Analisis Komparatif - Bahan PDF

Bab VIII –Analisis Komprasi| 169
BAB VIII
Pada Bab VIII ini akan membahas tentang Analisis Komparasi

yang terdiri atas : Penelitian Komparasi, Analisis Komparatif,
Pengujian Hipotesis Dua Sampel Berpasangan, Pengujian
Hipotesis Dua Sampel Bebas, Analisis Varian (Analysis of
Variance/Anova), dan Operasi Uji Korelasi Dengan SPSS
Adapun capaian pembelajaran yang diharapkan setelah
mempelajari BAB VIII ini adalah mahasiswa mampu
melakukan analisis komparasi baik secara manual maupun
menggunakan SPSS serta dapat menginterpretasikan hasil
analisis tersebut.
Zulkifli M, Enny KS, Harun S

170 | STATISTIKA : Teori dan Aplikasi Pendidikan
BAB VIII
ANALISIS KOMPARASI
Analisis data merupakan tahapan penting dalam suatu penelitian, dimana
data yang dikumpulkan diolah dan disajikan oleh peneliti untuk menjawab
permasalahan yang diteliti. Kesulitan yang sering dihadapi oleh peneliti
adalah ketika memilih teknik analisis yang data yang paling tepat untuk
permasalahan yang telah dirumuskannya.
(Sukamto, Kiswoyo, Broto, Wiedarti, & Pangesti, 1995)

mengklasifikasikan permasalahan penelitian menjadi tiga kelompok besar
yaitu : (1) deskripsi, (2) asosisasi/korelasi, dan (3) komparasi. Hal yang sama
juga diungkapkan oleh (Arikunto, 2006, p. 35) bahwa secara garis besar
permasalahan penelitian dibagi menjadi tiga jenis, yaitu penelitian untuk

mengetahui status atau mendeskripsikan fenomena, penelitian untuk
membandingkan dua fenomena atau lebih atau komparasi, dan yang

terakhir adalah penelitian untuk mencari hubungan natara dua fenomena
atau korelasi.
Pada hipotesis komparatif ada dua macam yaitu komparatif dua
sampel dan lebih dari dua sample. Untuk masing-masing hipotesis

komparatif dibagi menjadi dua yaitu sampel berpasangan ( related) dan
sampel yang saling bebas (independent). Contoh sampel yang berpasangan

adalah sampel yang diberi pretest dan postest, atau sampel yang digunakan
dalam penelitian eksperimen sebagai kelompok kontrol dan kelompok
eksperimen. Jadi, antara sampel yang diberi perlakuan dengan yang tidak
diberi perlakuan adalah sampel related (yang saling berhubungan).

Bab VIII –Analisis Komparasi | 171
Sedangkan contoh sampel yang saling bebas adalah membandingkan

antara prestasi belajar siswa laki-laki dan perempuan.
A. Penelitian Komparasi
Penelitian komparasi atau kausal-komparasi merupakan jenis penelitian
yang ditinjau dari jenis permasalahan dalam penelitian yang bertujuan
untuk membandingkan dua fenomena atau lebih. Penelitian komparasi atau

kausal-komparasi ini digunakan untuk menyelidiki kemungkinan hubungan
sebab-akibat dengan cara berdasar atas pengamatan terhadap akibat yang

ada, mencari kembali faktor yang mungkin menjadi penyebab melalui data
tertentu. (Arikunto, 2006, p. 35) mengatakan bahwa dalam penelitian
komparatif, peneliti berusaha mencari permasalahan atau perbedaan
fenomena, selanjutnya mencari arti atau manfaat adanya persamaan dan
perbedaan tersebut.
(Arikunto, 2006, p. 267) juga mengutip penjelasan Dra. Aswarni
Sudjud dimana penelitian komparasi akan dapat menemukan persamaan –
persamaan dan perbedaan – perbedaan tentang benda – benda, ide – ide,
kritik terhadap orang, kelompok, terhadap suatu ide atau suatu prosedur
kerja. Dapat juga membandingkan kesamaan pandangan dan perubahan –
perubahan pandangan orang, grup atau negara, terhadap kasus, terhadap
orang, peristiwa atau terhadap ide-ide. Dalam melakukan perbandingan,

peneliti selalu memandang dua fenomena atau lebih, ditinjau dari
persamaan dan perbedaan yang ada. Jadi, dapat disimpulkan bahwa
penelitian komparatif merupakan penelitian yang dilakukan untuk
membandingkan atau mencari perbedaan dua fenomena atau lebih.
Dalam penelitian komparatif, permasalahan awal tentu selalu
berkaitan dengan masalah perbedaan atau perbandingan. Untuk itu,

penelitian komparatif biasanya identik dengan judul “Penelitian Komparasi

antara ... dengan ...”. Sebagai contohnya : “Komparasi Hasil Belajar Siswa
SMK pada Pembelajaran Gambar Konstruksi Bangunan Antara
Menggunakan Model Pembelajaran Berbasis Proyek dan Model
Pembelajaran Langsung”. Dalam hal ini peneliti ingin membandingkan
hasil belajar siswa SMK pada pembelajaran gambar konstruksi bangunan

antara siswa yang diberikan model pembelajaran berbasis proyek dan siswa
yang diberikan model pembelajaran langsung. Pada penelitian ini, peneliti
ingin meperoleh data berupa hasil belajar siswa SMK pada pembelajaran
gambar konstruksi bangunan untuk siswa yang diberikan model

pembelajaran berbasis proyek dan siswa yang diberikan model
pembelajaran langsung agar dapat dianalisis dan dibandingkan. Sehingga,
untuk memperoleh data yang sedemikian rupa, peneliti menggunakan
desain eksperimen (quasi experiment) untuk mengontrol subjek atau

sampel sedemikian rupa pada pembelajaran berbasis proyek dan
pembelajaran langsung.
Penelitian kausal-komparatif bersifat ex post facto, artinya data
dikumpulkan setelah kejadian yang dipersoalkan berlangsung (lewat).

Peneliti mengambil salah satu atau lebih akibat (sebagai dependen variabel)
dan menguji data itu dengan menelusuri kembali ke masa lampau untuk
mencari sebab-sebab, saling hubungan, dan maknanya. Contohnya, yaitu

“Studi Komparatif Kinerja Guru Sebelum Bersertifikasi dengan Sesudah
Bersertifikasi dalam Melaksanakan Proses Pembelajaran pada Sekolah
Menengah Kejuruan di Kota X”. Jadi dalam hal ini peneliti ingin mencari
perbandingan kinerja guru antara guru sebelum bersertifikasi dan sesudah
bersertifikasi dalam melaksanakan proses pembelajaran. Pada kasus ini,
peneliti tidak dapat memperoleh data melalui eksperimen atau dengan
memberikan perlakukan tertentu secara terkontrol terhadap subjek, karena

guru sesudah bersertifikasi dan sebelum bersertifikasi dan kinerjanya dalam

mengajar tidak dapat dimanipulasi atau tidak dapat dilakukan melalui
percobaan. Melainkan peneliti hanya dapat mencari kelompok guru yang
sudah bersertifikasi dan kemudian diteliti bagaimana kinerja mengajarnya.
B. Analisis Komparatif
Dalam penelitian komparatif dengan tujuan untuk mebandingkan dua
kelompok atau lebih, misalnya membandingkan prestasi belajar di beberapa
sekolah, membandingkan mutu sekolah, atau perbandingan lain sesuai

dengan ruang lingkup penelitian, analisis komparatif atau uji perbadaan
diguakan untuk menguji hipotesis komparatif. berdasarkan analisis tersebut
kemudian ditentukan faktor–faktor apa saja yang melatarbelakangi
perbedaan tersebut. Terdapat beberapa teknik analisis komparatif yang
dapat digunakan tergantung dengan jenis data yang akan diuji sebagai
berikut:
Tabel 8.1 Teknik Analisis Data Komparatif
Jenis Hipotesis
Skala Dua Sampel K Sampel
Pengukuran Berpasangan Bebas Berpasangan Bebas
 Fisher Exact 2
χ K 2
Probability χ K
Nominal McNemar 2
Samples
 χ Two Samples
 Cochran Q
Samples
 Median test  Median
 Mann- Extensio
 Sign Test
Ordinal Whitney U Friedman n
 Wlcoxon
Test  Kruskal
 Kolmogorov Sallis

