MAKALAH STATISTIKA

“Analisis Anova satu jalur dan dua jalur”

Dosen Pengampu : Mega Silfia Dewy, S.Pd., M.Pd.T.

DISUSUN OLEH
KELOMPOK 12 :
Nama : Dani Betran Hutasoit (5203131023)
Hotmaniar Simanjuntak (5203331005)
Insanul Adli (5203131019)
Muhammad Farid (5211131010)
Niken Sulastri Sitakar (5203331009)

Kelas : PTE- A 2020

Mata Kuliah : Statistika A

JURUSAN PENDIDIKAN TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS NEGERI MEDAN
2023
 KATA PENGANTAR

Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa karena telah
memberikan kesempatan kepada penulis untuk menyelesaikan makalah ini. atas rahmat dan
hidayah-Nya lah penulis dapat menyelesaikan makalah yang berjudul " Analisis Anova satu jalur
dan dua jalur” ini tepat waktu.

Makalah " Analisis Anova satu jalur dan dua jalur” ini disusun guna memenuhi tugas mata
kuliah dari ibu Mega Silfia Dewy, S.Pd., M.Pd.T pada mata kuliah Statistika fakultas Teknik
Unimed.

Penulis mengucapkan terima kasih sebesar-besarnya kepada ibu Mega Silfia Dewy,
S.Pd., M.Pd.T selaku dosen mata kuliah Statistika. Tugas yang diberikan ini dapat menambah
wawasan dan pengetahuan terkait bidang yang ditekuni penulis.

Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh karena itu kritik dan
saran dari pembaca sangat penulis harapkan untuk menyempurnakan laporan ini sehingga
menjadi lebih sempurna, baik, dan bermanfaat.

Medan, November 2023

Kelompok 12

ii
 DAFTAR ISI

KATA PENGANTAR...............................................................................................................................2
DAFTAR ISI..............................................................................................................................................3
BAB I PENDAHULUAN..........................................................................................................................4
A. Latar Belakang..............................................................................................................................4
B. Rumusan Masalah.........................................................................................................................5
C. Tujuan............................................................................................................................................5
BAB II PEMBAHASAN...........................................................................................................................6
A. Pengertian Anava atau Anova......................................................................................................6
B. Analisis Anova Satu Jalur.............................................................................................................9
C. Analisis Anova Dua Jalur............................................................................................................16
BAB III PENUTUP.................................................................................................................................25
A. Kesimpulan..................................................................................................................................25
B. Saran.............................................................................................................................................26
DAFTAR PUSTAKA..............................................................................................................................26

iii
 BAB I PENDAHULUAN

A. Latar Belakang

Kita ketahui bahwa 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
ke dala 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.

Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians
antar kelompok atau disebut juga varians eksperimental. Varians ini menggambarkan
adanya perbedaan antara kelompok-kelompok hasil pengukuran. Dengan demikian varians
ini terjadi karena adanya perbedaan antara kelompok-kelompok individu.
(Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).

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.Namun,pengujian lebih tepat apabila menggunakan beberapa
rata-rata . Sebab:

1
 a. setiap kali kita menggunakan uji t,maka akan terjadi kesalahan atau penyimpanan
sebesar sebesar (1-α)k, di mana k = sekian kali menggunakan uji t.Seandainya kita 3x
menggunakan uji t,dengan α = 0,05,maka akan terjadi kesalahan atau penyimpangan
sebesar (1-0,05)3 = 0,14 atau jika α = 0,01 akan terjadi kesalahan sebesar (1-0,01) 3 =
0,999;
b. banyak uji t digunakan dengan rumus:
n(n−1)
2
Seandainya ada empat rata-rata (n = 4),maka banyak uji t dilakukan adalah:
4 (4−1)
=6
2
Sebelum uji kesamaan beberapa rata-rata dilakukan, maka persyaratannya
haruslah dipenuhi terlebih dahulu. Persyaratan uji beberapa rata-rata sama halnya dengan
uji kesamaan dua rata-rata yaitu data dipilih secara acak,data berdistribusi nomal, dan
datanya homogen. (Usman,Husaini.2006.Pengantar Statistika.Jakarta:PT Bumi Aksara)

B. Rumusan Masalah

1. Apa Yang Dimaksud Dengan Anava atau Anova ?

2. Bagaimana Analisis Anova Satu Jalur ?
3. Bagaimana Analisis Anova Dua Jalur ?

C. Tujuan
1. Untuk Mengetahui Pengertian Anava Atau Anova.
2. Untuk Mengetahui Analisis Anova Satu Jalur.
3. Untuk Mengetahui Analisis Anova Dua Jalur.

