TUGAS

(KOMPUTASI STATISTIKA)

DOSEN PENGAJAR
(Fahrezal Zubedi, S.Pd., M.Si)

DISUSUN OLEH
Affandi Biga
4134190018

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI GORONTALO
2020
 ANOVA (Analysis of Variance)
Analisis varians (analysis of variance) atau ANOVA adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Uji dalam anova menggunakan
uji F karena dipakai untuk pengujian lebih dari 2 sampel. Dalam praktik, analisis varians dapat
merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di
bidang genetika terapan).
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 variabel bebasnya, jika data
pada variabel bebasnya dalam bentuk interval atau ratio 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. Pengamatan bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan
merupakan informasi yang bebas.
2. Kenormalan (Normalitas)
Distribusi data harus normal, agar data berdistribusi normal dapat ditempuh dengan
cara memperbanyak jumlah sampel dalam kelompok.
3. Kesamaaan variansi (Homogenitas)
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.
 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 kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2
kritenia atau 2 faktor yang menimbulkan variasi.

3. Klasifikasi banyak arah (MANOVA)

ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak
kriteria. (untuk uji MANOVA tidak akan dibahas lebih lanjut).
A. ANOVA ONE WAY

Konsep Dasar Uji One Way ANOVA

• Uji One Way ANOVA bertujuan untuk mengetahui apakah terdapat perbedaan
rata-rata data lebih dari 2 (dua) kelompok independen atau minimal 3 (tiga)
kelompok independen.
• Uji One Way ANOVA bisa disebut juga dengan Uji Anova Satu Faktor.
• Uji One Way ANOVA merupakan bagian dari Statistik Parametrik.
• Alternatif dari Uji One Way ANOVA (Apabila data tidak berdistribusi normal)
adalah Uji Kruskal Wallis.

Persyaratan penggunaan Uji One Way ANOVA :

1. Sampel berasal dari kelompok yang independen.
2. Variabel faktor bersifat non metrik (data kategorikal).
3. Data masing-masing kelompok beridstribusi normal.
4. Varian antar kelompok harus homogen.

Contoh kasus Uji One Way ANOVA

Misalkan seorang Apoteker sedang meracik obat dengan tiga formula herbal
yang berbeda. Ia ingin mengetahui perbedaan lamanya efek ketiga obat herbal
yang ia racik dalam menyembuhkan penyakit seseorang, sehingga ia pun menguji
obat herbalnyanya kepada 15 responden. Dengan menggunakan taraf signifikansi
5%, apakah terdapat perbedaan pada lamanya efek obat herbal A, B, dan C
dalam menyembuhkan penyakit seseorang? Berikut adalah datanya.

A B C
5 9 3
4 7 5
8 8 2
6 6 3
3 9 7
 ❖ Langkah Penyelesaian Uji One Way ANOVA secara manual

1. Menentukan Hipotesis
H0 : Tidak ada perbedaan lamanya efek ketiga obat herbal A, B, dan C
dalam menyembuhkan penyakit seseorang seseorang
H1 : Ada perbedaan lamanya efek ketiga obat herbal A, B, dan C dalam
menyembuhkan penyakit seseorang

2. Menentukan taraf nyata (α) dan Ftabel / F(v1,v2)

• v1 = k-1
= 3-1
=2
• v2 = k(n-1)
= 3(5-1)
= 12
• Jadi Ftabel / F(v1,v2) = 3,89

3. Membuat analisis variansnya dalam bentuk tabel ANOVA

Sumber Jumlah Derajat Rataan F Hitung
Varians Kuadrat Bebas Kuadrat
RKP = RKP/RKG
Perlakuan JKP k-1
JKP/dbp
RKG =
Galat JKG k(n-1)
JKG/dbg
Total JKT nk-1

A B C
5 9 3
4 7 5
8 8 2
6 6 3
3 9 7
 Total A = 26
Total B = 39
Total C = 20
Total Keseluruhan = 85

• Mencari JKT (Jumlah Kuadrat Total)

𝒌 𝒏
𝟐
𝑻𝟐𝒊𝒋
𝑱𝑲𝑻 = ∑ ∑ 𝒚𝒊𝒋 −
(𝒏)(𝒌)
𝒊−𝟏 𝒋=𝟏

2 2 2
852 2 2
𝐽𝐾𝑇 = 5 + 4 + 8 + ⋯ + 3 + 7 −
(5)(3)

