PENDAHULUAN

1.1 Latar Belakang

Terkadang dalam statistic pendidikan bukan saja dihadapkan pada dua populasi
untuk membandingkan. Misalnya, terdapat tiga metode kerja yang tersedia. Untuk
membandingkan ketiga metode tersebut sekaligus, kita memerlukan analisis lain yang
disebut Analisis (sidik) ragam (yang disebut ANOVA/ Analysis of Variance).
Walaupun disebut analisis ragam, ANOVA bukan membandingkan ragam
populasi, melainkan membandingkan rata-rata populasi. Disebut analisis ragam, karena
dalam prosesnya ANOVA memilah-milah keragaman menurut sumber-sumber yang
mungkin. Sumber keragaman inilah yang akan digunakan sebagai pembanding untuk
mengetahui sumber mana yang menyebabkan terjadinya keragaman tersebut. Dalam
pengujian hipotesis ada asumsi yang perlu diperhatikan, yaitu setiap populasi menyebar
mengikuti distribusi normal, dengan ragam populasi sama. Populasi dalam hal ini sering
juga disebut perlakuan (treatment), karena perbedaan populasi sering disengaja (dikontrol)
dengan membuat perlakuan tertentu
Menurut banyaknya faktor yang menjadi pusat perhatian, ANOVA dibagi menjadi
ANOVA satu arah dan ANOVA dua arah (Sugiarto : 2000).

1.2 Rumusan Masalah

2. Apa pengertian analisis variansi?
3. Bagaimana prinsip ANOVA?
4. Bagaimana rumusan hipotesis dalam ANOVA?
5. Apa saja macam – macam ANOVA?

1.3 Tujuan
2. Untuk mengetahui pengertian analisis variansi.
3. Untuk mengetahui prinsip ANOVA.
4. Untuk mengetahui rumusan hipotesis dalam ANOVA.
5. Untuk mengetahui macam – macam ANOVA.

1
 PEMBAHASAN

2.1 Pengertian Analisis Variansi

Analisis varians (Analysis of Varians, selanjutnya disingkat ANOVA) adalah suatu
metode statistik inferensial yang digunakan melakukan uji perbedaan rata-rata dari k
populasi, dimana k > 2. Jika hanya ada dua populasi, maka pengujian yang digunakan
cukup memakai uji t. tetapi jika yang diuji lebih dari dua populasi, maka pemakaian uji-t
dibutuhkan beberapa kali.
Sebagai contoh, jika kita menguji perbedaan antara tiga kelompok, kita mungkin
mencoba melakukan pengujian t-test antara setiap pasangan kelompok dengan menguji
tiga hubungan yaitu:
1. Kelompok 1 vs kelompok 2
2. Kelompok 1 vs kelompok 3, dan
3. Kelompok 2 vs kelompok 3.

2.2 Rumusan Hipotesis

Penetapan H0 dan H1 dalam analisis varians dirumuskan sebagai berikut:
H0 : Semua perlakuan (kolom, baris, interaksi) memiliki rata-rata yang sama. Jika ditulis
secara matematis:
μ1 = μ2 = … = μk
H1 : Ada perlakuan (kolom, baris, interaksi) yang memiliki rata-rata yang bernilai tidak
sama (berbeda) atau paling tidak ada satu kelompok yang memiliki rata-rata berbeda dari
yang lain. Secara matematis: (Nalim,M.Si)
μ1 ≠ μ2 ≠ … ≠ μk

2.3 Prinsip ANOVA

Peranana analisa varians pada prinsipnya ada dua, yaitu:
1. Mengambil dan menghitung komponen variasi.
2. Pengujian apakah signifikan atau tidak.
Berbicara tentang hal komponen variasi (dimana data merupakan data sampel)
yang secara umu merupakan fungsi kuadrat dan data. Hasil komponen variasi apabila
dibagi dengan varians populasinya akan mengikuti suatu distribusi yang disebut chi
square, untuk analisa dalam pengujian yang sederhana.

