliruan tipe I (𝛼).
terdapat = 3 kali pengujian dengan uji t.
2
Jika uji t dilakukan sebanyak 3 kali, maka jaminan
hasil uji terbebas dari 𝛼 sebesar 0,953 = 0,857
yang berarti nilai 𝛼 = 1 − 0,815 = 0,143 atau
𝛼 = 14,3%. Ini menunjukkan adanya kenaikan
kesalahan/error tipe I, 𝛼, sebesar 9,3%.
Section Break
 Variansi
❑ Varians merupakan sekumpulan data yang melukiskan derajat perbedaan atau variasi
nilai data individu yang ada dalam kelompok atau kumpulan data tersebut.
Varians sistematik merupakan
varians pengukuran karena Varians
adanya pengaruh yang Sistematik
menyebabkan data lebih
condong ke satu arah tertentu
dibandingkan arah yang Varians galat merupakan variasi
lain→pengaruh alamai/buatan yang terjadi secara kebetulan /
manusia, seperti fluktuasi→ Varians Acak
treatment/perlakuan berupa Varians
model pembelajaran. Galat

varians antar kelompok/varians eksperimental, yang

menggambarkan perbedaan/variasi sistematik antar
kelompok-kelompok hasil pengukuran (perbedaan antara
kelompok-kelompok individu)
 Ilustrasi
(Sudjana, 2005)
Misalkan terdapat empat kelas dengan jumlah siswa setiap kelas sama banyak. Masing-masing kelas diberikan
suatu model pembelajaran yang berbeda, yaitu model A, model B, model C, dan model D. Nilai rerata hasil ujian
akhir sebagai berikut.
Model A B C D
Rerata 67,3 76,5 56,9 63,7
➢ Rerata untuk keempat rerata kelas (jumlah siswa sama) :
1
𝑋ത = 67,3 + 76,5 + 56,9 + 63,7 = 66,1
4
➢ Jumlah kuadrat (JK) dikoreksi, yaitu setiap data dikurangi rerata, kemudian dikuadratkan, dan kemudian
dijumlahkan :
σ4𝑖=1 𝑋ഥ𝑖 − 𝑋ത 2 = 67,3 − 66,1 2 + 76,5 − 66,1 2 + 56,9 − 66,1 2 + 63,7 − 66,1 2
= 200
➢ Nilai JK dikoreksi dibagi dengan derajat kebebasan, dk = k – 1 = 4 – 1 = 3, yaitu
200
= 66,67
3
Nilai 66,67 merupakan varians antar kelompok A, B, C, dan D.
 Ilustrasi
(Sudjana, 2005)
Misalkan terdapat dua jenis makanan ayam. Jenis A dicobakan terhadap 5 ekor ayam dan jenis B dicobakana
terhadap 4 ekor ayam. Segala karakteristik ke-9 ekor ayam sama, seperti besar, jenis, umur, dll. Setelah 20 hari
percobaan, pertambahan berat ayam ditimbang (dlm ons) sebagai berikut.
Jenis A 3,2 3,7 3,9 3,6 3,5
Jenis B 2,2 2,9 2,5 2,4 -

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

Anava Satu Jalan Anava Dua Jalan

Pengujian Anava untuk k Pengujian Anava untuk k

populasi dengan hanya populasi dengan dua
satu variabel bebas variabel bebas (faktor
berskala nominal. baris dan kolom) yang
➢ Anava Satu Jalan Sel berskala nominal.
Sama ➢ Anava Dua Jalan Sel
➢ Anava Satu Jalan Sel Sama
Tidak Sama ➢ Anava Dua Jalan Sel
Tidak Sama
 Anava dalam Rancangan
Penelitian Eksperimen
Anava bertujuan menguji ada/tidaknya pengaruh beberapa perlakuan (faktor)
terhadap variabel terikat.
Misal melihat pengaruh waktu belajar (pagi, siang, dan sore) terhadap prestasi
belajar→apakah waktu belajar (variabel bebas) memberikan pengaruh terhadap
prestasi belajar (variabel terikat)?
𝐻0 diterima →waktu belajar memberikan efek yang sama
𝐻0 ditolak → waktu belajar memberikan efek yang tidak sama
✓ Kasus di atas terdiri dari satu variabek bebas (waktu belajar) →Anava Satu
Jalan
✓ Jika yang diuji adalah waktu belajar (pagi, siang, sore) dan ukuran kelas
(besar dan kecil) sebagai variabel bebas untuk melihat pengaruh secara
serentak terhadap pretasi belajar sebagai variabel terikat → Anava Dua Jalan
 Analisis Variansi Satu Jalan
Penelitian menggunakan teknik analisis variansi satu jalan
 Analisis Variansi Dua Jalan
Penelitian menggunakan teknik analisis variansi dua jalan
 Catatan Anava
Anava memiliki keuntungan dibandingan uji t yaitu dapat melakukan uji
rerata secara sekaligus.
Tetapi terdapat kelemahan :
1. Ketika 𝐻0 ditolak, Peneliti hanya mengetahui bahwa terdapat pengaruh
variabel bebas terhadap variabel terikat (terdapat perbedaan pengaruh
dari setiap perlakuan), akan tetapi Peneliti belum mengetahui
perlakuan mana yang secara signifikan berbeda dengan yang lain
→Solusi uji lanjutan Anava/Uji komparasi Ganda.
2. Kelemahan lain jika Peneliti ingin melihat perlakuan mana yang lebih
baik, maka Anava tidak menyediakan cara untuk hal tersebut. Untuk
mengatasi dilanjutkan dengan uji lanjutan Anava berupa uji komparasi
ganda untuk melihat perbandingan rata-rata populasi.
Anava Satu Jalan
 Anava Satu Jalan
• Anava satu jalan hanya terdapat satu variabel bebas (skala
nominal) pada k populasi.
k populasi →pada penelitian diambil k sampel dimana setiap
sampel diambil dari populasi-populasi (pengertian populasi
berbeda dengan pengertian pada metodologi penelitian) dengan
setiap sampel mendapatkan perlakuannya masing-masing.

