( ) (
-t a ; n−1 ≤ t ≤ t a ; n−1
2 2 )
H0 ditolak apabila
(
t < -t a ; n−1
2 ) (
atau
a
2
; n−1 < t )
5. Buat kesimpulan dengan membandingkan antara nilai t hitung dengan kriteria hitung
sebagaimana pada langkah 4.
Contoh:
Misalkan akan diuji, Apakah pengepakan suatu produk barang di PT xyz sudah sesuai
dengan ukurannya sebesar 50 kg. kemudian diambil data sebanyak 10 data sebagai
berikut.
49.9
50.1
50.1
50.2
49.8
49.4
49.7
49.4
49.1
49.3
s=
√ 1.32
9
= 0,383
x−μ
t= s
√n
49.7−50
t = 0.383 = -2,48
√ 10
3. Dengan level of signification 0,05 dan derajatb bebas = degree of freedom = n-1 = 9
serta bentuk uji dua sisi maka nilai t tabel adalah 2,26.
4. H0 diterima apabila: ( ) (
-t a ; n−1 ≤ t ≤ t a ; n−1
2 2 )
atau
H0 ditolak apabila: (
t < t a ; n−1
2 )
atau ( )
t a ; n−1 < t
2
ANOVA
1. Pengertian
Pada dasarnya dapat dikelompokkan menjadi dua kelompok yaitu:
a. seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada di
kelompok lain, berasal dari populasi yang sama. untuk kondisi ini hipotesis nol terbatas
pada tidak ada efek dari treatment (perlakuan).
b. Sampel yang ada di kelompok satu berasal dari populasi yang berbeda dengan populasi
sampel yang ada di kelompok lainnya untuk kondisi ini hipotesis nol dapat berbunyi:
tidak ada perbedaan efek treatment antar kelompok.
Mengingat ANOVA berkaitan dengan pengujian hipotesis yang multiple (ganda), maka
perhitungan lebih kompleks daripada t-test. pada saat melakukan pengujian hipotesis
(perbedaan rata-rata) dengan menggunakan t-tes selalu menanggung kesalahan Tipe 1
sebesar Alpha untuk ANOVA kesalahan Tipe 1 disebut dengan eksperimen wise alpha level
yang besarnya:
1 – ( 1 – α )N
Misalnya untuk menguji perbedaan rata-rata dari 5 kelompok sampel. Jika diambil Alpha
sebesar 0,05, maka dengan penggunan t-tes besarnya resiko kesalahan tipe 1 untuk sekali
pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung kesalahan Tipe 1
sebesar 0,50. Apabila kita menggunakan ANOVA kesalahan Tipe 1 yang harus ditanggung
adalah:
H0 : μ1 = μ2 = μ3 = μ4 = μ5
H1 : Salah satu dari μ tidak sama..
Bunyi hipotesis alternatif seperti tersebut di atas, merupakan hipotesis yang fleksibel,
karena tidak menyebutkan secara μ mana yang berbeda dengan yang lainnya. Hal ini
mempunyai arti bahwa μ mana yang tidak sama bukan merupakan masalah dalam penolakan
hipotesis nol.
2. Macam-macam ANOVA
Pada dasarnya Anova dapat dibagi menjadi dua kelompok besar yaitu:
a. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independen
variabel (variabel bebas) kondisi ini yang sering disebut dengan single factor
eksperimen analisis varians satu arah.
b. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa independen
variabel (variabel bebas) kondisi seperti ini sering disebut dengan two factor
eksperimen (analisis variance dua arah) untuk mempermudah memahami konsep
pengelompokan ANOVA dalam dua bagian besar, perlu kiranya kita lihat suatu
contoh model ANOVA yang mungkin ditemui.
1. Single factor experiment :
Metode Mengajar
A B C D
Sample Sample Sample Sample
Melalui pengamatan model di atas, jelas bahwa dalam dua faktor eksperimen
pengelompokan dipengaruhi oleh lebih dari satu variabel. Untuk memperoleh data
pada setiap sel, maka pengelompokan itu dilakukan pada saat pengambilan sampel.