2
 Dalam ANOVA, kita mempunyai banyak komponen variasi pada sampel yang
terpilih dari suatu populasi. Sehingga, terdapat banyak distribusi chi square dalam analisa
pada masing – masing sampel tersebut. Untuk kebutuhan analisa varians maka
dipergunakan distribusi F dimana F merupakan rasio dari dua distribusi chi square, yang
disajikan perhitungannya dalam bentuk F untuk taraf nyata aplha 5% dan 1% (Suparman :
1995).

2.4 Analisis Varians Satu Arah

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 rat-rata). Apabila kita mengambil langkah pengujian perbedaan rata-rata
tersebut satu per satu (dengan t tes) 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 ANOVA (Analisys Of Variances).
Pada saat kita menghadapi beberapa kelompok sampel perlu kita sadari dari awal
kondisi sampel tersebut sebelum kita melakukan analisis lebih lanjut. Tuntunan ini
disebabkan karena pola sampel akan berpengaruh terhadap pengujian hipotesis yang
akhirnya berpengaruh terhadap kesimpulan yang diambil. Pada dasarnya pola sampel
dapat dikelompokkan menjadi dua kelompok, yaitu:
1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada
dikelompok lain, berasal dari populasi yang sama. Untuk kondisi ini hipotesis nol
terbatas pada tidak ada efek dari treatment (perlakuan).
2. Sampel yang ada dikelompok satu berasal dari populasi yang berbeda dengan
populasi sampel yang ada dikelompok lainnya. Untuk kondisi ini hipotesis nol dapat
berbunyi: tidak ada perbedaan efek treatment antar kelompok (Agus Irianto : 2004).
Mengingat ANOVA berkaitan dengan pengujian hipotesis yang multipel (ganda),
maka perhitungannya lebih kompleks dari pada t tes. Pada saat melakukan pengujian
hipotesis (perbedaan dua rata-rata) dengan menggunakan t tes selalu menanggung
kesalahan tipe I sebesar alpha. Untuk ANOVA kesalahan tipe I disebut dengan experiment
wise alpha level yang besarnya:
1 – (1 – 𝛼)N
N: Merupakan banyaknya tes jika menggunakan t tes (dilakukan satu per satu)

3
Misalnya:
Untuk pengujian perbedaan rata-rata dari 5 kelompok sampel. Jika diambil alpha sebesar
0,05 Maka dengan penggunaan t tes besarnya risiko kesalahan tipe I untuk sekali
pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung kesalahan tipe I
sebesar 0,50. Apabila kita menggunakan ANOVA kesalahan tipe I yang harus ditanggung
adalah:
1 – (1 – 0,05)10 = 0,40
Mengapa N berjumblah 10 untuk 5 kelompok sampel? Untuk menjawab pertanyaan
tersebut marilah kita telusuri satu per satu pengujian yang dilakukan dengan t tes.
𝜇1 = 𝜇2 𝜇2 = 𝜇4
𝜇1 = 𝜇3 𝜇2 = 𝜇5
𝜇1 = 𝜇4 𝜇3 = 𝜇4
𝜇1 = 𝜇5 𝜇3 = 𝜇5
𝜇2 = 𝜇3 𝜇4 = 𝜇5
Dengan menggunakan gabungan alpha (karena pengujian bersama) maka risiko
kesalahan tipe I semakin kecil. Ini berarti bahwa pengujian bersama lebih baik dari pada
pengujian satu persatu (ingat semakin kecil kesalahan yang harus ditanggung dalam
pengambilan keputusan, maka semakin baik keputusan yang diambil).
Melalui perbandingan sederhana diatas dapat diambil suatu pengertian bahwa
ANOVA adalah teknik analisis statistik yang dapat memberi jawaban atas ada tidaknya
perbedaan skor pada masing-masing kelompok (khususnya untuk kelompok yang banyak),
dengan suatu risiko kesalahan yang sekecil mungkin. Disamping ANOVA mempunyai
kemampuan memebedakan antar banyak kelompok dengan risiko kesalahan yang kecil,
juga dapat memberi informasi tentang ada tidaknya interaksi antar variabel bebas
sehubungan dengan pengukuran terhadap variabel terikat. Oleh karena perbedaan yang
merupakan sasaran utama dalam analisis ANOVA maka data kategorikal untuk variabel
bebas merupakan kondisi yang sesuai. Jika variabel bebas berdistribusi kontinum atau
berskala interval maupun ratio, maka langkah awal yang harus dilakukan peneliti adalah
mengubah data tersebut menjadi kategorikal. Walaupun langkah ini mengandung risiko
pengelompokkan yang tidak adil, tetapi dituntut untuk dilakukan.
Hipotesis dalam ANOVA akan membandingkan rata-rata dari beberapa populasi
yang diwakili oleh beberapa kelompok sampel secara bersama, sehingga hipotesis
matematikanya (untuk 5 kelompok) adalah:

4
 H0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
H1 : 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 (Nalim,M : 2012 ).
1. Asumsi Dasar Dalam ANOVA
a. Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi
skor 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. Untk 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. Kalau hal ini diabaikan bisa menyesatkan (terutama dalam
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)
(Nalim.M : ).
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 peniliti harus
merencanakan secara cermat dalam pengambilan sampel.
Asumsi-asumsi diatas hendaknya dipenuhi oleh data yang akan dianalisis
dengan ANOVA. Ketidakterpenuhinya asumsi ini dapat menimbulkan
kesimpulkan yang salah. Hal ini mengandung arti bahwa kesimpulan penelitian
yang dianalisis dengan ANOVA tidak memberi arti apa-apa. Walaupun ada asumsi

5
 yang sifatnya tidak kaku. Artinya dapat diatasi dengan jumlah sampel namun
pengujian atas terpenuhinya asumsi merupakan tindakan yang disarankan.

2. Analisis Sesudah ANOVA

Sesudah perhitungan F tes dan kita dapat membandingkanya dengan F tabel,
analisis kita sebenarnya belumlah selesai. Hal ini disebabkan karena kesimpulan yang
didasarkan pada perhitungan F tes dalam ANOVA hanyalah merupakan kesimpulan
yang masih luas (kasar). Seandainya F signifikan (menolak hipotesis nol), ini berarti
ada perbedaan efek treatment terhadap outpun dari masing-masing kelompok. Namun
informasi perbedaan efek tersebut masih bersifat umum, karena F tes sama sekali
tidak menunjukkan efek treatment 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 sbb:
H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
H1 : Paling sedikit 1 (satu) m tidak sama.
Jika F hitung > dari pada F tabel, maka kita akan menolak H0 sehingga yang
kita hadapi ada beberapa kemungkinan, yaitu: (Nalim,M : 2012 ).
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 = 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 = 𝜇4
𝜇1 = 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇2 = 𝜇3 ≠ 𝜇4
𝜇1 ≠ 𝜇3 ≠ 𝜇2 = 𝜇4
𝜇1 = 𝜇2 ≠ 𝜇3 ≠ 𝜇4
𝜇1 = 𝜇4 ≠ 𝜇2 ≠ 𝜇3
𝜇2 = 𝜇4 ≠ 𝜇1 ≠ 𝜇3
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).

6
 Untuk memperoleh informasi lebih lanjut, telah ditemukan beberapa tes statistik.
Yang umum bdipakai 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 9.12.

𝑀𝑆𝑤
HSD = q √
𝑛

Keterangan:
n adalah banyak sampel per kelompok.
q adalah the studenzed range statistic, yang dapat dilihat dalam
tabel yang sudah disusun, dengan memakai dasar alpha (𝛼), k dan
dk.
k adalah banyak kelompok.
dk adalah 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 (Nalim,M : 2012).
Asumsi dalam ANOVA pengukuran ulang:
1. Sampel diambil secara acak (random).
2. Distribusi populasi untuk setiap kelompok adalah normal.
3. Variance distribusi populasi untuk masing – masing kelompok homogen.
Covariance homogen, ini berarti bahwa setiap subjek relatif tetap pada posisinya
(Nalim,M : 2012). Analisis varians 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 dipebuhi dalam melakukan analisis ANOVA 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
7
menjadi beberapa kategori dan ulangan. Kolom sebagai kategori dan baris sebagai
ulangan/replikasi. Tabel hasil penelitian biasanya ditulis dalam tabel seperti dibawah ini.