2
 BAB II PEMBAHASAN

A. Pengertian Anava atau Anova

Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis
of variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan
bagian dari metoda analisis statistika yang tergolong analisis komparatif lebih dari
dua rata-rata (Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta).
Analisis Varians (ANAVA) adalah teknik analisis statistik yang dikembangkan
dan diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush, 1985).
ANAVA dapat juga dipahami sebagai perluasan dari uji-t sehingga penggunaannya
tidak terbatas pada pengujian perbedaan dua buah rata-rata populasi, namun dapat
juga untuk menguji perbedaan tiga buah rata-rata populasi atau lebih sekaligus.
Jika kita menguji hipotesis nol bahwa rata-rata dua buah kelompok tidak berbeda,
teknik ANAVA dan uji-t (uji dua pihak) akan menghasilkan kesimpulan yang sama;
keduanya akan menolak atau menerima hipotesis nol. Dalam hal ini, statistik F pada
derajat kebebasan 1 dan n-k akan sama dengan kuadrat dari statistik t.
ANAVA digunakan untuk menguji perbedaan antara sejumlah rata-rata populasi
dengan cara membandingkan variansinya. Pembilang pada rumus variansi tidak lain
adalah jumlah kuadrat skor simpangan dari rata-ratanya, yang secara sederhana dapat
ditulis sebagai ∑ (X i −μ)2. Istilah jumlah kuadrat skor simpangan sering disebut
jumlah kuadrat (sum of squares). Jika jumlah kuadrat tersebut dibagi dengan n atau n-
1 maka akan diperoleh rata-rata kuadrat yang tidak lain dari variansi suatu distribusi.
Rumus untuk menentukan varians sampel yaitu,

∑ (Y 1−Y )2
S2= i=1
n−1

Seandainya kita mempunyai suatu populasi yang memiliki variansi σ 2 dan rata-
rata μ. Dari populasi tersebut misalkan diambil tiga buah sampel secara independent,
masing-masing dengan n1, n2, dan n3. Dari setiap sampel tersebut dapat ditentukan
rata-rata dan variansinya, sehingga akan diperoleh tiga buah rata-rata dan variansi
sampel yang masing-masing merupakan statistik (penaksir) yang tidak bias bagi

3
 parameternya. Dikatakan demikian karena, dalam jumlah sampel yang tak hingga,
rata-rata dari rata-rata sampel akan sama dengan rata-rata populasi (μ) dan rata-rata
dari variansi sampel juga akan sama dengan variansi populasi (σ ¿¿ 2)¿.

Ada dua hal yang perlu diperhatikan, yaitu:

1. Kita memiliki 3 buah variansi sampel (S2i ) yang masing-masing merupakan penaksir
yang tidak bias bagi variansi populasinya. Jika n1=n2=n3=.....=nk, maka seluruh
variansi sampel tersebut dapat dijumlahkan dan kemudian dibagi dengan banyaknya
sampel (k) sehingga akan diperoleh rata-rata variansi sampel yang dalam jangka
panjang akan sama dengan variansi populasi. Dalam bahasa ANAVA, rata-rata
variansi sampel ini dikenal dengan rata-rata jumlah kuadrat dalam kelompok (RJKD)
atau mean of squares within groups (MSw).
2. Kita memiliki 3 buah rata-rata sampel yang dapat digunakan untuk menentukan rata-
rata dari rata-rata sampel. Simpangan baku distribusi rata-rata sampel (S X ) atau galat
baku rata-rata adalah simpangan baku distribusi skor dibagi dengan akar pangkat dua
dari besarnya sampel.
SY
SY =
√n
Sejalan dengan itu, variansi distribusi rata-rata sampel SY 2 dapat ditulis sebagai
berikut.
2
2 S
SY =
n
Dengan demikian, S2sebagai penaksir yang tidak bias bagi variansi populasi akan
ekuivalen dengan variansi distribusi rata-rata dikalikan dengan besarnya sampel (n) yang
secara aljabar dapat ditulis sebagai berikut.
2 2
n SY =S
Dalam konteks ANAVA, n SY 2 dikenal dengan sebutan rata-rata jumlah kuadrat
antar kelompok (RJKA) atau mean of squares between groups (MSB).
Jika seluruh sampel diambil secara acak dari populasi yang sama, maka
MSB=MSW atau RJKA = RJKD,
Sehingga,

4
 2
σ
F=MSB/ MSW = 2 =1
σ
ANAVA digunakan untuk menguji hipotesis nol tentang perbedaan dua buah rata-
rata atau lebih. Secara formal, hipotesis tersebut dapat ditulis sebagai berikut.
H 0 : μ1=μ2=μ 3=… .=μ k
H 1 : Paling tidak salah satu tanda sama dengan ( ¿ ) tidak berlaku
Hipotesis nol di atas mengatakan bahwa rata-rata populasi pertama sama dengan
rata-rata populasi ke dua dan seterusnya yang berarti bahwa seluruh sampel diambil dari
populasi yang sama. Jika demikian maka, rata-ratanya akan mirip satu sama lain. Dalam
menguji hipotesis nol tersebut, ANAVA meakukan perbandingan antara variansi antar
kelompok (MSB) dengan variansi dalam kelompok (MSW). Jika ternyata kedua variansi
itu sama (F=1) maka berarti seluruh sampel yang dianalisis berasal dari populasi yang
sama, dan kita tidak memiliki dasar untuk menolak hipotesis nol. Namun, jika ada salah
satu nilai rata-rata yang jauh berbeda dengan nilai rata-rata lainnya maka berarti sampel
tersebut berasal dari populasi yang berbeda.
Seluruh subjek yang berada dalam satu kelompok memiliki karakteristik yang
sama pada peubah bebas yang tengah dikaji. Dalam bahasa eksperimen, mereka
seluruhnya menerima perlakuan yang sama, sehingga keragaman mereka pada peubah
terikat dipandanga sebagai keragaman galat dan tidak berkaitan dengan perbedaan jenis
perlakuan atau peubah bebas.
Perbedaan rata-rata antar kelompok terdiri atas dua unsur yaitu keragaman galat dan
keragaman yang berkaitan perbedaan pada peubah bebas. Oleh karena keragaman di
dalam kelompok (MSW) merupakan penaksir yang tidak bias atas variansi populasi dan
keragaman antara kelompok (MSB) terdiri atas MSW dan keragaman yang berkaitan
dengan perlakuan, maka hubungan antara keduanya dapat dituliskan sebagai berikut:
2
M S W =σ
2
M S B=σ +dampak perlakuan
Dengan demikian, F dapat juga dituliskan:
F=M S B / M S W
2 2
F=( σ +dampak perlakuan)/ σ
Jika dampak perlakuan sama dengan nol, maka