Smirnov
 Wald Fowits
 One-way  One-way
Uji-t untuk Uji-t untuk
Interval/ Anova Anova
dua sampel dua sampel
Rasio  Two-way  Two-way
berpasangan saling bebas
Anova Anova
(Suliyanto, 2014, p. 11)
C. Pengujian Hipotesis Dua Sampel Berpasangan
Sampel berpasangan adalah sampel yang sama, akan tetapi diberikan

perlakuan yang berbeda. Pengujian hipotesis dua sampel berpasangan
bertujuan untuk menganalisis perbedaan dari dua sampel yang saling
berpasangan, apakah kedua sampel berasal dari populasi yang memiliki

karakteristik yang sama atau tidak? Uji dua sampel berpasangan digunakan
untuk menguji apakah dua perlakuan yang diberikan kepada sampel

memberikan hasil yang sama atau tidak, atau perlakuan yang satu lebih baik
dibandingkan dengan perlakuan yang lain?

Jika data berdistribusi normal dan pengukuran berskala interval atau
rasio, maka kita menggunakan uji t sampel berpasangan. Jika data tidak
berdistribusi normal dan pengukuran berskala nominal atau ordinal, maka
kita harus menggunakan uji dua sampel berpasangan non parametrik (uji
Wilcoxon, uji Sign, uji McNemar).
1. Uji-t Untuk Dua Sampel Berpasangan (Paired-Samples T Test)
Uji t untuk dua sampel berpasangan (paired-sampel t test) digunakan untuk

membandingkan rata-rata dua variabel untuk suatu grup sampel tunggal.
Data untuk tiap pasang yang diuji dalam skala interval atau rasio, dengan
asumsi berdistribusi normal Nilai variannya dapat sama ataupun tidak. Uji ini

menghitung selisih antara nilai dua variabel untuk tiap kasus dan menguji
apakah selisih rata-rata tersebut bernilai nol.
Uji t berpasangan (paired t-test) umumnya menguji perbedaan antara
dua pengamatan. Uji seperti ini dilakukan pada subjek yang diuji untuk
situasi sebelum dan sesudah proses, atau subjek yang berpasangan ataupun
serupa (sejenis). Contoh data berpasangan : nilai ujian satistika sebelum

(pretest) dan sesudah mengikuti pelajaran statistika ( posttest).
Langkah-langkah dalam uji hipotesis :
a. Menyusun hipotesis.
Bentuk hipotesis untuk uji-t dimana penggunaannya tergantung dari

persoalan yang akan diuji.
1) Bentuk uji hipotesis satu arah (one-tailed) untuk arah/sisi bawah
(lower tailed) dengan hipotesis :
H0 : μ1 ≥ μ2
Ha : μ1 < μ2
2) Bentuk uji hipotesis satu arah (one-tailed) untuk arah/sisi atas
(Upper tailed) dengan hipotesis :
H0 : μ1 ≤ μ2
Ha : μ1 > μ2
3) Bentuk uji hipotesis dua arah (two-tailed) dengan hipotesis :

H0 : μ1 = μ2
Ha : μ1 ≠ μ2
Berikut contoh perbedaan satu arah dan dua arah:

Misal, ingin diketahui rata-rata IQ siswa SMK Kota X. Untuk itu
dilakukan penelitian dengan mengambil beberapa sampel siswa SMK
Kota X. Apabila peneliti memiliki asumsi bahwa rata-rata IQ siswa SMK

Kota X lebih dari 140, maka uji hipotesis yang digunakan adalah uji
satu arah. Namun, apabila asumsi ini tidak dimiliki, dengan kata lain,
peneliti tidak tahu apakah rata-rata IQ siswa SMK Kota X lebih dari
atau kurang dari 140, maka akan tepat jika menggunakan uji 2 arah.
b. Tentukan tingkat signifikansi (α) untuk menentukan daerah penolakan
(titik kritis) yang sesuai.

c. Kriteria pengujian (pengambilan keputusan) :
Jika thitung > ttabel pada α yang telah ditetapkan maka H0 ditolak
Jika thitung ≤ ttabel pada α yang telah ditetapkan maka H0 diterima
Atau pengambilan keputusan berdasarkan nilai probabilitas (Sig.) :

Jika Sig. < α/2 yang telah ditetapkan maka H 0 ditolak (untuk hipotesis
satu arah), dan sebaliknya.
Jika Sig. (2-tailed) < α yang telah ditetapkan maka H0 ditolak (untuk
hipotesis dua arah), dan sebaliknya.

Untuk menentukan nilai ttabel dapat dilihat pada tabel t (t-student)
dengan memasukkan α dan df = n-1
d. Menghitung statistik penguji (thitung).
Rumus untuk paired t-test adalah sebagai berikut :
𝑑̅
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = (8.1)
𝑆𝑑 ⁄√𝑛
dimana :
∑𝑛
𝑖 𝑑𝑖 ∑𝑛 ̅ 2
𝑖 (𝑑𝑖 − 𝑑)
𝑑̅ = dan 𝑆𝑑 = √
𝑛 𝑛−1
Contoh 8.1
Seorang peneliti ingin meningkatkan prestasi belajar siswa SMK kelas A
dengan menerapkan model pembelajaran berbasis masalah kepada Siswa
yang memiliki prestasi belajar rendah (tidak mencapai KKM yang telah

ditetapkan oleh sekolah). Telah diambil secara acak 10 siswa dandata

sebelum dan setelah penerapan model pembelajaran berbasis proyek
tersebut adalah :
Tabel 8.2 Data Contoh Nilai Pretest dan Posttest Siswa SMK Kelas A
Siswa Pretest Posttest

Siswa 1 75 80
Siswa 2 60 70
Siswa 3 65 70
Siswa 4 50 70
Siswa 5 70 75
Siswa 6 60 70
Siswa 7 70 75
Siswa 8 70 75
Siswa 9 80 80
Siswa 10 75 80
Hipotesis
H0 : μ1 = μ2 (Tidak ada perbedaan prestasi belajar siswa SMK kelas A sebelum
dan setelah penerapan model pembelajaran berbasis

masalah)
Ha : μ1 ≠ μ2 (Ada perbedaan prestasi belajar siswa SMK kelas A sebelum dan
setelah penerapan model pembelajaran berbasis masalah)

Taraf signifikansi (α) = 5% = 0.05
ttabel = t(0,05;9) = 2,262
Dengan tabel bantuan (tabel 8.2) berikut akan dilakukan perhitungan t hitung
sebagai berikut:

Tabel 8.3 Tabel Bantuan Cara Perhitungan Paired t-Test

𝟐
Siswa Pretest (x1) Posttest (x2) di = x2 - x1 (𝐝𝐢 − 𝐝)̅
Siswa 1 75 80 5 4
Siswa 2 60 70 10 9
Siswa 3 65 70 5 4
Siswa 4 50 70 20 169
Siswa 5 70 75 5 4
Siswa 6 60 70 10 9
Siswa 7 70 75 5 4
Siswa 8 70 75 5 4
Siswa 9 80 80 0 49
Siswa 10 75 80 5 4
Jumlah 70 260
Berdasarkan tabel 8.2 dan menggunakan rumus 8.1 maka diperoleh :
∑𝑛𝑖 𝑑𝑖 70
𝑑̅ = = =7
𝑛 10
2
√ ∑𝑛𝑖 (𝑑𝑖 − 𝑑̅ ) 260
𝑆𝑑 = = √ = 5,375
𝑛−1 9
𝑑̅ 7
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = 4,118
𝑆𝑑 ⁄√𝑛 5,375⁄√10
Pengambilan keputusan :
Jika thitung (4,118)> ttabel (2,262) maka H0 ditolak. Artinya bahwa ada
perbedaan prestasi belajar siswa SMK kelas A sebelum dan setelah
penerapan model pembelajaran berbasis masalah pada taraf signifikansi

5%.