Replikasi Treatment-1 Treatment-2 … Treatment-k

1 X11 X12 … X1k
2 X21 X22 … X2k
… … … … …
N Xn1 Xn2 … Xnk
Jumlah T1 T2 Tk

Tabel ANOVA-nya disajikan sebagai berikut:

Sumber Ftab
Df SS MSS Fhit
Variasi 5% 1%
Antara SStr
k-1 SSTr MSSTr = k−1
Treatment
MSSTr
Dalam F0,05;k-1,k(n-1) F0,01;k-1;k(n-1)
SSE MSSE
treatment k(n-1) SSE MSSE = k(n−1)
(Error)
Total nk-1 SST - - - -

Tabel ini memuat kolom-kolom sebagai berikut (Nalim,M : ) :

1. Sumber Variasi = Sumber Keragaman (SK) = source of variation
2. Derajat Bebas (db) = degree of freedom
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
Untuk kebutuhan analisis variansi dipergunakan distribusi F, yang tabelnya sbb:
Tabel Distribusi F (untuk 𝛼 = 1%)

8
 df2/df1 1 2 3 4 5
2 98.503 99.000 99.166 99.249 99.299
3 34.116 30.817 29.457 28.710 28.237
4 21.198 18.000 16.694 15.977 15.522
5 16.258 13.274 12.060 11.392 10.967
6 13.745 10.925 9.780 9.148 8.746
7 12.246 9.547 8.451 7.847 7.460
8 11.259 8.649 7.591 7.006 6.632
9 10.561 8.022 6.990 6.422 6.057
10 10.044 7.559 6.552 5.994 5.636
11 9.646 7.206 6.217 5.668 5.316
12 9.330 6.927 5.953 5.412 5.064
13 9.074 6.701 5.739 5.202 4.862
14 8.862 6.515 5.564 5.035 4.695
15 8.683 6.359 5.417 4.893 4.556
16 8.531 6.226 5.292 4.773 4.437
17 8.400 6.112 5.185 4.669 4.336
18 8.285 6.013 5.092 4.579 4.248
19 8.185 5.926 5.010 4.500 4.171
20 8.096 5.849 4.938 4.431 4.103
21 8.017 5.780 4.874 4.369 4.042
22 7.945 5.719 4.817 4.313 3.988
23 7.887 5.664 4.765 4.264 3.939
24 7.823 5.614 4.718 4.218 3.895
25 7.770 5.568 4.675 4.177 3.855

Keterangan:
𝑘
1 𝐺2
SSTr = 𝑛∑ Tj2 - 𝑛𝑘
𝑗=1

𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗
2
- 𝑛𝑘

SSE = SST – SSTr

G = Grand Total menunjukkan total nxk pengamatan

9
G = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗
Pengujian hipotesis diawali dengan merumuskan hipotesis.
Rumusan hipotesisnya adalah:
H0 = sebanyak k mean adalah sama, artinya tidak terdapat perbedaan antara
Treatment
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 H0 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 :
Seorang guru memberikan 4 metode pembelajaran kepada siswanya. Masing-masing
metode diajarkan kepada 5 siswa. Hasil tesnya dicatat pada tabel berikut:

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 238 348 408 458 1449

Dari soal diketahui n = 5 dan k = 4

1 14492
SSTr = 5 (2382 + 3482 + 4052 + 4582 ) - 5.4
𝐺2
SST = ∑𝑘𝑗=1 ∑𝑛𝑖=1 𝑋𝑖𝑗
2
- 𝑛𝑘
14492
= 552 + 652 + … + 882 -
5.4

= 112459 – 104980,1
= 7478,9
SSE = SST – SSTr
= 7478,9 – 5327,35

10
 = 2151,55
Sehingga diperoleh tabel ANOVA sebagai berikut:

Sumber Ftab
Df SS MSS Fhit
Variasi 5% 1%
Antara
3 5327,35 1775,78
Treatment
Dalam 13,21 3,24 5,29
Treatment 16 2151,55 134,47
(Error)
Total 19 7478,9

H0 = tidak terdapat perbedaan hasil tes antara satu metode dengan metode
lainnya
H1 = paling sedikit 2 dari metode mempunyai hasil tes yang berbeda.

