BAB II

ANALISIS VARIANS (ANOVA)

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

Dalam pengujian anova terdapat asumsi homogenity of variance yang

artinya variabel dependen memiliki varians yang sama dalam setiap kategori
atau kelompok variabel independen. Analisis varians termasuk dalam analisis
parametrik, sehingga membutuhkan pemenuhan asumsi kenormalan data. Selain
itu, variabel respon yang diamati harus bersifat kuantitatif dengan minimal
menggunakan skala pengukuran interval (Luasiana dan Mohammad, 2021).
Pengujian dengan analisis varians terdapat dua jenis yakni analisis
varians satu arah dan analisis varians dua arah. Anova satu arah atau satu jalur
yaitu analisa yang melibatkan hanya satu variabel bebas. Analisis varians satu
arah menggunakan varians dan data hasil pengamatan merupakan pengaruh satu
faktor. Suatu penelitian yang menggunakan analisis varians satu arah memiliki
ciri-ciri antara lain melibatkan hanya satu variabel bebas dengan dua kategori
atau lebih yang dipilih dan ditentukan oleh peneliti secara tidak acak (Setiawan,
2019).
Anova dua arah atau dua jalur merupakan analisis varians yang
digunakan untuk menguji hipotesis perbandingan lebih dari dua sampel dan
setiap sampel terdiri dari dua jenis atau lebih secara bersama. Anova dua arah
biasa disebut juga dengan two way anova, dimana digunakan apabila sumber
keragaman yang terjadi tidak hanya karena satu faktor atau perlakuan saja,
tetapi faktor lain juga menjadi sumber yang diperhatikan. Tujuan dari pengujian
anova dua arah ini adalah untuk mengetahui apakah ada pengaruh dan berbagai
kriteria yang diuji terhadap hasil yang diinginkan (Rahmawati dan Erina, 2020).
Pengambilan keputusan dalam uji statistik analisis varians yaitu apabila
nilai signifikan lebih kecil daripada nilai alpha, maka H0 ditolak dan Ha diterima.
Sebaliknya, apabila nilai signifikan lebih besar dari nilai alpha, maka H0 akan
diterima dan Ha akan ditolak. Pada perhitungan secara manual, kriteria
pengambilan keputusan untuk uji analisis varians adalah apabila nilai Fhitung
lebih besar dari nilai Ftabel maka H0 akan ditolak dan Ha diterima. Sebaliknya,
apabila nilai Fhitung lebih kecil dari nilai Ftabel maka H0 akan diterima dan Ha akan
ditolak (Susanto dkk, 2020).
 15

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.

3) Memasukan data dalam Data View.

4) Memilih Analyze, Compare Means, dan One-Way ANOVA.

 17

5) Memasukan variabel kandungan nitrogen pada kolom Dependent List

dan jenis pupuk pada kolom Faktor.

6) Mengklik Options, Descriptive, dan Homogeneity of Variance Test,

kemudian mengklik Continue.

7) Mengklik OK.
 18

c. Hasil atau Output

Descriptives
Kandungan Nitrogen
95%
Confidence
Interval for
Mean
Lowe
Std. r
Deviati Std. Boun Upper Minim Maximu
N Mean on Error d Bound um m
CN-G 7.537 6.721
8 .97642 .34522 8.3538 6.15 9.00
5 2
CSN 7.562 6.781
8 .93455 .33042 8.3438 6.15 9.00
5 2
KS Plus 7.556 6.767
8 .94319 .33347 8.3448 6.45 9.00
2 7
KS Pak 7.500 6.722
8 .93005 .32882 8.2775 6.00 8.90
Tani 0 5
Total 3 7.539 7.214
.89962 .15903 7.8634 6.00 9.00
2 1 7

Test of Homogeneity of Variances

Kandungan Nitrogen
Levene
Statistic df1 df2 Sig.
.037 3 28 .990

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.

