ANALISIS VARIANS 1.

Pengertian dan Manfaat ANAVA Analisis Varians (Analysis of Variance), merupakan sebuah teknik inferensial yang digunakan untuk menguji perbedaan rerata nilai. Sebagai sebuah teknik analisis varians atau yang seringkali disebut dengan anava saja mempunyai banyak keuntungan. Pertama, anava dapat digunakan untuk menentukan apakah rerata nilai dari dua atau lebih sampel berbeda secara signifikan atau. Kedua, perhitungan anava juga menghasilkan harga F yang secara signifikan menunjukkan kepada peneliti bahwa sampel yang diteliti berasal dari populasi yang berbeda, walaupun anava tidak dapat menunjukkan secara rinci yang manakah di antara rerata nilai dari sampel-sampel tersebut yan gberbeda secara signifikan satu sama lain. Uji T lah yang dapat menyempurnakan ini. Ketiga, anava juga dapat digunakan untuk menganalisis data yang dihasilkan dengan desain factorial jamak. Dalam desain factorial yang menghasilkan harga F ganda, anava dapat menyelesaikan tugas sekaligus. Dengan anava inilah peneliti dapat mengetahui antarvariabel manakah yang memang mempunyai perbedaan secara signifikan, dan varibel-variabel manakah yang berinteraksi satu sama lain. Keuntungan lain dari anava adalah kemampuannya untuk mengetes signifikansi dari kecenderungan yang dihipotesiskan. Hasilnya disebut dengan analisis kecenderungan. Sebaagai contoh peneliti mengelompokkan siswa ke dalam empat kelompok berdasarkan tingkat kedisiplinannya seseorang akan semakin tinggi prestasi belajarnya. Untuk menguji hipotesis ini peneliti dapat menggunakan anava. Manfaat lain dari anava adalah, bahwa teknik ini dapat digunakan untuk menguji signifikansi perubahan varians dua ampel atau lebih. Dengan menggunakan teknik anava peneliti tidak perlu berkali-kali melakukan pengujian tetapi hanya cukup sekali saja. Disamping penghematan tersebut, seperti sudah dikemukakan diatas, dengan anava peneliti dapat melihat akibat dari interaksi dua faktor. Beberapa asumsi yang harus dipenuhi dalam uji anova adalah sebagai berikut : a) Varians homogeny (sama) b) Sampel kelompok independen c) Data berdistribusi normal d) Jenis data yang dihubungkan adalah : ada/tidaknya perbedaan rerata data numerik pada kelompok kategorik

1

jumlah kuadrat dalam kelompok. Hal-hal yang terkandung di dalam di bawah judul tersebut adalah hal-hal yang dipandang menunjukkan variasi sehingga menyebabkan timbulnya perbedaan nilain yang dianalisis. 1. K-S test. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total. JKant = ™ [(™Xk)2/nk. histogram. jumlah kuadrat antar kelompok.1 Sumber Variasi Pengertian ³sumber variasi´ digunakan sebagai judul kolom dalam table persiapan anava. 1.Untuk uji normalitas dapat menggunakan koefisien of varians. dan harga F. Harga-harga yang dimaksud adalah : sumber variasi. JKtot = Jkant + Jkdal 2 . JKtot = ™X2-™(X)2/N ™(X)2/N= faktor koreksi 2. 1. Baik dalam anava tunggal maupun anava ganda terdapat beberapa istilah teknis yang belum terdapat di dalam teknik-teknik sebelumnya. Alternative uji anova yang dapat digunakan adalah Kruskal-Wallis. jumlah kuadrat (disingkat JK). rerata kuadrat atau mean kuadrat (singkat MK). Dengan rumus : 1. Harga-Harga yang Diperlukan dalam Uji Analisis Varians Untuk dapat menggunakan teknik anava dengan baik. Untuk anava ganda masih ada satu pengertian lagi yaitu kuadrat interaksi.2 Jumlah Kuadrat Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. dan interaksi antara dua faktor atau lebih. Sedangkan untuk menguji varians sama/tidak menggunakan Levene test. perlu kiranya mengenal beberapa pengertian tentang harga-harga yang terdapat di dalam rumusnya. di dalam kelompok. Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok.(™X)2/N ] k = banyaknya kelompok nk = banyaknya subjek dalam kelompok 3.

