MAKALAH STATISTIKA

UJI ANALISIS OF VARIANS (ANOVA)

Dosen Pengampu: Imam S Yanim. KM.,M.Epid

OLEH KELOMPOK 9:

1. ANDI DAYANA NURURRAHMAH (2108060061)

2. DEFYANA FEBRIYANTI (2108060062)
3. HATIJA (2108060052)

PRODI FARMASI
FAKULTAS KESEHATAN
UNIVERSITAS NAHDATUL ULAMA MATARAM
2022
 KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Allah SWT. yang telah memberikan
rahmat dan karunia -Nya sehingga tersusunnya tugas makalah ini yang berjudul
“Makalah Analisis of Varians (ANOVA)”.

Dengan ini saya ucapkan terimakasih kepada Bapak Imam S Yamin

S.KM.,M.Epid selaku dosen pembimbing mata kuliah Statistik. Saya ucapkan terima
kasih juga kepada pihak-pihak yang telah membantu dalam penyelesaian tugas ini.
Semoga tugas yang saya buat dapat bermanfaat bagi saya pribadi maupun pihak yang
membaca.

Saya menyadari bahwa tugas ini sangat jauh dari sempurna, masih banyak
kelemahan dan kekurangan. Setiap saran, kritik, dan komentar yang bersifat
membangun dari pembaca sangat saya harapkan untuk meningkatkan kualitas dan
menyempurnakan tugas ini.

Penulis

Mataram, 11 Desember 2022

ii
 DAFTAR ISI

KATA PENGANTAR........................................................................................i
DAFTAR ISI.......................................................................................................ii
BAB I PENDAHULUAN...................................................................................1
A. Latar Belakang..............................................................................................1
B. Rumusah Masalah.........................................................................................1
C. Tujuan...........................................................................................................2
BAB II PEMBAHASAN....................................................................................3
A. Konsep Dasar Anova....................................................................................3
B. One Way Anova............................................................................................5
C. Contoh Kasus One Way Anova....................................................................9
D. Two Way Anova...........................................................................................25
E. Contoh Kasus Two Way Anova...................................................................28
BAB III PENUTUP............................................................................................43
A. Kesimpulan...................................................................................................43
DAFTAR PUSTAKA.........................................................................................44

iii
 BAB I
PENDAHULUAN
A. Latar Belakang
Kumpulan hasil pengamatan mengenai sesuatu hal, skor hasil belajar
siswa, berat bayi yang baru lahir misalnya, nilai datanya bervariasi dari yang satu
dengan yang lain. Karena adanya variasi ini untuk sekumpulan data, telah dihitung
alat ukurnya, yaitu varians. Varians bersama rata-rata juga telah banyak digunakan
untuk membuat kesimpulan mengenai populasi, baik secara deskriptif maupun
induktif melalui penaksiran dan pengujian hipotesis mengenai parameter.

Varians untuk sekumpulan data melukiskan derajat perbedaan atau variasi

nilai data individu yang ada dalam kelompok data tersebut. Secara umum varians
dapat digolongkan kedalam varians sistematik dan varians galat. Varians
sistematik adalah pengukuran karena adanya pengaruh yang menyebabkan skor
atau nilai data lebih condong ke satu arah tertentu dibandingkan ke arah lain.

Jika uji kesamaan dua rata-rata atau uji t digunakan untuk mencari
perbedaan atau persamaan dua rata-rata, maka uji beberapa rata-rata digunakan
untuk mencari perbedaan atau persamaaan beberapa rata-rata. Uji ini disebut
dengan nama analysis of variance (anova atau anava).

Sebenarnya uji t dapat juga digunakan untuk menguji beberapa rata-rata

secara bertahap. Misalnya ada tiga rata-rata yaitu: I,II, dan III. Agar uji t dapat
dipakai maka mula-mula dicari I dengan II,kemudian I dengan III, dan akhirnya II
dengan III. Dengan demikian kita tiga kali menggunakan uji t.

B. Rumusan Masalah
1. Apa itu Konsep dasar ANOVA?
2. Apa yang dimaksud dengan One Way Anova?
3. Apa yang dimaksud dengan Two Way Anova?

4
 4. Bagaimana cara perhitungan Anova dengan SPSS
C. Tujuan
1. Untuk mengetahui Konsep Dasar ANOVA
2. Untuk mengetahui apa itu One Way Anova
3. Untuk mengetahui apa itu Two Way Anova
4. Untuk mengetahui bagaimana cara perhitungan Anova dengan SPSS

5
 BAB II
PEMBAHASAN

A. Konsep Dasar ANOVA

Anova (Analysis of Variance) 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.

Anova merupakan singkatan dari Analysis of variance. 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.

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.

Anova (Analysis of variances) digunakan untuk melakukan analisis

komparasi multivariabel. Teknik analisis komparatif dengan menggunakan tes “t”
yakni dengan mencari perbedaan yang signifikan dari dua buah mean hanya efektif
bila jumlah variabelnya dua. Untuk mengatasi hal tersebut ada teknik analisis
komparatif yang lebih baik yaitu Analysis of variances yang disingkat anova.

