ANALISIS VARIANS SATU ARAH

ANALYSIS OF VARIANCE
(ANOVA)
By : Agus Aan Adriansyah
Asumsi-asumsi yang mendasari analisis

variansi adalah :
Populasi-populasi
yang
diteliti
memiliki distribusi normal.
Populasi-populasi tersebut memiliki
standar deviasi yang sama (atau
variansi yang sama).
Sampel yang ditarik dari populasi
tersebut bersifat bebas, dan sampel
ditarik secara acak.
Prosedur analisis variansi adalah
Menentukan H0 dan H1.
H0 : 1 = 2 = 3 = = k
H1 : Minimal ada sepasang rata-rata yang
beda / paling sedikit dua diantara
rata-rata tersebut tidak sama
Menentukan taraf nyata .
Analisis Varians Satu Arah

(One Way Anova)
Fungsi Uji :
Untuk mengetahui perbedaan antara 3
kelompok/perlakuan atau lebih
Asumsi :
Data berskala minimal interval
Data berdistribusi Normal
Varians data homogen

(One Way Anova)

(One Way Anova)

(One Way Anova)
Hipotesis :
H0
1 2 3 .... k
H1
Minimal ada satu pasang yang
berbeda

(One Way Anova)
Jika H0 ditolak,
harus dicari pasangan mana yang
berbeda, dengan menggunakan uji
perbandingan berganda

(One Way Anova)
Statistik Uji :
Nilai Fhit
untuk itu akan dibuat sebuah tabel yang
disebut dengan Tabel Anova untuk
mempermudah perhitungan

(One Way Anova)
Bentuk data
1
Perlakuan/ Kelompok
2
12
X 1k
X 21
X 22
X 2k
X n11
X n2 2
X nk k
X 11

(One Way Anova)

(One Way Anova)

(One Way Anova)
Penarikan Keputusan :
H0 ditolak pada tingkat signifikansi, jika :
Fhit F (v1 , v2 )
dimana F (v1 , v2 ) adalah tabel F dengan derajat bebas:
v1 = derajat bebas perlakuan = k 1
v 2 = derajat bebas sisa = n k
UJI VARIANSI
Salah satu asumsi yang harus dipenuhi

pada saat menggunakan uji Anova satu
arah adalah varians data HOMOGEN
Untuk mengetahui kondisi varians data
(homogen atau heterogen) maka dilakukan
uji variansi yaitu uji Barlett & uji Levenes
Uji Barlett
Fungsi Uji :
untuk mengetahui kondisi varians data
(homogen atau heterogen)
Hipotesis :
H0 : Varians data homogen

H1 : Varians data heterogen
Uji Barlett
dimana :
ni = banyaknya data pada kelompok/ perlakuan ke-i

Si2 =
varians data pada kelompok/ perlakuan ke-i

k
ni
n= jumlah seluruh data =
i 1
S 2 = Mean Square Error (MSE) dari Tabel Anova Satu Arah
faktor koreksi =
1
1
1
3k 1 ni 1 n k

(One Way Anova)

(One Way Anova)

(One Way Anova)

(One Way Anova)
10

(One Way Anova)

(One Way Anova)
11

(One Way Anova)

(One Way Anova)
12

(One Way Anova)

(One Way Anova)
13
Latihan 1
Seorang kontraktor di bidang jenis
jasa pengangkutan ingin
mengetahui apakah terdapat
perbedaan yang signifikan pada
kapasitas daya angkut 3 merk truk,
yaitu Mitsubishi, Toyota dan Honda.
Untuk itu kontraktor ini mengambil
sampel masing-masing 5 truk pada
tiap-tiap merek menghasilkan data
seperti disamping.
Jika ketiga populasi data tersebut
berdistribusi normal dan variansi
ketiganya sama, uji dengan
signifikasi 5% apakah terdapat
perbedaan pada kualitas daya
angkut ketiga merek truk tersebut
Kapasitas
Mitsubishi
(A)
Toyota
(B)
Honda
(A)
44
42
46
43
45
47
48
44
45
45
45
44
46
44
43
30
Latihan 2
Seorang guru SMU mengadakan
penelitian tentang keunggulan
metode mengajar dengan
beberapa metode pengajaran.
Bila data yang didapat seperti
pada tabel disamping, ujilah
dengan signifikasi 5% apakah
keempat metode mengajar
tersebut memiliki hasil yang
sama? (asumsikan keempat data
berdistribusi Normal dan
variasinya sama)
Metode
A
70
68
76
67
76
75
87
66
77
74
78
78
78
67
77
57
67
57
68
89
31
14
Latihan 3
Sebagai manager produksi,
Mesin1
anda ingin melihat mesin
25.40
pengisi akan dilihat rata-rata
26.31
waktu pengisiannya. Diperoleh 24.10
23.74
data seperti di samping. Pada
25.10
tingkat signifikansi 0.05 adakah
perbedaan rata-rata waktu ?
Mesin2
Mesin3
23.40
21.80
23.50
22.75
21.60
20.00
22.20
19.75
20.60
20.40
32
Latihan 4
Berikut adalah hsl panen padi (kuintal) dari 12 petak

