Top Banner
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kita tahu bahwa kumpulan hasil pengamatan mengenai sesuatu hal, skor hasil belajar para siswa, berat bayi yang baru lahir, gaji pegawai di suatu perusahaan, hasil jagung setiap hektar misalnya, nilai datanya bervariasi dari yang satu dengan yang lain. Karena adanya variasi atau ragam ini untuk sekumpulan data, dalam materi ukuran simpangan, dispersi dan variasi telah dihitung alat ukurnya, utamanya varians. Kita lihat juga bahwa varians bersama-sama rata-rata telah banyak digunakan untuk membuat kesimpulan mengenai populasi, baik secara deskriptif maupun secara induktif melalui penaksiran dan pengujian hipotesis mengenai parameter. Dalam Analisis Variansi, dapat dilihat variasi-variasi yang muncul karena adanya beberapa perlakuan (treatment) untuk menyimpulkan ada atau tidaknya perbedaan rataan pada populasi. Jika untuk menguji perbedaan rata-rata antara 2 kelompok independen digunakan Uji-t, maka untuk melakukan uji terhadap perbedaan rata-rata antara 3 kelompok independen atau lebih, kita tidak boleh menggunakan uji t berulang-ulang. Misalnya kita ingin mengetahui apakah ada perbedaan rata-rata hasil antara 3 kelompok intervensi, apakah ada perbedaan rata-rata berat badan bayi lahir menurut tingkat pendidikan ibu (rendah, menengah, & tinggi). Dalam menganalisis data seperti ini (lebih dari dua kelompok) sangat tidak dianjurkan menggunakan uji-t. Ada dua 1
41

Anova linda makalah

Dec 22, 2014

Download

Documents

ghavinomum

 
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Anova linda makalah

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kita tahu bahwa kumpulan hasil pengamatan mengenai sesuatu hal, skor hasil belajar

para siswa, berat bayi yang baru lahir, gaji pegawai di suatu perusahaan, hasil jagung setiap

hektar misalnya, nilai datanya bervariasi dari yang satu dengan yang lain. Karena adanya

variasi atau ragam ini untuk sekumpulan data, dalam materi ukuran simpangan, dispersi dan

variasi telah dihitung alat ukurnya, utamanya varians. Kita lihat juga bahwa varians bersama-

sama rata-rata telah banyak digunakan untuk membuat kesimpulan mengenai populasi, baik

secara deskriptif maupun secara induktif melalui penaksiran dan pengujian hipotesis

mengenai parameter. Dalam Analisis Variansi, dapat dilihat variasi-variasi yang muncul

karena adanya beberapa perlakuan (treatment) untuk menyimpulkan ada atau tidaknya

perbedaan rataan pada populasi.

Jika untuk menguji perbedaan rata-rata antara 2 kelompok independen digunakan

Uji-t, maka untuk melakukan uji terhadap perbedaan rata-rata antara 3 kelompok independen

atau lebih, kita tidak boleh menggunakan uji t berulang-ulang. Misalnya kita ingin

mengetahui apakah ada perbedaan rata-rata hasil antara 3 kelompok intervensi, apakah ada

perbedaan rata-rata berat badan bayi lahir menurut tingkat pendidikan ibu (rendah,

menengah, & tinggi).

Dalam menganalisis data seperti ini (lebih dari dua kelompok) sangat tidak

dianjurkan menggunakan uji-t. Ada dua kelemahan jika menggunakan uji-t yaitu pertama:

kita harus melakukan pengujian berulang kali sesuai kombinasi yang mungkin, kedua: bila

melakukan uji-t berulang-ulang akan meningkatkan (inflasi) nilai α, inflasi nilai α sebesar = 1

- (1-α)n.

Untuk mengatasi masalah tersebut maka uji statistik yang dianjurkan (uji yang tepat)

dalam menganalisis beda lebih dari dua mean kelompok independen adalah Uji ANOVA atau

uji-F artinya akan meningkatkan peluang mendapatkan hasil yang keliru.

1.2 Rumusan Masalah

Adapun hal-hal yang akan dibahas dalam makalah ini adalah sebagai berikut:

1. Pengertian ANOVA

2. ANOVA satu jalur

3. Variabilitas dalam Anova dan Pengujiannya

1

Page 2: Anova linda makalah

4. ANOVA satu arah dengan Rank

5. Aplikasi Analisis Varians Satu Jalur dalam Penelitian Eksperimen

6. Aplikasi Analisis Varians Satu Jalur dalam Penelitian Ex-Post-Facto

2

Page 3: Anova linda makalah

BAB 2

PEMBAHASAN

2.1 Pengertian ANOVA

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis

statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia

metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan

analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F

juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh

Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis varians dapat merupakan

uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang

genetika terapan). Analisis of variance atau ANOVA merupakan salah satu teknik analisis

multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan

cara membandingkan variansinya. Analisis varian termasuk dalam kategori statistik

parametrik. Sebagai alat statistika parametrik, maka untuk dapat menggunakan rumus

ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas,

heterokedastisitas dan random sampling (Ghozali, 2009).

Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai

macam jenis dan desain penelitian. Analisis varian banyak dipergunakan pada penelitian-

penelitian yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat

dengan cara membandingkannya pada kelompok-kelompok sampel independen yang diamati.

Analisis varian saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen.

Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol

bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples)

dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan

ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama

dengan uji-t untuk dua rerata (mean).

Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians menggantungkan

diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:

1. Data berdistibusi normal, karena pengujiannya menggunakan uji F-Snedecor

2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya

digunakan satu penduga (estimate) untuk varians dalam contoh

3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan

percobaan yang tepat

3

Page 4: Anova linda makalah

4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai

bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan

dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari

eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.

Untuk membandingkan data hasil penelitian yang diperoleh dari 2 kelompok sampel

dapat dilakukan uji student “t” test, baik untuk sampel yang berkorelasi maupun independen.

Apabila kita memiliki banyak kelompok sampel, sedangkan kita berkeinginan untuk

membandingkan data dari seluruh kelompok tersebut tentu kurang efisien bila kita melakukan

uji “t” tersebut karena kita harus melakukan uji t untuk tiap 2 kelompok sampel. Sebagai

contoh apabila kita memiliki kelompok sampel A, B dan C maka kita harus melakukan

penghitungan dengan uji “t” antara kelompok A dan B, lalu antara kelompok A dan C serta

yang terakhir antara kelompok B dan C. Jadi praktis kita harus melakukan 3 kali uji t.