𝐽𝐾𝑇 = 557 − 481,67

𝐽𝐾𝑇 = 557 − 481,67

𝑱𝑲𝑻 = 𝟕𝟓, 𝟑𝟑

• Mencari JKP (Jumlah Kuadrat Perlakuan)

𝒌
𝑻𝟐𝒊 𝑻𝟐𝒊𝒋
𝑱𝑲𝑷 = ∑ −
𝒏𝒊 (𝒏)(𝒌)
𝒊=𝟏

262 + 392 + 202 852

𝐽𝐾𝑃 = −
5 (5)(3)

𝐽𝐾𝑃 = 519,4 − 481,67

𝑱𝑲𝑷 = 𝟑𝟕, 𝟕𝟑
 • Mencari JKG (Jumlah Kuadrat Galat)

𝑱𝑲𝑮 = 𝑱𝑲𝑻 − 𝑱𝑲𝑷

𝐽𝐾𝐺 = 75,33 − 37,73

𝑱𝑲𝑮 = 𝟑𝟕, 𝟔

Sumber Jumlah Derajat F Hitung

Rataan Kuadrat
Varians Kuadrat Bebas
k-1 RKP = JKP/dbp RKP/RKG
Perlakuan 37,73
3-1 = 2 (37,73/2) = 18,865 (18,865/3,13) = 6,03
k(n-1) RKG = JKG/dbg
Galat 37,6
3(5-1) = 12 (37,6/12) = 3,13
nk-1
Total 75,33
(5x3)-1 = 14

4. Kriteria Uji
H0 diterima jika Fhitung ≤ Ftabel
H0 ditolak jika Fhitung > Ftabel

5. Keputusan
Fhitung (6,03) > Ftabel (3,89) , maka H0 ditolak

6. Kesimpulan
Jadi, karena Fhitung (6,03) > Ftabel (3,89) , maka H0 ditolak, artinya ada perbedaan
pada lamanya efek obat herbal A, B, dan C dalam menyembuhkan penyakit
seseorang.
 ❖ Langkah Penyelesaian Uji One Way ANOVA menggunakan SPSS

A B C
5 9 3
4 7 5
8 8 2
6 6 3
3 9 7

1. Mengkategorikan Data

No. Kode Obat Lama Efek Penyembuhan

1. 1 5
2. 1 4
3. 1 8
4. 1 6
5. 1 3
6. 2 9
7. 2 7
8. 2 8
9. 2 6
10. 2 9
11. 3 3
12. 3 5
13. 3 2
14. 3 3
15. 3 7

Keterangan :
1 : Obat Herbal A
2 : Obat Herbal B
3 : Obat Herbal C
 2. Melakukan Uji Normalitas

Tests of Normality
Obat Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Lama Efek Penyembuhan A ,141 5 ,200* ,979 5 ,928
B ,221 5 ,200* ,902 5 ,421
C ,291 5 ,191 ,905 5 ,440
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

• Dasar Pengambilan Keputusan Uji Normalitas

Jika nilai Sig. > 0,05 , maka data berdistribusi normal
Jika nilai Sig. < 0,05 , maka data tidak bedistribusi normal
Berdasarkan output diatas menunjukkan bahwa nilai signifikansi dari
masing-masing data > 0,05 yang artinya data berdistribusi normal.

3. Melakukan Uji Homogenitas

Test of Homogeneity of Variances

Levene df1 df2 Sig.
Statistic
Lama Efek Penyembuhan Based on Mean ,553 2 12 ,589
Based on Median ,174 2 12 ,842
Based on Median and with ,174 2 8,654 ,843
adjusted df
Based on trimmed mean ,525 2 12 ,605

• Dasar Pengambilan Keputusan Uji Homogenitas

Jika nilai Sig. Based on Mean > 0,05 , maka varians data adalah Homogen
(varians data sama)
Jika nilai Sig. Based on Mean < 0,05 , maka varians data adalah tidak
Homogen (varians data tidak sama)
Berdasarkan output diatas diketahui nilai Sig. Based on Mean (0,589) >
0,05 yang artinya data bersifat Homogen (varians data sama).
 4. Melakukan Uji One Way ANOVA

ANOVA
Lama Efek Penyembuhan
Sum of df Mean F Sig.
Squares Square
Between Groups 37,733 2 18,867 6,021 ,015
Within Groups 37,600 12 3,133
Total 75,333 14