sawah dengan 3 jenis pupuk yang berbeda. Tiap
jenis pupuk diberikan pada masing-masing 4 petak
sawah. Apakah ada perbedaan hsl panen dari ketiga
jenis pupuk tsb? Gunakan = 5%
A
55
54
Jenis Pupuk
B
66
76
C
47
51
59
56
67
71
46
48
15
Analisis Varians Dua Arah

(Two Way Anova)
Digunakan untuk menguji hubungan antara satu

variabel dependen (skala metrik) dengan dua
variabel independen (skala non metrik atau
kategori).
Contoh: Apakah pengalaman kerja sebelumnya

berbeda untuk setiap job categori dan wilayah
(timur, tengah dan barat).
Langkah pengerjaan, output dan interpretasi sama

dengan one way anova, bedanya hanya pada saat
memasukkan fixed factor ada 2: job categori dan
wilayah.
16

(Two Way Anova)

(Two Way Anova)
17

(Two Way Anova)

(Two Way Anova)
18

(Two Way Anova)

(Two Way Anova)
19

(Two Way Anova)

(Two Way Anova)
20

(Two Way Anova)

(Two Way Anova)
21

(Two Way Anova)

(Two Way Anova)
22

(Two Way Anova)

(Two Way Anova)
23

(Two Way Anova)

(Two Way Anova)
24

(Two Way Anova)

(Two Way Anova)
25

(Two Way Anova)

(Two Way Anova)
Contoh Aplikasi dalam SPSS
Kita ambil contoh penelitian yang berjudul "Pengaruh
Gender dan Pendidikan Terhadap Nilai Ujian Statistik".
Nilai Ujian Statistik
Pria
Wanita
SLTP
SLTA
11
24
67
11
27
67
11
56
64
65
PT
67
29
45
31
56
22
56
45
90
12
45
57
58
45
56
67
11
22
45
32
26

(Two Way Anova)
Buka Aplikasi SPSS For Windows
Buka Tab Variable View: Buat 3 variabel dengan ketentuan
sebagai berikut:
Variabel independen: 1. "Gender" dengan
kategori Pria dan Wanita.
Measure Nominal, Decimals=0, Type Numeric dan isi value:
1= Pria, 2=Wanita.
Variabel independen: 2. "Pendidikan" dengan kategori SLTP,
SLTA dan PT.
Measure Nominal, Decimals=0, Type Numeric dan isi value:
1= SLTP, 2=SLTA, 3=PT.
Variabel dependen:
"Ujian", Decimals=0, Measure Scale, Type Numeric

(Two Way Anova)
27

(Two Way Anova)
Setelah data terisi, pada menu,
Klik Analyze, General Linear
Model, Univariate. Maka akan
mucul jendela sbb:
Masukkan Ujian ke
kotak Dependent Variable,
masukkan Gender dan
Pendidikan ke kotak Fixed
factor(s). (Kotak Random factor
(s) dan Covariate(s) tidak akan
kita gunakan dalam Two Ways
Anova, kotak tersebut akan
digunakan pada "Uji Ancova").

(Two Way Anova)
Klik Plot, maka akan muncul
jendela seperti di bawah ini:
Masukkan Gender ke
kotak Horizontal
Axisdan Pendidikan ke
kotak Separate Lines.
Klik Add, maka akan tampak sbb:
28

(Two Way Anova)

(Two Way Anova)
Klik Continue.
Klik Post Hoc, maka muncul
jendela sbb:
Masukkan Pendidikan ke
kotak Post Hoc Test
for. CentangTukey
29

(Two Way Anova)
Klik Continue
Klik Options, maka akan muncul
jendela sbb: Masukkan Gender,
Pendidikan, dan Gender*Pendidik
anke dalam kotak Display Means
for. Pada Display centang Descrip
tive statistics dan Homogentity
test.
Klik Continue
Klik OK
Lihat Hasil!

