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
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).
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.
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.
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 - - - -
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
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:
= 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
2 𝑇2
JKT = jumlah kuadrat total = (∑ 𝑋𝑖𝑗 )─ 𝑁
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:
Ujilah dengan α = 0,05 apakah ada pengaruh perbedaan metode kerja pada waktu yang
digunakan?
13
Tabel ANOVA
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.
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.
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
16
JKT = Jumlah kuadrat total
2 𝑇2
= (∑ 𝑋𝑖𝑗 )- 𝑁
(S1)2 = JKB/ v1
(S2)2 = JKK/ v2
(S3)2 = JKS/ v3
Bentuk Kemasan
Pasar Swalayan
A B C
I 12 34 23
II 15 26 21
III 1 23 8
IV 6 22 16
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
Tabel ANOVA
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.