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 (disingkat JK). JKtot = Jkant + Jkdal 2 . JKtot = ™X2-™(X)2/N ™(X)2/N= faktor koreksi 2. 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. histogram. 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. perlu kiranya mengenal beberapa pengertian tentang harga-harga yang terdapat di dalam rumusnya. JKant = ™ [(™Xk)2/nk. Ada beberapa jenis jumlah kuadrat yang akan dijumpai dalam pekerjaan analisis varian : yakni jumlah kuadrat total. 1.2 Jumlah Kuadrat Yang dimaksud dengan jumlah kuadrat adalah penjumlahan tiap-tiap deviasi nilai reratanya. Sebagai sumber variasi misalnya perbedaan yang terjadi di antara kelompok. dan harga F. 1. jumlah kuadrat dalam kelompok.(™X)2/N ] k = banyaknya kelompok nk = banyaknya subjek dalam kelompok 3. Dengan rumus : 1. di dalam kelompok. K-S test. jumlah kuadrat antar kelompok. Sedangkan untuk menguji varians sama/tidak menggunakan Levene test. Harga-harga yang dimaksud adalah : sumber variasi. 1.1 Sumber Variasi Pengertian ³sumber variasi´ digunakan sebagai judul kolom dalam table persiapan anava. dan interaksi antara dua faktor atau lebih. 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. rerata kuadrat atau mean kuadrat (singkat MK).

Langkah ± langkah dalam anava ini adalah : 1. karena F diperoleh dari pembagian harga mean kuadrat. 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. Mean kuadrat (rerat kuadrat) diperoleh dengan rumus : F = MKant/MKdal 2.1 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.3 Pengertian Mean Kuadrat Selain jumlah 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. Jenis-Jenis Anava Sesuai dengan banyaknya faktor yang terlibat. 2. ada pengertian penting yang sangat berperan di dalam perhitungan dangan anava yakni mean kuadrat.

12 d.2.8188 41.67 564 21654 M 18 38.(™XT) 2/ nk JKd = JKT-JKk Dalam (d) Total (T) JKT = ™XT2[(™XT)2/nk] db = N-1 d.6376 1935. Setelah harga F ditemukan dan dikonsultasikan dengan 4 .117 >0.67 696 27838 TM 17 38.05 P Setelah mendapatkan harga F kemudian konsultasikan ke dalam tabel F dengan memperhitungkan dbf = dbk lawan dbd. Memasukkan harga-harga dalam tabel ringkasan anava Sumber Variasi Kelompok (K) Dalam (d) Total (t) JK 9. (3-1) = 2 (50-3) = 47 (50-1) = 49 MK 4.4824 1945. Membuat tabel statistik Tabel 2 Tabel Statistik untuk Anava Tunggal KLp Harga nk X ™X ™X2 SM 15 37.b.35 652 25568 Jumlah 50 (N) 1912 75060 3.1805 Fo = 0. dbk = K-1 MK MKk = JKk/dbk F F0 = MKk/MKd dbd = N-K MKd = JKd/dbd 4.b. Menghitung harga-harga yang ada di table persiapan Anava Satu Jalan 5. 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 .

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

83 7 256 Jlh 15 631 27201 20 730 26934 15 551 6 B2 B3 . 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 2.5 7 255 9361 36.75 6 221 8191 36.1.

signifikan maupun tidak.JKB  Dalam (d) JKd = JKA ± JKB . 2.57 17 652 25568 20925 50 1912 75060 Jlh. Menghitung harga-harga yang ada di table persiapan Anava Dua Jalan Seperti pada waktu anava tunggal. uji jolinya bukan hanya 9 tetapi 36 kali.33 7350 37. pada pengerjaan anava gandapun sama. Untk anava ganda yang memiliki sel sebanyak 9 buah.3 Analisis Varians Tiga Jalan 7 .X 3969 36. yakni sesudah ditemukan harga F. N ™X ™X2 15 564 21654 3.JKAB dbT-dbA-dbB-dbAB  Total (T) JKT = - N-1 (49) 4. 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. harus dilanjutkan dengan perhitungan uji joli.

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

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

Ada perbedaan tidak signifikan rerata 2. Hipotesa tidak Nihil (Ho) diterima p > 0. Harga Fo yang diperoleh signifikan 2.Jika F0 ” Ft 1% 1. Hipotesa Nihil (Ho) ditolak 4.01 secara signifikan 3.05 atau p = 0. Harga Fo yang diperoleh sangat signifikan 2.01 2 ANALISIS VARIANS DALAM SPSS 1. Tidak ada perbedaan rerata secara signifikan (Ho) 3.01 secara signifikan 3. Entry Data 10 . Hipotesa Nihil ditolak p < 0. p < 0.05 atau p = 0. Ada perbedaan rerata Jika F0 ” Ft 5% Jika F0 • Ft 5% 1. Harga Fo yang diperoleh 1.