5
 2
σ
F= 2
=1
σ

Persoalan kita sekarang adalah bagaimana membedakan pengaruh yang sistematik

dari pengaruh yang tidak sistematik (acak). ANAVA dan statistika inferensial pada
umumnya mendekati persoalan ini dengan menggunakan teori peluang. Statistika
inferensial bertugas untuk menjawab suatu pertanyaan yang dapat dirumuskan sebagai
berikut: :” jika hipotesis nol ternyata benar berapakah peluang memperoleh harga statistik
tertentu?” Misalkan dalam ANAVA, kita memperoleh F=3,96. Pertanyaan yang harus
dijawab adalah “berapa besar peluang memperoleh F=3,96 jika ternyata hipotesis nol itu
benar?” Paket analisis statistik pada komputer umumnya memberikan jawaban terhadap
pertanyaan tersebut secara langsung dalam bentuk p= 0,25, 0,01, 0,001 dan sebagainya.
namun jika dilakukan secara manual maka harga F hitung harus dibandingkan dengan nilai
kritis yang sudah disediakan dalam bentuk Ftabel pada derajat kebebasan dan tingkat
keyakinan. Nilai p yang lebih kecil dari nilai yang ditentukan menunjukkan penolakkan
terhadap H0. Kesimpulan yang sama diperoleh jika ternyata F hitung > Ftabel. Menolak
hipotesis nol berarti menyimpulkan bahwa perbedaan antara MS B dengan MSW berkaitan
dengan pengaruh yang sistematik dari faktor atau peubah bebas yang diteliti. (Furqon.
2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung).

B. Analisis Anova Satu Jalur

Dinamakan analisis varians satu arah, karena analisisnya menggunakan varians

dan data hasil pengamatan merupakan pengaruh satu faktor.Dari tiap populasi secara
independen kita ambil sebuah sampel acak, berukuran n 1 dari populasi kesatu, n2 dari
populasi kedua dan seterusnya berukuran nk dari populasi ke k. Data sampel akan
dinyatakan dengan Yij yang berarti data ke-j dalam sampel yang diambil dari populasi ke-
i. ( Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung).

ANAVA satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas.
Secara rinci, ANAVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri
berikut:1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang
dipilih dan ditentukan oleh peneliti secara tidak acak. Kategori yang dipilih disebut tidak

6
 acak karena peneliti tidak bermaksud menggeneralisasikan hasilnya ke kategori lain di
luar yang diteliti pada peubah itu. Sebagai contoh, peubah jenis kelamin hanya terdiri atas
dua ketgori (pria-wanita), atau peneliti hendak membandingkan keberhasilan antara
Metode A, B, dan C dalam meningkatkan semangat belajar tanpa bermaksud
menggeneralisasikan ke metode lain di luar ketiga metode tersebut.

1. Perbedaan antara kategori atau tingkatan pada peubah bebas dapat bersifat kualitatif
atau kuantitatif.
2. Setiap subjek merupakan anggota dari hanya satu kelompok pada peubah bebas, dan
dipilih secara acak dari populasi tertentu. (Furqon. 2009. Statistika Terapan untuk
Penelitian. Cetakan ketujuh. ALFABETA: Bandung)

Tujuan dari uji anova satu jalur adalah untuk membandingkan lebih dari dua rata-
rata. Sedangkan gunanya untuk menguji kemampuan generalisasi. Maksudnya dari
signifikansi hasil penelitian. Jika terbukti berbeda berarti kedua sampel tersebut dapat
digeneralisasikan (data sampel dianggap dapat mewakili populasi). Anova satu jalur
dapat melihat perbandingan lebih dari dua kelompok data. (Riduwan.2008.Dasar-dasar
Statistika.Bandung:Alfabeta)

Anova pengembangan atau penjabaran lebih lanjut dari uji-t ( t hitung) .Uji-t atau
uji-z hanya dapat melihat perbandingan dua kelompok data saja. Sedangkan anova satu
jalur lebih dari dua kelompok data. Contoh: Perbedaan prestasi belajar statistika antara
mahasiswa tugas belajar ( X 1), izin belajar ( X 2 ) dan umum ( X 3 ).

Anova lebih dikenal dengan uji-F (Fisher Test), sedangkan arti variasi atau varian
itu asalnya dari pengertian konsep “Mean Square” atau kuadrat rerata (KR).