Berdasarkan hal tersebut akhirnya para ahli statistik mencari uji alternatif yang bisa

digunakan untuk membandingkan beberapa kelompok sampel dengan satu kali pengujian

saja. Uji Anova merupakan alternatif terbaik untuk mengatasi hal tersebut. Uji Anova sering

pula disebut uji F. Uji Anova ini merupakan salah satu uji statistik parametrik. Beberapa

persyaratan yang harus dipenuhi dalam melakukan uji Anova adalah sebagai berikut:

a. Sampel diambil secara acak dari masing-masing populasi.

b. Jika sampel mendapat perlakuan yang berbeda, maka penetapan jenis perlakuan

dilakukan dengan cara randomisasi.

c. Populasi-populasi asal sampel mempunyai distribusi normal.

d. Setiap populasi mempunyai varian sama.

e. Data yang diambil dalam skala data ratio atau interval.

Pada dasarnya ANOVA dapat dibagi menjadi dua kelompok besar, yaitu:

1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independen variabel

(variabel bebas). Kondisi ini yang sering disebut dengan single factor experiment

(analisis varians satu arah), yang akan dibahas pada makalah ini.

2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa independen

(variabel bebas). Kondisi ini yang sering disebut dengan two way factor experiment

(analisis varians dua arah) One way ANOVA digunakan untuk menguji hipotesis rata-

rata k sampel, bila pada setiap sampel itu hanya terdiri atas satu kategori, sedangkan two

way Anova digunakan untuk menguji hipotesis rata-rata k sampel, bila setiap sampel

terdiri atas lebih dari satu kategori.

4

Page 5: Anova linda makalah

2.2 Anova Satu Jalur (One Way Anova)

Analisis varians satu jalur merupakan teknik statistika parametrik yang digunakan

untuk pengujian perbedaan beberapa kelompok rata-rata, di mana hanya terdapat satu

variabel bebas atau independen yang dibagi dalam beberapa kelompok dan satu variabel

terikat atau dependen. Dalam teknik Anova satu jalur biasanya digunakan dalam penelitian

eksperimen atau pun Ex-Post-Facto (Widiyanto, 2013:260).

Asumsi yang digunakan adalah :

Sampel diambil dari distribusi normal, sehingga sampel juga berdistribusi normal.

Kenormalan ini dapat diatasi dengan memperbesar jumlah sampel.

Masing-masing kelompok mempunyai variabel yang sama.

Sampel diambil secara acak.

Hipotesis dalam ANOVA akan membandingkan rata-rata dari beberapa populasi yang

diwakili oleh beberapa kelompok sampel secara bersama, sehingga hipotesis matematikanya

adalah :

H0 : µ1 = µ2 … = µk

o Seluruh mean populasi adalah sama

o Tak ada efek treatment (tak ada keragaman mean dalam grup)

H1 : tidak seluruh mean populasi adalah sama

o Minimal ada 1 mean populasi yang berbeda

o Terdapat sebuah efek treatment

o Tidak seluruh mean populasi berbeda (beberapa pasang mungkin sama)

Bunyi hipotesis alternatif seperti tersebut diatas, merupakan hipotesis yang fleksibel, karena

tidak menyebutkan secara pasti µ mana yang berbeda dengan yang lainnya. Hal ini

mempunyai arti bahwa µ mana yang tidak sama bukan merupakan masalah dalam penolakan

hipotesis nol.

H0 pada One Way ANOVA adalah tidak ada perbedaan signifikan rata-rata sampel

yang ada. Bila H0 ditolak, maka analisisnya belum selesai sehingga perlu analisis lanjutan.

Analisis lanjutan setelah ANOVA sering disebut Post Hoc atau pasca-ANOVA adalah

sebagai berikut :

1) LSD (Least Significance Difference), digunakan untuk melakukan uji t di antara seluruh

pasangan kelompok mean. Uji ini sangat baik apabila pengujian mean yang akan

dibandingkan sebelumnya telah direncanakan.

5

Page 6: Anova linda makalah

2) Tukey (HSD : Honestly Significant Difference), uji ini disebut uji beda nyata yang

merupakan perbaikan dari LSD karena uji ini untuk membandingkan mean tanpa

perencanaan terlebih dahulu.

3) Tukey’s-b, alternative lain dari uji Tukey.

4) Duncan, digunakan untuk menguji perbedaan di antara semua pasangan perlakuan yang

ada dari percobaan tersebut serta masih dapat mempertahankan tingkat signifikansi yang

ditetapkan.

5) S-N-K (Student Newman Keuls), pengembangan dari LSD dan Duncan.

6) Dunnet, digunakan untuk membandingkan mean dari semua perlakuan dengan mean

perlakuan control.

7) Scheffe, digunakan untuk pembanding yang tidak perlu orthogonal.

Grafik ANOVA 1 Jalur yang mempunyai Means sama:

Grafik ANOVA 1 Jalur yang mempunyai Means tidak sama:

2.3 Variabilitas dalam Anova dan Pengujiannya

Perhitungan dalam ANOVA didasarkan pada variance, walaupun tujuannya adalah

menguji beberapa perbedaan rata-rata. Hal ini telah disinggung di muka (pada saat

membicarakan rata-rata dua populasi). Kita baru bisa mengatakan bahwa rata-rata tersebut

berbeda apabila telah dilihat pula variabilitasnya. Ukuran yang baik untuk melihat variabilitas

6

321 μμμ

321 μμμ 321 μμμ

or

Page 7: Anova linda makalah

adalah penyimpangan baku maupun variance. Oleh karena itu, pengujian disini pun

didasarkan pada variance.

Pengukuran total variabilitas atas data yang ada dapat dikelompokkan menjadi tiga

bagian:

1. Variabilitas antar kelompok, merupakan variasi rata-rata kelompok sampel terhadap rata-

rata keseluruhannya. Variasi ini lebih terpengaruh oleh adanya perbedaan perlakuan

(treatments) antar kelompok, disingkat SSb

2. Variabilitas dalam kelompok merupakan variasi yang ada dalam masing-masing

kelompok. Banyaknya variasi akan tergantung pada banyaknya kelompok, dan variasi ini

tidak terpengaruh oleh perbedaan perlakuan antar kelompok, disingkat SSw.

3. Jumlah kuadrat penyimpangan total, merupakan jumlah kuadrat selisih antara skor

individual dengan rata-rata totalnya, disingkat SSt

Derajat kebebasan (degrees of fredom) dalam ANOVA akan sebanyak variabilitas.

Oleh karena ada 3 macam variabilitas, maka dk pun ada tiga macam :

1. Derajat kebebasan untuk SSt, sebesar N-1

2. Derajat kebebasan untuk SSw

dk SSw = ∑ (n-1)

Disamping itu dk SSw dapat pula dicari dengan rumus :

dk SSw = N-k

Keterangan :

k : adalah banyaknya kelompok

n : adalah jumlah sampel keseluruhan

3. Derajat kebebasan untuk SSb sebesar k-1, hal ini disebabkan karena dk disini terikat

dengan banyaknya kelompok seperti halnya SSb.

Langkah-langkah dalam analisis Anova satu jalur sebagai berikut.