2. Uji McNemar
Uji McNemar digunakan untuk menguji hipotesis komparatif dua sampel

yang berpasangan bila datanya berbentuk nominal atau diskrit. Rancangan
penilaian biasanya berbentuk “ before after “. Jadi hipotesis penelitian
merupakan perbandingan antara nilai sebelum dan sesudah yang di

dalamnya ada perlakuan. Uji ini berfungsi untuk menguji efektivitas suatu
perlakuan tertentu (pelatihan, promosi, pengawasan, dan lain-lain).

Sebagai panduan untuk menguji signifikansi setiap perubahan, maka
data perlu disusun ke dalam tabel segi empat ABCD seperti berikut :
Tabel 8.4 Frekuensi Ukuran 2 x 2 untuk Uji McNemar

Sesudah
Sebelum
- +
+ A B
- C D
(Suliyanto, 2014, p. 51)
Tanda plus (+) dan minus (-) digunakan hanya untuk menandai
jawaban yang berbeda, jadi tidak harus bersifat positif dan negatif.
Berdasarkan tabel 8.3, maka dapat dijelaskan arti setiap sel sebagai berikut :
1. Sel A menunjukkan frekuensi dimana pada pada kondisi awal (+),
tetapi pada kondisi pada setelah perlakuan menjadi (-).

2. Sel B menunjukkan frekuensi dimana pada pada kondisi awal (+), dan
pada pada kondisi setelah perlakuan tetap (+).
3. Sel C menunjukkan frekuensi dimana pada pada kondisi awal (-), dan
pada pada kondisi setelah perlakuan tetap (-).
4. Sel D menunjukkan frekuensi dimana pada pada kondisi awal (-),
tetapi pada kondisi pada setelah perlakuan menjadi (+).

Sel A dan D adalah jumlah pengamatan yang mengalami perubahan
kondisi, sedangkan B dan C adalah jumlah pengamatan yang tidak

mengalami perubahan kondisi. Jika H0 benar, maka frekuensi yang

diharapkan untuk semua sel adalah (A+D)/2. Oleh karena itu, uji McNemar
2
mengikuti distribusi Chi Kuadrat (χ ). Persamaan dasar dari Chi Kuadrat
sebagai berikut :
k
2
(f0 − fh )2 (8.2)
χ = ∑
fh
i=1
Keterangan :
f0 = Banyaknya frekuensi yang diobservasi pada kategori ke-i
fh = Banyaknya frekuensi yang diharapkan pada kategori ke-i
Pada uji McNemar, yang perlu diperhatikan adalah pada sel-sel yang
mengalami perubahan saja, yaitu pada sel A yang menunjukkan frekuensi,

mengalami perubahan (+) ke (-), sedangkan nilai harapan untuk setiap sel
adalah (A+D)/2, sehingga didapatkan Formula uji McNemar sebagai berikut:
(|A−D|−1)2 (8.3)
χ2 = , dengan df =1
A+D
Contoh 8.2
Mahasiswa program studi A ingin menilai kinerja terhadap ketua himpunan
selama ketua himpunannya masih menjabat sebagai ketua himpunan pada
program studi tersebut. Sampel diambil sebanyak 20 mahasiswa untuk
menilai sebelum dan sesudah terpilihnya ketua himpunan. Data yang
digunakan berbentuk skala nominal yaitu: suka atau tidak suka. Berikut hasil
survei dari 20 mahasiswa.
Tabel 8.5 Contoh Data Sikap Mahasiswa Terhadap Kinerja Ketua Himpunan
Nama Sebelum Setelah

Siswa 1 Suka Suka
Siswa 2 Tidak Suka Suka
Nama Sebelum Setelah

Siswa 4 Suka Suka
Siswa 5 Suka Suka
Siswa 7 Suka Suka
Siswa 8 Suka Suka
Siswa 10 Suka Tidak Suka
Siswa 11 Suka Suka
Siswa 14 Tidak Suka Tidak Suka
Siswa 17 Suka Suka
Siswa 20 Tidak Suka Tidak Suka
Hipotesis :
H0 : μ1 = μ2 (Tidak ada perbedaan sikap mahasiswa terhap kinerja ketua

himpunan)
Ha : μ1 ≠ μ2 (Ada perbedaan sikap mahasiswa terhap kinerja ketua himpunan)
Kriteria pengujian (pengambilan keputusan) :
Jika χ2hitung > χ2tabel (χ2(α, df=1)) pada α yang telah ditetapkan maka H0 ditolak
Jika χ2hitung < χ2tabel (χ2(α, df=1)) pada α yang telah ditetapkan maka H0 diterima
Dengan α = 0,05, sehingga χ2tabel (χ2(0,05; df=1)) = 3,841

Jika Sig. (2-tailed) < α yang telah ditetapkan maka H0 ditolak, dan
sebaliknya.
Perhatikan tabel 8.5 berikut :
Tabel 8.6 Lembar Kerja Uji McNemar
Sesudah
Sebelum
Tidak Suka Suka
Suka 3 7
Tidak Suka 2 8
Berdasarkan rumus 8.3, diperoleh :

(|A−D|− 1)2 (|3−8|− 1)2
χ2 = A+D
= 3+8
= 1,455
Berdasarkan hasil analisis diperoleh nilai χ2hitung (1,455) < χ2tabel (3,841) pada
taraf signifikansi 5%, maka yang telah ditetapkan maka H0 tidak dapat
ditolak. Hal ini berarti bahwa hipotesis yang menyatakan “ada perbedaan
sikap mahasiswa terhap kinerja ketua himpunan” ditolak. Dengan kata lain,
tidak ada perbedaan sikap mahasiswa terhap kinerja ketua himpunan.
D. Pengujian Hipotesis Dua Sampel Bebas

Sampel bebas adalah dua kelompok sampel yang berbeda, tetapi dilakukan
pengukuran pada waktu yang sama. Pengujian hipotesis dua sampel bebas
bertujuan untuk menganalisis perbedaan dari dua sampel yang saling
bebas, apakah kedua sampel saling bebas tersebut berasal dari populasi
yang memiliki karakteristik yang sama atau tidak?
rasio, maka kita menggunakan uji t sampel bebas. Jika data tidak

kita harus menggunakan uji dua sampel bebas non parametrik (Median
Test, Mann Whitney Test, Kolmogorov Smirnov Two Sample Test).
1. Uji-t Untuk Dua Sampel Bebas (Independent-Samples T Test)
Uji t untuk dua sampel bebas (independent-sampel t test) digunakan untuk

membandingkan rata-rata dari dua populasi yang bersifat bebas, dimana
peneliti tidak memiliki informasi mengenai ragam populasi. Bebas
maksudnya adalah bahwa populasi yang satu tidak dipengaruhi atau tidak
berhubungan dengan populasi yang lain. Ataupun bisa dikatakan uji t dua
sampel bebas yang dimakasud disini adalah sampel yang tidak
berpasangan, artinya sumber data berasal dari subjek yang berbeda.
Langkah-langkah dalam uji hipotesis :

a. Menyusun hipotesis.
Bentuk hipotesis untuk uji-t dimana penggunaannya tergantung dari
persoalan yang akan diuji.
H0 : Tidak ada perbedaan antara data kelompok A dan kelompok B
Ha : Terdapat perbedaan antara data kelompok A dan kelompok B

b. Tentukan tingkat signifikansi (α) untuk menentukan daerah penolakan
(titik kritis) yang sesuai.

c. Kriteria pengujian (pengambilan keputusan) :
Jika thitung > ttabel pada α yang telah ditetapkan maka H0 ditolak
Jika thitung ≤ ttabel pada α yang telah ditetapkan maka H0 diterima
Jika Zhitung > Ztabel pada α yang telah ditetapkan maka H0 ditolak
Jika Zhitung ≤ Ztabel pada α yang telah ditetapkan maka H0 diterima
Jika Sig. (2-tailed) < α yang telah ditetapkan maka H0 ditolak (untuk
hipotesis dua arah), dan sebaliknya.