Jenis-Jenis Anava Sesuai dengan banyaknya faktor yang terlibat. Mengelompokkan sekor berdasarkan kategori Tabel 1 Pengelompokkan Prestasi Praktik Menurut Kelompok Dukungan Orang Tua Siswa Sangat Mendukung (SM) 49 36 36 37 35 47 46 38 34 37 34 34 40 30 31 Jumlah = 15 org Mendukung (M) 36 29 45 37 28 30 48 47 31 49 42 39 35 35 48 48 31 38 Jumlah = 18 org Tidak Mendukung (TM) 33 45 39 34 35 40 30 34 47 32 44 35 49 36 40 33 46 Jumlah = 17 org 3 . Langkah ± langkah dalam anava ini adalah : 1. maka anava dibedakan secara garis besar menjadi dua yaitu : 1) Anava tunggal atau anava satu jalan 2) Anava ganda atau anava lebih dari satu jalan. 2.1. Mean kuadrat (rerat kuadrat) diperoleh dengan rumus : F = MKant/MKdal 2.3 Pengertian Mean Kuadrat Selain jumlah kuadrat. ada pengertian penting yang sangat berperan di dalam perhitungan dangan anava yakni mean kuadrat. Dengan mean kuadrat inilah harga F dapat diketahui.1 Analisis Varians Satu Jalan Yang dimaksud dengan analisis varians satu jalan adalah analisis varians yang digunakan untuk mengolah data yang hanya mengenal satu variable pembanding. karena F diperoleh dari pembagian harga mean kuadrat.

12 d.4824 1945. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan 5.05 P Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan dbf = dbk lawan dbd. dbk = K-1 MK MKk = JKk/dbk F F0 = MKk/MKd dbd = N-K MKd = JKd/dbd 4.b.1805 Fo = 0.6376 1935. Memasukkan harga-harga dalam tabel ringkasan anava Sumber Variasi Kelompok (K) Dalam (d) Total (t) JK 9. Setelah harga F ditemukan dan dikonsultasikan dengan 4 .8188 41. Membuat tabel statistik Tabel 2 Tabel Statistik untuk Anava Tunggal KLp Harga nk X ™X ™X2 SM 15 37.2.67 564 21654 M 18 38.(™XT) 2/ nk JKd = JKT-JKk Dalam (d) Total (T) JKT = ™XT2[(™XT)2/nk] db = N-1 d.b. Membuat Tabel Rumus Unsur Persiapan Anava Tabel 3 Rumus Unsur Tabel Persiapan Anava Satu Jalan Sumber Variasi Kelompok (K) Jumlah Kuadrat (JK) JK = (™Xk)2 /nk .35 652 25568 Jumlah 50 (N) 1912 75060 3.117 >0.67 696 27838 TM 17 38. (3-1) = 2 (50-3) = 47 (50-1) = 49 MK 4.