Rumusnya :

JK
KR =
db

Dimana: J K = jumlah kuadrat (some of square)

db = derajat bebas (degree of freedom)

7
 Menghitung nilai Anova atau F ( F hitung) dengan rumus :

V A KR A J K A :db A varian antar group

F hitung= = = =
V D KR D J K D :db D varian antar group

Varian dalam group dapat juga disebut Varian Kesalahan (Varian Galat). Dapat

dirumuskan :
2 2
(∑ X Ai) (∑ X τ )
J KA = ∑ − untuk db A= A−1
n Ai N
2
2(∑ X Ai )
J K D =(∑ X τ ) −∑ untuk db D =N− A
n Ai

Dimana
2
(∑ X τ )
= sebagai faktor koreksi
N

N = Jumlah keseluruhan sampel (jumlah kasus dalam penelitian).

A = Jumlah keseluruhan group sampel.

1. Langkah-langkah Anova Satu Arah

1.1. Prosedur Uji Anova Satu Arah
1) Sebelum anova dihitung, asumsikan bahwa data dipilih secara
random,berdistribusi normal, dan variannya homogen.
2) Buatlah hipotesis ( H a dan H 0) dalam bentuk kalimat.
3) Buatlah hipotesis ( H a dan H 0)dalam bentuk statistik.
4) Buatlah daftar statistik induk.
5) Hitunglah jumlah kuadrat antar group ( J K A ) dengan rumus :

( )
2 2 2
(∑ X Ai)2 (∑ X τ )2 ( ∑ X A 1 ) ( ∑ X A 2 ) ( ∑ X A 3 ) (∑ X τ )2
J KA = ∑ − = + + −
n Ai N nA1 nA2 nA3 N
6) Hitunglah derajat bebas antar group dengan rumus : db A= A−1
JK A
7) Hitunglah kudrat rerata antar group ( KR A ) dengan rumus : KR A =
db A

8
 8) Hitunglah jumlah kuadrat dalam antar group ( J K D ) dengan rumus :
2
2 (∑ X Ai )
J K D =(∑ X τ ) −∑
n Ai
2 2 2
2 2 2 (∑ X A 1) (∑ X A 2) (∑ X A 3)
¿∑ X A1 +¿ ∑ X A2 +¿ ∑ X A3 −( + + )
nA 1 nA 2 nA 3

9) Hitunglah derajat bebas dalam group dengan rumus : db D =N− A

JK D
10) Hitunglah kuadrat rerata dalam antar group ( KR D) dengan rumus : KR D =
db D
KR A
11) Carilah F hitung dengan rumus : F hitung =
KR D
12) Tentukan taraf signifikansinya, misalnya α = 0,05 atau α = 0,01
13) Cari F tabel dengan rumus : F tabel=F (1−α )(db A , db D)

14) Buat Tabel Ringkasan Anova

TABEL RINGKASSAN ANOVA SATU ARAH

Sumber Jumlah Kuadrat Derajat Kuadrat F hitung Taraf

Varian (SV) (JK) bebas Rerata Signifikan

(db)
(KR) ( ρ)

Antar group ∑ A−1 JK A KR A α

2
(∑ X Ai) (∑ X τ )
2 db A KR D
(A) −
n Ai N

Dalam group 2 (∑ X Ai)

2
N− A JK D - -
(∑ X τ ) −∑
n Ai db D
(D)

Total 2 (∑ X τ )
2
N−1 - - -
(∑ X τ ) −
N

9
 15) Tentukan kriteria pengujian : jika F hitung ≥ F tabel , maka tolak H 0 berarti signifan
dan konsultasikan antara F hitung dengan F tabel kemudian bandingkan
16) Buat kesimpulan.

1.2. Contoh Soal dan Pembahasan

1. Seorang ingin mengetahui perbedaan prestasi belajar untuk mata kuliah dasar-dasar
statistika antara mahassiswa tugas belajar, izin belajarn dan umum.

Data diambil dari nilai UTS sebagai berikut :

Tugas belajar ( A1) =68577668767 = 11 orang

Izin belajar ( A2) =566755565687 = 12 orang

Umum ( A3 ) =698789669868 = 12 orang

Buktikan apakah ada perbedaan atau tidak?

LANGKAH-LANGKAH MENJAWAB :

1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya
homogen.
2. Hipotesis ( H a dan H 0) NILAI UTS dalam bentuk kalimat.
NO A1 A2 A3
H a = Terdapat perbedaan yang signifikan
antara mahasiswa tugas 1 6 5 6 belajar, izin belajar dan umum.
H 0 = Tidak ada 2 perbedaan yang signifikan
3 8 6 9
antara mahasiswa tugas belajar, izin belajar dan umum.
4 5 6 8
3. Hipotesis ( H a dan H 0) dalam bentuk statistic
5
H a : A1 ≠ A2 = A3 6 7 7 7 H a : A1 ≠ A2 = A3
7
4. Daftar statistik induk 8 7 5 8
9
6 5 9
10
11 6 5 6
12
8 6 6
7 5 9
6 6 8
10
7 8 6
- 7 8
 STATISTIK TOTAL(T)

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

2
(∑ x ) / 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 :

2 2
(∑ X Ai) (∑ X τ )
J KA = ∑ −
n Ai N
¿ ¿+¿ ¿)−¿ ¿

11
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)
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

12
 TABEL
RINGKASSAN ANOVA SATU JALUR

Sumber Jumlah Kuadrat Derajat Kuadrat F hitung Taraf

Varian (SV) (JK) bebas Rerata Signifikan

(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.