1. Menghitung jumlah kuadrat total (JKT), jumlah kuadrat rerata (JKR), jumlah kuadrat

total direduksi/dikoreksi (JKTR), jumlah kuadrat antar kelompok (JKA), dan jumlah

kuadrat dalam kelompok (JKD). Untuk menghitung masing-masing harga JK digunakan

rumus sebagai berikut.

a. JKT = ΣXT2

b. JKR = (Σ XT )

2

nT

7

Page 8: Anova linda makalah

c. JKTR = ΣXT2 = ΣXT

2 - (Σ XT )

2

nT

d. JKA = Σ {(Σ X i)2

ni} - (Σ XT )

2

nT

JKA = (Σ X1)

2

n1

+ (Σ X2)2

n2

+ (Σ X3)2

n3

+ … + (Σ Xk )2

nk

- (Σ XT )2

nT

e. JKD = Σ(X T )2

JKD = Σ X12−

(Σ X1)2

n1

+ Σ X22 −(Σ X2)

2

n2

+ Σ X32−¿ (Σ X3)

2

n3

+ .

.. + Σ X k2−

(Σ Xk )2

nk

JKTR = JKA + JKD atau JKD = JKTR - JKA

2. Menghitung derajat kebebasan total (dbT), derajat kebebasan rerata (dbR), derajat

kebebasan direduksi/dikoreksi (dbTR), derajat kebebasan antar kelompok (dbA), dan

derajat kebebasan dalam kelompok (dbD), dengan rumus sebagai berikut.

a. dkT = n

b. dkR = 1

c. dkTR = n – 1

d. dkA = k – 1

e. dkD = n – k

3. Menghitung rata-rata jumlah kuadrat antar kelompok (RJKA) dan rata-rata jumlah

kuadrat dalam kelompok (RJKD), dengan rumus sebagai berikut.

a. RJKA = JK A

dK A

b. RJKD = JK D

dK D

4. Menghitung nilai F dengan rumus sebagai berikut.

F = RJK A

RJK D

5. Melakukan interpretasi dan uji signifikansi dengan membandingkan nilai uji Fhitung

dengan Ftabel. Koefisien Ftabel diperoleh dari distribusi F yang nilainya didasarkan pada

derajat kebebasan antar kelompok (dbA) dan derajat kebebasan dalam kelompok (dbD)

pada taraf signifikansi baik α = 0,05 atau α = 0,01.

8

Page 9: Anova linda makalah

Apabila nilai Fhitung lebih besar dari Ftabel maka H0 ditolak dan H1 diterima yang

diinterpretasikan signifikan, berarti terdapat perbedaan rata-rata dari kelompok yang

dibandingkan. Sebaliknya jika nilai Fhitung lebih kecil dari Ftabel maka H0 diterima dan

H1 ditolak yang diinterpretasikan tidak signifikan, berarti tidak terdapat perbedaan

rata-rata dari kelompok yang dibandingkan.

Ftabel bisa dihitung pada tabel F:

o Tingkat signifikansi (α) adalah 5%

o Numerator adalah (k ─ 1) dalam ini sebagai pembilang (dk2)

o Denumerator adalah (N ─ k) dalam hal ini sebagai penyebut (dk1)

Jika menggunakan Microsoft Excel yaitu ketik =Finv(0.05,dk2,dk1).

6. Apabila adanya perbedaan yang signifikan, maka dilakukan uji lanjut. Untuk

kelompok data yang sama jumlahnya atau jumlah sampel tiap kelompok sama maka

dapat digunkaan uji Tukey. Sedangkan untuk kelompok data yang tidak sama

jumlahnya atau jumlah sampel tiap kelompok tidak sama dapat digunakan uji Scheffe.

Adapun rumus keduanya sebagai berikut.

a. Uji Tukey

Q = X i−X j

√RJK D/n

b. Uji Scheffe

F = ( X i−X j)

2

( RJKD ) ( k−1 )( 1ni

+ 1n j

)

2.4 Anova Satu Arah dengan Rank

Apabila variabel terikat mempunyai skala ordinal, maka analisisnya mempunyai

langkah yang agak berbeda dengan yang lain. Ini terjadi apabila syarat-syarat untuk

melakukan analisis of variance tidak terpenuhi. Untuk menghadapi data yang bersakal ordinal

maka digunakan Kruskeal-Walles.

Kruskal-walles menggunakan asumsi bahwa msing-masing kelompok sampel diambil dari

populasi yang sama. Kruskal-Walles dapat dihitung dengan rumus :

H= 12n(n+1) [ s

12

n1

+s

22

n2

+s

32

n3] – 3(n+1)

9

Page 10: Anova linda makalah

Keterangan :

S : adalah jumlah rank

n : adalah jumlah keseluruhan.

Langkah-Langkah pengujian hipotesis dengan skala ordinal adalah :

1. Menyusun hipotesis :

Ho: Tidak ada perbedaaan antar kelompok

Ha: Paling sedikit satu kelompok tidak sama dengan kelompok lainnya

2. Menyusun rank

Keseluruhan dapat diurutkan, bias dari yang terbesar kelompok yang terkecil atau

sebaliknya tergantung pada rank yang diukur. Hal yang perlu diperhatikan adalah angka

rank terkecil merupakan nilai yang tertinggi. Apabila terdapat persamaan pada individu

skor, maka rank merupakan nilai tengahnya (sering terjadi jika kita melakukan

perubahan skala dari ratio atau interval ke skala ordinal).

3. Menghitung kruskel-Walles

4. Membandingkan hasil perhitungan H dengan tabel (chi Square distribusi) berdasarkan

alpha dan derajat kebebasan = k-1

5. Mengambil kesimpulan yaitu akan menerima hipotesis nol apabila H sama dengan atau

lebih kecil daripada nilai tabel, sebaliknya tolak hipotesis nol jika H lebih besar daripada

nilai tabel.

2.5 Aplikasi Analisis Varians Satu Jalur dalam Penelitian Eksperimen

Berikut ini contoh aplikasi Anova satu jalur dalam penelitian eksperimen. Misalnya,

Seorang peneliti melakukan suatu penelitian eksperimen untuk menguji efektivitas metode

mengajar IPA, yaitu metode pemecahan masalah (A), penugasan (B), diskusi (C), dan

ceramah (D). Judul penelitian tersebut sebagai berikut.

Pengaruh Metode Mengajar trehadap Hasil Belajar IPA Siswa di SMP XYZ

Malang

Berdasarkan judul di atas dirumuskan permasalahan sebagai berikut.

1. Apakah terdapat perbedaan hasil belajar IPA siswa ditinjau dari metode mengajar?

2. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan

metode pemecahan masalah dengan penugasan?

10

Page 11: Anova linda makalah

3. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan

metode pemecahan masalah dengan diskusi?

4. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan

metode pemecahan masalah dengan ceramah?

5. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan

metode penugasan dengan diskusi?

6. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan

metode penugasan dengan ceramah?

7. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan

metode diskusi dengan ceramah?

Hipotesis penelitian dinyatakan sebagai berikut.

1. Terdapat perbedaan hasil belajar IPA siswa ditinjau dari metode mengajar.

2. Hasil belajar IPA siswa antara yang diajar menggunakan metode pemecahan masalah

lebih tinggi dibandingkan dengan penugasan.

3. Hasil belajar IPA siswa antara yang diajar menggunakan metode pemecahan masalah

lebih tinggi dibandingkan dengan diskusi.

4. Hasil belajar IPA siswa antara yang diajar menggunakan metode pemecahan masalah

lebih tinggi dibandingkan dengan ceramah.

5. Hasil belajar IPA siswa antara yang diajar menggunakan metode penugasan lebih

tinggi dibandingkan dengan diskusi.

6. Hasil belajar IPA siswa antara yang diajar menggunakan metode penugasan lebih

tinggi dibandingkan dengan ceramah.

7. Hasil belajar IPA siswa antara yang diajar menggunakan metode ceramah lebih

rendah dibandingkan dengan diskusi.

Dari jumlah siswa sebanyak 40 orang diambil secara acak sebanayk 28 siswa dan

dimasukkan ke dalam 4 kelas dengan masing-masing kelas terdiri dari 7 siswa yang diajar

dengan metode yang berbeda-beda.

Pada akhir eksperimen, setiap siswa dalam kelompok tersebut dikenai pengukuran dan

diperoleh data sebagai berikut.

Tabel 2.1 Data Hasil Belajar IPA Siswa Untuk Pengujian ANOVA Satu Jalur

Hasil Belajar IPANo Metode A Metode B Metode D Metode C1 88 82 74 682 87 77 70 66

11

Page 12: Anova linda makalah

3 90 87 72 644 91 85 76 695 93 80 78 716 86 79 73 687 95 84 75 70

Berdasarkan data pada tabel 2.1 tentang data pengukuran hasil belajar siswa,

kemudian dimasukkan dalam lembar kerja SPSS pada Data View, pada kolom pertama isikan

data metode mengajar dimana untuk metode mengajar Pemecahan Masalah diberikan angka

1, Penugasan diberikan angka 2, Diskusi diberikan angka 3 dan Ceramah diberikan angka

4, kemudian pada kolom kedua isikan dengan data hasil belajar IPA siswa.

Kemudian pada lembar kerja Variabel View diberikan nama dan label. Pada baris

pertama diberikan nama Metode Mengajar. Pada kolom Value di klik dan diberikan nama

Value 1 untuk Pemecahan Masalah dan klik Add, Value 2 untuk label Penugasan dan klik

Add, Value 3 untuk Diskusi dan klik Add, dan Value 4 untuk label Ceramah dan klik Add,

Kemudian pada baris kedua diberikan nama Hasil Belajar lalu klik Ok. Tampilannya

sebagai berikut.

Selanjutnya klik analyze, pilih compare means, kemudian pilih dan klik one way

Anova, sehingga muncul tampilan sebagai berikut:

12

Page 13: Anova linda makalah

Masukkan variabel Metode mengajar ke dalam kotak Factor dan Hasil Belajar ke dalam

kotak Dependent List. Kemudian klik Post Hoc untuk menguji metode mengajar mana yang

hasil belajarnya lebih tinggi, apakah metode Pemecahan Masalah, Penugasan, Diskusi, atau

Ceramah. Tampilannya sebagai berikut.

Apabila jumlah data (responden) untuk tiap latar belakang adalah sama, misalnya

siswa yang menjadi sampel penelitian pada masing-masing kelas yang diajar dengan metode

mengajar pemecahan masalah, penugasan, diskusi dan ceramah sama-sama 7 orang, maka

klik pada kotak Tukey dan apabila jumlah data (responden) untuk tiap latar belakang berbeda

maka klik Scheffe.

Dalam contoh ini klik Tukey karena jumlah data semua kelompok sama. Selanjutnya

klik Continue, klik Options, maka akan muncul tampilan sebagai berikut.

13

Page 14: Anova linda makalah

Selanjutnya pada kotak Homogeneity of Variance Test diklik. Hal ini untuk melakukan

pengujian homogenitas varians. Untuk uji perbedaan, selain harus memenuhi asumsi data

berdistribusi atau berada dalam sebaran normal, juga harus memenuhi asumsi bahwa data

dari kelompok yang akan dibandingkan harus memiliki varians yang homogen (Asumsi

Homogenitas Varians). Untuk mengetahui plot estimasi rerata dari hasil belajar terhadap

metode mengajar pada kotak Means plot diklik.

Dengan demikian dalam uji perbedaan harus dilakukan uji persyaratan analisis yaitu

uji normalitas data dan uji homogenitas. Uji normalitas data adalah hal yang lazim dilakukan

sebelum sebuah metode statistik. Tujuan uji normalitas adalah untuk mengetahui apakah

distribusi data mengikuti atau mendekati distribusi normal, yakni distribusi data yang

mempunyai pola seperti distribusi normal (distribusi tersebut tidak melenceng ke kiri maupun

ke kanan). Uji homogenitas dilakukan untuk mengetahui apakah varians dari kelompok

berbeda yang akan dibandingkan adalah homogen. Uji homogenitas varians dilakukan untuk

peneliti yang bersifat membandingkan (Eksperimen, Ex-Post-Facto atau Komparatif).

Uji Normalitas Kolmogorov-Smirnov

Lakukan analisis dengan cara: pilih menu Analize, kemudian sub menu Nonarametrics Test.

Dari serangkaian pilihan yang ada, pilih 1-Sample K-S, akan muncul kotak dialog sebagai

berikut.

14

Page 15: Anova linda makalah

Pindahkan semua variabel ke kotak Test Variable List dengan cara menandai semua

variabel, kemudian menekan tanda >. Klik Options sehingga muncul kotak dialog sebagai

berikut, kemudian centang Descriptive lalu klik Continue

Klik OK sehingga akan muncul Output sebagai berikut:

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

Metode_Mengajar 28 2.50 1.139 1 4

Hasil_Belajar 28 78.50 8.905 64 95

One-Sample Kolmogorov-Smirnov Test

Metode_Mengaj

ar Hasil_Belajar

N 28 28

Normal Parametersa,b Mean 2.50 78.50

Std. Deviation 1.139 8.905

Most Extreme Differences Absolute .170 .089

15

Page 16: Anova linda makalah

Positive .170 .089

Negative -.170 -.089

Kolmogorov-Smirnov Z .898 .470

Asymp. Sig. (2-tailed) .395 .980

a. Test distribution is Normal.

b. Calculated from data.

Interpretasi Kolomogorov Smirnov

Perhatikan pada tabel di atas, pada bagian Normal parametersa,b pada baris Absolute

diperoleh hasil analisis sebesar 0,170 untuk Metode Mengajar dan 0,089 untuk Hasil Belajar.