Untuk menentukan nilai ttabel dapat dilihat pada tabel t (t-student)

dengan memasukkan α dan df = n1 + n2 -1.
d. Menghitung statistik penguji (thitung).
Rumus untuk independent t-test adalah sebagai berikut :
1) Bila varians kedua populasi sama

 Bila besar sampel > 30
𝑋̅1 − 𝑋̅2 (8.4)
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 =
1 1
𝑆𝑔 √𝑛 + 𝑛
1 1
dimana :
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22

𝑆𝑔2 =
𝑛1 + 𝑛2 − 2
 Bila besar sampel < 30
𝑋̅1 − 𝑋̅2 (8.5)
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
1 1
𝑆𝑔 √𝑛 + 𝑛
1 1
dimana :
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22

𝑆𝑔2 =
𝑛1 + 𝑛2 − 2
2) Bila varians kedua populasi tidak sama
 Bila besar sampel > 30
𝑋̅1 − 𝑋̅2 (8.6)
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 =
2 2
√𝑆1 + 𝑆2
𝑛1 𝑛1
 Bila besar sampel < 30

𝑋̅1 − 𝑋̅2 (8.7)
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
2 2
√𝑆1 + 𝑆2
𝑛1 𝑛1

Keterangan :
𝑆𝑔2 = Simpangan baku gabungan sampel 1 dan sampel 2
𝑛1 = Ukuran sampel 1
Contoh 8.3
Seorang peneliti ingin melihat prestasi belajar dengan memberikan modul

sebagai media pembelajaran. Peneliti tersebut mengambil secara acak 2
kelas yang akan dijadikan kelas eksperimen dan kelas kontrol, yaitu kelas
VII-A sebagi kelas eksperimen dan kelas VII-B sebagai kelas kontrol. Pada
proses pembelajaran kelas VII-A diberikan modul sebagai media
pembelajaran, sedangkan dikelas VII-B tidak diberikan Modul. Data
selengkapnya disajikan dalam tabel 8.6 berikut :
Tabel 8.7 Data Contoh Hasil Belajar Siswa
No Kelas Eksperimen Kelas Kontrol

1 76 87
2 59 67
3 67 56
4 54 76
5 76 56
6 65 76
7 98 57
8 67 87
9 54 67
10 76
𝑋̅ 69,2 69,98
2
S 13,17 12,39

Hipotesis
H0 : μ1 = μ2 (Tidak ada perbedaan prestasi belajar siswa dengan memberikan
modul sebagai media pembelajaran dan siswa yang tidak
diberikan modul)
Ha : μ1 ≠ μ2 (Ada perbedaan prestasi belajar siswa dengan memberikan
modul sebagai media pembelajaran dan siswa yang tidak

diberikan modul)
Taraf signifikansi (α) = 5% = 0.05
ttabel = t(0,05;17) = 2,110
Berdasarkan rumus 8.7
𝑋̅1 − 𝑋̅2
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 = = 0,117
2
√𝑆1 𝑆22
𝑛1 + 𝑛1
Pengambilan keputusan :
Jika thitung (0,117)< ttabel (2,110) maka H0 tidak dapat ditolak. Artinya bahwa
tidak ada perbedaan prestasi belajar siswa dengan memberikan modul

sebagai media pembelajaran dan siswa yang tidak diberikan modul pada
taraf signifikansi 5%.
2. Uji Mann Whitney (U Test)
Uji Mann Whitney atau lebih dikenal dengan u-test, dikembangkan oleh H.B
Mann dan D.R. Whitney dalam tahun 1947. Uji Mann Whitney digunakan
sebagai alternatif lain dari uji t parametrik bila anggapan yang diperlukan
bagi uji t tidak dijumpai. Tehnik ini dipakai untuk menguji signifikansi
perbedaan antara dua populasi, dengan menggunakan sampel acak yang
ditarik dari populasi yang sama. Uji ini berfungsi sebagai alternatif

penggunaan uji-t bilamana persyaratan-persyaratan parametriknya tidak

terpenuhi, dan bila datanya berskala ordinal.
Ada dua jenis tehnik U-test ini, yaitu U-test untuk sampel-sampel kecil
dimana n ≥ 20. Oleh karena pada sampel besar bila n ≥ 20, maka distribusi
sampling U-nya mendekati distribusi normal, maka uji signifikansi untuk uji
hipotesis nihilnya disarankan menggunakan harga kritik Z pada tabel

probabilitas normal. Sedangkan uji signifikansi untuk sampel kecil
digunakan harga kritik U. Adapun formula rumus Mann Whitney Test,
adalah sebagai berikut:
Pengujian statistik U, dihitung dari sampel

pertama dengan n1 pengamatan
𝑛1 (𝑛1 + 1) (8.8)
𝑈1 = 𝑛1 𝑛2 + − 𝑅1
2
Pengujian statistik U, dihitung dari sampel

kedua dengan n2 pengamatan.
𝑛1 (𝑛1 + 1) (8.9)
𝑈2 = 𝑛1 𝑛2 + − 𝑅2
2
Keterangan :
𝑅1 = Ranking dalam sampel 1
𝑅2 = Ranking dalam sampel 2
Dari dua nilai U tersebut, yang digunakan adalah nilai U yang lebih
kecil untuk dibandingkan dengan nilai U tabel. Kemudian bandingkan nilai
U dengan U tabel (untuk n1 dan n2 yang lebih kecil dari 20). Pengambilan
keputusan dengan kriteria :

 H0 tidak dapat ditolak, jika U ≥ Uα
 H0 ditolak, jika U < Uα

Contoh 8.4
Seorang peneliti akan menguji apakah perbedaan skor prestasi belajar dari
penggunaan dua metode mengajar pada dua sampel berbeda secara

signifikansi atau tidak. Data selengkapnya disajikan dalam tabel 8.7 berikut:
Tabel 8.8 Tabel Bantuan Cara Perhitungan Uji Mann Whitney (U Test)
Nilai
No Ranking 1 (R1) Ranking 2 (R2)
Metode A (x1) Metode B (x2)
1 45 55 1 3
2 50 75 2 6
3 60 90 4 8
4 65 100 5 9
5 80 7
Jlh 19 26
Harga U1 dan U2 dapat dicari dengan menggunakan rumus 8.8 dan 8.9
𝑛1 (𝑛1 + 1) 5 (5 + 1)
𝑈1 = 𝑛1 𝑛2 + − 𝑅1 = (5)(4) + − 19 = 16
2 2
𝑛2 (𝑛2 + 1) 4 (4 + 1)
𝑈2 = 𝑛1 𝑛2 + − 𝑅2 = (5)(4) + − 26 = 4
2 2
Jadi U2 = 4 merupakan harga yang terkecil.
α = 0.05
Hipotesis
H0 : Tidak ada perbedaan prestasi dari penggunaan metode mengajar A dan

B
H1 : Ada perbedaan prestasi dari penggunaan metode mengajar A dan B

Untuk melihat harga kritik ini dilakukan dengan berdasar pada
besarnya n1 dan n2, dimana n1 = 5 dan n2 = 4, dalam tabel kritik Runs Test,
diperoleh harga 2 untuk taraf signifikansi 5% dan 9 untuk taraf signifikansi

1%. Dengan mengkonsultasikan pada tabel kritik ini, maka harga U
perhitungan lebih kecil untuk taraf signifikansi 1%, sehingga H 0 yang
diajukan ditolak pada taraf signifikansi 1% dan diterima pada taraf

signifikansi 5%.
Bilamana yang digunakan adalah taraf kepercayaan 95% (α = 5%)
maka kesimpulan yang dapat ditarik adalah tidak perbedaan prestasi belajar
dari penggunaan dua metode, yaitu metode A dan B.
E. Analisis Varian (Analysis of Variance/Anova)

Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil
perlakuan (treatment) pada sebuah populasi dengan populasi yang lain
dengan metode uji hipotesis yang ada (Distribusi Z, Chi Kuadrat, atau
Distribusi-T). Membandingkan satu rata-rata populasi dengan satu rata-rata
populasi yang lain, selain memakan waktu, juga beresiko mengandung

kesalahan yang besar. Untuk itu, kita memerlukan sebuah metode yang
cepat dan beresiko mengandung kesalahan lebih kecil, yakni ANOVA
(Analysis of Variance) (Agus, 2009).

