A. Landasan Teori
Analisis Varians disingkat Anova merupakan terjemahan dari analysis
of varians. Anova adalah teknik analisis statistika yang penggunaannya untuk
menguji perbedaan tiga buah rata-rata populasi atau lebih sekaligus. Tujuan dari
penggunaan anova adalah untuk menguji perbedaan antara sejumlah rata-rata
populasi dengan cara membandingkan variansinya (Setiawan, 2019). Anova
bertujuan untuk menganalisis variasi dari sebuah respone dan untuk
menentukan bagian daripada variasi bagi setiap kelompok variabel bebas. Hal
ini artinya analisis varians memiliki tujuan untuk menempatkan variabel-
variabel bebas penting didalam suatu studi dan untuk menentukan bagaimana
mereka berinteraksi dan saling mempengaruhi. Anova sering digunakan untuk
penelitian terutama pada rancangan penelitian yang memiliki implikasi
pengambilan keputusan untuk menggunakan teknologi baru, prosedur-prosedur
baru, ataupun kebijakan-kebijakan baru (Rahmawati dan Richie, 2020).
Keuntungan dari analisis varians ialah analisis varians ini mampu
membandingkan untuk banyak variabel. Selain itu, analisis varians juga
memiliki keunggulan dalam hal kemampuan untuk membandingkan antar
variabel, antar pengulangan dan juga adanya interaksi antar variabel. Meskipun
demikian, analisis varians atau anova ini juga memiliki kelemahan. Kelemahan
yang dimiliki analisis varians ini antara lain apabila hipotesis nol ditolak dan
hipotesis alternatif diterima, maka peneliti hanya mengetahui bahwa rata-rata
tersebut tidak semuanya sama. Hal ini mengakibatkan peneliti perlu mengetahui
rata-rata mana saja yang sama dan tidak sama. Solusi untuk permasalahan ini
yaitu peneliti perlu melakukan uji lanjut pada analisis varians atau disebut
dengan uji komparasi ganda pasca analisis varians. Selain itu, Analisis varians
ini tidak dapat digunakan untuk membandingkan banyak parameter untuk
banyak grup. Artinya, analisis varians tidak dapat digunakan untuk variabel
dengan banyak respon (Rahmawati dan Richie, 2020).
13
14
B. Soal Latihan
1. One Way ANOVA
a. Soal
Suatu penelitian terhadap kandungan nitrogen pada pupuk
bertujuan untuk menguji apakah kandungan nitrogen pada masing-masing
pupuk sama. Untuk pengujiannya menggunakan empat jenis pupuk. Buatlah
rumusan hipotesis dan ujilah apakah kandungan nitrogen tiap pupuk adalah
sama dengan taraf kepercayaan 95%.
Tabel 2. 1 Kandungan Nitrogen
Kandungan Nitrogen
CN-G CSN KS Plus KS Pak Tani
6.50 8.00 7.10 8.15
7.15 7.50 8.30 8.35
8.30 6.75 9.00 7.50
9.00 6.15 6.45 7.20
7.30 9.00 7.20 6.00
6.15 7.60 6.50 6.90
8.40 8.50 8.50 8.90
7.50 7.00 7.40 7.00
b. Langkah Kerja
1) Memasukan nama variabel yang akan diolah data dalam Variabel View.
16
2) Memasukan Values pada variabel jenis pupuk dengan empat jenis pupuk,
kemudian mengklik OK.
7) Mengklik OK.
18
ANOVA
Kandungan Nitrogen
Sum of Mean
Squares df Square F Sig.
Between
.019 3 .006 .007 .999
Groups
Within Groups 25.070 28 .895
Total 25.089 31
19
d. Interpretasi
1) Hipotesis
H0: µ1 = µ2 = µ3 = µ4, artinya rata-rata kandungan nitrogen antara jenis
pupuk CN-G, CSN, KS Plus, dan KS Pak Tani
adalah sama.
Ha: µ1 ≠ µ2 ≠ µ3 ≠ µ4, artinya rata-rata kandungan nitrogen antara jenis
pupuk CN-G, CSN, KP Plus, dan KS Pak Tani
adalah tidak sama.
2) Rata-rata (Mean)
Rata-rata kandungan nitrogen pupuk jenis CN-G adalah 7.5375
dengan standar deviasi 0.97642, pupuk jenis CSN adalah 7.5625 dengan
standar deviasi 0.93455, pupuk jenis KS Plus adalah 7.5562 dengan
standar deviasi 0.94319, dan pupuk jenis KS Pak Tani adalah 7.5000
dengan standar deviasi 0.89962. jumlah kuadrat variasi antar kelompok
adalah 0.019 dan dalam kelompok adalah 25.070.
3) Dengan Menggunakan Uji F dan Signifikansi
Berdasarkan output diperoleh nilai Fhitung 0.007 dan Ftabel sebesar
2.95 dengan nilai signifikan 0.999 dan alpha 0.05. Dapat disimpulkan
bahwa keputusan menerima H0 karena nilai signifikan lebih besar dari
alpha (0.999 > 0.05). Artinya, rata-rata kandungan nitrogen antara jenis
pupuk CN-G, CSN, KS Plus, dan KS Pak Tani adalah sama.
b. Langkah Kerja
1) Memasukan nama variabel yang akan diolah data dalam Variabel View.