• Dasar Pengambilan keputusan Uji One Way ANOVA

Jika nilai Sig. < 0,05 , maka rata-rata berbeda
Jika nilai Sig. > 0,05 , maka rata-rata sama
Berdasarkan output diatas, diketahui nilai Sig. Sebesar 0,015 < 0,05,
yang artinya rata-rata lamanya efek obat herbal A, B, dan C dalam
menyembuhkan penyakit seseorang “Berbeda” secara signifikan.
B. ANOVA TWO WAY

Konsep Dasar Uji Two Way ANOVA

• Uji Two Way ANOVA bertujuan untuk membandingkan perbedaan rata-rata
antar kelompok yang telah dibagi pada dua variabel faktor.
• Uji Two Way ANOVA bisa disebut juga dengan Uji Anova Dua Faktor.
• Uji Two Way ANOVA merupakan bagian dari Statistik Parametrik.

Persyaratan penggunaan Uji Two Way ANOVA :

1. Sampel berasal dari kelompok yang independen.
2. Variabel faktor bersifat non metrik (data kategorikal).
3. Variabel dependen adalah data berskala kuantitatif (interval/rasio).
4. Nilai Residual standard berdistribusi normal.
5. Varian antar kelompok harus homogen.

Contoh kasus Uji Two Way ANOVA

Dengan taraf signifikansi 5%, Seorang peneliti ingin mengetahui apakah
terdapat perbedaan motivasi belajar berdasarkan tempat tinggal dan Jurusan.
Berikut adalah datanya.
Kemudian akan diteliti tentang :
A. Apakah ada perbedaan motivasi belajar berdasarkan tempat tinggal
B. Apakah ada perbedaan motivasi belajar berdasarkan jurusan
C. Apakah ada interaksi jurusan siswa SMA dengan lokasi tempat tinggal
dalam meningkatkan motivasi belajar siswa
Jurusan SMA
Lokasi Tempat Tinggal
IPA IPS Bahasa
2 5 3
3 5 2
Kota 4 4 1
5 4 2
3 6 2
6 2 4
Desa 6 4 3
3 3 2
 4 4 6
3 5 4

❖ Langkah Penyelesaian Uji Two Way ANOVA secara manual

1. Menentukan Hipotesis
A. H0 : Tidak ada perbedaan motivasi belajar berdasarkan tempat tinggal
H1 : Ada perbedaan motivasi belajar berdasarkan tempat tinggal
B. H0 : Tidak ada perbedaan motivasi belajar berdasarkan jurusan
H1 : Ada perbedaan motivasi belajar berdasarkan jurusan
2. Menentukan taraf nyata (α) dan Ftabel / F(v1,v2)
• v1 = k-1
= 4-1
=3
• v2 = k(n-1)
= 3(2-1)
=3
• Jadi Ftabel / F(v1,v2) = 9,28

3. Membuat analisis variansnya dalam tabel anova

Sumber Jumlah Derajat Rataan F Hitung

Varians Kuadrat Bebas Kuadrat
Nilai Tengah RKB =
JKB n-1 RKB/RKG
Baris JKB/dbb
Nilai Tengah RKK =
JKT k-1 RKK/RKG
Kolom JKK/dbk
RKG =
Galat JKG k(n-1)
JKG/dbg
Total JKT nk-1
 Jurusan SMA
Lokasi Tempat Tinggal
IPA IPS Bahasa
2 5 3
3 5 2
Kota 4 4 1
5 4 2
3 6 2
6 2 4
6 4 3
Desa 3 3 2
4 4 6
3 5 4

4. Kriteria Uji
A. H0 diterima jika Fhitung ≤ Ftabel
H0 ditolak jika Fhitung > Ftabel
B. H0 diterima jika Fhitung ≤ Ftabel
H0 ditolak jika Fhitung > Ftabel

5. Keputusan
A. Fhitung (1,389) < Ftabel (9,28) , maka H0 diterima
B. Fhitung (6,00) < Ftabel (9,28) , maka H0 diterima

6. Kesimpulan
A. Jadi, karena Fhitung (1,389) < Ftabel (9,28) , maka H0 diterima, artinya tidak
ada perbedaan motivasi belajar siswa berdasarkan lokasi tempat
tinggal.
B. Jadi, karena Fhitung (6,00) < Ftabel (9,28) , maka H0 diterima, artinya tidak
ada perbedaan motivasi belajar siswa berdasarkan Jurusan SMA
❖ Langkah Penyelesaian Uji Two Way ANOVA menggunakan SPSS

