Pengertian Anova
Anova merupakan singkatan dari “analysis of varian“. Anova adalah
sebuah analisis statistik yang menguji perbedaan rerata antar grup. Grup disini
bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan diperkenalkan
oleh seorang ahli statistik bernama Ronald Fisher.Analysis of Varian adalah salah
satu uji komparatif yang digunakan untuk menguji perbedaan mean (rata-rata)
data lebih dari dua kelompok. Anova merupakan prosedur uji statistik yang mirip
dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih
dari dua kelompok. Berbeda dengan independent sample t test yang hanya bisa
menguji perbedaan rerata dari dua kelompok saja. Misalnya kita ingin mengetahui
apakah ada perbedaan rata-rata IQ antara siswa kelas SLTP kelas I, II, dan kelas
III.
Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian
yang mana menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari
analisis ANOVA adalah nilai F test atau F hitung. Nilai F Hitung ini yang
nantinya akan dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih dari
f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang
berarti ada perbedaan bermakna rerata pada semua kelompok.Analisis ANOVA
sering digunakan pada penelitian eksperimen dimana terdapat beberapa perlakuan.
Peneliti ingin menguji, apakah ada perbedaan bermakna antar perlakuan tersebut.
Analisis varian termasuk dalam kategori statistik parametric. Sebagai alat
statistika parametric, maka untuk dapat menggunakan rumus ANOVA harus
terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas
dan random sampling. Seperti yang dikatakan oleh Agustinus Bandur dalam
bukunya “Penelitian Kuantitatif-Desain Dan Analisis Data Dengan SPSS”,
analisys of variance (ANOVA) dapat digunakan dalam situasi ketika kita
memiliki satu variable interval atau rasio sebagai variable dependen dan satu atau
lebih variable nominal atau ordinal sebagai variable dependen.
B. Prinsip ANOVA
C. Jenis-jenis Anova
a. Anova Satu Jalur
Anova satu jalur, disebut demikian karena analisis tersebut melibatkan hanya
satu peubah bebas. Anova digunakan untuk melihat perbandingan rata-rata
beberapa kelompok biasanya lebih dari dua kelompok. Anova satu arah digunakan
pada kelompok yang digunakan berasal dari sampel yang berbeda tiap kelompok.
Jadi, bisa disimpulkan Pertama, yang perlu dilihat tujuannya membandingkan
rata-rata kelompok lebih dari dua. Kedua, Sampel yang digunakan dari sampel
yang berbeda perkelompok.
Secara rinci, Anova satu jalur digunakan dalam suatu penelitian yang memiliki
ciri-ciri berikut:
1) Melibatkan hanya satu peubah bebas dengan dua kategori (tingkatan) atau
lebih yang dipilih dan ditentukan oleh peneliti secara tidak acak. Kategori
yang dipilih disebut tidak acak karena peneliti tidak bermaksud
menggenarilisasikan hasilnya ke kategori (tingkatan) lain diluar yang diteliti
pada peubah itu. Sebagai contoh, peubah jenis kelamin terdiri hanya atas dua
kategori (pria, wanita) atau peneliti hendak membandingkan keberhasilan
antara metode A, B, dan C dalam meningkatkan kesadaran hukum
masyarakat desa tanpa bermaksud menggenarilisasikannya ke metode lain di
luar ketiga metode tersebut.
2) Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat
kualitatif atau kuantitatif. Pria dan wanita merupakan contoh peubah yang
berbeda secara kualitatif, sedangkan kategori pada peubah jumlah tugas
terstruktur perminggu (misalnya, 1 kali, 2 kali, dan 3 kali) berbeda secara
kuantitatif.
3) Setiap objek merupakan anggota dari hanya satu kelompok (kategori) pada
peubah bebas, dan dipilih secara acak dari populasi tertentu.
3) Masukkan data untuk variabel JIGSAW, STAD, dan TAI dalam satu
kolom pada variabel Kelas.
4) Beri angka 1 untuk data JIGSAW, angka 2 untuk data STAD, dan angka 3
untuk data TAI pada kolom Kelompok. Tampilannya seperti berikut:
5) Klik Analyze Compare Means One-Way Anova sehingga muncul
kotak dialog One-Way Anova.