21
2) Memasukan Values pada variabel jenis bibit dengan tiga jenis bibit,
kemudian mengklik OK.
3) Memasukan Values pada variabel jenis pupuk dengan empat jenis pupuk,
kemudian mengklik OK.
8) Mengklik Post Hoc, memasukan variabel jenis bibit pada kolom Post
Hoc Test For, kemudian mengklik Bonferroni dan Turkey.
Descriptive Statistics
Dependent Variable: Hasil Produksi Mangga
Std.
Jenis Pupuk Jenis Bibit Mean Deviation N
ZA Kultur
5.5333 .55076 3
Jaringan
Cangkok 6.9667 .83865 3
Sambung 6.8333 .20817 3
Total 6.4444 .85602 9
Semi Zeorea Kultur
6.8667 .32146 3
Jaringan
Cangkok 7.8000 .52915 3
Sambung 7.5667 .20817 3
Total 7.4111 .53255 9
NPK Kultur
6.8333 .76376 3
Jaringan
Cangkok 8.0333 .50332 3
Sambung 7.9667 .71822 3
Total 7.6111 .82416 9
KCl Kultur
6.4667 .55076 3
Jaringan
Cangkok 8.2000 .77621 3
Sambung 6.8667 .32146 3
Total 7.1778 .93278 9
Total Kultur
6.4250 .74239 12
Jaringan
Cangkok 7.7500 .76128 12
Sambung 7.3083 .61601 12
Total 7.1611 .88698 36
25
1. Jenis Pupuk
Dependent Variable: Hasil Produksi Mangga
95% Confidence Interval
Std. Lower Upper
Jenis Pupuk Mean Error Bound Bound
ZA 6.444 .189 6.055 6.834
Semi
7.411 .189 7.022 7.800
Zeorea
NPK 7.611 .189 7.222 8.000
KCl 7.178 .189 6.789 7.567
26
2. Jenis Bibit
Dependent Variable: Hasil Produksi Mangga
95% Confidence Interval
Std. Lower Upper
Jenis Bibit Mean Error Bound Bound
Kultur
6.425 .163 6.088 6.762
Jaringan
Cangkok 7.750 .163 7.413 8.087
Sambung 7.308 .163 6.971 7.645
Homogeneous Subsets
Hasil Produksi Mangga
Subset
Jenis Bibit N 1 2
Tukey Kultur
12 6.4250
HSDa,b Jaringan
Sambung 12 7.3083
Cangkok 12 7.7500
Sig. 1.000 .157
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = .320.
a. Uses Harmonic Mean Sample Size = 12.000.
b. Alpha = .05.
28
Profile Plots
d. Interpretasi
1) Hipotesis
a) Rumusan Hipotesis Jenis Pupuk
H0: µ1 = µ2 = µ3 = µ4, artinya rata-rata hasil produksi buah mangga
antara jenis pupuk ZA, Semi Zeorea, NPK, dan
KCl adalah sama.
Ha: µ1 ≠ µ2 ≠ µ3 ≠ µ4, artinya rata-rata hasil produksi buah mangga
antara jenis pupuk ZA, Semi Zeorea, NPK, dan
KCl adalah tidak sama.
29
2) Rata-rata (Mean)
Rata-rata hasil produksi buah mangga dengan pupuk ZA dan
jenis bibit kultur jaringan adalah 5.5333 dengan standar deviasi 0.55076,
dengan jenis bibit cangkok adalah 6.9667 dengan standar deviasi 0.83865,
dan dengan jenis bibit sambung adalah 6.8333 dengan standar deviasi
0.20817. Rata-rata hasil produksi buah mangga dengan pupuk Semi
Zeorea dan jenis kultur jaringan adalah 6.8667 dengan standar deviasi
0.32146, dengan jenis bibit cangkok adalah 7.8000 dengan standar deviasi
0.52915, dan dengan jenis bibit sambung adalah 7.5667 dengan standar
deviasi 0.20817. Rata-rata hasil produksi buah mangga dengan pupuk
NPK dan jenis bibit kultur jaringan adalah 6.8333 dengan standar deviasi
0.76376, dengan jenis bibit cangkok adalah 8.0333 dengan standar deviasi
0.50332, dan dengan jenis bibit sambung adalah 7.9667 dengan standar
deviasi 0.71822. Rata-rata hasil produksi buah mangga dengan pupuk
KCl dengan jenis bibit kultur jaringan adalah 6.4667 dengan standar
deviasi 0.55076, dengan jenis bibit cangkok adalah 8.2000 dengan standar
deviasi 0.77621, dan dengan jenis bibit sambung adalah 6.8667 dengan
standar deviasi 0.32146.
30
Rahmawati, A. S., & Erina, R. 2020. Rancangan acak lengkap (RAL) dengan uji
anova dua jalur. OPTIKA: Jurnal Pendidikan Fisika, 4(1), 54-62.
Susanto, E., Agus, S., dan Rusdi. 2020. Efektivitas Project Based Learning
Terhadap Kemampuan Pemecahan Masalah Dan Berpikir Kritis Mahasiswa.
THEOREMS: The Original Research of Mathematics, 5(1), 61-68.