16. Kesimpulan
H 0 ditolak dan H a diterima. Jadi, terdapat perbedaan yang signifikan antara mahasiswa
tugas belajar, izin belajar dan umum.

C. Analisis Anova Dua Jalur

Analisis varians yang tidak hanya memiliki satu variabel disebut dengan analisis
varians dengan klasifikasi ganda atau jamak. Jika dalam analisis varians satu jalur (Anava
Tunggal) hanya memiliki variabel kolom, maka dalam analisis varians dua jalur (Anava Ganda)
memiliki variabel kolom dan variabel baris. Dengan demikian akan diperoleh interaksi antara
kolom dengan baris.

13
 Anava Ganda dapat hanya mempunyai satu atau lebih variasi kolom, maupun satu atau
lebih variasi baris. Sehingga dapat diperoleh Anava Dua Jalan, Anava Tiga Jalan, dan seterusnya
(Arikunto, 1992: 285).
Anava dua-jalur adalah analisis varian yang digunakan untuk menguji hipotesis
perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis atau lebih secara
bersama-sama (Riduan, 2003:222).
“Anava Dua Jalan”, “Anava Tiga Jalan” menunjukkan adanya variabel bebas,
banyaknya sel diperoleh dari hasil kali banyaknya penggolongan setiap variabel. Misalnya
variabel A terdapat 2 klasifikasi, variabel B terdapat 3 klasifikasi, variabel C terdapat 2
klasifikasi, maka banyaknya sel adalah 2 X 3 X 2 = 12 buah sel.
Contoh: Sebuah penelitian untuk mengetahui pengaruh jenis kelamin, daerah tempat
tinggal dan jenis pekerjaan orangtua terhadap minat baca siswa, maka pengelompokan variabel
dan variasinya adalah sebagai berikut:

Jenis kelamin (A) diklasifikasikan atas:

A1 = laki-laki
A2 = perempuan
Daerah tempat tinggal (B) diklasifikasikan atas:
B1 = daerah pedesaaan
B2 = daerah perkotaan
Jenis pekerjaan orangtua (C) diklasifikasikan atas:
C1 = pegawai
C2 = pedagang
C3 = petani
Berdasarkan klasifikasi variabel tersebut, maka tabel pengelompokan selnya adalah:

DAERAH PEKERJAAN ORANGTUA

JENIS
TEMPAT
KELAMIN C1 C2 C3
TINGGAL
B1 1 2 3
A1
B2 4 5 6
B1 7 8 9
A2
B2 10 11 12

2. Langkah-langkah Analisis Varians Ganda

Misalnya sebuah penelitian dengan judul “Pengaruh Jenis Kelamin, Daerah Tempat
Tinggal, dan Jenis Pekerjaan Orangtua, Terhadap Minat Baca Siswa SMPN 1 Pedamaran Kelas

14
VIII Tahun Pelajaran 2010/2011”. Maka langkah-langkah analisis varians ganda adalah sebagai
berikut:
a. Membuat Tabel Induk
Data yang diperoleh melalui angket, observasi, wawancara, tes maupun dokumentasi, atau
kombinasi metode-metode tersebut dipilih yang berhubungan dengan variabel, dikelompokkan
atas variabel bebas dan variabel terikat (Arikunto, 1992: 290).

DAERAH MINA
NO.SISW JENIS PEKERJAAN IDENTITA
TEMPAT T
A KELAMIN ORANGTUA S SEL
TINGGAL BACA
1 P DESA PEGAWAI A2B2C1 4
2 L KOTA PEDAGANG A1B1C2 3
3 P KOTA PETANI A2B1C3 2
4 L DESA PEGAWAI A1B1C1 2
5 P DESA PETANI A2B2C3 1
6 P KOTA PEGAWAI A2B1C1 1
7 L DESA PEDAGANG A1B2C2 3
8 L KOTA PEGAWAI A1B1C1 2
9 P KOTA PEDAGANG A2B1C2 3
10 L DESA PETANI A1B2C3 1
11 P DESA PEGAWAI A2B2C1 2
12 L KOTA PETANI A1B1C3 4
13 P DESA PEGAWAI A2B2C1 3
14 P KOTA PEDAGANG A2B1C2 2
15 L KOTA PEGAWAI A1B1C1 2
16 L DESA PEDAGANG A1B2C2 1
17 P DESA PETANI A2B2C3 4
18 L KOTA PEGAWAI A1B1C1 3
19 P DESA PETANI A2B2C3 2
20 L KOTA PEGAWAI A1B1C1 2
21 P KOTA PEDAGANG A2B1C2 1
22 P DESA PEGAWAI A2B2C1 2
23 L DESA PEDAGANG A1B2C2 1
24 L KOTA PETANI A1B1C3 4

