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

Hal-hal yang terkandung di dalam di bawah judul tersebut adalah hal-hal yang dipandang menunjukkan variasi sehingga menyebabkan timbulnya perbedaan nilain yang dianalisis. Untuk anava ganda masih ada satu pengertian lagi yaitu kuadrat interaksi. Dengan rumus : 1. JKant = ™ [(™Xk)2/nk.Untuk uji normalitas dapat menggunakan koefisien of varians. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total. jumlah kuadrat antar kelompok. Alternative uji anova yang dapat digunakan adalah Kruskal-Wallis. Harga-harga yang dimaksud adalah : sumber variasi. 1. Harga-Harga yang Diperlukan dalam Uji Analisis Varians Untuk dapat menggunakan teknik anava dengan baik.(™X)2/N ] k = banyaknya kelompok nk = banyaknya subjek dalam kelompok 3.1 Sumber Variasi Pengertian ³sumber variasi´ digunakan sebagai judul kolom dalam table persiapan anava. histogram. JKtot = ™X2-™(X)2/N ™(X)2/N= faktor koreksi 2. Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok. K-S test. di dalam kelompok. jumlah kuadrat dalam kelompok. Baik dalam anava tunggal maupun anava ganda terdapat beberapa istilah teknis yang belum terdapat di dalam teknik-teknik sebelumnya.2 Jumlah Kuadrat Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. Sedangkan untuk menguji varians sama/tidak menggunakan Levene test. dan interaksi antara dua faktor atau lebih. JKtot = Jkant + Jkdal 2 . jumlah kuadrat (disingkat JK). 1. dan harga F. rerata kuadrat atau mean kuadrat (singkat MK). perlu kiranya mengenal beberapa pengertian tentang harga-harga yang terdapat di dalam rumusnya. 1.

Langkah ± langkah dalam anava ini adalah : 1. Dengan mean kuadrat inilah harga F dapat diketahui. Jenis-Jenis Anava Sesuai dengan banyaknya faktor yang terlibat. Mean kuadrat (rerat kuadrat) diperoleh dengan rumus : F = MKant/MKdal 2. karena F diperoleh dari pembagian harga mean kuadrat. ada pengertian penting yang sangat berperan di dalam perhitungan dangan anava yakni mean kuadrat.3 Pengertian Mean Kuadrat Selain jumlah kuadrat. 2. 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.1.1 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. 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 .

Membuat tabel statistik Tabel 2 Tabel Statistik untuk Anava Tunggal KLp Harga nk X ™X ™X2 SM 15 37.6376 1935.8188 41.67 696 27838 TM 17 38.b.35 652 25568 Jumlah 50 (N) 1912 75060 3.12 d. 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 .4824 1945. Memasukkan harga-harga dalam tabel ringkasan anava Sumber Variasi Kelompok (K) Dalam (d) Total (t) JK 9.05 P Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan dbf = dbk lawan dbd.2. (3-1) = 2 (50-3) = 47 (50-1) = 49 MK 4.(™XT) 2/ nk JKd = JKT-JKk Dalam (d) Total (T) JKT = ™XT2[(™XT)2/nk] db = N-1 d.b. Setelah harga F ditemukan dan dikonsultasikan dengan 4 .67 564 21654 M 18 38.1805 Fo = 0. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan 5.117 >0. dbk = K-1 MK MKk = JKk/dbk F F0 = MKk/MKd dbd = N-K MKd = JKd/dbd 4.

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

5 7 255 9361 36.1. 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 42.43 3 109 5 168 A3 4 175 7771 43. 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 2.75 6 221 8191 36.83 7 256 Jlh 15 631 27201 20 730 26934 15 551 6 B2 B3 .

33 7350 37. N ™X ™X2 15 564 21654 3. harus dilanjutkan dengan perhitungan uji joli. Untk anava ganda yang memiliki sel sebanyak 9 buah.3 Analisis Varians Tiga Jalan 7 . signifikan maupun tidak. yakni sesudah ditemukan harga F. 2.JKB  Dalam (d) JKd = JKA ± JKB .2 18 696 2783 9606 36.57 17 652 25568 20925 50 1912 75060 Jlh.JKAB dbT-dbA-dbB-dbAB  Total (T) JKT = - N-1 (49) 4. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan Seperti pada waktu anava tunggal.X 3969 36. uji jolinya bukan hanya 9 tetapi 36 kali. pada pengerjaan anava gandapun sama. 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 .