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

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

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

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

357 24.559 Sig.357 12. pilih menu-menu lain yang dipandang perlu untuk melengkapi analisis.000 . Tests of Between-Subjects Effects Dependent Variable:VAR00001 Type III Sum of Source Corrected Model Intercept VAR00002 Squares 33. Setelah itu. Berikutnya.266 1450.001 .214 F 5. Jika semua menu yang diperlukan sudah dipilih.000 1853. Hasil analisis yang diperlukan adalah seperti tampak pada bagan berikut. sehingga muncul hasil analisis.643 a df 5 1 2 Mean Square 6.Berikan tanda centang (v) pada kotak di depan nama uji lanjut yang dipilih. maka selanjutnya pilih OK. Misalnya. .729 1853. pilih menu Continue.453 9.429 15 . pada contoh di atas dipilih uji Tukey dan Uji Scheffe.

besarnya 0.. Dengan demikian H0 ditolak dan H1 diterima.024 1. Untuk melihat sel mana yang berbeda harus dilihat hasil uji lanjut (Post Hoc.. d. Bandingkan a dengan signifikansi yang diperoleh (sig). multi media. a.001 .5443 1.000.05.7143 1. .8300 2.2143 16 . Jadi kesimpulannya.7586 2. terdapat perbedaan hasil belajar Bahasa Inggris antara siswa yang mengikuti pembelajaran dengan media audio-video.5000 * * .422 (Adjusted R Squared = .6700 . .42725 .000 lebih kecil daripada a = 0.2586 . c.342) Hasil analisis menunjukkan bahwa harga F untuk A besarnya 9. maka H0 diterima.8300 Upper Bound -. maka H1 diterima.7143 * Std.00 3. R Squared = .871 .7586 -1.055 a.278 .VAR00003 VAR00002 * VAR00003 Error Total Corrected Total 1.559 dengan signifikansi 0.346 . dan hipermedia.000 1933. Tetapkan signifikansi..167 8..871 Lower Bound -2.4557 -.149 . yakni Uji Tukey dan Uji Scheffe.643 1 2 36 42 41 1.048 46.42725 . Error .00 3. Apabila a < sig.00 3.42725 .003 .42725 .00 (I-J) -1.001 .2143 1. Ternyata hasil analisis menunjukkan bahwa sig.000 79.05.42725 Sig.913 3. misalnya a=0.00 1. seperti tampak di bawah ini.00 02 2. sebaliknya bila a usig. Untuk menginterpretasikan hasil analisis di atas dilakukan mekanisme sebagai berikut.00 1.2586 -. Multiple Comparisons Dependent Variable:y (I) (J) 95% Confidence Interval VAR000 VAR000 Mean Difference 02 Tukey HSD 1.6700 .167 4. Susun hipotesis Ho : Q1 = Q2 = Q3 H1 : Q1 {Q2 = Q3 atau Q1= Q2 {Q3 atau Q1 {Q2 {Q3 b.00 2.) yang dipilih.

yakni 0.7143 1.42725 .42725 .42725 .6234 .3051 .) sebesar 0.4091 -.8766 2.6234 .2143 -1.003 .8766 -2. -1. Dengan cara yang sama dapat dilihat perbedaan antara sel-sel yang lain.00 2.8051 2. maka untuk Uji Tukey tampak bahwa sel 1 dan sel 2 berbeda secara signifikan dengan koefisien -1.42725 .00 3.2143 1.42725 .005 . Perbedaan tersebut ditunjukkan oleh bilangan signifikansi yang diperoleh (sig. The mean difference is significant at the 0.5909 -.005 -2.5000 * * . Jika diperhatikan hasil di atas.001 .5000 * .882 . 17 .00 2.882 .001 yang jauh lebih kecil daripada taraf signifikansi yang ditetapkan.00 1.05 level.4557 -.05.00 3.8051 -1.42725 .001 .5909 1.00 3.71.3051 -.7143* -.42725 . *.5000 * The error term is Mean Square(Error) = 1.00 Based on observed means.5443 -2.2.00 1.00 Scheffe 1.4091 -1.278.00 2.

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

Sign up to vote on this title
UsefulNot useful