KETERANGAN
A1= L
A2= P
B1= KOTA
B2= DESA

15
 C1= PEGAWAI
PEDAGAN
C2= G
C3= PETANI

b. Membuat Tabel Persiapan Anava

Setelah data tertulis pada tabel induk, maka selanjutnya membuat kerangka sel berdasarkan
klasifikasi yang ada pada tiap variabel. Sesudah itu memasukkan data variabel terikat ke dalam
sel-sel sesuai dengan data bebas masing-masing subyek (Arikunto, 1992: 290).
DAERAH PEKERJAAN ORANGTUA
JENIS
TEMPAT
KELAMIN
TINGGAL C1(Pegawai) C2(Pedagang) C3(Petani)
B1(Kota) 2,2 3,3 4,4
A1(L)
B2(Desa) 1,3 3,1 1,2
B1(Kota) 1,2 3,2 1,1
A2(P)
B2(Desa) 4,2 2,2 1,4

c. Membuat Tabel Statistik

Dengan kerangka sama dengan tabel persiapan Anava, selanjutnya dibuat tabel statistik dengan
menambahkan kolom “statistik” dan kolom serta baris “jumlah” (Arikunto, 1992: 290).
Yang perlu dicari dalam mengisi tabel statistik adalah:
a. N = banyaknya subyek dalam tiap sel (N tidak harus sama).
b. ∑X= jumlah skor (X) dalam satu sel.
c. X = rata-rata skor variabel terikat untuk setiap sel..
d.∑X2= jumlah skor setelah masing-masing dikuadratkan.
Berdasarkan data tersebut, maka perhitungan untuk mengisi kolom statistik adalah sebagai
berikut:
1) Untuk sel 1: 2) Untuk sel 2:
N =2 N =2
∑X = 2+2 = 4 ∑X = 3+3 = 6
X = ∑X/N = 4/2 = 2 X = ∑X/N = 6/2 = 3
2 2 2
∑X = 2 + 2 = 4 + 4 = 8 ∑X2= 32 + 32 = 9 + 9 = 18
Dengan cara yang sama dicari N, ∑X, X, ∑X 2 untuk semua sel sehingga diperoleh isian tabel
statistik sebagai berikut:

TABEL STATISTIK

Statistik C1 C2 C3 Jumlah

16
 N 2 2 2 6
∑X 4 6 8 18
B1
X 2 3 4

A1 ∑X2 8 18 32 58
N 2 2 2 6
∑X 4 4 3 11
B2
X 2 2 1.5
∑X2 10 10 5 25
N 2 2 2 6
B1 ∑X 3 5 2 10
X 1.5 2.5 1
A2 ∑X2 5 13 2 20
N 2 2 2 6
∑X 6 4 5 15
B2
X 3 2 2.5
∑X2 20 8 17 45
N 8 8 8 24
∑X 17 19 18 54
∑X2 43 49 56 148

d. Membuat Tabel Ringkasan Anava

Untuk membuat tabel ringkasan Anava, maka judul kolom yang diperlukan adalah Jumlah
Kuadrat (JK), derajat kebebasan (db), Mean Kuadrat (MK), harga F 0 dan peluang galat (p)
(Arikunto, 1992: 290-291).
Untuk dapat mengisi kolom-kolom dalam tabel tersebut, perlu diadakan perhitungan
sebagaimana pada Anava Tunggal (satu jalur). Perbedaannya adalah bahwa pada Anava ganda
ini sumber variasinya disesuaikan dengan jumlah variabel ditambah kombinasinya.
Bertitik tolak dari tabel statistik, dapat dilakukan perhitungan jumlah kuadrat untuk selanjutnya
diisikan dalam tabel ringkasan Anava, yaitu perhitungan tentang:
1) Jumlah Kuadrat Total (JKT).
2) Jumlah Kuadrat Antara (JKA). Dalam hal ini terdapat 3 macam antara, yaitu antara jenis
kelamin (variabel A), antara asal daerah (variabel B), dan antara pekerjaan orangtua
(variabel C).
3) Jumlah Kuadrat Dalam (JKD) (Arikunto, 1992: 294).

Dari tabel statistik tersebut, maka perhitungannya adalah sebagai berikut:

17
1) Jumlah Kuadrat Total (JKT)

JKT =∑X2T – (∑XT)2∕N

Rumus

JKT = 22 + 22 +32 + 32 +42 + 42 +12 + 32 +32 + 12 + 12 +22 + 12 +22 +32 +22 + 12 + 12

+ 42 + 22 + 22 + 22 + 12 + 42 − 542/24
= 4 + 4 + 9 + 9 + 16 + 16 + 1 + 9 + 9 + 1 + 1 + 4 + 1 + 4 + 9 + 4 + 1 + 1 + 16 + 4 + 4 + 4
+ 1 + 16 – 2916/24
= 148 – 121,5
= 26,5

2) Jumlah Kuadrat Antara Jenis Kelamin (JKA)

JKA =∑(∑XA)2∕nK – (∑XT)2∕N

Pada saat mencari JKA, yang diperhatikan hanya A1 sebagai satu kelompok dan A2 sebagai satu
kelompok, B dan C diabaikan (Arikunto, 1992: 296).
Rumus

JKA = 292/12 + 252/12 − 542/24

= 841/12 + 625/12 − 2916/24
= 70,08 + 52,08 − 121,5
= 122,16 − 121,5
= 0,67

3) Jumlah Kuadrat Antara Tempat Tinggal (JKB)

JKB =∑(∑XB)2∕nK – (∑XT)2∕N

Pada saat mencari JKB, yang diperhatikan hanya B1 sebagai satu kelompok dan B2 sebagai satu
kelompok, A dan C diabaikan (Arikunto, 1992: 296).
Rumus

JKB = 292/12 + 252/12 − 542/24

= 841/12 + 625/12 − 2916/24
= 70,08 + 52,08 − 121,5
= 122,16 − 121,5

18
 = 0,67
4) Jumlah Kuadrat Antara Pekerjaan Orangtua (JKC)
JKC =∑(∑XC)2∕nK – (∑XT)2∕N