Pada bagian Assym.Sig. (2 tailed) atau P-value diperoleh koefisien 0,395 untuk Metode

Mengajar dan 0,980 untuk variabel Hasil Belajar.

Untuk menyatakan apakah data berasal dari populasi yang berdistribusi normal atau

tidak dapat dilakukan dengan membandingkan koefisien Assym.Sig. (2 tailed) atau P-value

dengan 0,05 (taraf signifikansi). Apabila P-value lebih besar dari 0,05 (taraf signifikansi)

yang berarti tidak signifikan, maka memiliki makna bahwa data berasal dari populasi yang

berdistribusi normal.

Sebaliknya apabila P-value lebih kecil dari 0,05 yang berarti signifikan, maka

memiliki makna bahwa data berasal dari populasi yang berdistribusi tidak normal.

Berdasarkan hasil analisis menunjukkan bahwa P-value > 0,05 yaitu 0,395>0,05 dan

0,980>0,05 sehingga sampel berasal dari populasi yang berdistribusi normal.

Karena data berdistribusi normal, maka uji ANOVA satu jalur bisa dilakukan, berikut

adalah tabel hasil uji ANOVA satu jalur, Berikut ini output dari hasisl analisis untuk

pengujian homogenitas menggunakan program SPSS.

Selanjutnya klik Descriptive dan klik Continue dan kembali ke tampilan awal dan

klik Ok. Berikut ini output dari hasil analisis uji perbedaan dengan menggunakan Anova satu

jalur dan uji homogenitas.

Oneway

16

Page 17: Anova linda makalah

Descriptives

Hasil_Belajar

N MeanStd.

Deviation

Std.

Error

95% Confidence Interval for

MeanMinimum Maximum

Lower

Bound

Upper

Bound

Pemecahan

Masalah

7 90.00 3.266 1.234 86.98 93.02 86 95

Penugasan 7 82.00 3.559 1.345 78.71 85.29 77 87

Diskusi 7 74.00 2.646 1.000 71.55 76.45 70 78

Ceramah 7 68.00 2.380 .900 65.80 70.20 64 71

Total 28 78.50 8.905 1.683 75.05 81.95 64 95

Post Hoc TestMultiple Comparisons

Hasil_Belajar

Tukey HSD

(I) Metode_Mengajar (J) Metode_Mengajar Mean

Difference (I-J) Std. Error Sig.

95% Confidence Interval

Lower Bound Upper Bound

Pemecahan Masalah Penugasan 8.000* 1.604 .000 3.58 12.42

Diskusi 16.000* 1.604 .000 11.58 20.42

Ceramah 22.000* 1.604 .000 17.58 26.42

Penugasan Pemecahan Masalah -8.000* 1.604 .000 -12.42 -3.58

Diskusi 8.000* 1.604 .000 3.58 12.42

Ceramah 14.000* 1.604 .000 9.58 18.42

Diskusi Pemecahan Masalah -16.000* 1.604 .000 -20.42 -11.58

Penugasan -8.000* 1.604 .000 -12.42 -3.58

Ceramah 6.000* 1.604 .005 1.58 10.42

Ceramah Pemecahan Masalah -22.000* 1.604 .000 -26.42 -17.58

Penugasan -14.000* 1.604 .000 -18.42 -9.58

17

Test of Homogeneity of Variances

Hasil_Belajar

Levene Statistic df1 df2 Sig.

.714 3 24 .553

ANOVA

Hasil_Belajar

Sum of Squares df Mean Square F Sig.

Between Groups 1925.000 3 641.667 71.296 .000

Within Groups 216.000 24 9.000

Total 2141.000 27

Page 18: Anova linda makalah

Diskusi -6.000* 1.604 .005 -10.42 -1.58

*. The mean difference is significant at the 0.05 level.

Homogeneous Subsets

Means Plots

18

Hasil_Belajar

Tukey HSDa

Metode_Mengajar NSubset for alpha = 0.05

1 2 3 4

Ceramah 7 68.00

Diskusi 7 74.00

Penugasan 7 82.00

Pemecahan Masalah 7 90.00

Sig. 1.000 1.000 1.000 1.000

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 7.000.

Page 19: Anova linda makalah

Interpretasi

1. Output Test Homogeneity Of Variance merupakan hasil dari uji homogenitas varians.

Untuk menyatakan apakah varians adalah homogen atau tidak dengan melihat koefisien

P-value. Apabila koefisien P-value lebih besar dari taraf signifikansi pada α = 0,05 maka

dinyatakan tidak signifikan yang berarti bahwa varians adalah homogen. Sebaliknya

apabila koefisien P-value lebih kecil dari taraf signifikansi pada α = 0,05 maka

dinyatakan signifikansi yang berarti bahwa varians tidak homogen. Hasil analisis

diperoleh koefisien levene sebesar 0,714 dengan P-value sebesar 0,553. Oleh karena P-

value lebih besar dari 0,05 maka dinyatakan bahwa varians dari kelompok yang

dibandingkan adalah homogen.

2. Output ANOVA sebagai hasil analisis yang digunakan untuk menentukan apakah

hipotesis penelitian diterima atau tidak. Untuk mengetahui apakah ada perbedaan hasil

belajar IPA siswa ditinjau dari metode mengajar dengan melihat besarnya koefisien F

hitung atau P-value dan membandingkannya dengan F tabel atau taraf signifikansi baik

pada α = 0,05 atau α = 0,01.

Apabila F hitung lebih besar dari F tabel yang besarnya 3,008 atau P-value lebih kecil

dari 0,05 maka dinyatakan terdapat perbedaan yang berarti hipotesis kerja (H1) diterima

dan hipotesis nol (H0) ditolak. Hasil analisis menunjukkan bahwa koefisien F hitung

sebesar 71,296 dengan P-value sebesar 0,000.

Oleh karena P-value lebih kecil dari 0,05 bahkan 0,01 maka hipotesis kerja diterima

yang berarti terdapat perbedaan yang sangat signifikan hasil belajar IPA siswa yang

diajar menggunakan keempat metode mengajar.

3. Oleh karena adanya perbedaan, maka dilakukan uji lanjut. Uji lanjut dilakukan dengan

uji Tukey dikarenakan jumlah data untuk masing-masing kelompok sama. Pada tabel

Multiple Comparasions diketahui bahwa:

a. Hasil belajar IPA siswa yang diajar dengan menggunakan metode pemecahan

masalah dengan metode penugasan memiliki perbedaan rata-rata Mean Difference (I-

J) sebesar 8,000 dengan P-value sebesar 0,000. Oleh karena koefisien P-value lebih

kecil dari 0,05 bahkan 0,01 maka disimpulkan terdapat perbedaan yang signifikan

19

Page 20: Anova linda makalah

siswa yang diajar dengan menggunakan metode pemecahan masalah dengan metode

penugasan.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata siswa yang diajar dengan menggunakan metode pemecahan masalah lebih tinggi

dibandingkan dengan metode penugasan (90, 00 > 82,00).