Jurusan SMA
Lokasi Tempat Tinggal
IPA IPS Bahasa
2 5 3
3 5 2
Kota 4 4 1
5 4 2
3 6 2
6 2 4
6 4 3
Desa 3 3 2
4 4 6
3 5 4

1. Mengkategorikan Data

Kode Jurusan SMA

Jurusan SMA
Lokasi Tempat Tinggal
IPA IPS Bahasa
1 2 3
1 2 3
Kota 1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
Desa 1 2 3
1 2 3
1 2 3

Kode Tempat Tinggal

Jurusan SMA
Lokasi Tempat Tinggal
IPA IPS Bahasa
1 1 1
1 1 1
Kota 1 1 1
1 1 1
1 1 1
Desa 2 2 2
 2 2 2
2 2 2
2 2 2
2 2 2

2. Melakukan Uji Normalitas

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Standardized Residual for ,093 30 ,200* ,966 30 ,431
Hasil
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

• Dasar Pengambilan Keputusan Uji Normalitas

Jika nilai Sig. > 0,05 , maka nilai residual standard normal
Jika nilai Sig. < 0,05 , maka data tidak bernormal
Berdasarkan output diatas menunjukkan bahwa nilai signifikansi data
(0,431) > 0,05 yang artinya data berdistribusi normal.

3. Melakukan Uji Homogenitas

Levene's Test of Equality of Error Variancesa,b

Levene df1 df2 Sig.
Statistic
Hasil Motivasi Belajar Based on Mean 1,250 5 24 ,317
Based on Median ,649 5 24 ,665
Based on Median and with ,649 5 20,664 ,666
adjusted df
Based on trimmed mean 1,244 5 24 ,320
Tests the null hypothesis that the error variance of the dependent variable is equal across groups.
a. Dependent variable: Hasil Motivasi Belajar
b. Design: Intercept + Jurusan + Lokasi + Jurusan * Lokasi
 • Dasar Pengambilan Keputusan Uji Homogenitas
Jika nilai Sig. Based on Mean > 0,05 , maka varians data adalah Homogen
(varians data sama)
Jika nilai Sig. Based on Mean < 0,05 , maka varians data adalah tidak
Homogen (varians data tidak sama)
Berdasarkan output diatas diketahui nilai Sig. Based on Mean (0,317) >
0,05 yang artinya data bersifat Homogen (varians data sama).

4. Melakukan Uji Two Way ANOVA

Tests of Between-Subjects Effects
Dependent Variable: Hasil Motivasi Belajar
Source Type III Sum df Mean F Sig.
of Squares Square
Corrected Model 23,467a 5 4,693 3,393 ,019
Intercept 403,333 1 403,333 291,566 ,000
Jurusan 9,267 2 4,633 3,349 ,052
Lokasi 2,133 1 2,133 1,542 ,226
Jurusan * Lokasi 12,067 2 6,033 4,361 ,024
Error 33,200 24 1,383
Total 460,000 30
Corrected Total 56,667 29
a. R Squared = ,414 (Adjusted R Squared = ,292)

• Dasar Pengambilan keputusan Uji Two Way ANOVA

Jika nilai Sig. < 0,05 , maka ada perbedaan motivasi belajar berdasarkan
variabel faktor
Jika nilai Sig. > 0,05 , maka tidak ada perbedaan motivasi berdasarkan
variabel faktor
• Kesimpulan
1. Berdasarkan output diatas, diperoleh nilai Sig. Sebesar 0,052 > 0,05,
sehingga dapat disimpulkan bahwa “tidak ada perbedaan motivasi belajar
berdasarkan jurusan siswa SMA.”
2. Diperoleh nilai Sig. Sebesar 0,226 > 0,05, sehingga dapat disimpulkan
bahwa “tidak ada perbedaan motivasi belajar berdasarkan lokasi tempat
tinggal.”
3. Diperoleh nilai Sig. Sebesar 0,024 < 0,05, sehingga dapat disimpulkan
bahwa “ ada interaksi jurusan siswa SMA dengan lokasi tempat tinggal
dalam meningkatkan motivasi belajar siswa.”