Anova digunakan untuk membandingkan rata-rata populasi bukan ragam

populasi. Jenis data yang tepat untuk anova adalah nominal dan ordinal pada
variabelbebasnya,jika data pada variabel bebasnya dalam bentuk interval atau ratio

6
maka harus diubah dulu dalam bentuk ordinal atau nominal. Sedangkan variabel
terikatnya adalah data interval atau ratio.

Adapun asumsi dasar yang harus terpenuhi dalam analisis varian adalah:

1. Kenormalan
Distribusi data harus normal, agar data berdistribusi normal dapat ditempuh
dengan cara memperbanyak jumlah sampel dalam kelompok.
2. Kesamaaan variansi
Setiap kelompok hendaknya berasaldari popolasi yang sama dengan variansi
yang sama pula. Bila banyaknya sampel sama pada setiap kelompok maka
kesamaan variansinya dapat diabaikan. Tapi bila banyak sampel pada masing
masing kelompok tidak sama maka kesamaan variansi populasi sangat
diperlukan.
3. Pengamatan bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan
merupakan informasi yang bebas.
Anova lebih akurat digunakan untuk sejumlah sampel yang sama pada
setiap kelompoknya, misalnya masing masing variabel setiap kelompok jumlah
sampel atau responden nya sama sama 250 orang.

Sebagai Contohnya adalah seorang peneliti ingin menilai adakah

perbedaan model pembelajaran A, B dan C terhadap hasil pembelajaran mata
pelajaran fisika pada kelas 6. Dimana dalam penelitian tersebut, kelas 6A diberi
perlakuan A, kelas 6B diberi perlakuan B dan kelas 6C diberi perlakuan C.
Setelah adanya perlakuan selama satu semester, kemudian dibandingkan hasil
belajar semua kelas 6 (A, B dan C). Masing-masing kelas jumlahnya berkisar
antara 40 sampai dengan 50 siswa. Hasil akhir yang didapatkan adalah nilai f
hitung. Nilai tersebut dibandingkan dengan nilai dalam tabel f pada derajat
kebebasan tertentu (degree of freedom). Jika F hitung > F Tabel, maka

7
 disimpulkan bahwa menerima H1 atau yang berarti ada perbedaan secara nyata
atau signifikan hasil ujian siswa antar perlakuan model pembelajaran.

Anova dapat digolongkan kedalam beberapa kriteria, yaitu :

1. Klasifikasi 1 arah (One Way ANOVA)

Anova klasifikasi 1 arah merupakan ANOVA yang didasarkan pada
pengamatan 1 kriteria atau satu faktor yang menimbulkan variasi.
2. Klasifikasi 2 arah (Two Way ANOVA)
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada
pengamatan 2 kriteria atau 2 faktor yang menimbulkan variasi.
3. Klasifikasi banyak arah (MANOVA)
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.
B. One Way Anova
1. Pengertian One Way Anova (Anova satu arah)
ANOVA Satu Arah atau disebut juga One-way Analysis of Variance
adalah jenis uji statistik yang membandingkan varians dalam rata-rata grup
dalam sampel sambil mempertimbangkan hanya satu variabel atau faktor
independen. Ini adalah tes berbasis hipotesis, yang berarti bahwa ini bertujuan
untuk mengevaluasi beberapa teori yang saling eksklusif tentang data kita.

Anova satu arah (one way anova) digunakan apabila yang akan
dianalisis terdiri dari satu variabel terikat dan satu variabel bebas. Interaksi
suatu kebersamaan antar faktor dalam mempengaruhi variabel bebas, dengan
sendirinya pengaruh faktor-faktor secara mandiri telah dihilangkan. Jika
terdapat interaksi berarti efek faktor satu terhadap variabel terikatakan
mempunyai garis yang tidak sejajar dengan efek faktor lain terhadap variabel
terikat sejajar (saling berpotongan), maka antara faktor tidak mempunyai
interaksi.

8
 Misalnya, Anda dapat menggunakan ANOVA Satu Arah untuk
memahami apakah kinerja ujian berbeda berdasarkan tingkat kecemasan ujian
di antara siswa, membagi siswa menjadi tiga kelompok independen (Siswa
dengan stres rendah, sedang dan tinggi). Selain itu, penting untuk menyadari
bahwa ANOVA Satu Arah merupakan statistik uji omnibus dan tidak dapat
memberi tahu Anda grup tertentu mana yang secara statistik berbeda secara
signifikan satu sama lain.