Dari uraian tentang jumlah kuadrat untuk anava dua jalan dapat diketahui bahwa JK ant merupakan jumlah dari JKA . JKAB. JKB .. maka hubungan antara jumlah kuadrat total. Untuk anava tiga jalan. Tabel 7 Bentuk Tabel Pengelompokan data anava tiga jalan A1 B1 C1 C2 C3 Jlh. Jumlah 8 . 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. karena juga terdapat pengaruh faktor utama dan faktor interaksi. 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.

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

01 secara signifikan 3. Harga Fo yang diperoleh 1.01 2 ANALISIS VARIANS DALAM SPSS 1. Harga Fo yang diperoleh sangat signifikan 2. Tidak ada perbedaan rerata secara signifikan (Ho) 3. Hipotesa Nihil ditolak p < 0. Entry Data 10 . Hipotesa tidak Nihil (Ho) diterima p > 0. Hipotesa Nihil (Ho) ditolak 4. p < 0. Ada perbedaan rerata Jika F0 ” Ft 5% Jika F0 • Ft 5% 1.05 atau p = 0. Ada perbedaan tidak signifikan rerata 2.01 secara signifikan 3.Jika F0 ” Ft 1% 1.05 atau p = 0. Harga Fo yang diperoleh signifikan 2.

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

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

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

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

729 1853. pada contoh di atas dipilih uji Tukey dan Uji Scheffe. Misalnya. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.000 . maka selanjutnya pilih OK.643 a df 5 1 2 Mean Square 6.357 12. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.214 F 5. Jika semua menu yang diperlukan sudah dipilih.357 24. sehingga muncul hasil analisis. .001 .000 1853. Berikutnya. Tests of Between-Subjects Effects Dependent Variable:VAR00001 Type III Sum of Source Corrected Model Intercept VAR00002 Squares 33.266 1450. pilih menu Continue.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.559 Sig.429 15 .453 9. Setelah itu.

2586 -. Apabila a < sig.00 02 2.) yang dipilih.024 1.149 .7143 * Std.05.000 1933.42725 .278 . Error .346 . maka H1 diterima. multi media.. .913 3.00 (I-J) -1.05. yakni Uji Tukey dan Uji Scheffe.2143 16 . Multiple Comparisons Dependent Variable:y (I) (J) 95% Confidence Interval VAR000 VAR000 Mean Difference 02 Tukey HSD 1. R Squared = . d. Ternyata hasil analisis menunjukkan bahwa sig.4557 -. Susun hipotesis Ho : Q1 = Q2 = Q3 H1 : Q1 {Q2 = Q3 atau Q1= Q2 {Q3 atau Q1 {Q2 {Q3 b. Tetapkan signifikansi.42725 Sig.2143 1. a. besarnya 0.5443 1. Jadi kesimpulannya.048 46.167 4.00 3.8300 2.42725 . Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.00 1.8300 Upper Bound -.871 Lower Bound -2.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.001 .7586 2.559 dengan signifikansi 0.VAR00003 VAR00002 * VAR00003 Error Total Corrected Total 1.055 a.6700 .. misalnya a=0. Bandingkan a dengan signifikansi yang diperoleh (sig). Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.643 1 2 36 42 41 1.00 2.003 ..42725 .7586 -1. Dengan demikian H0 ditolak dan H1 diterima. dan hipermedia.000 79. .7143 1. maka H0 diterima. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.000 lebih kecil daripada a = 0..2586 .167 8.422 (Adjusted R Squared = .6700 .00 3.42725 .871 . sebaliknya bila a usig. seperti tampak di bawah ini.000.00 3.001 .5000 * * . c.00 1.

42725 .005 .001 .5443 -2.6234 .42725 .00 3.8766 -2.00 3.) sebesar 0.8766 2.278.7143* -.882 .5000 * .003 .4557 -.4091 -1.00 1. Jika diperhatikan hasil di atas.05 level.5909 1.42725 .882 .001 .5000 * The error term is Mean Square(Error) = 1.6234 .3051 .42725 .8051 -1.00 Scheffe 1. *.8051 2. -1.71.00 3.3051 -.5000 * * .7143 1. yakni 0.05. Perbedaan tersebut ditunjukkan oleh bilangan signifikansi yang diperoleh (sig.5909 -.00 2.2143 -1.00 2.42725 . maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.42725 .001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.2143 1.2.42725 .005 -2.00 Based on observed means.00 2.4091 -.00 1. 17 . The mean difference is significant at the 0.

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