Keputusan Pengujian
Dari tabel diperoleh Fhitung 13,21
- Pada tingkat kesalahan 5% F tabel sebesar 3,24. Maka H0 ditolak, dan berarti ada
perbedaan rata-rata hasil tes dari empat metode pembelajaran.
- Pada taraf signifikan 1% F tabel sebesar 5,29. Maka H0 ditolak dan berarti ada
perbedaan rata-rata hasil tes dari empat metode pembelajaran.
Dalam buku lain dinyatakan bila faktor yang menjadi perhatian berupa satu faktor,
misalnya pengaruh bentuk kemasan pada tingkat penjualan, maka ANOVA yang kita
gunakan adalah satu arah. Disebut satu arah karena pusat perhatian kita hanya satu.
Misal ada k populasi yang berdistribusi normal, dengan rata-rata populasi, 𝑥̅ 1, 𝑥̅ 2,
....., 𝑥̅ k, serta ragam populasinya sama walaupun nilainya tidak diketahui, bisa disusun
dalam bentuk tabel:

11
 Populasi
Total
1 2 ... k
X11 X12 ... Xk1
X12 X22 ... X2n
Sampel
... ... ... ...
X1n X2n ... Xkn
Total T1 T2 ... Tn T
Ukuran n1 n2 ... nk N
Rata-rata 𝑥̅ 1 𝑥̅ 2 ... 𝑥̅ k

Untuk mengetahuiapakah ada perbedaan rata-rata populasi, dilakukan pengujian hipotesis

dengan analisis ragam.
Jenis pengujian
H0 = µ1 = µ2 = ... = µk
Ha : Tidak semuanya sama (setidaknya ada µi ≠ µj untuk i ≠ j)
Keputusan menolak atau menerima H0 bisa ditentukan dengan membuat tabel ANOVA
sebagai berikut (Sugiarto : 2000 ).

Sumber Derajat Jumlah Varian

Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Antarkolom v1 = k – 1 JKK 𝑆12 𝑆12 F (v1, v2)
Sisaan v2 = N – k JKS 𝑆22 𝑆22
N–1 JKT

K = jumlah populasi atau perlakuan

N = banyaknya pengamatan = n1 + n2 + ... + nk
𝑇2 𝑇2
JKK = jumlah kuadrat antar kolom = (∑ 𝑛𝑖 ) ─
𝑖 𝑁

2 𝑇2
JKT = jumlah kuadrat total = (∑ 𝑋𝑖𝑗 )─ 𝑁

JKS = jumlah kuadrat sisaan = JKT – JKK

𝐽𝐾𝐾
𝑆12 = 𝑣1
𝐽𝐾𝑆
𝑆22 = 𝑣2

12
Statistik uji yang digunakan adalah F hitung
Tolak H0 bila Fhitung > Ftabel

Contoh aplikasi:
Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh perbedaan metode
kerja pada tingkat produktivitas. Ada tiga metode kerja yang akan diuji. Diambil sampel
masing-masing 5 orang karyawan untuk mengerjakan pekerjaan, lalu dicata waktu yang
digunakan (menit) sebagai berikut:

Metode 1 (menit) Metode 2 (menit) Metode 3 (menit)

21 17 31
27 25 28
29 20 22
23 15 30
25 23 24

Ujilah dengan α = 0,05 apakah ada pengaruh perbedaan metode kerja pada waktu yang
digunakan?

