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

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

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

05 P Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan dbf = dbk lawan dbd. Setelah harga F ditemukan dan dikonsultasikan dengan 4 .117 >0.(™XT) 2/ nk JKd = JKT-JKk Dalam (d) Total (T) JKT = ™XT2[(™XT)2/nk] db = N-1 d.67 696 27838 TM 17 38. dbk = K-1 MK MKk = JKk/dbk F F0 = MKk/MKd dbd = N-K MKd = JKd/dbd 4. 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 .8188 41.b. Membuat tabel statistik Tabel 2 Tabel Statistik untuk Anava Tunggal KLp Harga nk X ™X ™X2 SM 15 37. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan 5.12 d. (3-1) = 2 (50-3) = 47 (50-1) = 49 MK 4. Memasukkan harga-harga dalam tabel ringkasan anava Sumber Variasi Kelompok (K) Dalam (d) Total (t) JK 9.2.1805 Fo = 0.35 652 25568 Jumlah 50 (N) 1912 75060 3.6376 1935.67 564 21654 M 18 38.b.4824 1945.

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

5 7 255 9361 36.83 7 256 Jlh 15 631 27201 20 730 26934 15 551 6 B2 B3 .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 2.1.75 6 221 8191 36. 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.

2. pada pengerjaan anava gandapun sama. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan Seperti pada waktu anava tunggal. uji jolinya bukan hanya 9 tetapi 36 kali. N ™X ™X2 15 564 21654 3. signifikan maupun tidak.JKAB dbT-dbA-dbB-dbAB  Total (T) JKT = - N-1 (49) 4. harus dilanjutkan dengan perhitungan uji joli. Untk anava ganda yang memiliki sel sebanyak 9 buah.JKB  Dalam (d) JKd = JKA ± JKB .X 3969 36. yakni sesudah ditemukan harga F.57 17 652 25568 20925 50 1912 75060 Jlh.33 7350 37.3 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 .2 18 696 2783 9606 36.

maka hubungan antara jumlah kuadrat total. 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. Untuk anava tiga jalan. JKB .. 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.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.

JKBC dbA x dbB x dbC dbT ± dbant    Dalam  Total JKA = ™ N-1 Derajat kebebasan ( d.JKA± .d sebagai penyebut.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 = ™ ± .JKB-JKC ± .b MK  F0         P Antara B B-1  Antara C  Interaksi AB JKAC = ™ Interaksi AC JKBC = ™ Interaksi BC JK BC = ™ Interaksi ABC ± .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 faktor pembilang lawan d.JKA-JKB A-1 d. Pedoman untuk mengadakan interpretasi terhadap harga F0 adalah : 9 .b.

p < 0.01 2 ANALISIS VARIANS DALAM SPSS 1. Hipotesa tidak Nihil (Ho) diterima p > 0. Harga Fo yang diperoleh sangat signifikan 2. Tidak ada perbedaan rerata secara signifikan (Ho) 3. Harga Fo yang diperoleh signifikan 2. Harga Fo yang diperoleh 1. Hipotesa Nihil ditolak p < 0.05 atau p = 0.01 secara signifikan 3.01 secara signifikan 3. Ada perbedaan rerata Jika F0 ” Ft 5% Jika F0 • Ft 5% 1. Hipotesa Nihil (Ho) ditolak 4.05 atau p = 0. Entry Data 10 .Jika F0 ” Ft 1% 1. Ada perbedaan tidak signifikan rerata 2.

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

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

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

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

pada contoh di atas dipilih uji Tukey dan Uji Scheffe. pilih menu Continue.214 F 5. Tests of Between-Subjects Effects Dependent Variable:VAR00001 Type III Sum of Source Corrected Model Intercept VAR00002 Squares 33. Berikutnya. .729 1853.357 12. maka selanjutnya pilih OK.559 Sig. Jika semua menu yang diperlukan sudah dipilih.266 1450.357 24.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih.643 a df 5 1 2 Mean Square 6. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut.000 1853. Misalnya. Setelah itu.000 . pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.429 15 .453 9. sehingga muncul hasil analisis.001 .

.000 79.VAR00003 VAR00002 * VAR00003 Error Total Corrected Total 1.278 . R Squared = .167 4. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.000 lebih kecil daripada a = 0.8300 Upper Bound -.05. dan hipermedia. misalnya a=0.7143 1. c. d.00 1.559 dengan signifikansi 0.00 (I-J) -1. Ternyata hasil analisis menunjukkan bahwa sig. maka H1 diterima.6700 .00 1. Bandingkan a dengan signifikansi yang diperoleh (sig). sebaliknya bila a usig.913 3. Error .42725 .7586 2.7586 -1.) yang dipilih. yakni Uji Tukey dan Uji Scheffe.42725 Sig.001 .2586 -.4557 -.643 1 2 36 42 41 1.2586 . seperti tampak di bawah ini. .8300 2. Jadi kesimpulannya. Tetapkan signifikansi.05.42725 . Dengan demikian H0 ditolak dan H1 diterima. Apabila a < sig. Susun hipotesis Ho : Q1 = Q2 = Q3 H1 : Q1 {Q2 = Q3 atau Q1= Q2 {Q3 atau Q1 {Q2 {Q3 b.2143 16 .024 1. a.6700 ....055 a.422 (Adjusted R Squared = .42725 .5443 1.871 Lower Bound -2.7143 * Std.00 3. .000. multi media. besarnya 0.001 . maka H0 diterima.00 02 2. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9.003 .42725 .346 .167 8.000 1933.149 .2143 1. Multiple Comparisons Dependent Variable:y (I) (J) 95% Confidence Interval VAR000 VAR000 Mean Difference 02 Tukey HSD 1.048 46.00 3.00 3.871 . Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.00 2.5000 * * .

00 1.00 2.5000 * * .2.00 2. 17 .005 .00 3.3051 -.5443 -2.8766 -2. yakni 0.278. Perbedaan tersebut ditunjukkan oleh bilangan signifikansi yang diperoleh (sig.7143* -.4091 -1. The mean difference is significant at the 0.882 .001 .003 .6234 .05 level. -1.71.6234 .4091 -.42725 .2143 -1.3051 .5000 * The error term is Mean Square(Error) = 1.001 .8051 2.42725 .4557 -.8766 2. *.00 Based on observed means.) sebesar 0.5909 1.00 1.5909 -.882 .8051 -1.00 3. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1. Jika diperhatikan hasil di atas.2143 1.5000 * .42725 . Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.7143 1.005 -2.42725 .05.00 2.42725 .42725 .00 Scheffe 1.00 3.001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan.42725 .

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

Sign up to vote on this title
UsefulNot useful