(Two Way Anova)
Dari tabel di samping, kita bisa
menilai rata-rata nilai ujian
berdasarkan gender dan
pendidikan. sebagai contoh: nilai
rata-rata ujian pria dengan
pendidikan SLTP sebesar 32,43
sedangkan nilai ujian wanita
yang berpendidikan SLTA
sebesar 65,13 dan begitu
seterusnya.
30

(Two Way Anova)
Tabel Levene's Test. Digunakan
untuk menilai homogenitas tiap
variabel.
Di atas menunjukkan nilai

(Signifikansi) Sig. 0,527 di mana
> 0,05 sehingga bisa dikatakan
varian antar group homogen

(Two Way Anova)
31

(Two Way Anova)
Corrected Model: Pengaruh Semua Variabel
independen (Gender, Pendidikan dan Interaksi gender
dengan pendidikan atau "Gender*Pendidikan") secara
bersama-sama terhadap variabel dependen (Nilai Ujian).
Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan.
Contoh di atas 0,000 berarti model valid.
Intercept: Nilai perubahan variabel dependen tanpa
perlu dipengaruhi keberadaan variabel independen,
artinya tanpa ada pengaruh variabel independen,
variabel dependen dapat berubah nilainya. Apabila
Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di
atas 0,000 berarti intercept signifikan.

(Two Way Anova)
Gender: Pengaruh gender terhadap nilai ujian di dalam
model. Apabila Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di
atas 0,005 berarti gender berpengaruh signifikan.
Pendidikan: Pengaruh pendidikan terhadap nilai ujian di dalam
model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di
atas 0,000 berarti Pendidikan berpengaruh signifikan.
Gender*Pendidikan: Pengaruh Gender*pendidikan terhadap nilai
ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)=
Signifikan. Contoh di atas 0,005 berarti
gender*pendidikan berpengaruh signifikan.
Error: Nilai Error model, semakin kecil maka model semakin baik.
R Squared: Nilai determinasi berganda semua variabel independen
dengan dependen. Contoh di atas 0,668 di mana mendekati 1, berarti
korelasi kuat.
Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5 adalah
yang terpenting (tanpa mengabaikan yang lain).
32

(Two Way Anova)
Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari variabel pendidikan yang memiliki perbedaan
signifikan:
Yang ada perbedaan signifikan ditandai dengan (*). Dari tabel di atas, semua
ditandai dengan bintang, berarti semuanya ada perbedaan yang signifikan.

(Two Way Anova)
Diagram Plot di bawah ini berguna
untuk menilai apakah ada interaksi
efek antar variabel. Namun
diagram ini tidak bisa dijadikan
bahan acuan yang valid. Tetapi
hanya sekedar memberikan
gambaran saja. Apabila garis-garis
tidak menunjukkan kesejajaran,
maka dicurigai ada efek interaksi.
Diagram di samping menunjukkan
ada ketidak sejajaran garis, maka
dicurigai ada efek interaksi.
33
Contoh Soal Two Way Anova
Uji = 0,05 apakah ada perbedaan kecepatan lari

dengan menggunakan desain sepatu yang berbeda?
Sepatu
Pelari
10
15
13
13
13
14
12
13
13
11
12
14
11
11
12
12
12
13
12
14
14
11
12
15
12
12
12
10
11
12
Anova Sama Subjek
Uji = 0,05 apakah ada perbedaan antar jenis produk

yang dihasilkan (produk A, B, C & D)? Dan Apakah ada
perbedaan laba yang diperoleh antar perusahaan yang
ada?
Laba
P1
P2
P3
A
12
14
14
P4
P5
11,5
13
Jenis Produk
B
C
13
12
11
12
11
10
12
12
11
13
D
12
10
10
10
10
Anova Blok Design
34

Berikut adalah waktu (menit) yang dibutuhkan untuk
mengerjakan 1 soal latihan dari 4 mata kuliah. Sampel
random masing-masing 5 mhs untuk tiap mata kuliah. Uji
apakah ada perbedaan yang signifikan waktu pengerjaan
antara keempat mata kuliah dan antara mahasiswa
tersebut?
A
B
C
D
E
E. Makro E.Mikro Matematika Statistika

18
20
20
22
21
22
24
24
20
23
25
23
25
26
21
24
28
28
25
25
Uji dengan = 0,1 apakah ada perbedaan hsl

produksi (kg) antara ketiga mesin dan kelima
karyawan tersebut?
Karyawan
A
B
C
D
E
I
21
27
29
23
25
Mesin
II
17
25
20
15
23
III
31
28
32
30
24
35
Multivariate Analysis of Variance

(MANOVA)
Merupakan metode untuk menguji hubungan
antara dua atau lebih variabel dependen (skala
metrik) dengan satu atau lebih variabel
independen (skala non metrik atau kategori
dengan kategori lebih dari dua).
Perbedaan utama Anova dan Manova terletak
pada jumlah variabel dependennya: Anova
(satu), Manova (lebih dari satu).