ANAVA atau ANOVA adalah anonim dari Analisis varian/ragam.
Varian terjemahan dari Analysis of Variance, sehingga banyak orang
menyebutnya dengan ANOVA. ANAVA merupakan bagian dari metode
analisis statistik yang tergolong analisis komparatif (perbandingan) lebih

dari dua rata-rata. Anava satu jalur merupakan prosedur yang digunakan
untuk menghasilkan analisis variansi satu arah untuk variabel dependen
dengan tipe data kuantitatif dengan sebuah variabel independen sebagai
variabel faktor.
Pada dasarnya, pola sampel dapat dikelompokkan menjadi dua
kelompok, yakni:
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai

dengan yang ada di kelompok yang lain, berasal dari populasi yang

sama. Untuk kondisi ini, hipotesis nol berbunyi: “tidak ada efek dari
perlakuan (treatment)”.
2. Sampel yang ada pada kelompok yang satu berasal dari populasi yang
berbeda dengan populasi sampel yang ada di kelompok yang lain.
Untuk kondisi ini, hipotesis nol berbunyi: “tidak ada perbedaan efek
perlakuan antar kelompok”

ANOVA merupakan salah satu teknik analisis multivariate yang
berfungsi untuk membedakan rata-rata lebih dari dua kelompok data
dengan cara membandingkan variansinya. Anova dapat dilakukan untuk
menganalisis data yang berasal dari berbagai macam jenis dan desain
penelitian. Analisis varian banyak dipergunakan pada penelitian-penelitian
yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat
dengan cara membandingkannya pada kelompok-kelompok sampel
independen yang diamati. Analisis varian saat ini banyak digunakan dalam
penelitian survei dan penelitian eksperimen.
ANAVA dapat digolongkan kedalam beberapa kriteria, yaitu :
1. Klasifikasi satu arah (One Way ANOVA)
Anova klasifikasi satu arah merupakan ANOVA yang didasarkan pada

pengamatan satu kriteriaatau satu faktor yang menimbulkan variasi.
2. Klasifikasi dua arah (Two Way ANOVA)
ANOVA klasifikasi dua arah merupakan ANOVA yang didasarkan pada

pengamatan dua kritenia atau dua faktor yang menimbulkan variasi.
1. Analisis Varian Satu Jalur (Anova One Way)
Membandingkan satu rata-rata populasi dengan satu rata-rata

populasi yang lain telah dibahas pada pembahasan terdahulu. Sering kali
kita menghadapi banyak rata-rata (lebih dari dua rata-rata). Apabila kita
mengambil langkah pengujian perbedaan rata-rata tersebut satu per satu

(dengan uji t) akan memakan waktu, tenaga yang banyak. Disamping itu,
kita akan menhadapi resiko salah yang besar. Untuk itu, telah ditemukan
cara analisis yang mengandung kesalahan lebih kecil dan dapat menghemat
waktu serta tenaga yaitu dengan ANAVA (Analisis Ragam/Analisys Of
Variances).
Pada saat kita menghadapi beberapa kelompok sampel perlu kita
sadari dari awal kondisi sampel tersebut sebelum kita melakukan analisis
lebih lanjut. Tuntutan ini disebabkan karena pola sampel akan berpengaruh
terhadap pengujian hipotesis yang akhirnya berpengaruh terhadap
kesimpulan yang akan diambil. Dalam praktek, analisis varian dapat

merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimasi
khususnya di bidang pendidikan). Analisis varian dapat dilakukan untuk
menganalisis data yang berasal dari berbagai macam jenis dan desain
penelitian.
Hipotesis dalam ANAVA akan membandingkan rata-rata dari
beberapa populasi yang diwakili oleh beberapa kelompok sampel secara
bersama, sehingga hipotesis matematikanya (untuk 5 kelompok) adalah:
H0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
Ha : Salah satu 𝜇 tidak sama.
Bunyi hipotesis alternatif seperti tersebut diatas, merupakan hipotesis
yang fleksibel, karena tidak menyebutkan secara pasti 𝜇 mana yang berbeda
dengan yang lainnya. Hal ini mempunyai arti bahwa 𝜇 mana yang tidak
sama bukan merupakan masalah dalam penolakan hipotesis nol.
Ada beberapa Asumsi-asumsi yang harus dipenuhi oleh data yang

akan dianalisis dengan ANAVA. Ketidakterpenuhinya asumsi ini dapat
menimbulkan kesimpulkan yang salah. Artinya bahwa kesimpulan penelitian
yang dianalisis dengan ANAVA tidak memberi arti apa-apa. Walaupun ada
asumsi yang sifatnya tidak kaku, yaitu dapat diatasi dengan jumlah sampel

namun pengujian atas terpenuhinya asumsi merupakan tindakan yang

disarankan. Berikut asumsi dasar dalam ANAVA:
a. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga
distribusi data sampel dalam kelompok pun hendaknya normal.
Kenormalan dapat diatasi dengan memperbanyak sampel dalam

kelompok, karena semakin banyak n maka distribusi akan mendekati
normal. Apabila sampel tiap kelompok kecil dan tidak dapat pula
diatasi dengan jalan melakukan transformasi.
b. Kesamaan Variansi
Masing-masing kelompok hendaknya berasal dari populasi yang
mempunyai variansi yang sama. Untuk sampel yang sama pada setiap
kelompok, kesamaan variansi dapat diabaikan. Tetapi, jika banyaknya
sampel pada masing-masing kelompok tidak sama, maka tidak ada

kesamaan variansi populasi memang sangat diperlukan. Jika hal ini
diabaikan dapat menyesatkan (terutama dalam hal pengambilan
keputusan). Apabila variansi berbeda dan banyaknya sampel tiap
kelompok tidak sama, diperlukan langkah “penyelamatan” yaitu

dengan jalan melakukan transformasi (misalnya, dengan
mentrasformasikan dengan logaritma).
c. Pengamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap
pengamatan merupakan informasi yang bebas. Asumsi ini merupakan
asumsi yang tidak bisa ditawar lagi, dengan kata lain tida ada cara
untuk mengatasi tidak terpenuhinya asumsi ini. Dengan demikian
maka setiap peneliti harus merencanakan secara cermat dalam
pengambilan sampel.

Sesudah perhitungan Uji F dan kita dapat membandingkanya dengan

F tabel, analisis kita sebenarnya belumlah selesai. Hal ini disebabkan karena
kesimpulan yang didasarkan pada perhitungan uji F dalam ANOVA
hanyalah merupakan kesimpulan yang masih luas (kasar). Seandainya F
signifikan (menolak hipotesis nol), ini berarti ada perbedaan efek perlakuan
terhadap output dari masing-masing kelompok. Namun informasi

perbedaan efek tersebut masih bersifat umum, karena uji F sama sekali tidak
menunjukkan efek perlakuan terhadap kelompok mana yang berbeda.
Untuk mempermudah dalam pemahaman konsep diatas marilah kita
perhatikan sebuah ilustrasi yang berkenanan pengujian hipotesis. Misalnya

kita menghadapi 4 (empat) kelompok, maka hipotesis nol dan hipotesis
alternatifnya sebagai berikut:
H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
Ha : Paling sedikit 1 (satu) μ tidak sama.