Dengan demikian hasil belajar siswa yang diajar dengan menggunakan metode

pemecahan masalah lebih tinggi dibandingkan dengan metode penugasan.

b. Hasil belajar IPA siswa yang diajar dengan menggunakan metode pemecahan

masalah dengan metode diskusi memiliki perbedaan rata-rata Mean Difference (I-J)

sebesar 16,000 dengan P-value sebesar 0,000. Oleh karena koefisien P-value lebih

kecil dari 0,05 bahkan 0,01 maka disimpulkan terdapat perbedaan yang signifikan

siswa yang diajar dengan menggunakan metode pemecahan masalah dengan metode

diskusi.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata siswa yang diajar dengan menggunakan metode pemecahan masalah lebih tinggi

dibandingkan dengan metode diskusi (90, 00 > 74,00).

Dengan demikian hasil belajar siswa yang diajar dengan menggunakan metode

pemecahan masalah lebih tinggi dibandingkan dengan metode diskusi.

c. Hasil belajar IPA siswa yang diajar dengan menggunakan metode pemecahan

masalah dengan metode ceramah memiliki perbedaan rata-rata Mean Difference (I-

J) sebesar 22,000 dengan P-value sebesar 0,000. Oleh karena koefisien P-value lebih

kecil dari 0,05 bahkan 0,01 maka disimpulkan terdapat perbedaan yang signifikan

siswa yang diajar dengan menggunakan metode pemecahan masalah dengan metode

ceramah.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata siswa yang diajar dengan menggunakan metode pemecahan masalah lebih tinggi

dibandingkan dengan metode ceramah (90, 00 > 68,00).

Dengan demikian hasil belajar siswa yang diajar dengan menggunakan metode

pemecahan masalah lebih tinggi dibandingkan dengan metode ceramah.

d. Hasil belajar IPA siswa yang diajar dengan menggunakan metode penugasan dengan

metode diskusi memiliki perbedaan rata-rata Mean Difference (I-J) sebesar 8,000

dengan P-value sebesar 0,000. Oleh karena koefisien P-value lebih kecil dari 0,05

bahkan 0,01 maka disimpulkan terdapat perbedaan yang signifikan siswa yang diajar

dengan menggunakan metode penugasan dengan metode diskusi.

20

Page 21: Anova linda makalah

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata siswa yang diajar dengan menggunakan metode penugasan lebih tinggi

dibandingkan dengan metode diskusi (82, 00 > 74,00).

Dengan demikian hasil belajar siswa yang diajar dengan menggunakan metode

penugasan lebih tinggi dibandingkan dengan metode diskusi.

e. Hasil belajar IPA siswa yang diajar dengan menggunakan metode penugasan dengan

metode ceramah memiliki perbedaan rata-rata Mean Difference (I-J) sebesar 14,000

dengan P-value sebesar 0,000. Oleh karena koefisien P-value lebih kecil dari 0,05

bahkan 0,01 maka disimpulkan terdapat perbedaan yang signifikan siswa yang diajar

dengan menggunakan metode penugasan dengan metode ceramah.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata siswa yang diajar dengan menggunakan metode penugasan lebih tinggi

dibandingkan dengan metode ceramah (82, 00 > 68,00).

Dengan demikian hasil belajar siswa yang diajar dengan menggunakan metode

penugasan lebih tinggi dibandingkan dengan metode ceramah.

f. Hasil belajar IPA siswa yang diajar dengan menggunakan metode diskusi dengan

metode ceramah memiliki perbedaan rata-rata Mean Difference (I-J) sebesar 6,000

dengan P-value sebesar 0,005. Oleh karena koefisien P-value lebih kecil dari 0,05

bahkan 0,01 maka disimpulkan terdapat perbedaan yang signifikan siswa yang diajar

dengan menggunakan metode diskusi dengan metode ceramah.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata siswa yang diajar dengan menggunakan metode diskusi lebih tinggi

dibandingkan dengan metode ceramah (74, 00 > 68,00).

Dengan demikian hasil belajar siswa yang diajar dengan menggunakan metode

diskusi lebih tinggi dibandingkan dengan metode ceramah.

4. Plot dari output di atas merupakan plot estimasi rerata dari hasil belajar IPA siswa

terhadap metode mengajar. Dari plot Nampak bahwa hasil belajar IPA siswa tertinggi

adalah yang diajar menggunakan metode pemecahan masalah, jadi peneliti dapat

menganjurkan kepada guru di SMP XYZ Malang untuk menggunakan metode mengajar

pemecahan masalah agar hasil belajar siswanya menjadi lebih tinggi.

2.6 Aplikasi Analisis Varians Satu Jalur dalam Penelitian Ex-Post-Facto

Berikut ini contoh aplikasi ANOVA satu jalur dalam penelitian ex-post-facto.

Misalnya, suatu penelitian dengan judul Analisis Hasil Panen Padi Ditinjau dari Varietas

21

Page 22: Anova linda makalah

padi. Dari masing-masing varietas diambil secara acak, kemudian diukur dan diperoleh data

sebagai berikut.

Tabel 2.2 Data Pengukuran Hasil Panen Padi Untuk Pengujian ANOVA Satu Jalur

Hasil Panen PadiHipa-3 Sembada B9 Hipa-6 Sembada B5

96 93 60 7637 81 54 8958 79 78 8869 101 56 8473 96 61 7581 102 69 68

Berdasarkan data tersebut hipotesis penelitian dinyatakan sebagai berikut.

1. Terdapat perbedaan hasil panen padi ditinjau dari varietas padi.

2. Hasil panen padi varietas Hipa-3 lebih rendah dibandingkan dengan Sembada B9

3. Hasil panen padi varietas Hipa-3 lebih tinggi dibandingkan dengan Hipa-6

4. Hasil panen padi varietas Hipa-3 lebih rendah dibandingkan dengan Sembada B5

5. Hasil panen padi varietas Sembada B9 lebih tinggi dibandingkan dengan Hipa-6

6. Hasil panen padi varietas Sembada B9 lebih tinggi dibandingkan dengan Sembada

B5

7. Hasil panen padi varietas Sembada Hipa-6 lebih rendah dibandingkan dengan

Sembada B5

Berdasarkan data pada tabel 2.2 tentang data pengukuran hasil panen padi, kemudian

dimasukkan dalam lembar kerja SPSS pada Data View, pada kolom pertama isikan data

Hasil Panen, kemudian pada kolom kedua isikan dengan data Varietas Padi dimana untuk

varietas Hipa-3 diberikan angka 1, Sembada B9 diberikan angka 2, Hipa-6 diberikan angka

3 dan Sembada B5 diberikan angka 4.