Pada saat mencari JKC, yang diperhatikan hanya C1 sebagai satu kelompok dan C2 sebagai satu
kelompok, dan C3 sebagai satu kelompok, A dan B diabaikan (Arikunto, 1992: 296).
Rumus

JKC = 172/8 + 192/8 + 182/8 − 542/24

= 289/8 + 361/8 + 324/8 − 2916/24
= 36,12 + 45,12 + 40,5 − 121,5
= 121,75 − 121,5
= 0,25

5) Jumlah Kuadrat Interaksi Antara A dan B (JKA x B)

JKA x B =∑(∑XA dan B)2∕nK – (∑XT)2∕N– JKA – JKB

Dalam hal ini untuk sementara C dianggap tidak ada. Jadi seakan-akan hanya ada 2 klasifikasi,
yaitu hanya ada A dan B saja. (Arikunto, 1992: 297).
Rumus

JKA x B = 182/6 + 112/6 + 102/6 + 152/6 − 542/24 − 0,67− 0,67

= 324/6 + 121/6 + 100/6 + 225/6 − 2916/24 − 6,83 − 0,67− 0,67
= 54 + 20,17 + 16,67 + 37,5 − 121,5 − 0,67− 0,67
= 128,33 − 121,5 − 0,67− 0,67
= 5,49

6) Jumlah Kuadrat Interaksi Antara A dan C (JKA x C)

JKA x C =∑(∑XA dan C)2∕nK – (∑XT)2∕N– JKA – JKC

Dalam hal ini untuk sementara B dianggap tidak ada. Jadi seakan-akan hanya ada 2 klasifikasi,
yaitu hanya ada A dan C saja. (Arikunto, 1992: 297).
Rumus

JKA x C = 82/4 + 102/4 + 112/4 + 92/4 + 92/4+ 72/4 − 542/24 − 0,67− 0,25
= 64/4 + 100/4 + 121/4 + 81/4 + 81/4+ 49/4 − 542/24 − 0,67− 0,25
= 16 + 25+ 30.25+ 20.25 + 20.25 +12.25 − 121,5 − 0,67− 0,25

19
 = 124 − 121,5 − 0,67− 0,25
= 1,58
JKB x C dapat dicari dengan cara yang sama, diperoleh hasil 1,58.
7) Jumlah Kuadrat Interaksi Antara A,B, dan C (JKAXB XC)
JKAXB XC =∑(∑XA ,B, dan C)2∕nK – (∑XT)2∕N− JKA – JKB – JKC – JKA x B − JKA x C− JKB X C

Rumus:

JKAXB XC = 42/2 + 62/2 + 82/2 + 42/2 + 42/2+ 32/2+32/2 + 52/2 + 22/2 + 62/2 + 42/2+ 52/2−
0,67− 0,67− 0,25 −5,49 −1,58−1,58
= 16/2 + 36/2 + 64/2 + 16/2 + 16/2+ 9/2+ 9/2 + 25/2 + 4/2 + 36/2 + 16/2+ 25/2−
0,67− 0,67− 0,25 −5,49 −1,58−1,58
= 8+ 16+ 32+ 8 + 8 +4,5 +4,5 + 12,5 + 2 + 18 + 8+ 12,5 –
0,67− 0,67− 0,25 −5,49 −1,58−1,58
= 134 − 121,5 – 0,67− 0,67− 0,25 −5,49 −1,58−1,58
= 2,26

8) Jumlah Kuadrat Dalam (JKd)

JKd = JKT − (Jumlah seluruh JK selain JKT)

Rumus

JKd = 26,5 – ( 0,67+ 0,67+ 0,25 +5,49 +1,58+1,58 + 2,26)

= 26,5 – 12,5
= 14

9) Derajat Kebebasan untuk Masing-Masing Sumber Variasi

dkA = banyaknya kategori A – 1 = 2 – 1 = 1
dkB = banyaknya kategori B – 1 = 2 – 1 = 1
dkC = banyaknya kategori C – 1 = 3 – 1 = 2
dkA XB = dkA X dkB = 1 X 1 =1
dkA XC = dkA X dkC = 1 X 2 = 2
dkB XC = dkB X dkC = 1 X 2 = 2
dkA XB XC = dkA X dkB X dkC = 1 X 1 X2=2
dkT = banyaknya subyek – 1 = 24 – 1 = 23
dkd = dkT − (Jumlah seluruh dk selain dkT)

20
 = 23 – ( 1 +1 + 2 + 1 + 2 + 2 +2 )
= 23− 11
= 12
10) Mean Kuadrat
MKA = JKA : dkA =0,67:1=0,67
MKB = JKB : dkB =0,67:1=0,67
MKC = JKC : dkC =0,25:2= 0,125
MKA XB = JKAXB : dkA XB =5,49: 1=5,49
MKA XC = JKAXC : dkA XC =1,58:2=0,79
MKB XC = JKB XC : dkB XC =1,58:2=0,79
MKA XB XC = JKAXB XC : dkA XB XC =2,26 : 2= 1,13
MKd = JKd : dkd =14:12= 1,16