Jika Fhitung > dari pada Ftabel, maka kita akan menolak H0 sehingga yang
kita hadapi ada beberapa kemungkinan, yaitu:
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇 1 = 𝜇2 ≠ 𝜇 3 = 𝜇 4
𝜇 1 ≠ 𝜇 2 = 𝜇3 = 𝜇 4
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇 1 ≠ 𝜇 3 ≠ 𝜇2 = 𝜇 4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇 1 = 𝜇4 ≠ 𝜇 2 ≠ 𝜇 3
𝜇 2 = 𝜇 4 ≠ 𝜇1 ≠ 𝜇 3
𝜇1 ≠ 𝜇2 ≠ 𝜇3 = 𝜇4

Beberapa kemungkinan diatas merupakan informasi yang lebih teliti,

sehingga deskripsi kita akan lebih tajam. Oleh karena ANOVA harus
dilanjutkan lagi dengan analisis lain yang dapat memberikan informasi yang
lebih teliti lagi. Analisis lanjutan ANOVA sering disebut dengan pasca
ANOVA (post hoc).
Untuk memperoleh informasi lebih lanjut, telah ditemukan beberapa
uji statistik. Yang umum dipakai dalam pendidikan adalah Tukey’s HSD.
Pembahasan lebih lanjut yang akan dibicarakan disini, jika kita menolak
hipotesis nol.
Langkah analisis pasca ANOVA:

1) Hitung Tukey’s HSD dengan rumus 8.10 berikut
HSD = q √
𝑀𝑆𝑤 (8.10)
𝑛
Keterangan :
n = adalah banyak sampel per kelompok

q = tabel yang sudah disusun, dengan memakai dasar
alpha (𝛼), k dan dk
k = banyak kelompok
dk = n-k
2. Cari perbedaan rata-rata antar kelompok, dan untuk mempermudah
dalam menginterprestasikan perlu disusun dalam satu tabel khusus.
3) Interprestasikan nilai HSD yaitu dengan jalan membandingkan

perbedaan rata-rata antar kelompok dengan hasil perhitungan.
Berdasarkan tabel diatas kita dapat berbicara banyak tentang hasil
penelitian tersebut.
Analisis varian satu arah biasanya digunakan untuk menguji rata-
rata/pengaruh perlakuan dari suatu percobaan yang menggunakan satu

faktor, dimana satu faktor tersebut memiliki tiga atau lebih level. Disebut
satu arah karena peneliti dalam penelitiannya hanya berkepentingan
dengan satu faktor saja.
Data hasil percobaan dalan ANOVA satu arah setidak-tidaknya bertipe
interval. Beberapa asumsi yang harus dipenuhi dalam melakukan analisis
ANAVA satu arah adalah error menyebar normal dengan rata-rata nol dan
varians konstan, tidak terjadi autokorelasi pada error dan varians populasi
homogen. Dalam ANOVA satu arah, sampel dibagi menjadi beberapa
kategori dan ulangan. Kolom sebagai kategori dan baris sebagai
ulangan/replikasi. Tabel hasil penelitian biasanya ditulis dalam tabel seperti

dibawah ini.
Tabel 8.9 Tabel Hasil Penelitian
Ulangan Perlakuan-1 Perlakuan -2 … Perlakuan-k

1 X11 X12 … X1k
2 X21 X22 … X2k
… … … … …
n Xn1 Xn2 … Xnk
Jumlah T1 T2 Tk
Tabel 8.10 Tabel ANAVA
Sumber
df SS MSS Fhit Ftab
Keragaman
SSP
Antara Perlakuan k-1 SSP MSSP =
k−1
MSSP
Dalam Perlakuan SSE Fα;k-1,k(n-1)
k(n-1) SSE MSSE = MSSE
(Error) k(n−1)
Total nk-1 SST - - -
Tabel 8.9 ini memuat kolom-kolom sebagai berikut:
1. Sumber Variasi = Sumber Keragaman (SK) = source of variation

2. Derajat Bebas (db) = degree of freedom (df)

3. Jumlah Kuadrat (JK) = sum of square (SS)
4. Kuadrat Rerata (KR) = mean squares (MSS)
5. Nilai F Perhitungan/Fhit = F Calculate + F observed
6. Nilai F dari Tabel Ftab = F table
Keterangan
𝑘
SSP 1 𝐺2
∑ Tj2 -
𝑛 𝑗=1 𝑛𝑘
𝐺2
SST ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗2 -
𝑛𝑘
SSE SST – SSP
G = Grand Total menunjukkan total nxk

pengamatan
𝑘
= 𝑛
∑∑ 𝑋𝑖𝑗
𝑖=1
𝑗=1
Pengujian hipotesis diawali dengan merumuskan hipotesis.

Rumusan hipotesisnya adalah:
H0 : Sebanyak k mean adalah sama, artinya tidak terdapat perbedaan antara
perlakuan
H1 : Paling sedikit 2 dari k mean populasi yang tidak sama
Pengujian hipotesis dilakukan dengan membandingkan nilai F hitung

dengan F tabel. Jika F hitung lebih besar dari F tabel maka H 0 ditolak, berarti
paling sedikit 2 dan k mean populasi tidak sama. artinya ada efek dalam
pembedaan treatment. Jika F hitung kurang dari F tabel maka H0 diterima,
dan berarti sebanyak k mean adalah sama, artinya tidak ada efek dalam
pembedaan treatment.
Contoh 8.5
Seorang guru memberikan 4 metode pembelajaran kepada siswanya.
Masing-masing metode diajarkan kepada 5 siswa. Hasil tesnya dicatat pada
tabel berikut:

Tabel 8.11 Data Contoh Hasil Tes dengan 4 Metode Pembelajaran

Siswa Metode-1 Metode-2 Metode-3 Metode-4 Total
1 55 65 80 91
2 53 70 85 97
3 46 73 79 92
4 54 71 83 90
5 52 69 78 88
Jumlah 260 348 405 458 1471
Dari soal diketahui n = 5 dan k = 4

1 2 2 2 2 14492
SSP = (260 + 348 + 405 + 458 ) - =4306.55
5 5.4
𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗2 -
𝑛𝑘
2 2 2 14492
= 55 + 65 + … + 88 -
5.4
= 4470,95
SSE = SST – SSP
= 4470.95 – 4306.55
= 164.4
Sehingga diperoleh tabel 8.11 berikut :
Tabel 8.12 Tabel ANAVA Hasil Tes dengan 4 Metode Pembelajaran

Sumber Ftabel
Df SS MSS Fhit
Keragaman 5% 1%
Antara Perlakuan 3 4306.55 1435,517
Dalam Perlakuan 139,71 3,24 5,29
16 4470,95 10,275
(Error)
Total 19 7478,9
Hipotesis :
H0 : tidak terdapat perbedaan hasil tes antara satu metode dengan metode
H1 : paling sedikit 2 dari metode mempunyai hasil tes yang berbeda.

Pengambilan Keputusan (Kesimpulan) :
Dari tabel diperoleh Fhitung 139,71

 Pada tingkat kesalahan 5% Ftabel sebesar 3,24. Maka H0 ditolak, dan
berarti ada perbedaan rata-rata hasil tes dari empat metode
pembelajaran.
 Pada taraf signifikan 1% Ftabel sebesar 5,29. Maka H0 ditolak dan berarti
ada perbedaan rata-rata hasil tes dari empat metode pembelajaran.
2. Analisis Varian Dua Jalur (Anova Two Way)
Mengingat masalah kependidikan itu merupakan masalah kompleks, maka

desain yang dikembangkan untuk penelitian di bidang kependidikan
biasanya kompleks. Oleh karena itu, tidak mengherankan jika suatu
pengukuran terhadap variable terikat dikaitkan dengan banyak variabel
bebas. Bahkan, semakin banyak variabel bebas akan semakin teliti dan
semakin baik penelitian tersebut. Tentunya, dengan semakin banyak
variabel yang akan diungkapkan, semakin banyak risikonya, diantaranya:
sukar dalam menetapkan sampel, sukar melakukan kontrol, sukar

menganalisis, sukar menginterpretasikan, dan lain–lain kesukaran,
disamping membutuhkan waktu dan biaya banyak.
Apabila desain yang dikembangkan untuk mencari atau tidaknya
perbedaan dari dua variabel bebas, dan masing–masing variabel bebas
dibagi dalam beberapa kelompok, maka desain yang dikembangkan

tersebut sering disebut dengan two factorial design. Dalam kasus ini peneliti
akan menghadapi kelompok sebanyak hasil kali banyak kelompok variabel

bebas pertama dan banyak kelompok variabel bebas kedua.
Analisis disini merupakan penyempurna variance satu arah.
Sebenarnya analisis variance satu arah dapat dipakai untuk menghadapi
kasus variabel bebas lebih dari satu. Hanya saja terpaksa analisisnya

dilakukan satu persatu, sehingga akan menghadapi banyak kasus (N

semakin banyak).
ANAVA dua jalur memiliki perbedaan dibanding ANAVA satu jalur.
Perbedaannya adalah pada jumlah variabel independen. Pada ANAVA satu
jalur hanya ada satu variabel independen, sementara pada ANAVA dua jalur
ada dua atau lebih variabel independen. Dengan melakukan ANAVA dua
jalur akan dihindari terjadinya noise (suatu kemungkinan yang menyatakan
terdapat suatu efek karena bercampurnya suatu analisis data). Noise ini
dapat dihindari pada analisis ANAVA dua jalur karana analisis disini
melibatkan kontrol terhadap perbedaan (kategorikal) variabel independen.