2. Two Way ANOVA

a. Soal
Suatu pengujian hasil produksi buah mangga dengan menggunakan
tiga jenis bibit dengan dibudidayakan menggunakan empat jenis pupuk
dosis yang sama. Buatlah rumusan hipotesis dan ujilah apakah hasil
produksi buah mangga tiap jenis bibit adalah sama dengan taraf
kepercayaan 95%.
 20

Tabel 2. 2 Hasil Produksi Buah Mangga dengan Tiga Jenis Bibit

Jenis Pupuk Kultur Jaringan Cangkok Sambung
5.00 7.40 6.60
ZA 6.10 7.50 6.90
5.50 6.00 7.00
6.50 7.20 7.80
Semi Zeorea 7.00 8.20 7.40
7.10 8.00 7.50
6.00 8.10 8.25
NPK 7.50 7.50 8.50
7.00 8.50 7.15
5.90 7.45 7.00
KCl 6.50 8.15 7.10
7.00 9.00 6.50

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.

4) Memasukan data dalam Data View.

 22

5) Memilih Analyze, General Linear Model, dan Univariate.

6) Memasukan variabel hasil produksi buah mangga pada kolom

Dependent Variable dan memasukan variabel jenis pupuk dan jenis bibit
pada kolom Fixed Factor.

7) Mengklik Plots dan memasukan variabel jenis pupuk pada kolom

Horizontal Axis dan jenis bibit pada kolom Separate Lines.
 23

8) Mengklik Post Hoc, memasukan variabel jenis bibit pada kolom Post
Hoc Test For, kemudian mengklik Bonferroni dan Turkey.

9) Mengklik Options, memasukan semua variabel di Factor and Factor

Interactions pada kolom Display Means For, kemudian mengklik
Descriptive Statistics dan Homogeneity Test.

10) Mengklik OK.

 24

c. Hasil atau Output

Between-Subjects Factors
Value Label N
Jenis Pupuk 1 ZA 9
2 Semi Zeorea 9
3 NPK 9
4 KCl 9
Jenis Bibit 1 Kultur
12
Jaringan
2 Cangkok 12
3 Sambung 12

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

Levene's Test of Equality of Error

Variancesa
Dependent Variable: Hasil Produksi
Mangga
F df1 df2 Sig.
1.229 11 24 .321
Tests the null hypothesis that the error
variance of the dependent variable is
equal across groups.
a. Design: Intercept + JP + JB + JP * JB

Tests of Between-Subjects Effects

Dependent Variable: Hasil Produksi Mangga
Type III Sum Mean
Source of Squares df Square F Sig.
Corrected
19.859a 11 1.805 5.644 .000
Model
Intercept 5771.6
1846.134 1 1846.134 .000
75
JP 7.010 3 2.337 7.305 .001
JB 10.924 2 5.462 17.076 .000
JP * JB 1.925 6 .321 1.003 .446
Error 7.677 24 .320
Total 1873.670 36
Corrected
27.536 35
Total
a. R Squared = .721 (Adjusted R Squared = .593)

Estimated Marginal Means

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

3. Jenis Pupuk * Jenis Bibit

Dependent Variable: Hasil Produksi Mangga
95% Confidence Interval
Std. Lower Upper
Jenis Pupuk Jenis Bibit Mean Error Bound Bound
ZA Kultur
5.533 .327 4.859 6.207
Jaringan
Cangkok 6.967 .327 6.293 7.641
Sambung 6.833 .327 6.159 7.507
Semi Zeorea Kultur
6.867 .327 6.193 7.541
Jaringan
Cangkok 7.800 .327 7.126 8.474
Sambung 7.567 .327 6.893 8.241
NPK Kultur
6.833 .327 6.159 7.507
Jaringan
Cangkok 8.033 .327 7.359 8.707
Sambung 7.967 .327 7.293 8.641
KCl Kultur
6.467 .327 5.793 7.141
Jaringan
Cangkok 8.200 .327 7.526 8.874
Sambung 6.867 .327 6.193 7.541
 27