Metode 1 (menit) Metode 2 (menit) Metode 3 (menit)

21 17 31
27 25 28
29 20 22
23 15 30
25 23 24
T1 = 125 T2 = 100 T3 = 135

Dari tabel di atas bisa dihitung

Total keseluruhan nilai = 360
1252 1002 1352 3602
JKK = + + − = 130
5 5 5 15
3602
JKT = 212 + 272 + ... + 242 − = 298
15

JKS = 298 − 130 = 168

13
Tabel ANOVA

Sumber Derajat Jumlah Varian

Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Antarkolom 2 130 65 F (2, 12) =
4,64
Sisaan 12 168 14 3,89
14 298

Pengujian Hipotesis
H0 = µ1 = µ2 = ... = µk
Ha : Tidak semuanya sama (setidaknya ada µi ≠ µj untuk i ≠ j)
Statistik Uji = Fhitung = 4,64
Karena Fhitung > Ftabel maka tolak H0
Kesimpulan : Ada pengaruh perbedaan metode kerja pada waktu yang digunakan.

2.5 Analisis Variansi Dua Arah

Mengingat masalah kependidikan itu merupakan masalah kompleks, maka design
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 design yang dikembangkan untuk mencari atau tidaknya perbedaan dari
dua variabel bebas, dan masing – masing variabel bebas dibagi dalam beberapa kelompok,
maka design 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 (Irianto
:2004).

14
1. Perbandingan ANOVA Satu Arah dan Dua Arah
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).
Dengan melakukan analisis of variance dua arah akan dihindari pula terjadinya
noise (suatu kemungkinan yang menyatakan terdapat suatu efek karena bercampurnya
suatu analisis data). Noise ini dapat dihindari pada analisis of variance dua arah
kerana analisis disini melibatkan kontrol terhadapa perbedaan (kategorikal) variabel
bebas. Analisis of variance dua arah dapat menyajikan bagaimana kondisi interaksi
antara variabel bebas yang satu dengan variabel bebas yang lainnya.
Interaksi merupakan suatu kebersamaan antar faktor dalam mempengaruhi
variabel bebas, 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.

2. Asumsi Dalam Variansi Dua Arah.

Ada beberapa asumsi yang dipakai dalam variansi dua arah:
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
ANOVA dua arah dengan jumlah sampel berbed, agak berbeda dengan uraian diatas.
Dalam kasus tersebut rata-rata hendaknya ditimbang, sehingga pengaruh perbedaan
jumlah sampel tidak mempengaruhi hasil analisis.
ANOVA dua arah ini digunakan bila sumber keberagaman yang terjadi tidak
hanya karena satu faktor (perlakuan). Faktor lain yang mungkin menjadi sumber

15
 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 arah adalah (Sugiarto : 2000).

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 ANOVA dua arah:

Sumber Derajat Jumlah Varian

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

k = jumlah populasi atau perlakuan

N = banyaknya pengamatan = n1 + n2 + … + nk
JKB = Jumlah kuadrat antarbaris
𝐵2 𝑇2
=∑ 𝐾𝑖 −
𝑖 𝑁

JKK = Jumlah kuadrat antar kolom

𝑇2 𝑇2
= ∑ 𝑛𝑖 −
𝑖 𝑁

JKS = Jumlah kuadrat sisaan

= JKT – JKK – JKB

16
JKT = Jumlah kuadrat total
2 𝑇2
= (∑ 𝑋𝑖𝑗 )- 𝑁

(S1)2 = JKB/ v1
(S2)2 = JKK/ v2
(S3)2 = JKS/ v3

Statistik Uji yang digunakan adalah F hitung

Tolak H0 bila Fhitung > Ftabel.
Contoh aplikasi:
Suatu studi mengenai preferensi konsumen melibatkan tiga rancangan kemasan
yang dijual pada empat pasar swalayan. Hasil penjualan selama satu bulan pengamatan
adalah sebagai berikut: (dalam unit penjualan).

Bentuk Kemasan
Pasar Swalayan
A B C
I 12 34 23
II 15 26 21
III 1 23 8
IV 6 22 16

Dengan menggunakan ∝ = 0,05, Buatlah pengujian hipotesis untuk mengetahui

a) Apakah ada pengaruh bentuk kemasan pada tingkat penjualan?
b) Apakah ada pengaruh perbedaan Pasar Swalayan pada penjualan?