Ada tiga bagian pengukuran variabilitas pada data yang akan dianalisis
dengan anova, yaitu :

1) Variabilitas antar kelompok (between treatments variability)

Variabilitas antar kelompok adalah variansi mean kelompok sampel
terhadap rata-rata total, sehingga variansi lebih terpengaruh oleh adanya
perbedaan perlakuan antar kelompok, atau Jumlah Kuadrat antar kelompok
(Jka). Rumusnya adalah:

Atau bisa dicari dengan rumus :

Keterangan :
k = banyaknya kelompok
T = total X masing-masing kelompok
G = total X keseluruhan
n = jumlah sampel masing-masing kelompok
N = jumlah sampel keseluruhan

9
 2) Variabilitas dalam kelompok (within treatments variability)
Variabilitas dalam kelompok adalah variansi yang ada dalam masing-
masing kelompok. Banyaknya variansi akan tergantung pada banyaknya
kelompok. Variansi tidak terpengaruh oleh perbedaan perlakuan antar
kelompok, atau Jumlah Kuadrat dalam (JKd). Rumusnya adalah :
JKd = JKsmk
Keterangan :
JKsmk adalah Jarak kuadrat simpangan masing-masing kelompok.
3) Jumlah kuadrat penyimpangan total (total sum of squares)
Jumlah kuadrat penyimpangan total adalah jumlah kuadrat selisih
antara skor individual dengan mean totalnya, atau JKT. Rumusnya adalah:

2. Asumsi ANOVA Satu Arah

1. Variabel dependen berskala interval atau rasio (data continous)
2. Tidak terdapat outlier (pencilan) pada variabel dependen
3. Variabel independen terdiri dari tiga atau lebih kelompok kategori
4. Tidak ada hubungan antara observasi di setiap kelompok atau antar
kelompok itu sendiri
5. Variabel dependen terdistribusi secara normal untuk setiap kategori variabel
independen
3. Prosedur Uji Hipotesis Anova Satu Arah
1) Hipotesis
H0 : μ1 = μ2 = ⋯ = μk (tidak ada perbedaan mean dalam kelompok
kategori)
H1 : Sedikitnya ada satu mean yang berbeda dalam kelompok kategori

10
2) Statistik Uji
Tabel Anova:

Uraian rumus:

dimana k adalah jumlah kelompok kategori dan nnn jumlah data dalam
kelompok kategori.

3) Kaidah Keputusan

11
 4) Kesimpulan

C. Contoh Kasus One Way Anova

Seorang ingin mengetahui perbedaan prestasi belajar untuk mata kuliah
statistika antara mahasiswa kelas A, kelas B dan kelas C.
Data diambil dari nilai UTS sebagai berikut :

Kelas A =68577668767 = 11 orang

Kelas B =566755565687 = 12 orang

Kelas C =698789669868 = 12 orang

Buktikan apakah ada perbedaan atau tidak?

1. Pengujian Secara Manual

1) Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan
variannya homogen.
2) Hipotesis ( H a dan H 0) dalam bentuk kalimat.
H a = Terdapat perbedaan yang signifikan antara mahasiswa kelas A, kelas B
dan kelas C
H 0 = Tidak ada perbedaan yang signifikan antara mahasiswa kelas A, kelas
B dan kelas C
3) Hipotesis ( H a dan H 0) dalam bentuk statistic
Ha : A ≠ B = C Ha : A ≠ B = C

4) Daftar statistik induk

12
 Tabel Tabulasi Data (Data Fiktif)
NILAI UTS STATISTIK
No A B C
1 6 5 6
2 8 6 9
3 5 6 8
4 7 7 7
5 7 5 8
6 6 5 9
7 6 5 6
8 8 6 6
9 7 5 9
10 6 6 8
11 7 8 6
12 - 7 8

Tabel Statistik
STATISTIK TOTAL
n 11 12 12 N=35
∑x 73 71 90 234
∑x2 943 431 692 1616
X 6,64 5,92 7,5 6,69

(∑ x )2 /nA 484,45 420,08 675 1564,46

Varians ( S2 ¿ 0,85 0,99 1,55 1,33

5) Menghitung jumlah kuadrat antar group ( J K A ) dengan rumus :

13
 2 2
(∑ X Ai ) (∑ X τ )
J KA = ∑ −
n Ai N
¿ ¿+¿ ¿)−¿ ¿
6) Hitunglah derajat bebas antar group dengan rumus :
db A= A − 1 = 3 – 1 = 2 A = jumlah group A
7) Hitunglah kudrat rerata antar group ( KR A ) dengan rumus :
JK A 15,07
KR A = = =7,54
db A 2
8) Hitunglah jumlah kuadrat dalam antar group ( J K D ) dengan rumus :
2
2 ( ∑ X Ai )
J K D =( ∑ X τ ) −∑ = ( 493+ 431+ 692 )−¿+¿ ¿
n Ai

¿ 1616−1579,53=36,47

9) Hitunglah derajat bebas dalam group dengan rumus :

db D =N− A=35−3=32
10) Hitunglah kuadrat rerata dalam antar group ( KR D ) dengan rumus :
JK D 36,47
KR D = = =1,14
db D 32
11) Carilah F hitung dengan rumus :
KR A 7,54
F hitung = = =6,61
KR D 1,14
12) Tentukan taraf signifikansinya, misalnya α = 0,05
13) Cari F tabel dengan rumus :
F tabel=F (1−α )(db A ,db D)