Post Hoc Tests

Jenis Bibit
Multiple Comparisons
Dependent Variable: Hasil Produksi Mangga
95% Confidence
Mean Interval
(I) Jenis (J) Jenis Differen Std. Lower Upper
Bibit Bibit ce (I-J) Error Sig. Bound Bound
Tukey Kultur Cangkok -1.3250* .23089 .000 -1.9016 -.7484
HSD Jaringan Sambung -.8833 .23089 .002 -1.4599
*
-.3067
Cangkok Kultur
1.3250* .23089 .000 .7484 1.9016
Jaringan
Sambung .4417 .23089 .157 -.1349 1.0183
Sambung Kultur
.8833* .23089 .002 .3067 1.4599
Jaringan
Cangkok -.4417 .23089 .157 -1.0183 .1349
Bonferro Kultur Cangkok -1.3250 .23089 .000 -1.9192
*
-.7308
ni Jaringan Sambung -.8833* .23089 .002 -1.4776 -.2891
Cangkok Kultur
1.3250* .23089 .000 .7308 1.9192
Jaringan
Sambung .4417 .23089 .203 -.1526 1.0359
Sambung Kultur
.8833* .23089 .002 .2891 1.4776
Jaringan
Cangkok -.4417 .23089 .203 -1.0359 .1526
Based on observed means.
The error term is Mean Square(Error) = .320.
*. The mean difference is significant at the .05 level.

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

b) Rumusan Hipotesis Jenis Bibit

H0: µ1 = µ2 = µ3, artinya rata-rata hasil produksi buah mangga antara
jenis bibit kultur jaringan, cangkok, dan sambung
adalah sama.
Ha: µ1 ≠ µ2 ≠ µ3, artinya rata-rata hasil produksi buah mangga antara
jenis bibit kultur jaringan, cangkok, dan sambung
adalah tidak sama.
c) Rumusan Hipotesis Interaksi antara Jenis Pupuk dengan Jenis Bibit
H0: µ1 = µ2 = µ3 = … = µ12, artinya tidak ada interaksi antara jenis
pupuk dengan jenis bibit.
Ha: µ1 ≠ µ2 ≠ µ3 ≠ … ≠ µ12, artinya ada interaksi antara jenis pupuk
dengan jenis bibit.

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

3) Dengan Menggunakan Uji F dan Signifikan

Berdasarkan output untuk hasil produksi buah mangga jenis
pupuk diperoleh nilai Fhitung sebesar 7.305 dengan nilai signifikan 0.001
dan alpha 0.05. Dapat disimpulkan bahwa keputusan menolak H0 karena
nilai signifikan lebih kecil dari alpha (0.001 < 0.05) yang artinya rata-rata
hasil produksi buah mangga antara jenis pupuk ZA, Semi Zeorea, NPK,
dan KCl adalah tidak sama.
Untuk hasil produksi buah mangga jenis bibit diperoleh nilai
Fhitung sebesar 17.076 dengan nilai signifikan 0.000 dan alpha 0.05. Dapat
disimpulkan bahwa keputusan menolak H0 karena nilai signifikan lebih
kecil dari alpha (0.000 < 0.05). Artinya, rata-rata hasil produksi buah
mangga antara jenis bibit kultur jaringan, cangkok, dan sambung adalah
tidak sama.
Untuk hasil produksi buah mangga interaksi antara jenis pupuk
dengan jenis bibit diperoleh nilai Fhitung sebesar 1.003 dengan nilai
signifikan 0.446. Dapat disimpulkan bahwa keputusan menerima H0
karena nilai signifikan lebih besar dari nilai alpha (0.466 > 0.05). Artinya,
tidak ada interaksi antara jenis pupuk dengan jenis bibit.
 DAFTAR PUSTAKA

Lusiana, E. D., dan Mohammad, M. 2021. ANOVA untuk Penelitian Eksperimen:

Teori dan Praktik dengan R. Malang: Universitas Brawijaya Press.

Rahmawati, A. S., & Erina, R. 2020. Rancangan acak lengkap (RAL) dengan uji
anova dua jalur. OPTIKA: Jurnal Pendidikan Fisika, 4(1), 54-62.

Setiawan, K. 2019. Metodologi Penelitian (Anova Satu Arah). Bandar Lampung:

Fakultas Pertanian Universitas Lampung.

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.