Analisis of variance dua arah dapat menyajikan bagaimana kondisi interaksi
antara variabel independen yang satu dengan variabel independen yang
lainnya.
Interaksi merupakan suatu kebersamaan antar faktor dalam

mempengaruhi variabel independen, dengan sendirinya pengaruh faktor-
faktor secara mandiri yang telah dihilangkan. Jika terdapat interaksi berarti
efek faktor satu terhadap variabel terikat akan mempunyai garis yang tidak
sejajar dengan efek faktor lain terhadap variabel terikat sejajar (saling
berpotong), maka antara faktor tidak mempunyai interaksi.
Ada beberapa asumsi yang dipakai dalam variansi dua arah, yaitu :
a. Setiap skor dalam sel harus berdistribusi normal. Asumsi ini dapat
sedikit diabaikan jika sampel tiap sel cukup banyak.
b. Variasi skor pada setiap sel hendaknya homogen atau sama.
c. Skor yang ada bebas dari pengaruh variabel yang tidak diteliti. Hal ini
bisa dicapai dengan mengambil sampel acak dari populasi yang sudah
diklasifikasikan sesuai dengan sel yang ada. Disamping itu perlu
dilakukan kontrol atas terjadinya perembesan pengaruh faktor lain
maupun antar kelompok itu sendiri.

Seperti halnya variansi satu arah, variansi dua arah pun bisa dilakukan
untuk jumlah sampel yang tidak sama antara sel yang satu dengan sel yang
lainnya. Tetapi ANAVA dua jalur dengan jumlah sampel berbeda, agak
berbeda dengan uraian diatas. Dalam kasus tersebut rata-rata hendaknya
ditimbang, sehingga pengaruh perbedaan jumlah sampel tidak
mempengaruhi hasil analisis.

ANAVA dua arah ini digunakan bila sumber keberagaman yang terjadi
tidak hanya karena satu faktor (perlakuan). Faktor lain yang mungkin
menjadi sumber keberagaman respon juga harus diperhatikan. Faktor lain
ini bisa berupa perlakuan lain atau faktor yang sudah terkondisi.
Pertimbangan memasukkan faktor kedua sebagai sumber keberagaman ini
perlu bila faktor itu dikelompokkan (blok), sehingga keragaman
antarkelompok sangat besar, tetapi kecil dalam kelompoknya sendiri. Bila
disusun dalam bentuk tabel, maka tampilan tabel dua jalur adalah:
Tabel 8.13 Tampilan Tabel Hasil Penelitian
Populasi
Blok Total Ukuran
1 2 … K
1 X11 X12 … X2k B1 K1
2 X21 X22 … X2k B2 K2
… … … … … … …
R Xr1 Xr1 … X2k Br Kr
Total T1 T2 … Tk T
Ukuran n1 n2 … nk N
Tabel 8.14 Tabel ANAVA Dua Jalur
Sumber Derajat Jumlah Varian

Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
2 2 2
Blok r-1 JKB (S1) (S1) / (S3) F(v1, v3)
2 2 2
Antarkolom k-1 JKK (S2) (S2) / (S3) F(v2, v3)
(k-1) (r- 2
Sisaan JKS (S3)
1)
Total rk-1 JKT

k = jumlah populasi atau perlakuan

N = banyaknya pengamatan = n1 + n2 + … + nk
JKB = Jumlah kuadrat antarbaris
𝐵𝑖2 𝑇2
=∑ −
𝐾𝑖 𝑁
JKK = Jumlah kuadrat antar kolom

𝑇𝑖2 𝑇2
=∑ −
𝑛𝑖 𝑁
JKS = Jumlah kuadrat sisaan

= JKT – JKK – JKB
JKT = Jumlah kuadrat total
𝑇2
= (∑ 𝑋𝑖𝑗2 ) -
𝑁
2
(S1) = JKB/ v1
2
(S2) = JKK/ v2
2
(S3) = JKS/ v3
Statistik Uji yang digunakan adalah F hitung
Tolak H0 bila Fhitung > Ftabel.
F. Operasi Uji Korelasi Dengan SPSS
1. Uji-t Untuk Dua Sampel Berpasangan (Paired-Samples T Test)
Berdasarkan contoh 8.1 :
Langkah-langkahnya:
a. Input data kedalam SPSS
b. Pilih Analyze, Pilih Compare Means, pilih Paired- Samples T Test
c. Lakukan pengisian terhadap :
Kolom Paired Variables

Kolom options, masukkan Confidence Interval Percentage = 95% (α

= 5%)
d. Klik Continue, lalu OK.

OUTPUT

2. Uji McNemar
Langkah-langkahnya:
b. Pilih Nonparametric Test, Pilih Legacy Dialog, pilih 2 Related Samples

Test


Kolom Tes Pairs
Centang McNemar pada kotak Test Type. Lalu Klik OK
Output :
Sebelum & Sesudah
Sebelum Sesudah
Tidak Suka Suka
Tidak Senang 2 8
Senang 3 7
a
Test Statistics
Sebelum & Sesudah
N 20
Exact Sig. (2- b
.227
tailed)

3. Uji-t Untuk Dua Sampel Bebas (Independent-Samples T Test)

Langkah-langkahnya:
b. Pilih Analyze, Pilih Compare Means, pilih Independent- Samples T

Test

Kolom Test Variables

Kolom options, masukkan Confidence Interval Percentage = 95% (α

= 5%)

OUTPUT

4. Uji Mann Whitney (U Test)

Langkah-langkahnya:

b. Pilih Analyze, Pilih Compare Means, pilih Independent- Samples T
Test
Kolom Test Variables
Centang Mann-Whitney U pada kotak Test Type


OUTPUT
Test Statisticsa
Nilai
Mann-Whitney U 4.000
Wilcoxon W 19.000
Z -1.470
Asymp. Sig. (2-tailed) .142
Exact Sig. [2*(1-tailed Sig.)] .190b
a. Grouping Variable: Metode

b. Not corrected for ties.

4. ANAVA Satu Jalur

Langkah-langkahnya
Berdasarkan conto 8.5
b. Pilih Analyze, lalu pilih Compare Means, pilih One Way ANOVA

Kolom Dependent List dan Factor

Pilih Post Hoc, Lalu akan keluar tampilan seperti berikut.

d. Tekan Continue, lalu OK.