F tabel=F (1−0,05 )( 2,32)

F tabel=F (0,95 )(2,32)
F tabel=3,30
Cara mencari : Nilai F tabel=3,30 dan arti angka F tabel=F (0,95 )(2,32)

14
 0,95 = Taraf kepercayaan 95% atau taraf signifikan 5%.
Angka 2 = pembilang atau hasil dari db A
Angka 32 = penyebut atau hasil dari db D
Apabila angka 2 dicari ke kanan dan angka 32 ke bawah maka akan bertemu

dengan nilai F tabel=3,30 . Untuk taraf signifikansi 5% dipilih pada bagian

atas dan 1% dipilih pada bagian bawah.

14) Buat Tabel Ringkasan Anova

Tabel Ringkasan One Way Anova

Sumber Jumlah Derajat Kuadrat F hitung Taraf

Kuadrat
Varian (SV) bebas Rerata Signifikan
(JK) (db)
(KR) (ρ)

Antar group 15,07 2 7,54 6,61 ¿ 0,05

(A) F tabel=3,30

Dalam group 36,47 32 1,14 - -

(D)

Total 51,54 54 - - -

15) Tentukan kriteria pengujian : jika F hitung ≥ F tabel , maka tolak H 0 berarti
signifan. Setelah konsultasikan dengan tabel F kemudian bandingkan antara
F hitung dengan F tabel ,ternyata : F hitung > F tabelatau 6,61 > 3,30 maka tolak H 0
berarti signifan.

15
 16) Kesimpulan
H 0 ditolak dan H a diterima. Jadi, terdapat perbedaan yang signifikan antara
mahasiswa kelas A, kelas B dan kelas C.

2. Pengujian Dengan Menggunakan SPSS

1) Masuk ke Program SPSS

2) Klik variable view pada SPSS data editor

16
3) Pada kolom Name ketik X, dan pada kolom Name pada baris kedua ketik Y

4) Pada kolom Decimals, ubah nilai menjadi 0 untuk semua variabel.

17
5) Pada kolom Label, untuk kolom label pada baris pertama ketik Mahasiswa,
dan pada baris kedua ketik Nilai UTS

6) Untuk kolom pada baris pertama klik pada kotak kecil, pada value ketik 1,
pada Value Label ketik Kelas A, lalu klik Add. Langkah selanjutnya pada
Value ketik 2, pada Value Label ketik Kelas B, lalu klik Add. Kemudian
pada Value ketik 3, pada Value Label ketik Kelas C. Lalu klik OK.
Untuk kolom baris kedua dibiarkan kosong (None)

18
7) Untuk kolom-kolom lainnya boleh dihiraukan (isian default)

8) Buka Data View pada SPSS data editor dan ketikkan data sesuai variabelnya

19
20
9) Sebelum memasukkan data ke one way anova kita dapatkan data deskriptif
terlebih dahulu
 Pilih menu Analyze, Descriptive Statistics dan Frequencies kemudian
akan muncul jendela seperti dibawah ini

21
 Klik variable Mahasiswa dan Nilai UTS masukkan ke Kotak Variable(s)

 klik pilihan statistic, kemudian akan muncul tampilannya, kemudian pada

Percentile Values pilih Quartiles, pada Central Tendency pilih mean dan
median, dan pada Dispersion pilih Std. deviation dan Variance lalu
continue

22
 klik pilihan Chart kemudian akan muncul tampilannya, pada Chart Type
pilih Bar Charts dan pada Chart Values pilih Frequencies klik Continue
lalu klik OK

 Kemudian akan muncul data deskriptif sebagai berikut

23
 Statistics
Mahasiswa Nilai UTS
N Valid 36 35
Missing 0 1
Mean 2.00 6.69
Median 2.00 6.00
Std. Deviation .828 1.231
Variance .686 1.516
Percentiles 25 1.00 6.00
50 2.00 6.00
75 3.00 8.00

Mahasiswa
Cumulative
Frequency Percent Valid Percent Percent
Valid Kelas A 12 33.3 33.3 33.3
Kelas B 12 33.3 33.3 66.7
Kelas C 12 33.3 33.3 100.0
Total 36 100.0 100.0

Nilai UTS
Cumulative
Frequency Percent Valid Percent Percent
Valid 5 6 16.7 17.1 17.1
6 12 33.3 34.3 51.4
7 7 19.4 20.0 71.4
8 7 19.4 20.0 91.4
9 3 8.3 8.6 100.0
Total 35 97.2 100.0
Missing System 1 2.8
Total 36 100.0

24
10) Kemudian untuk pengujian one way Anova pada menu, pilih Analyze,
Compare Means, One-Way ANOVA, sampai muncul jendela One-Way
ANOVA seperti di bawah ini:

25
11) Pada variable Nilai UTS masukkan ke kotak Dependent List dan Mahasiswa
masukkan ke Factor

12) Klik tombol Options, akan muncul jendela ini: Centang “Descriptive” dan
“Homogenity of variance test“ kemudian continue lalu OK

26
 Tests of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Nilai UTS Based on Mean 1.443 2 32 .251
Based on Median .525 2 32 .596
Based on Median and with .525 2 29.320 .597
adjusted df
Based on trimmed mean 1.421 2 32 .256

27
 ANOVA
Nilai UTS
Sum of Squares Df Mean Square F Sig.
Between Groups 15.081 2 7.540 6.618 .004
Within Groups 36.462 32 1.139
Total 51.543 34

Kesimpulan
F hitung = 6.61
F tabel = 3,30
F hitung > F tabel atau 6,61 > 3,30 maka H 0 ditolak dan H a diterima. Jadi,
terdapat perbedaan yang signifikan antara mahasiswa kelas A, kelas B dan
kelas C.

Atau
Taraf signifikansi 0,05
Signifikansi p = 0.004
Signifikansi hasil uji (sig) < taraf signifikansi (0,008<0,05), maka H 0 ditolak
dan H a diterima. Jadi, terdapat perbedaan yang signifikan antara mahasiswa
kelas A, kelas B dan kelas C.

D. Two Way Anova

1. Pengertian Two Way Anova (Anova dua arah)
Jika pada anova satu jalur kita dapat mengetahui ada atau tidaknya
perbedaan beberapa variabel bebas dengan sebuah variabel terikat dan masing-
masing variabel tidak mempunyai jenjang: maka dalam anova dua jalur kita
ingin mengetahui ada atau tidaknya perbedaan beberapa variabel bebas dengan
sebuah variabel terikatnya dan masing-masing variabel mempunyai dua jenjang
atau lebih. Banyaknya jenjang yang dimiliki variabel bebas dan variabel terikat

28
 ini menentukan nama dari anovanya. Misalnya variabel bebas mempunyai
jenjang dua buah dan variabel terikatnya mempunyai jenjang dua buah
pula,maka anovanya ditulis ANOVA 2 x 2.

2. Asumsi yang digunakan untuk ANOVA dua arah

1. Populasi yang diuji berdistribusi normal
2. Varians dari populasi yang diuji sama
3. Sampel independen satu dengan yang lain
Pada pengujian ANOVA 2 didasarkan pada pengamatan 2 kriteria.
Setiap kriteria dalam pengujian ANOVA mempunyal level. Tujuan dari
pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah ada pengaruh
dari berbagai kriteria yang diuji terhadap hasil yang diinginkan.

3. Jenis Anova dua arah

1. Anova Dua Arah tanpa Interaksi, merupakan pengujian hipotesis beda tiga
rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi antara
kedua faktor tersebut ditiadakan. Contoh : Dari 4 matakuliah dengan
penggunaan 4 kelompok mahasiswa yang berbeda. Ingin diuji apakah rata-
rata hasil ujian sama untuk matakuliah dan kelompok mahasiswa.
2. Anova Dua Arah dengan Interaksi, merupakan pengujian beda tiga rata-rata
atau lebih dengan dua faktor yang berpengaruh dan pengaruh interaksi antara
kedua faktor tersebut diperhitungkan. Contoh : Ingin menyelidiki apakah
tingkat aktivitas ekstrakulikuler berpengaruh terhadap prestasi belajar siswa,
dan apakah tingkat ekonomi berpengaruh terhadap prestasi belajar siswa.
Serta adanya interaksi antara tingkat ekonomi dengan kegiatan
ekstrakulikuler.

4. Hipotesis dalam ANOVA dua arah

1. Berkaitan dengan pengaruh faktor pertama (A) atau efek baris

29
 H0 : μA1 = μA2
H1 : μA1 ≠ μA2
2. Berkaitan dengan pengaruh faktor kedua (B) atau efek kolom
H0 : μB1 = μB2 = μB3
H1 : paling sedikit salah satu μ tidak sama
3. Interaksi antara faktor pertama dengan faktor kedua (A X B)
H0 : efek faktor yang satu tergantung pada faktor yang lainnya.
H1 : efek faktor yang satu tidak tergantung pada faktor yang lainnya.