11) Semua harga JK, dk, dan MK dimasukkan ke dalam tabel Ringkasan Anava

Sumber Variasi JK dk MK F0 p
1% = 9,33
A 0.67 1 0,67 0,67
5% = 4,75
B 0.67 1 0,67 0,67
1% = 6,93
C 0.25 2 0,125 0,125 5% = 3,88
AXB 5.49 1 5,49 5,49
AXC 1.58 2 0,79 0,79
BXC 1.58 2 0,79 0,79
AXBXC 2.26 2 1,13 1,13
Dalam 14 12 1,16 -
Total 26,5 23

12) Mencari Harga F0

Harga F0 atau Fhitung masing-masing variabel diperoleh dengan membagi setiap MK variabel
tersebut dengan MKd. Maka F0A = MKA : MKd = 0,67 : 1 = 0,67.
Oleh karena harga MKd = 1, maka harga setiap F0 sama dengan harga setiap MK(Arikunto, 1992:
300).
13) Menentukan Kaidah Pengujian
Jika Fhitung ≥ Ftabel maka tolak Ho artinya signifikan.
Jika Fhitung ≤ Ftabel maka terima Ho artinya tidak signifikan.
14) Mengkonsultasikan setiap harga F0 dengan tabel F

21
Dengan dbK = dbK lawan dbd, bagi dbK = 1: dbd = 12, maka Ft pada tingkat signifikansi 1% = 9,33
dan pada tingkat signifikansi 5% = 4,75.
Dengan dbK = dbK lawan dbd, bagi dbK = 2: dbd = 12, maka Ft pada tingkat signifikansi 1% = 6,93
dan pada tingkat signifikansi 5% = 3,88.
15) Membuat Kesimpulan
Dari Tabel Ringkasan Anava diketahui bahwa tidak ada harga Fo yang signifikan baik
berdasarkan 1% maupun 5%. Harga Fo < Ft kecuali pada interaksi antara A dan B atau antara
jenis kelamin dan daerah tempat tinggal pada tingkat signifikansi 5%. Dengan kata lain:
a) Tidak ada perbedaan antara minat baca siswa laki-laki dan perempuan.
b) Tidak ada perbedaan antara minat baca siswa yang tinggal di desa dan di kota.
c) Tidak ada perbedaan antara minat baca antara siswa yang orangtuanya pegawai, pedagang
maupun petani.
d) Ada perbedaan antara minat baca siswa laki-laki tinggal di desa dan di kota dan siswa
perempuan yang tinggal di desa dan di kota.
e) Tidak ada perbedaan antara minat baca siswa siswa laki-laki dan perempuan yang
orangtuanya pegawai, pedagang maupun petani.
f) Tidak ada perbedaan antara minat baca siswa siswa laki-laki yang tinggal di desa dan di kota
yang orangtuanya pegawai, pedagang maupun petani dengan siswa perempuan yang tinggal
di desa dan di kota yang orangtuanya pegawai, pedagang maupun petani.

BAB III PENUTUP

A. Kesimpulan
1. Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis of
variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan
bagian dari metoda analisis statistika yang tergolong analisis komparatif lebih dari
dua rata-rata (Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta). Analisis
Varians (ANAVA) adalah teknik analisis statistik yang dikembangkan dan
diperkenalkan pertama kali oleh Sir R. A Fisher (Kennedy & Bush, 1985). ANAVA
dapat juga dipahami sebagai perluasan dari uji-t sehingga penggunaannya tidak

22
 terbatas pada pengujian perbedaan dua buah rata-rata populasi, namun dapat juga
untuk menguji perbedaan tiga buah rata-rata populasi atau lebih sekaligus.
2. ANAVA satu jalur yaitu analisis yang melibatkan hanya satu peubah bebas. Secara
rinci, ANAVA satu jalur digunakan dalam suatu penelitian yang memiliki ciri-ciri
berikut:1. Melibatkan hanya satu peubah bebas dengan dua kategori atau lebih yang
dipilih dan ditentukan oleh peneliti secara tidak acak.
3. Analisis varians yang tidak hanya memiliki satu variabel disebut dengan analisis
varians dengan klasifikasi ganda atau jamak. Jika dalam analisis varians satu jalur
(Anava Tunggal) hanya memiliki variabel kolom, maka dalam analisis varians dua
jalur (Anava Ganda) memiliki variabel kolom dan variabel baris. Dengan demikian
akan diperoleh interaksi antara kolom dengan baris. Anava dua-jalur adalah analisis
varian yang digunakan untuk menguji hipotesis perbandingan lebih dari dua sampel
dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama

B. Saran
Pada penulisan makalah ini masih banyak memiliki kesalahan dalam penulisannya. Oleh
karena itu, kami berharap kritikan dan saran para pembaca yang dapat membangun
sehingga makalah ini lebih sempurna lagi.

DAFTAR PUSTAKA

Arikunto, Suharsimi. 1992. Prosedur Penelitian (Suatu Pendekatan Praktik). Jakarta: Rineka
Cipta.

Riduan. 2010. Metode dan Teknik Menyusun Tesis.Bandung: Alfabeta.

Russefendy.1998. Statistika Dasar. Bandung: IKIP Bandung Press.

Sudjana.1996.Metoda Statistika.Bandung:Tarsito Bandung

23
Usman,Husaini.2006.Pengantar Statistika.Jakarta:PT Bumi Aksara

Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta

Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung.

24