OUTPUT
ANOVA
Nilai
Sum of Squares df Mean Square F Sig.
Between Groups 4306.550 3 1435.517 139.710 .000

Within Groups 164.400 16 10.275
Total 4470.950 19

G. Rangkuman
Analisis data merupakan tahapan penting dalam suatu penelitian, dimana
data yang dikumpulkan diolah dan disajikan oleh peneliti untuk menjawab
permasalahan yang diteliti. Secara garis besar permasalahan penelitian
dibagi menjadi tiga jenis, yaitu penelitian untuk mengetahui status atau
mendeskripsikan fenomena, penelitian untuk membandingkan dua
fenomena atau lebih atau komparasi, dan yang terakhir adalah penelitian
untuk mencari hubungan natara dua fenomena atau korelasi.

rasio, maka kita menggunakan uji t sampel berpasangan. Jika data tidak
kita harus menggunakan uji dua sampel berpasangan non parametrik (uji
Wilcoxon, uji Sign, uji McNemar). Jika data berdistribusi normal dan
pengukuran berskala interval atau rasio, maka kita menggunakan uji t

sampel bebas. Jika data tidak berdistribusi normal dan pengukuran berskala
nominal atau ordinal, maka kita harus menggunakan uji dua sampel bebas
non parametrik (Median Test, Mann Whitney Test, Kolmogorov Smirnov

Two Sample Test).
ANAVA atau ANOVA adalah anonim dari Analisis varian/ragam.
Varian terjemahan dari Analysis of Variance, sehingga banyak orang
menyebutnya dengan ANOVA. ANAVA merupakan bagian dari metode
analisis statistik yang tergolong analisis komparatif (perbandingan) lebih

dari dua rata-rata.
ANAVA dapat digolongkan kedalam beberapa kriteria, yaitu :
1. Klasifikasi satu arah (One Way ANOVA)

Anova klasifikasi satu arah merupakan ANOVA yang didasarkan pada
pengamatan satu criteria atau satu faktor yang menimbulkan variasi.
2. Klasifikasi dua arah (Two Way ANOVA)
ANOVA klasifikasi dua arah merupakan ANOVA yang didasarkan pada

pengamatan dua kritenia atau dua faktor yang menimbulkan variasi.
E. Daftar Pustaka
Agus, I. (2009). Statistik : Konsep Dasar dan Aplikasinya. Jakarta: Penerbit
Kencana .
Arikunto, S. (2006). Prosedur Penelitian. Jakarta: Rineka Cipta.

Fajar, I., DTN, I., Pudjirahaju, A., Amin, I., Sunindya, B. R., Aswin, A. A., et al.
(2009). Statistika Untuk Praktisi Kesehatan. Yogyakarta: Graha Ilmu.

Sugiyono, & Wibowo, E. (2004). Statistika Penelitian dan Aplikasinya dengan
SPSS 10.00 for Windows. Bandung: Alfabeta.
Sukamto, Kiswoyo, Broto, S., Wiedarti, & Pangesti. (1995). Panuan Penelitian
Eksperimen. Yogyakarta: Lembaga Penelitian IKIP Yogyakarta.

Suliyanto. (2014). Statistika Non Parametrik dalam Aplikasi Penelitian.
Yogyakarta: Andi.
Winarsunu, T. (2007). Statistik Dalam Penelitian Psikologi dan Pendidikan.
Edisi Revisi. Malang: UMM Press.
G. Tes Formatif
1. Diskripsikan minimal 3 pendapat ahli tentang definisi uji komparasi
suatu data penelitian, dan sintesis (kesimpulan) menurut Saudara
tentang uji komparasi tersebut?
2. Uraikan macam atau pendekatan komparasi rerata suatu data
penelitian.
3. Buatlah kasus pengujian uji dua sampel berpasangan dan saling
bebas, kemudian analisis data tersebut menggunakan uji t, uji sign,
dan uji Mann Whitney-U baik secara manual maupun dengan
menggunakan SPSS.
4. Buatlah kasus pengujian uji untuk lebih dari dua sampel berpasangan
dan saling bebas, kemudian analisis data tersebut menggunakan uji
ANAVA satu jalur dan ANAVA dua jalur, baik secara manual maupun
dengan menggunakan SPSS

Analisis Komparatif - Bahan PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Komparatif - Bahan PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Bab VIII –Analisis Komprasi| 169

Pada Bab VIII ini akan membahas tentang Analisis Komparasi

Zulkifli M, Enny KS, Harun S

Analisis data merupakan tahapan penting dalam suatu penelitian, dimana

permasalahan yang telah dirumuskannya.

(Sukamto, Kiswoyo, Broto, Wiedarti, & Pangesti, 1995)

permasalahan penelitian dibagi menjadi tiga jenis, yaitu penelitian untuk

membandingkan dua fenomena atau lebih atau komparasi, dan yang

sampel dan lebih dari dua sample. Untuk masing-masing hipotesis

sampel yang saling bebas (independent). Contoh sampel yang berpasangan

Zulkifli M, Enny KS, Harun S

Sedangkan contoh sampel yang saling bebas adalah membandingkan

yang ditinjau dari jenis permasalahan dalam penelitian yang bertujuan

untuk membandingkan dua fenomena atau lebih. Penelitian komparasi atau

sebab-akibat dengan cara berdasar atas pengamatan terhadap akibat yang

fenomena, selanjutnya mencari arti atau manfaat adanya persamaan dan

orang, peristiwa atau terhadap ide-ide. Dalam melakukan perbandingan,

Dalam penelitian komparatif, permasalahan awal tentu selalu

berkaitan dengan masalah perbedaan atau perbandingan. Untuk itu,

Zulkifli M, Enny KS, Harun S

penelitian komparatif biasanya identik dengan judul “Penelitian Komparasi

hasil belajar siswa SMK pada pembelajaran gambar konstruksi bangunan

yang diberikan model pembelajaran langsung. Pada penelitian ini, peneliti

gambar konstruksi bangunan untuk siswa yang diberikan model

pembelajaran langsung agar dapat dianalisis dan dibandingkan. Sehingga,

untuk memperoleh data yang sedemikian rupa, peneliti menggunakan

desain eksperimen (quasi experiment) untuk mengontrol subjek atau

Penelitian kausal-komparatif bersifat ex post facto, artinya data

dikumpulkan setelah kejadian yang dipersoalkan berlangsung (lewat).

mencari sebab-sebab, saling hubungan, dan maknanya. Contohnya, yaitu

memberikan perlakukan tertentu secara terkontrol terhadap subjek, karena

Zulkifli M, Enny KS, Harun S

guru sesudah bersertifikasi dan sebelum bersertifikasi dan kinerjanya dalam

sekolah, membandingkan mutu sekolah, atau perbandingan lain sesuai

perbedaan tersebut. Terdapat beberapa teknik analisis komparatif yang

Tabel 8.1 Teknik Analisis Data Komparatif

Zulkifli M, Enny KS, Harun S

C. Pengujian Hipotesis Dua Sampel Berpasangan

Sampel berpasangan adalah sampel yang sama, akan tetapi diberikan

bertujuan untuk menganalisis perbedaan dari dua sampel yang saling

berpasangan, apakah kedua sampel berasal dari populasi yang memiliki

untuk menguji apakah dua perlakuan yang diberikan kepada sampel

dibandingkan dengan perlakuan yang lain?

Wilcoxon, uji Sign, uji McNemar).

1. Uji-t Untuk Dua Sampel Berpasangan (Paired-Samples T Test)

Uji t untuk dua sampel berpasangan (paired-sampel t test) digunakan untuk

Zulkifli M, Enny KS, Harun S

serupa (sejenis). Contoh data berpasangan : nilai ujian satistika sebelum

Langkah-langkah dalam uji hipotesis :

Bentuk hipotesis untuk uji-t dimana penggunaannya tergantung dari

1) Bentuk uji hipotesis satu arah (one-tailed) untuk arah/sisi bawah

(lower tailed) dengan hipotesis :

(Upper tailed) dengan hipotesis :

3) Bentuk uji hipotesis dua arah (two-tailed) dengan hipotesis :

Berikut contoh perbedaan satu arah dan dua arah:

Kota X. Apabila peneliti memiliki asumsi bahwa rata-rata IQ siswa SMK

Zulkifli M, Enny KS, Harun S

(titik kritis) yang sesuai.

Jika thitung ≤ ttabel pada α yang telah ditetapkan maka H0 diterima

Atau pengambilan keputusan berdasarkan nilai probabilitas (Sig.) :

satu arah), dan sebaliknya.

hipotesis dua arah), dan sebaliknya.

d. Menghitung statistik penguji (thitung).