Tabel Analisis Variansi Klasifikasi Dua Arah

Rumus :
Jumlah Kuadrat Total:

Jumlah Kuadrat Baris

30
 Jumlah Kuadrat kolom

Jumlah kuadrat bagi interaksi Baris Kolom

Jumlah Kuadrat Error

E. Contoh Kasus Two Way Anova

Pengaruh model pembelajaran dan kemampuan awal terhadap prestasi
belajar Mahasiswa Farmasi. Untuk keperluan itu telah di ambil dua kelompok
sampel acak untuk menggunakan metode pembelajaran inquiri(1) dan jigsaw (2),
setiap kelompok masing-masing di bagi menjadi dua secara acak dan di bedakan
menjadi dua berdasarkan kemampuan awal, dan yaitu kelompok nilai tinggi (1)
dan kelompok nilai rendah (2), skor prestasi belajar mahasiswa farmasi di sajikan
sebagai berikut:

Data: A

Metode Pembelajaran Kemampuan Awal (B)

(A) Tinggi (1) Rendah (2)
Inquiry (1) 90 80
90 70
90 70
90 70
90 70
80 70

31
 80 60
80 60
80 60
70 60
Jigsaw (2) 90 80
90 70
90 70
80 70
80 60
80 60
80 60
70 60
70 50
70 50

Dengan taraf signifikansi (galat/p) = 0,05 (5%), apakah terdapat

perbedaan yang berarti antara metode pembelajaran dan kemampuan awal
terhadap prestasi belajar mahasiswa farmasi dengan menggunakan metode
pembelajaran inquiri , jigsaw antar dua kelompok kelompok nilai tinggi (1),
kelompok nilai rendah (2)?

1. Pengujian Secara Manual

1) Membuat hipotesis penelitian H0 dan Ha
a. Hipotesis penelitian dengan faktor metode pemebelajaran
H0(A) = tidak terdapat perbedaan prestasi belajar antara mahasiswa yang
dibelajarkan dengan metode pembelajaran inquiry dan jigsaw
H1(A) = terdapat perbedaan prestasi belajar antara mahasiswa yang
dibelajarkan dengan metode pembelajaran inquiry dan jigsaw
b. Hipotesis penelitian dengan faktor kemampuan awal
H0(B) = tidak terdapat perbedaan prestasi belajar antar mahasiswa yang
memiliki kemampuan awal tinggi dan rendah.
H1(B) = terdapat perbedaan prestasi belajar antara mahasiswa yang
memiliki kemampuan awal tinggi dan rendah.

32
 c. Hipotesis penelitian interaksi model pembelajaran dengan kemampuan
awal
H0(AB) = tidak terdapat interaksi prestasi belajar antara mahasiswa yang
mwmiliki kemampuan awal tinggi dan rendah yang dibelajarkan dengan
metode pembelajaran inquiry dan jigsaw
H1(AB) = terdapat perbedaan interaksi prestasi belajar antara siswa yang
memiliki kemampuan awal tinggi dan rendah yang dibelajarkan dengan
motode pembelajaran inquiry dan jigsaw
2) Hipotesis statistik
a. Hipotesis statistik dengan faktor metode pembelajaran
H0(A) : μ1 = µ2
H1(A) : μ1 ≠ µ2

b. Hipotesis statistik dengan faktor kemampuan awal

H0(B) : μ1 = µ2
H1(B) : μ1 ≠ µ2
c. Hipotesis statistik interaksi metode pembelajaran dengan kemampuan
awal
H0(AB) : μ11 = µ12
H1(AB) : μ11 ≠ µ12
3) Menentukan taraf signifikansi
Taraf signifikansi 5%
4) Kaidah Pengujian
Jika Fh < Fα maka terima H0
Jika Fh > Fα maka tolak H0
5) Menghitung jumlah kuadrat masing-masing
a. Jumlah kuadrat total atau JK (T )

33
 (∑❑ X T )
❑ 2

❑
JK (T )=∑ X T −
2

❑ nT

29402
¿ 221400−
40
8643600
¿ 221400−
40

¿ 221400−216090
¿ 5310

b. Jumlah kuadrat antar kelompok A JK ( A )

( ∑ X ) (∑ X )
❑ 2 ❑ 2

❑ A T
JK ( A )=∑
❑ ❑
−
❑ nA nT
( 840+670 )2 +(800+ 630)2
¿ −¿ ¿
2.10
2
15102+1430 2 (2940)
¿ −
2.10 40
¿ 216250−216090

¿ 160

c. Jumlah kuadrat antar kelompok B JK ( B )

(∑ X ) − (∑ X )
❑ 2 ❑ 2

❑ B T
JK ( B ) =∑
❑ ❑

❑ nB nT
( 840+800 )2 +(670+ 630)2
¿ −¿ ¿
2.10
2
16402+1430 2 ( 2940)
¿ −
2.10 40
¿ 218980−216090
¿ 2890

34
 d. Jumlah kuadrat kolom x baris atau JK AB

( ) −JK ( A )−JK ( B )
❑ ❑ 2

❑ ∑ 2
( X AB ) ∑ XT
JK ( AB )=∑ ❑ ❑
−
❑ n nT

( )
2 2 2 2 2
(840) +(800) +(670) +(630) (2940)
¿ − −160−2890
10 36

¿ 219140−216090−160−2890=0

e. Jumlah kuadrat dalam atau JK E

JK E = JK T −JK A −JK B −JK AB=5210−160−2890−0=2260

6) Mencari nilai derajat kebebasan

a. DK T =nt −1=40−1=39
b. DK A=b−1=2−1=1(b=baris)
c. DK B=k−1=2−1=1(k=kolom)
d. DK AB=( DK A ) ( DK B ) =1 x 1=1
e. DK E =nt −(b . k)=40−( 2.2 )=40−4=36