Oleh karena itu model ini lebih cocok untuk penelitian eksperimental dimana dari
awal sampel-sampel tersebut telah di kota-kotakkan. Melalui kontrol yang baik maka
perembesan informasi antar kelompok dapat ditanggulangi. Walaupun demikian tidak
menutup kemungkinan ANOVA diterapkan pada penelitian survey.
3. Variabilitas dalam Anova dan pengujiannya
Perhitungan dalam ANOVA didasarkan pada varians, walaupun tujuannya adalah
menguji beberapa perbedaan rata-rata. hal ini sebenarnya telah di singgung di muka ( pada
saat membicarakan perbedaan rata-rata dua populasi). kita baru bisa mengatakan bahwa rata-
rata tersebut berbeda apabila telah dilihat pula variabilitasnya. ukuran yang baik untuk
melihat variabilitas adalah simpangan baku maupun varians. Oleh karena itu pengujian
didasarkan pada variance. Pengukuran total variabilitas atas data yang ada dapat
dikelompokkan menjadi tiga (3) bagian:
a. Variabilitas antar kelompok treatment variability, merupakan variansi rata-rata
kelompok sampel terhadap rata-rata keseluruhannya. variansi disini lebih terpengaruh
oleh adanya perbedaan perlakuan ( treatments) antar kelompok, disingkat SSb.
b. Variabilitas dalam kelompok treatment variability merupakan variasi yang ada dalam
masing-masing kelompok. banyaknya variansi akan tergantung pada banyaknya
kelompok dan variansi disini tidak tergantung atau tergantung oleh perbedaan
perlakuan antarkelompok, disingkat SSw.
c. Jumlah kuadrat penyimpangan total Total sum of squares, merupakan jumlah kuadrat
selisih antar skor individual dengan rata-rata totalnya, disingkat sst.
Setelah konsep variabilitas dapat kita pahami, maka langkah selanjutnya adalah mencari
atau menghitung variabilitas tersebut.
SSb = n
[ ∑ x 2−
( ∑ ❑ ̅ x ) 2❑
k ]
Atau
2 2
SSb = ∑ Tn - G
N
Keterangan :
K adalah banyaknya kelompok.
T adalah total X masing-masing kelompok.
G adalah total X keseluruhan
n adalah jumlah sample masing-masing kelompok.
N adalah jumlah sample keseluruhan.
Setelah kita membahas sebuah ilustrasi yang memberi gambaran pola sumber-
sumber perbedaan yang mungkin muncul, maka jelas bahwa peneliti perlu melakukan
kontrol yang baik terhadap sumber-sumber tersebut, sehingga hasil kesimpulan yang
diambil dapat bermanfaat.
Contoh Soal: Hasil penelitian tentang hasil belajar siswa yang diajar dengan metode yang
berbeda : A, B, C :
Metode A Metode B Metode C
8 1 5
6 7 7
7 8 8
5 6 4
9 9 6
Untuk memperoleh perhitungan, data di atas perlu disusun kembali dengan kolom yang
lebih lengkap:
XA XA2 XB XB2 XC XC2
8 64 10 100 5 25
6 36 7 49 6 36
7 49 8 64 8 64
5 25 6 36 4 16
9 81 9 81 7 49
35 255 40 330 30 190
Dari tabel diatas dapat diambil beberapa faktor yang diperlukan perhitungan lebih lanjut yaitu:
TA = 35 Tb = 40
nA = 5 nB = 5
G = 105
N = 15
2
G
SSSt = ∑x - 2
N
2
105
= 775 -
15
= 775 - 735
= 40
2 2
T G
SSb = -
n n
2 2 2 2
35 40 30 105
= 5
+
5
+
5
+
15
1225+1600+900 11025
= 5
- 15
= 745 - 735
= 10
= 40 - 10
= 30
Langkah di atas merupakan langkah yang lebih singkat dari pada langkah yang lainnya.
