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

JKtot = Jkant + Jkdal 2 . Sedangkan untuk menguji varians sama/tidak menggunakan Levene test. Dengan rumus : 1. Harga-Harga yang Diperlukan dalam Uji Analisis Varians Untuk dapat menggunakan teknik anava dengan baik. 1.2 Jumlah Kuadrat Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. JKant = ™ [(™Xk)2/nk. Untuk anava ganda masih ada satu pengertian lagi yaitu kuadrat interaksi. dan harga F. K-S test. di dalam kelompok. jumlah kuadrat antar kelompok. Harga-harga yang dimaksud adalah : sumber variasi. dan interaksi antara dua faktor atau lebih. Baik dalam anava tunggal maupun anava ganda terdapat beberapa istilah teknis yang belum terdapat di dalam teknik-teknik sebelumnya. jumlah kuadrat (disingkat JK).(™X)2/N ] k = banyaknya kelompok nk = banyaknya subjek dalam kelompok 3. rerata kuadrat atau mean kuadrat (singkat MK). perlu kiranya mengenal beberapa pengertian tentang harga-harga yang terdapat di dalam rumusnya.1 Sumber Variasi Pengertian ³sumber variasi´ digunakan sebagai judul kolom dalam table persiapan anava. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total. 1. Alternative uji anova yang dapat digunakan adalah Kruskal-Wallis. 1. histogram. Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok. JKtot = ™X2-™(X)2/N ™(X)2/N= faktor koreksi 2. 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 uji normalitas dapat menggunakan koefisien of varians. jumlah kuadrat dalam kelompok.

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

Setelah harga F ditemukan dan dikonsultasikan dengan 4 .6376 1935. Membuat tabel statistik Tabel 2 Tabel Statistik untuk Anava Tunggal KLp Harga nk X ™X ™X2 SM 15 37.(™XT) 2/ nk JKd = JKT-JKk Dalam (d) Total (T) JKT = ™XT2[(™XT)2/nk] db = N-1 d.2.117 >0.1805 Fo = 0.12 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 .35 652 25568 Jumlah 50 (N) 1912 75060 3.4824 1945.b. dbk = K-1 MK MKk = JKk/dbk F F0 = MKk/MKd dbd = N-K MKd = JKd/dbd 4. (3-1) = 2 (50-3) = 47 (50-1) = 49 MK 4.8188 41. Memasukkan harga-harga dalam tabel ringkasan anava Sumber Variasi Kelompok (K) Dalam (d) Total (t) JK 9.67 564 21654 M 18 38.05 P Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan dbf = dbk lawan dbd.67 696 27838 TM 17 38. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan 5.b.

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

43 3 109 5 168 A3 4 175 7771 43.1.75 6 221 8191 36.83 7 256 Jlh 15 631 27201 20 730 26934 15 551 6 B2 B3 . 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. 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 42.5 7 255 9361 36.

2 18 696 2783 9606 36. N ™X ™X2 15 564 21654 3. yakni sesudah ditemukan harga F.JKAB dbT-dbA-dbB-dbAB  Total (T) JKT = - N-1 (49) 4.57 17 652 25568 20925 50 1912 75060 Jlh. harus dilanjutkan dengan perhitungan uji joli.3 Analisis Varians Tiga Jalan 7 . 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 . Untk anava ganda yang memiliki sel sebanyak 9 buah. signifikan maupun tidak. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan Seperti pada waktu anava tunggal.X 3969 36. 2. uji jolinya bukan hanya 9 tetapi 36 kali.33 7350 37.JKB  Dalam (d) JKd = JKA ± JKB . pada pengerjaan anava gandapun sama.

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

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

Hipotesa Nihil ditolak p < 0. Hipotesa Nihil (Ho) ditolak 4.01 secara signifikan 3.01 2 ANALISIS VARIANS DALAM SPSS 1. Harga Fo yang diperoleh signifikan 2.01 secara signifikan 3.05 atau p = 0.Jika F0 ” Ft 1% 1. Hipotesa tidak Nihil (Ho) diterima p > 0. Harga Fo yang diperoleh 1. p < 0. Entry Data 10 . Ada perbedaan tidak signifikan rerata 2. Ada perbedaan rerata Jika F0 ” Ft 5% Jika F0 • Ft 5% 1. Tidak ada perbedaan rerata secara signifikan (Ho) 3. Harga Fo yang diperoleh sangat signifikan 2.05 atau p = 0.

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

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

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

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

357 12.001 .357 24. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. Tests of Between-Subjects Effects Dependent Variable:VAR00001 Type III Sum of Source Corrected Model Intercept VAR00002 Squares 33.000 .643 a df 5 1 2 Mean Square 6.729 1853. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.266 1450.429 15 .Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih. .559 Sig. pilih menu Continue. Jika semua menu yang diperlukan sudah dipilih. maka selanjutnya pilih OK. pada contoh di atas dipilih uji Tukey dan Uji Scheffe. Misalnya.214 F 5. sehingga muncul hasil analisis. Setelah itu. Berikutnya.453 9.000 1853.

42725 Sig.00 2.. dan hipermedia.346 . .167 8..00 3. maka H1 diterima.149 . seperti tampak di bawah ini. multi media.000 1933.42725 . yakni Uji Tukey dan Uji Scheffe.422 (Adjusted R Squared = .05.00 3.05.048 46. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.024 1..001 . d. . a. misalnya a=0.2143 16 .7586 -1.8300 2. sebaliknya bila a usig. Bandingkan a dengan signifikansi yang diperoleh (sig).2586 .00 (I-J) -1.VAR00003 VAR00002 * VAR00003 Error Total Corrected Total 1. Apabila a < sig.167 4.055 a.00 02 2. Susun hipotesis Ho : Q1 = Q2 = Q3 H1 : Q1 {Q2 = Q3 atau Q1= Q2 {Q3 atau Q1 {Q2 {Q3 b. Error .2143 1.) yang dipilih. c.00 3..003 . Dengan demikian H0 ditolak dan H1 diterima. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.000.42725 .001 .7143 1.42725 . Jadi kesimpulannya.559 dengan signifikansi 0. Multiple Comparisons Dependent Variable:y (I) (J) 95% Confidence Interval VAR000 VAR000 Mean Difference 02 Tukey HSD 1.6700 .278 .2586 -.5443 1.7586 2. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.6700 . R Squared = .643 1 2 36 42 41 1.7143 * Std. Tetapkan signifikansi.42725 .8300 Upper Bound -.000 79.00 1.4557 -. besarnya 0.000 lebih kecil daripada a = 0.871 . maka H0 diterima.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.871 Lower Bound -2. Ternyata hasil analisis menunjukkan bahwa sig.00 1.913 3.5000 * * .

882 .00 3.5443 -2.42725 .3051 .00 3.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan.00 2.5000 * The error term is Mean Square(Error) = 1.001 .00 1.2143 -1.42725 .00 Based on observed means.2.8051 2.) sebesar 0. 17 . -1.42725 .8051 -1.6234 .00 Scheffe 1.001 . Jika diperhatikan hasil di atas.00 2.2143 1.4091 -1.005 .00 3.05. *.4557 -.5000 * * .3051 -.6234 .42725 . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi yang diperoleh (sig.00 2.5909 -. yakni 0.882 .5000 * .5909 1.42725 .71.005 -2. The mean difference is significant at the 0.00 1.278.003 . Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.8766 2.42725 .42725 .7143 1.8766 -2.7143* -.05 level.4091 -. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.

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

Sign up to vote on this title
UsefulNot useful