Kemudian pada lembar kerja Variabel View diberikan nama dan label. Pada baris

pertama diberikan nama Hasil Panen, pada baris kedua diberikan nama Varietas Padi

kemudian pada kolom Value di klik dan diberikan nama Value 1 untuk Pemecahan Hipa-3

dan klik Add, Value 2 untuk Sembada B9 dan klik Add, Value 3 untuk Hipa-6 dan klik

Add, dan Value 4 untuk label Sembada B5 dan klik Add, lalu klik Ok.

Dengan cara yang sama seperti pada penelitian experiment maka didapat output

sebagai berikut.

22

Page 23: Anova linda makalah

Uji Normalitas Kolmogorov-Smirnov

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

Hasil_Panen 24 76.00 16.434 37 102

Varietas_Padi 24 2.50 1.142 1 4

One-Sample Kolmogorov-Smirnov Test

Hasil_Panen Varietas_Padi

N 24 24

Normal Parametersa,b Mean 76.00 2.50

Std. Deviation 16.434 1.142

Most Extreme Differences Absolute .069 .169

Positive .069 .169

Negative -.063 -.169

Kolmogorov-Smirnov Z .340 .829

Asymp. Sig. (2-tailed) 1.000 .498

a. Test distribution is Normal.

b. Calculated from data.

Interpretasi Kolomogorov Smirnov

Perhatikan pada tabel di atas, pada bagian Normal parametersa,b pada baris Absolute

diperoleh hasil analisis sebesar 0.069 untuk Hasil Panen dan 0,169 untuk Varietas Padi. Pada

bagian Assym.Sig. (2 tailed) atau P-value diperoleh koefisien 1,000 untuk Hasil Panen dan

0,498 untuk variabel Varietas Padi.

Untuk menyatakan apakah data berasal dari populasi yang berdistribusi normal atau

tidak dapat dilakukan dengan membandingkan koefisien Assym.Sig. (2 tailed) atau P-value

dengan 0,05 (taraf signifikansi). Apabila P-value lebih besar dari 0,05 (taraf signifikansi)

yang berarti tidak signifikan, maka memiliki makna bahwa data berasal dari populasi yang

berdistribusi normal.

Sebaliknya apabila P-value lebih kecil dari 0,05 yang berarti signifikan, maka

memiliki makna bahwa data berasal dari populasi yang berdistribusi tidak normal.

Berdasarkan hasil analisis menunjukkan bahwa P-value > 0,05 yaitu 1,000>0,05 dan

0,498>0,05 sehingga sampel berasal dari populasi yang berdistribusi normal.

Karena data berdistribusi normal, maka uji ANOVA satu jalur bisa dilakukan, berikut

adalah tabel hasil uji ANOVA satu jalur, Berikut ini output dari hasisl analisis untuk

pengujian homogenitas menggunakan program SPSS.

23

Page 24: Anova linda makalah

Selanjutnya klik Descriptive dan klik Continue dan kembali ke tampilan awal dan

klik Ok. Berikut ini output dari hasil analisis uji perbedaan dengan menggunakan Anova satu

jalur dan uji homogenitas.

Descriptives

Hasil_Panen

N Mean Std. Deviation Std. Error

95% Confidence Interval for

Mean

Minimum MaximumLower Bound Upper Bound

Hipa-3 6 69.00 20.169 8.234 47.83 90.17 37 96

Sembada B9 6 92.00 9.879 4.033 81.63 102.37 79 102

Hipa-6 6 63.00 8.989 3.670 53.57 72.43 54 78

Sembada B5 6 80.00 8.319 3.396 71.27 88.73 68 89

Total 24 76.00 16.434 3.355 69.06 82.94 37 102

Oneway

Post Hoc TesMultiple Comparisons

Hasil_Panen

Tukey HSD

(I) Varietas_Padi (J) Varietas_Padi Mean

Difference (I-J) Std. Error Sig.

95% Confidence Interval

Lower Bound Upper Bound

Hipa-3 Sembada B9 -23.000* 7.385 .026 -43.67 -2.33

Hipa-6 6.000 7.385 .848 -14.67 26.67

Sembada B5 -11.000 7.385 .462 -31.67 9.67

Sembada B9 Hipa-3 23.000* 7.385 .026 2.33 43.67

Hipa-6 29.000* 7.385 .004 8.33 49.67

24

Test of Homogeneity of Variances

Hasil_Panen

Levene Statistic df1 df2 Sig.

1.402 3 20 .271

ANOVA

Hasil_Panen

Sum of Squares df Mean Square F Sig.

Between Groups 2940.000 3 980.000 5.990 .004

Within Groups 3272.000 20 163.600

Total 6212.000 23

Page 25: Anova linda makalah

Sembada B5 12.000 7.385 .388 -8.67 32.67

Hipa-6 Hipa-3 -6.000 7.385 .848 -26.67 14.67

Sembada B9 -29.000* 7.385 .004 -49.67 -8.33

Sembada B5 -17.000 7.385 .131 -37.67 3.67

Sembada B5 Hipa-3 11.000 7.385 .462 -9.67 31.67

Sembada B9 -12.000 7.385 .388 -32.67 8.67

Hipa-6 17.000 7.385 .131 -3.67 37.67

*. The mean difference is significant at the 0.05 level.

Homogeneous Subsets

Means Plots

Interpretasi

1. Output Test Homogeneity Of Variance merupakan hasil dari uji homogenitas varians.

Untuk menyatakan apakah varians adalah homogen atau tidak dengan melihat koefisien

P-value. Apabila koefisien P-value lebih besar dari taraf signifikansi pada α = 0,05 maka

25

Hasil_Panen

Tukey HSDa

Varietas_Padi

N

Subset for alpha = 0.05

1 2

Hipa-6 6 63.00

Hipa-3 6 69.00

Sembada B5 6 80.00 80.00

Sembada B9 6 92.00

Sig. .131 .388

Means for groups in homogeneous subsets are

displayed.

a. Uses Harmonic Mean Sample Size = 6.000.

Page 26: Anova linda makalah

dinyatakan tidak signifikan yang berarti bahwa varians adalah homogen. Sebaliknya

apabila koefisien P-value lebih kecil dari taraf signifikansi pada α = 0,05 maka

dinyatakan signifikansi yang berarti bahwa varians tidak homogen. Hasil analisis

diperoleh koefisien levene sebesar 1,402 dengan P-value sebesar 0,271. Oleh karena P-

value lebih besar dari 0,05 maka dinyatakan bahwa varians dari kelompok yang

dibandingkan adalah homogen.

2. Output ANOVA sebagai hasil analisis yang digunakan untuk menentukan apakah

hipotesis penelitian diterima atau tidak. Untuk mengetahui apakah ada perbedaan hasil

panen padi ditinjau dari varietas padi dengan melihat besarnya koefisien F hitung atau P-

value dan membandingkannya dengan F tabel atau taraf signifikansi baik pada α = 0,05

atau α = 0,01.