Walaupun demikian pemakai bebas dalam menentukan langkah yang ingin diikuti. Untuk itu
perlu dibuktikan kecocokannya jika menggunakan langkah rumus yang lainnya .
ANALISIS KOVARIANS
Perhatikan suatu studi tentang variabel Y yang menjadi variabel respon akibat efek faktor
atau faktor-faktor lain. Dalam bab yang lalu, variabel ini dianggap hanya terjadi semata-mata
sebagai efek faktor atau faktor-faktor (termasuk interaksinya) yang kita perhatikan ditambah
efek-efek umum dan kekeliruan yang kesemuanya diperhitungkan melalui suatu model
matematis tertentu. akan tetapi, ada kenyataan nilai-nilai variabel Y yang yang bisa berubah-
ubah oleh karena ada variabel lain, Katakanlah X, disamping y merupakan akibat efek faktor-
faktor yang dipelajari. jadi, kecuali Faktor atau faktor-faktor memberikan Efek terhadap Y masih
ada variabel (atau barangkali variabel-variabel) yang berubah-ubah seiring dengan terjadinya
perubahan variabel Y. Variabel atau variabel variabel X ini sering tidak mungkin dapat dikontrol
selama kita melakukan eksperimen, akan tetapi masih dapat diukur bersama-sama dengan
variabel Y. Variabel X akan bersifat demikian dinamakan variabel iringan atau variabel
konkomitan.
Dengan adanya hal seperti ini, maka untuk melakukan analisis mengenai variabel respon
Y sebagai efek Faktor atau efek faktor-faktor, maka perlu lah terlebih dahulu "menyingkirkan
pengaruh X terhadap Y baru lalu kemudian melakukan analisis terhadap Y yang sudah
dimurnikan untuk melihat efek faktor-faktor yang dipelajari. analisis seperti ini dinamakan
analisis kovarian, disingkat ANAKOVA.
Contoh
Untuk mempelajari efek beberapa metode mengajar berhitung kepada anak-anak SD
kelas VI misalnya, sebelum metode tersebut digunakan, terlebih dahulu anak-anak diberi tes
awal setelah metode mengajar selesai diberikan, pada akhir pelajaran diberikan tes akhir yang
isinya sama dengan tes awal. hasil tes ini, kita bisa menentukan variabel respon Y sebagai selisih
nilai tes akhir dan nilai tes awal untuk tiap anak. Jika nilai tes awal kita sebut X, maka dalam hal
lain hal ini ada kemungkinan bahwa respon y dipengaruhi oleh variabel x sehingga tidak semata-
mata dikarenakan oleh efek metode mengajar yang digunakan dalam hal ini, sebelum diteliti
mengenai Y sebagai efek metoda mengajar dengan menggunakan anava, maka perlu dilakukan
dahulu analisis regresi Y atas X. Dengan kata lain, untuk ini perlu dilakukan analisis kovarians.
Dari uraian dan contoh diatas mudah ditangkap bahwa pada dasarnya analisis kovarian
merupakan perkawinan antara analisis regresi dan analisis varians.
tingkat tipe kesalahan I (type I error) yang disebut alpha (a). Tipe kesalahan I atau a merupakan
probabilitas menolak hipotesis nol (Ho) yang benar. Pada penentuan besarnya a juga harus secara
otomatis ditentukan besarnya kesalahan jenis lain yang terkait yaitu tipe kesalahan II yang
disebut beta (ß). • Tipe kesalahan II atau ß merupakan probabilitas menerima hipotesis nol (Ho)
yang salah.• Berkaitan dengan ß, sering digunakan probabilitas 1- ß yang menunjukkan kekuatan
statistik inferensi (statistical power). Probabilitas 1- ß merupakan probabilitas menolak hipotesis
nol yang salah. Hubungan antara kedua probabilitas a (kesalahan tipe I) dan ß (kesalahan tipe II)
dapat dilihat pada tabel kesalahan dalam uji hipotesis.