maka lakukan uji joli sebanyak tiga kali. Anava dua jalan mempunyai judul kolom dan judul baris dengan menggunakan klasifikasi dua variable yang digunakan sebagai dasar tinjauan sekor untuk variable terikat. langkah selanjutnya adalah mengadakan pengujian terhadap harga rerata untuk setiap kelompok sampel.b. Alternatif 1 A-1 A-2 B B1 B2 B3 Alternatif 2 A A-1 1 2 3 A-2 4 5 6 B1 B2 B3 B1 B2 B3 1 2 3 4 5 6 Langkah ± langkah dalam anava ini adalah : 5 . 2. Menurut peraturan lama. = ( n1 + n2 ± 2 ). Perhitungan pengujian dilakukan pada setiap pasangan harga rerata. Model diagram analisis dua jalan dapat berupa dua alternative sbb.tabel F. Oleh karena yang diuji joli ada tiga harga rerata. Dalam penelitian ini terdapat dua variable yang digunakan untuk dasar peninjauan sekor utntuk variable terikat. Belakangna disarankan oleh para ahli bahwa uji-t terhadap setiap pasangan harga rerata selalu dilakukan walaupun harga F0 tidak signifikan. pengujian rerata (uji joli) hanya dilakukan jika harga F0 signifikan. Rumus yang dilakukan pada uji joli adalah :      = Hasil harga t dikonsultasikan dengan tabel t dengan d.2 Analisis Varians Dua Jalan Analisis varians dua jalan merupaka teknik analisis data penelitian dengan desain faktorial dua faktor. yang dilakukan dengan uji-t. Anava dua jalan yang juga disebut dengan anava modal AB mempunyai dua variabel.

Membuat tabel statistik Tabel 5 Tabel Statistik untuk Anava Dua Jalan dengan Tabel ( 3 x 3 ) B Statistik N ™X ™X2 X N ™X ™X2 X N ™X ™X2 A1 5 B1 180 6714 36 7 254 9382 A2 6 225 11127 42.1. Mengelompokkan sekor berdasarkan kategori Tabel 4 Pengelompokan data anava dua jalan dengan tabel ( 3 x 3 ) A B A-1 49 40 31 B1 46 35 5 34 36 37 47 B2 34 30 36 7 37 34 38 B3 31 49 30 48 28 3 5 35 36 37 35 31 39 42 8 33 34 36 30 46 32 45 7 A-2 45 48 48 29 38 47 6 39 40 40 33 35 34 6 47 49 44 10 4 A-3 2.5 7 255 9361 36.43 3 109 5 168 A3 4 175 7771 43.83 7 256 Jlh 15 631 27201 20 730 26934 15 551 6 B2 B3 .75 6 221 8191 36.

3 Analisis Varians Tiga Jalan 7 . Untk anava ganda yang memiliki sel sebanyak 9 buah. uji jolinya bukan hanya 9 tetapi 36 kali.57 17 652 25568 20925 50 1912 75060 Jlh. Membuat Tabel Rumus Unsur Persiapan Anava Tabel 6 Rumus Unsur Tabel Persiapan Anava Dua Jalan Sumber Variasi Antara A   =   = Jumlah Kuadrat ± ± A-1 (2) Db MK  Fo       P Antara B B-1 (2)  Antara AB (Interaksi)  = dbA x dbB (4) ± ± JKA .JKAB dbT-dbA-dbB-dbAB  Total (T) JKT = - N-1 (49) 4. 2. harus dilanjutkan dengan perhitungan uji joli.JKB  Dalam (d) JKd = JKA ± JKB . yakni sesudah ditemukan harga F.33 7350 37. pada pengerjaan anava gandapun sama. N ™X ™X2 15 564 21654 3.2 18 696 2783 9606 36. signifikan maupun tidak. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan Seperti pada waktu anava tunggal.X 3969 36.

B2 B3 B1 A2 B2 B3 Tabel 8 Bentuk Tabel Statistik Anava Tiga Jalan A1 B1 B2 B3 B1 A2 B2 B3 Statistik C1 C2 C3 Jlh. maka hubungan antara jumlah kuadrat total. Jumlah 8 . JKAB. karena juga terdapat pengaruh faktor utama dan faktor interaksi.Dari uraian tentang jumlah kuadrat untuk anava dua jalan dapat diketahui bahwa JK ant merupakan jumlah dari JKA . Tabel 7 Bentuk Tabel Pengelompokan data anava tiga jalan A1 B1 C1 C2 C3 Jlh.. Untuk anava tiga jalan. JKB . jumlah kuadrat antara dan jumlah kuadrat dalam sbb : JKtot = JKant + JKdal JKA+ JKB+ JKABS+ JKAC+ JKBC+ JKABC faktor utama faktor interaksi Langkah ± langkah dalam anava ini sama dengan anava dua jalan.