Penyelesaian:
Bentuk Kemasan
Pasar Swalayan Total
A B C
I 12 34 23 74
II 15 26 21 62
III 1 23 8 32
IV 6 22 16 44
Total 39 105 68 212

17
 742 + 622 + 322 + 442 - 2122 = 348
JKB = 3 3 3 3 12
392 + 1052 + 682 - 2122 = 547,17
JKK = 4 4 4 12
2122 = 940,67
JKT = 172 + 152 + + … + 162 - 12

JKS = JKT – JKK – JKB

= 940,67 – 547,17 – 348 = 45,5

Tabel ANOVA

Sumber Derajat Jumlah Varian

Fhitung Ftabel
Keragaman Bebas Kuadrat (Ragam)
Blok 3 348 116 15,30 5,14
Antarkolom 2 547,17 273,58 36,09 4,76
Sisaan 16 45,50 7,58
Total 11 940,67

a) Pengujian pengaruh kemasan pada penjualan

H0 : 𝜇 1 = 𝜇 2 = 𝜇 3
Ha : tidak semua sama
Fhitung > Ftabel, maka tolak H0
Kesimpulan : Ada pengaruh dari perbedaan bentuk kemasan pada tingkat
penjualan

b) Pengujian pengaruh pasar swalayan pada penjualan

H0 : 𝜇 1 = 𝜇 2 = 𝜇 3 = 𝜇 4
Ha : tidak semua sama
Fhitung > Ftabel, maka tolak H0
Kesimpulan : Ada pengaruh dari perbedaan pasar swalayan pada tingkat penjualan.
Catatan : untuk kasus ini perlu dilakukan analisis lanjutan, yaitu uji rata-rata
berganda.

18
 PENUTUP

3.1 Kesimpulan
ANOVA merupakan analisis statistik yang dapat memberikan informasi tentang
perbedaan antar kelompok satu dengan kelompok lain dalam satu populasi, maupun antar
populasi. ANOVA mengandung kesalahan yang lebih kecil dan lebih efisien daipada
pengujian perbedaan dengan t tes. Jenis ANOVA ada dua yaitu anova SATU arah dan
ANOVA dua arah. Perhitungan ANOVA didasarkan pada variance walaupun tujuannya
menguji beberapa perbedaan rata-rata.
Beberapa kemungkinan yang mempengaruhi terjadinya perbedaan dan perlu
diperhatikan oleh pemakai atau oleh peneliti yang menggunakan ANOVA: pengaruh
waktu, pengaruh perbedaan individual, pengaruh pengukuran.
Pengujian signifikasi perbedaan dalam ANOVA dengan F tes. ANOVA satu arah
dengan jumlah per sel tidak sama, analisisnya tidak berbeda dengan jumlah sampel yang
sama tiap sel, asal jumlah sampel cukup besar dan perbedaan jumlah sampel antar sel
tidak mencolok.
Variansi dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel
terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan masing-masing
variabel terdiri dari beberapa kelompok. Variansi dua arah merupakan penyempurnaan
variansi satu arah.
Variansi dua arah lebih efisien daripada variansi satu arah, karena: Kasus yang
dihadapi lebih sedikit yaitu sejumlah sampel, Noise dapat dihilangkan, Dapat diketahui
unsur kebersamaan variabel bebas dalam mempengaruhi variabel terikat.

19
 DAFTAR PUSTAKA

Sugiarto, Dergibson Siagian. 2000. Metode Statistik untuk Bisnis dan Ekonomi.
Jakarta: PT. Gramedia Pustaka Utama.
Nalim. 2012. Diktat Statistik Bisnis.
Irianto, Agus. 2004. Statistik: Konsep Dasar & Aplikasinya. Jakarta: Kencana.
Suparman. 1995. Statistik Sosial. Jakarta: PT Raja Grafindo.