Oneway
Descriptives
Pembelajaran
95% Confidence
Std. Interval for Mean
Mea Deviatio Std. Lower Upper Minimu Maximu
N n n Error Bound Bound m m
JIGSA
10 23.50 1.958 .619 22.10 24.90 21 26
W
STAD 10 27.00 1.764 .558 25.74 28.26 25 30
TAI 10 22.70 1.767 .559 21.44 23.96 20 25
Total 30 24.40 2.594 .474 23.43 25.37 20 30
Kesimpulan:
Berdasarkan hasil output analisis one way anova di atas, maka dapat kita
ambil kesimpulan bahwa Ho ditolak, dan Ha diterima. Karena taraf
signifikansi yang diperoleh adalah 0,000 yang berarti < 0.05. Jadi, terdapat
perbedaan rata-rata ketiga metode pembelajaran (JIGSAW, STAD, dan TAI).
Pemaknaan:
Sekolah 1 (model A)
No. Nilai Gender
1 46 Perempuan
2 42 Perempuan
3 45 Laki-laki
4 45 Laki-laki
5 38 Perempuan
6 36 Perempuan
7 39 Laki-laki
8 34 Perempuan
9 35 Laki-laki
10 32 Perempuan
11 39 Laki-laki
Sekolah
12 1 (model
33 B)
Laki-laki Sekolah 1 (model C)
No. 13Nilai36Gender
Perempuan No. Nilai Gender
1 1447 32Perempuan
Perempuan 1 58 Perempuan
2 1548 34Perempuan
Perempuan 2 25 Perempuan
3 1645 39Laki-laki
Laki-laki 3 34 Laki-laki
4 46 Laki-laki 4 26 Laki-laki
5 41 Perempuan 5 62 Perempuan
6 45 Perempuan 6 44 Perempuan
7 48 Laki-laki 7 43 Laki-laki
8 42 Perempuan 8 39 Perempuan
9 41 Laki-laki 9 39 Laki-laki
10 45 Perempuan 10 44 Perempuan
11 48 Laki-laki 11 32 Laki-laki
12 33 Laki-laki 12 38 Laki-laki
13 39 Perempuan 13 42 Perempuan
14 47 Perempuan 14 39 Perempuan
15 42 Perempuan 15 41 Perempuan
16 41 Laki-laki 16 33 Laki-laki
Hipotesis:
6. Ketik 1 pada kotak value, ketik Model A pada kotak Label, lalu klik Add.
dan ketik 2 pada kotak value, ketik Model Bpada kotak Label, lalu klik
Add. dan ketik 3 pada kotak value, ketik Model C pada kotak Label, lalu
klik Add. jika sudah di isi semua terlihat seperti gambar berikut:
11. Selanjutnya klik data view ada di sebelah kiri variable view di
bawah. Pada kolom Nilai Isi semua nilai siswa dari nomor urut 1 sd 48
(sampel kita ada 3 sekolah, setiap sekolah ada 16 siswa, jadi 16x3=48
siswa), Lalu pada kolom sekolah baris ke 1 sd 16 ketik 1 (ini kode untuk
sekolah 1 yaitu model A), baris ke 17 sd 32 ketik 2 (ini kode untuk sekolah
2 yaitu model B), baris ke 33 sd 48 ketik 3 (inikode untuk sekolah 3 yaitu
model C). Pada kolom Gender isi 1 untuk laki-laki dan 2 untuk
perempuan, disesuaikan dengan soal yang telah diberikan di atas. Jika
sudah di isi semua maka hasil data view seperti gambar berikut:
12. Uji asumsi data berdistribusi normal atau tidak, cara ujinormalitas
data klik disini
13. Bila data sudah berdistribusi normal, langkah selanjutnya kita lanjut uji
two way anova yaitu: silahkan klikmenu Analyze ---> General Linear
Model ---> Univariate. Jikabenar terlihat seperti pada gambar berikut:
16. Selanjutnya klik Add, maka akan muncul di dalam kotak Plots
"Gender*Sekolah" seperti pada gambar berikut:
17. Selanjutnya klik Continue
18. Setelah di klik Continue maka hasilnya terlihat kembali seperti gambar
pada langkah 14. Selanjutnya klik Options, maka muncul kotak
Univariate: Options seperti gambar berikut:
Berdasarkan hasil output analisis two way anova di atas, maka dapat kita ambil
kesimpulan sebagai berikut.
jika F hitung < F tabel atau nilai sig > 0.05, maka H0diterima
jika F hitung > F tabel atau nilai sig < 0.05, maka H0 di tolak, jadi
terimalah H1
Dari tabel di atas terlihat bahwa nilai F hitung 3.495 dan F tabel 3.19 (F
tabel lihat tabel distribusi F untuk anova) atau nilai signifikan yang di
peroleh dari tabel di atas sebesar 0.039. Jadi dapat disimpulkan bahwa H0
ditolak dan Ha diterima. Maka, kesimpulannya ada interaksi antara model
pembelajaran terhadap kelompok gender.
Pemaknaan