Misal akan diuji ada tidaknya pengaruh waktu mengajar (pagi,

siang, dan sore) terhadap prestasi belajar→apakah waktu pagi,
siang, dan sore memberikan perbedaan terhadap prestasi belajar
atau tidak?
Variabel waktu (pagi, siang, sore) merupakan variabel bebas dan
hanya terdapat satu variabel bebas yang bersifat nominal,
sehingga terdiri dari tiga kelompok sampel, yaitu kelompok siswa
yang belajar pagi, kelompok siswa yang belajar siang, dan
kelompok siswa yang belajar sore.
 Persyaratan Anava Satu Jalan

Randomisasi Pengambilan sampel dari populasi dilakukan secara acak/random

sehingga representatif terhadap populasi

Perlakuan yang diberikan kepada masing-masing sampel independen

Independen antara satu dan lainnya (yaitu antar masing-masing sampel (populasi)
tidak saling mempengaruhi), termasuk independent antar data
amatan
Populasi berdisitribusi normal karena Anava merupakan uji rerata
Berdistribusi Normal (statistika parametrik)
Jika tidak dipenuhi dapat melakukan transformasi data atau
memperbesar ukuran sampel

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

෍ 𝛼𝑗 = ෍(𝜇𝑗 −𝜇) = 0 ∀𝛼𝑗 bernilai 0 ?

𝑗=1 𝑗=1
dengan 𝛼𝑗 menunjukkan efek perlakuan ke-j terhadap variabel terikat pada populasi ke-j . Akibatnya
model data menjadi
𝑋𝑖𝑗 = 𝜇 + 𝛼𝑗 + 𝜀𝑖𝑗
 Ilustrasi
(Budiyono, 2016)
Dilakukan eksperimentasi dengan tiga perlakuan K1, K2, dan K3 sehingga diperoleh data
untuk setiap populasi sebagai berikut.
Perlakuan
12+16+20
K1 K2 K3 • Rata-rata seluruh data 𝜇 = =4
12
2 5 3 • 𝜇1 = 3 sehingga 𝛼1 = 𝜇1 − 𝜇 = −1
3 5 5 • 𝜇2 = 4 sehingga 𝛼2 = 𝜇1 − 𝜇 = 0
3 3 5 • 𝜇1 = 5 sehingga 𝛼3 = 𝜇1 − 𝜇 = 1
4 3 7 • σ3𝑗=1 𝛼𝑗 = 0
Jumlah 12 16 20
Rata-rata 𝝁𝟏 =3 𝝁𝟐 =4 𝝁𝟑 =5

Nilai 𝜇1 ≠ 𝜇2 , 𝜇1 ≠ 𝜇3 , 𝜇2 ≠ 𝜇3 . Untuk 𝜶𝒋 tidak semuanya nol sehingga dapat dikatakan

bahwa ketiga perlakuan tidak memberikan efek yang sama atau dapat dikatakan bahwa
ketiga perlakuan memberikan pengaruh terhadap variabel terikat.
 Tata Letak Data
Terdapat k buah sampel dengan masing-masing sampel berukuran n. Banyak seluruh data
amatan (banyak sel amatan) adalah nk. Untuk memudahkan komputasi dalam Anava Satu
Jalan Sel Sama, data dapat disajikan seperti berikut.

Perlakuan ▪ Data 𝑥𝑖𝑗 adalah data amatan ke-i pada

1 2 … 𝒌 perlakuan ke-j (sampel ke-j).
▪ 𝑇𝑗 adalah jumlah data amatan sampel ke-j.
𝑥11 𝑥12 … 𝑥1𝑘
▪ 𝑋ഥ𝑗 adalah rerata sampel ke-j
𝑥21 𝑥22 … 𝑥2𝑘 ▪ T.. adalah jumlah seluruh data amatan
… … … … ▪ ത adalah rerata seluruh data amatan
𝑋..
𝑥𝑛1 𝑥𝑛2 … 𝑥𝑛𝑘
Jumlah 𝑻𝟏 𝑻𝟐 … 𝑻𝒌 𝑻. .
Rata-rata 𝑿𝟏 𝑿𝟐 … 𝑿𝒌 ഥ. .
𝑿
Next…
Komputasi Anava Satu Jalan (Sel Sama dan
Tidak Sama)