JKA± .b faktor pembilang lawan d. Pedoman untuk mengadakan interpretasi terhadap harga F0 adalah : 9 .b.b MK  F0         P Antara B B-1  Antara C  Interaksi AB JKAC = ™ Interaksi AC JKBC = ™ Interaksi BC JK BC = ™ Interaksi ABC ± .d sebagai penyebut.Tabel 9 Rumus Unsur Tabel Persiapan Anava Tiga Jalan Sumber Variasi Antara A Jumlah Kuadrat (JK) JKA = ™ JKB = ™ JKC = ™ ± ± ± C-1 JKAB = ™ ± .JKA-JKB A-1 d.JKA-JKC dbA x dbB  dbA x dbC    dbB x dbC    JKB-JKC-JKAB-JKAC-JKBC JKd = JKT-JKant = JKT ± JKA ± JKB ± JKC ± JKAB JKAC .JKB-JKC ± .b ) yang digunakan untuk konsultasi adalah : d.JKBC dbA x dbB x dbC dbT ± dbant    Dalam  Total JKA = ™ N-1 Derajat kebebasan ( d.

Jika F0 ” Ft 1% 1. Harga Fo yang diperoleh signifikan 2. Entry Data 10 .01 secara signifikan 3. Harga Fo yang diperoleh sangat signifikan 2.05 atau p = 0. Ada perbedaan tidak signifikan rerata 2. Harga Fo yang diperoleh 1.01 2 ANALISIS VARIANS DALAM SPSS 1.05 atau p = 0. p < 0. Hipotesa tidak Nihil (Ho) diterima p > 0. Hipotesa Nihil (Ho) ditolak 4. Ada perbedaan rerata Jika F0 ” Ft 5% Jika F0 • Ft 5% 1. Hipotesa Nihil ditolak p < 0. Tidak ada perbedaan rerata secara signifikan (Ho) 3.01 secara signifikan 3.

6. Kelompok dikenali dari variabel bebas (x). 7. 7.Entry data untuk ANAVA dilakukan untuk variabel terikat (y) secara bersambung untuk semua kelompok. 7. 2. 3. 7 7. Pada siswa yang berkepribadian ekstrovert. Terdapat pengaruh interaksi antara jenis media pembelajaran dan kepribadian siswa terhadap hasil belajar Bahasa Inggris. 7 8. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio -video. Sebagai contoh. 6 6. 8. 8. 6. 8. 11 . maka tabel di atas akan tampak seperti di bawah ini : YA1B1 5 7 4 6 3 5 7 YA1B2 6 7 8 5 6 7 8 YA2B1 7 8 9 8 8 6 7 YA2B2 8 9 8 9 8 7 6 YA3B1 7 7 8 6 6 5 7 YA3B2 6 5 6 6 7 4 7 Setelah dimasukkan ke form SPSS. 7 6.Media Kepribadian Audio-Video (A1) Multimedia (A2) Hipermedia (A3) Ekstrovert (B1) Introvert (B2) 5. 5. dan hipermedia. 8. 8 7. 6. Data hasil penelitian adalah sebagi berikut: Jns. 8. 4. 9. dan hipermedia. Terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 5. data dalam form SPSS akan tampak sebagai berikut. 5. multi media. 6. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. 6. 7. akan dianalisis data untuk menguji hipotesis: 1. 4. 6. 4. 3. 6. 9. dan hipermedia. multi media. 7 Apabila dibuat dalam bentuk tabel kerja. 8. 7. 7. 8. 5. multi media. Pada siswa yang berkepribadian introvert. 9.

Analyze General Linear Model Univariate Menu akan tampak seperti bagan di bawah ini. 12 .2. dengan langkah.langkah seperti berikut. Analisis Data Menu ANAVA pada SPSS terletak di General Linear Model.