7) Menentukan nilai variansi

JK A 160
a. VAR A= = =160
DK A 1
JK B 2890
b. VAR B= = =2890
DK B 1
JK AB 0
c. VAR AB= = =0
DK AB 1
JK E 2260
d. VAR E = = =62,778
DK E 36
8) Menghitung nilai F hitung (Fh)
VAR A 160
Fhitung(A) ¿ = =2,549
VAR E 62,778

35
 VAR B 2890
Fhitung(B) ¿ = =46,035
VAR E 62,778

VAR AB ❑ 0
Fhitung(AB) ¿ = =0
VAR E ❑ 62,778

9) Menentukan Nilai Ftabel

Nilai Ftabel dapat dicari dengan menggunakan tabel F
 Ftabel (Model Pembelajaran)
Dimana DKA = pembilang = 1;DKE = penyebut = 36
FA(tabel) = F(a)(DKA,DKE) = F(0,05)(1,36) = 4,110
 Ftabel (Kemampuan Awal)
Dimana GKB = F(a)(DKB,DKE) = F(0,05)(1,36) = 4,110
 Ftabel (Model Pembelajaran*Kemampuan Awal)
Dimana DKAB = pembilang = 1; DKE = penyebut = 36
FA(tabel) = F(a)(DKAB,DKE) = F(0,05)(1,36) = 4,110

10) Membuat tabulasi ragam anova dua jalur (two way anova)

Ftabel
Sumber Varian JK DK VAR Fhitung
α=0,05
Antar Kelompok A (Model
160 1 160 2,549 4,110
Pembelajaran)
Antar Kelompok B (Kemampuan
2890 1 2890 46,035 4,110
Belajar
Antar Kelompok AB (Model
Pembelajaran*Kemampuan 0 1 2890 0 4,110
Awal)
Eror (E) 2260 36 62,778

36
 Total (T) 4230 39

11) Menarik Kesimpulan

a. Metode Pembelajaran
Fhitung = 2,549
Ftabel = 4,110
Fhitung < Ftabel maka H0 diterima artinya tidak ada perbedaan prestasi belajar
antara mahasiswa yang dibelajarkan dengan metode pembelajaran inquiry
dan jigsaw.
b. Kemampuan Awal
Fhitung = 0
Ftabel = 4,110
Fhitung < Ftabel maka H0 diterima artinya tidak ada interaksi prestasi belajar
antara mahasiswa yang memiliki kemampuan awal tinggi dan rendah.
c. Interaksi Metode Pembelajaran dengan Kemampuan Awal
Fhitung = 0
Ftabel = 4,100
Fhitung > Ftabel maka H0 diterima artinya tidak ada interaksi prestasi belajar
antara mahasiswa yang memiliki kemampuan awal tinggi dan rendah
yang dibelajarkan dengan metode pembelajaran inquiry dan jigsaw
2. Pengujian Dengan Menggunakan SPSS
1) Masuk ke program SPSS kemudian klik variable view pada SPSS data editor

37
2) Pada kolom Name ketik “Metode_Pembelajaran, pada baris kedua ketik
“Kemampuan_Awal” dan pada baris ketiga ketik “Prestasi_Belajar

3) Untuk kolom pada baris pertama klik pada kotak kecil, pada value ketik 1,
pada Value Label ketik Inquiry, lalu klik Add. Langkah selanjutnya pada
Value ketik 2, pada Value Label ketik Jigsaw, lalu klik Add. Lalu klik OK.

38
4) Untuk kolom pada baris pertama klik pada kotak kecil, pada value ketik 1,
pada Value Label ketik Tinggi, lalu klik Add. Langkah selanjutnya pada
Value ketik 2, pada Value Label ketik Rendah, lalu klik Add. Lalu klik OK.
Untuk kolom baris kedua dibiarkan kosong (None)

5) Pada kolom measure pada baris pertama dan kedua pilih nominal dan baris
ketiga pilih scale

39
6) Buka Data View pada SPSS data editor dan ketikkan data sesuai variabelnya

40
7) Kemudian untuk pengujian two way Anova pada menu, pilih Analyze,
jeneral linear model , lalu pilih univariate klik Ok sampai muncul jendela
seperti di bawah ini:

41
8) Untuk Pretasi_Belajar masukkan kekolom Dependent Variable dan untuk
Metode_Pembelajaran serta Kemampuan_Awal masukkan pada kolom
Fixed Factor

9) Klik Model, kemudian pada Specify Model pilih Build custom terms,
kemudian pada Faktor & Covariates pindahkan kekolom meja, Type yang