Apabila F hitung lebih besar dari F tabel yang besarnya 3,098 atau P-value lebih kecil

dari 0,05 maka dinyatakan terdapat perbedaan yang berarti hipotesis kerja (H1) diterima

dan hipotesis nol (H0) ditolak. Hasil analisis menunjukkan bahwa koefisien F hitung

sebesar 5,990 dengan P-value sebesar 0,004.

Oleh karena P-value lebih kecil dari 0,05 bahkan 0,01 maka hipotesis kerja diterima

yang berarti terdapat perbedaan yang sangat signifikan hasil panen padi ditinjau dari

varietas padi.

3. Oleh karena adanya perbedaan, maka dilakukan uji lanjut. Uji lanjut dilakukan dengan

uji Tukey dikarenakan jumlah data untuk masing-masing kelompok sama. Pada tabel

Multiple Comparasions diketahui bahwa:

a. Hasil panen padi varietas Hipa-3 dengan varietas Sembada B9 memiliki perbedaan

rata-rata Mean Difference (I-J) sebesar 23,000 dengan P-value sebesar 0,026. Oleh

karena koefisien P-value lebih kecil dari 0,05 maka disimpulkan terdapat perbedaan

yang signifikan hasil panen padi varietas Hipa-3 dengan varietas Sembada B9.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata hasil panen padi varietas Hipa-3 lebih rendah daripada varietas Sembada B9

(69,00 < 92,00). Dengan demikian hasil hasil panen padi varietas Hipa-3 lebih rendah

daripada varietas Sembada B9.

b. Hasil panen padi varietas Hipa-3 dengan varietas Hipa-6 memiliki perbedaan rata-

rata Mean Difference (I-J) sebesar 6,000 dengan P-value sebesar 0,848. Oleh karena

koefisien P-value lebih besar dari 0,05 maka disimpulkan tidak terdapat perbedaan

yang signifikan hasil panen padi varietas Hipa-3 dengan varietas Hipa-6.

26

Page 27: Anova linda makalah

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata hasil panen padi varietas Hipa-3 lebih tinggi daripada varietas Hipa-6 (69,00 >

63,00). Dengan demikian hasil hasil panen padi varietas Hipa-3 lebih tinggi daripada

varietas Hipa-6.

c. Hasil panen padi varietas Hipa-3 dengan varietas Sembada-B5 memiliki perbedaan

rata-rata Mean Difference (I-J) sebesar 11,000 dengan P-value sebesar 0,462. Oleh

karena koefisien P-value lebih besarl dari 0,05 maka disimpulkan tidak terdapat

perbedaan yang signifikan hasil panen padi varietas Hipa-3 dengan varietas Sembada

B5.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata hasil panen padi varietas Hipa-3 lebih rendah daripada varietas Sembada B5

(69,00 < 80,00). Dengan demikian hasil hasil panen padi varietas Hipa-3 lebih rendah

daripada varietas Sembada B5.

d. Hasil panen padi varietas Sembada B9 dengan varietas Hipa-6 memiliki perbedaan

rata-rata Mean Difference (I-J) sebesar 29,000 dengan P-value sebesar 0,004. Oleh

karena koefisien P-value lebih kecil dari 0,05 bahkan 0,01 maka disimpulkan

terdapat perbedaan yang signifikan hasil panen padi varietas Sembada B9 dengan

varietas Hipa-6.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata hasil panen padi varietas Sembada B9 lebih tinggi daripada varietas Hipa-6

(92,00 > 63,00). Dengan demikian hasil hasil panen padi varietas Sembada B9 lebih

tinggi daripada varietas Hipa-6.

e. Hasil panen padi varietas Sembada B9 dengan varietas Sembada B5 memiliki

perbedaan rata-rata Mean Difference (I-J) sebesar 12,000 dengan P-value sebesar

0,388. Oleh karena koefisien P-value lebih besar dari 0,05 maka disimpulkan tidak

terdapat perbedaan yang signifikan hasil panen padi varietas Sembada B9 dengan

varietas Sembada B5.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata hasil panen padi varietas Sembada B9 lebih tinggi daripada varietas Sembada B5

(92,00 > 80,00). Dengan demikian hasil hasil panen padi varietas Sembada B9 lebih

tinggi daripada varietas Sembada B5.

f. Hasil panen padi varietas Hipa-6 dengan varietas Sembada B5 memiliki perbedaan

rata-rata Mean Difference (I-J) sebesar 17,000 dengan P-value sebesar 0,131. Oleh

karena koefisien P-value lebih besar dari 0,05 maka disimpulkan tidak terdapat

27

Page 28: Anova linda makalah

perbedaan yang signifikan hasil panen padi varietas Hipa-6 dengan varietas Sembada

B5.

Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai rata-

rata hasil panen padi varietas Hipa-6 lebih rendah daripada varietas Sembada B5

(63,00 < 80,00).

Dengan demikian hasil hasil panen padi varietas Sembada B9 lebih tinggi daripada

varietas Hipa-6.

4. Plot dari output di atas merupakan plot estimasi rerata dari hasil panen padi terhadap

varietas padi. Dari plot nampak bahwa hasil panen padi tertinggi adalah menggunakan

varietas Sembada B9, jadi peneliti dapat menganjurkan kepada petani di daerah

penelitian tersebut untuk menggunakan varietas padi Sembada B9.

BAB 3

PENUTUP

3.1 Kesimpulan

Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate

yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara

membandingkan variansinya. Analisis varian termasuk dalam kategori statistik parametrik.

Sebagai alat statistika parametrik, maka untuk dapat menggunakan rumus ANOVA harus

terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random

sampling. Uji ANOVA sering pula disebut uji F.

Analisis varians satu jalur merupakan teknik statistika parametrik yang digunakan

untuk pengujian perbedaan beberapa kelompok rata-rata, di mana hanya terdapat satu variabel

bebas atau independen yang dibagi dalam beberapa kelompok dan satu variabel terikat atau

dependen.

28

Page 29: Anova linda makalah

Daftar Rujukan

Imam Ghozali. 2009. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang : BP UNDIP.

Irianto, Agus. 2012. Statistik Konsep Dasar, Aplikasi, dan Pengembangannya. Jakarta: Kencana Prenada Media Group.

Pramesti, Getut 2011. Aplikasi SPSS daam Penelitian. Jakarta: PT Elex Media Komputindo.

Santoso, S. 2010. Statistik Parametrik. Jakarta: PT Elex Media Komputindo.

Spiegel, M. R. & Stephens, L. J. 2008. Schaum’s Outlines of Theory and Problem of Statistic,Fourth Edition. The McGraw-Hill Companies, Inc.

Widiyanto, M.A. 2013. Statistika Terapan. Jakarta: PT Elex Media Komputindo.

29

Page 30: Anova linda makalah

30