Apabila menu tersebut sudah dipilih. seperti bagan berikut. Pindahkan y ke dependent variabel dan x ke fixed faktor(s). maka akan tampak kotak dialog. 13 .

jika diperlukan uji lanjut. Misalnya.Selanjutnya dipilih menu. maka pilih menu Post Hoc« sehingga muncul menu dialog seperti di bawah ini. 14 .menu yang lain untuk melengkapi analisis yang diperlukan.

429 15 .001 .000 .643 a df 5 1 2 Mean Square 6.453 9. sehingga muncul hasil analisis.000 1853.559 Sig. Jika semua menu yang diperlukan sudah dipilih. Berikutnya. .266 1450. maka selanjutnya pilih OK.729 1853. Tests of Between-Subjects Effects Dependent Variable:VAR00001 Type III Sum of Source Corrected Model Intercept VAR00002 Squares 33.214 F 5.357 24.357 12. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. Misalnya. pada contoh di atas dipilih uji Tukey dan Uji Scheffe. Setelah itu. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih. pilih menu Continue.

misalnya a=0.003 .42725 . Bandingkan a dengan signifikansi yang diperoleh (sig).8300 Upper Bound -. besarnya 0.2143 16 ..643 1 2 36 42 41 1. Multiple Comparisons Dependent Variable:y (I) (J) 95% Confidence Interval VAR000 VAR000 Mean Difference 02 Tukey HSD 1.05.7143 1.7586 2.871 .000.001 .8300 2. seperti tampak di bawah ini.VAR00003 VAR00002 * VAR00003 Error Total Corrected Total 1. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.4557 -.000 1933.024 1.6700 .2586 -.149 . Apabila a < sig. a.871 Lower Bound -2. sebaliknya bila a usig.00 1. Tetapkan signifikansi. Dengan demikian H0 ditolak dan H1 diterima.346 . dan hipermedia.913 3. Susun hipotesis Ho : Q1 = Q2 = Q3 H1 : Q1 {Q2 = Q3 atau Q1= Q2 {Q3 atau Q1 {Q2 {Q3 b. yakni Uji Tukey dan Uji Scheffe. Ternyata hasil analisis menunjukkan bahwa sig. R Squared = . .42725 .42725 ..) yang dipilih.055 a.559 dengan signifikansi 0.7586 -1.6700 .05.00 3.000 lebih kecil daripada a = 0.00 2. Jadi kesimpulannya.42725 Sig.00 (I-J) -1.048 46.000 79.2143 1.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.278 .00 02 2.001 .7143 * Std. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut. Error .5000 * * .167 4. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video. maka H1 diterima.. c.00 3. maka H0 diterima.422 (Adjusted R Squared = .42725 . d..2586 .167 8.00 3.5443 1. multi media.00 1. .

6234 .71. Jika diperhatikan hasil di atas.) sebesar 0.001 .5000 * * .42725 .00 2.2143 1.5909 1.001 . Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.5443 -2.42725 .00 1.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan.5000 * .00 2.3051 -.5000 * The error term is Mean Square(Error) = 1.2143 -1.278.05.42725 .8766 -2.8051 -1. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.42725 .8766 2.6234 .2.003 .42725 .4091 -.882 .00 Scheffe 1. 17 .05 level. Perbedaan tersebut ditunjukkan oleh bilangan signifikansi yang diperoleh (sig.8051 2.00 3. yakni 0.00 Based on observed means.00 3.00 2. *.005 -2.4557 -.005 .00 3. -1.3051 .4091 -1.7143 1.00 1.7143* -. The mean difference is significant at the 0.882 .42725 .5909 -.42725 .

pdf 18 .ac.DAFTAR PUSTAKA Arikunto.undiksha. Jakarta : Rineka Cipta http://www. S. 2009.id/e-learning/staff/dsnmateri/4/1-54. Manajemen Penelitian.

Sign up to vote on this title
UsefulNot useful