42
 dipilih adalah interaction, lalu pada sum of aquares pilih type III lalu
continue dan terakhir klik OK

Between-Subjects Factors
Value Label N
Metode_Pembelajaran 1 Inquiry 20

43
 2 Jigsaw 20
Kemampuan_awal 1 Tinggi 20
2 Rendah 20

Tests of Between-Subjects Effects

Dependent Variable: Prestasi_Belajar
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 3050.000 a
3 1016.667 16.195 .000
Intercept 216090.000 1 216090.000 3442.142 .000
Metode_Pembelajaran 160.000 1 160.000 2.549 .119
Kemampuan_awal 2890.000 1 2890.000 46.035 .000
Metode_Pembelajaran * .000 1 .000 .000 1.000
Kemampuan_awal
Error 2260.000 36 62.778
Total 221400.000 40
Corrected Total 5310.000 39
a. R Squared = .574 (Adjusted R Squared = .539)

Kesimpulan
a. Model Pembelajaran
Fhitung = 2,549
Ftabel = 4,110
Fhitung < Ftabel Maka H0 diterima artinya tidak ada perbedaanprestasi belajar
antara mahasiswa yang dibelajarkan dengan metode pembelajaran inquiry
dan jigsaw
Atau
Taraf signifikansi 0,05
Signifikansi hasil uji p = 0,119

44
 Signifikansi hasil uji (sig) > taraf signifikansi (0,119>0,05), maka H 0
diterima artinya tidak ada perbedaan prestasi belajar antara mahasiswa
yang dibelajarkan dengan metode pembelajaran inquiry dan jigsaw.
b. Kemampuan Awal
Fhitung = 46,035
Ftabel = 4,110
Fhitung >Ftabel maka H0 ditolak artinya ada perbedaan prestasi belajar antara
mahasiswa yang memiliki kemampuan awal tinggi dan rendah
Atau
Taraf signifikansi 0,05
Signifikansi hasil uji p = 0,0001
Signifikansi hasil uji (sig) < taraf signifikansi (0,000<0,05), maka H0
ditolak artinya ada perbedaan prestasi belajar mahasiswa yang memiliki
kemampuan tinggi dan rendah
c. Interaksi Model Pembelajaran dengan Kemampuan Awal
Fhitung = 0
Ftabel = 4,110
Fhitung < Ftabel maka H0 diterima artinya ada interaksi prestasi belajar antara
mahasiswa yang memiliki kemampuan awal tinggi dan rendah yang
dibelajarkan dengan model pembelajaran inquiry dan jigsaw.
Atau
Taraf signifikansi 0,05
Signifikansi hasil uji (sig) > taraf signifikansi (1>0,05), maka H 0 diterima
artinya tidak ada interaksi prestasi belajar antara mahasiswa yang
memiliki kemampuan awal tinggi dan rendah yang dibelajarkan dengan
metode pembelajaran inquiry dan jigsaw.

45
 BAB III
PENUTUP
A. Kesimpulan
Anava atau Anova adalah anonim dari analisis varian terjemahan dari
analysis of variance, sehingga banyak orang yang menyebutnya dengan anova.
Anova merupakanbagian dari metoda analisis statistika yang tergolong analisis
komparatif (perbandingan)lebih dari dua rata-rata.

Analisis of variance atau ANOVA merupakan salah satu teknik analisis

multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok
data dengan cara membandingkan variansinya. Sebelum menguji dengan ANOVA,
data harus berdistribusi normal dan mempunyai varians yang sama serta diambil
dari populasi yang homogen.

One-way Anova digunakan untuk menganalisis varians variabel dependen

yang kuantitatif dari satu faktor yang bervariabel independen. Dalam teknik One-
Way ANOVA menggunakan metode pengujian hubungan antara satu variabel
tergantung yang berskala interval atau rasio (parametrik) dengan satu atau lebih
variabel berskala nominal (non-parametrik). Sedangakan pada pengujian Two
Way ANOVA didasarkan pada pengamatan 2 kriteria.Setiap kriteria dalam
pengujian ANOVA mempunyal level. Tujuan dari pengujian Two Way ANOVA
ini adalah untuk mengetahui apakah ada pengaruh dari berbagai kriteria yang diuji
terhadap hasil yang diinginkan.

46
 DAFTAR PUSTAKA

https://fatkhan.web.id/pengertian-analysis-of-variance-anova/

https://freelearningji.wordpress.com/2013/07/24/aplikasi-program-spss-dalam-
menyelesaikan-kasus-uji-statistika-parametrik-bagian-6-uji-anova-dua-arah/

https://www.academia.edu/18574350/ANOVA_SATU_ARAH
https://www.academia.edu/23733815/modul_spss
https://www.academia.edu/9929353/LAPORAN_ANALISIS_OF_VARIANCE_ANOVA_
https://www.statistikian.com/2012/11/one-way-anova-dalam-spss.html
Jakarta Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta

47