(MANOVA)
Contoh: Kita akan melakukan penelitian yang berjudul
"Pengaruh Pekerjaan Orang Tua Terhadap Nilai Ujian
Matematika, Fisika dan Biologi Siswa Kelas 6 SD A".
Perhatikan judul penelitian di atas, semuanya ada 4

variabel yang diteliti:
Pekerjaan Orang Tua
Nilai Ujian Matematika
Nilai Ujian Fisika
Nilai Ujian Biologi
36

(MANOVA)
Pekerjaan merupakan variabel independen, yang bertipe
kategorik atau skala data nominal atau kualitatif. Terdiri
dari 3 kategori: Tani, Buruh dan PNS.
Nilai Ujian semuanya variabel dependen yang bertipe
numerik atau kuantitatif atau skala data interval/Rasio.
Berdasar contoh di atas, maka jelas harus anda pahami
kembali bahwa uji Manova harus terdiri dari 1 variabel
independen berskala kualtitatif dan lebih dari 1 variabel
dependen berskala data kuantitatif berdistribusi normal.

(MANOVA)
Keterangan:
Pekerjaan: 1= Tani, 2=Buruh dan 3=PNS
Buka SPSS dan Buat 4 variabel seperti di

samping.
Pekerjaan: Type Numeric, Decimals 0,
Label Pekerjaan, Measure Nominal.
Value: 1= Tani, 2=Buruh dan 3=PNS.
Matematika: Type Numeric, Decimals 0,
Label Pekerjaan, Measure Scale.
Fisika: Type Numeric, Decimals 0, Label
Pekerjaan, Measure Scale.
Biologi: Type Numeric, Decimals 0,
Label Pekerjaan, Measure Scale.
37

(MANOVA)
Langkah berikutnya adalah:
pada menu di SPSS,
klik Analyze, General Linear
Model, Multivariate:
Lihat Tabel berikut ini: Lalu
masukkan
variabel Matematika, Fisika
dan Biologi ke kotak
"Dependent Variables".
Masukkan
Variabel Pekerjaan ke dalam
kotak Fixed Factor (s).

(MANOVA)
Klik Tombol Model. Anda bisa menggunakan nilai bawaan (default) yaitu Full
Factorial atau menggunakan nilai Custom, yaitu dengan
memilih Custom dan memasukkan Pekerjaan ke dalam kotak Model dan
mengubahType ke Main Effects.
Klik Continue.
38

(MANOVA)
Klik Tombol Post Hoc. Maka akan muncul jendela seperti
berikut ini: Lalu masukkan Factor Pekerjaan ke kotak Post
Hoc Test For,
pada Equal Variances Assumed centang Bonferroni dan
pada Equal Variances Not Assumed centang GamesHowell.
(Ingat bahwa uji Bonferroni dipakai untuk membedakan
kategori mana yang berbeda pada variabel independen
apabila hasil uji homogenitas test pada Levene's Test
menunjukkan memiliki varians yang berbeda dengan nilai
sig. > 0,05. Sedangkan Games-Howell dipakai apabila sig.
<0,05).

(MANOVA)
Klik Continue
39

(MANOVA)
Kemudian anda tekan tombol
options. Lalu masukkan
factor Pekerjaan ke dalam
kotak Display Means for.Pada
display, centang Descriptive
Statistics, Observed Power dan
Homogenty Tests. Dan
biarkan Significance Level 0,05.
Klik Continue dan Lihat hasilnya

pada jendela Output.

(MANOVA)
Langsung saja kita mulai cara membaca output tersebut.
Tabel di atas, menunjukkan hasil uji deskriptif. Contoh dari tabel di atas:
Responden dengan Pekerjaan Tani, rata-rata (mean) nilai matematika sebesar
46,64 dan jumlahnya ada 11 orang. Sedangkan Buruh rata-rata nilai fisika
sebesar 76,67 dan jumlahnya 9 orang, begitu pula yang lain cara membacanya
sama.
40

(MANOVA)

(MANOVA)
Pada baris yang di bawah pada tabel di atas menunjukkan 4 nomor
memberikan nilai P value untuk empat uji multivariat yang berbeda.
Hasil tersebut memberitahukan pada kita jika ada pengaruh yang
signifikan dari variabel independen pada semua variabel dependen.
Jika Anda ditanya "Secara keseluruhan, apakah ada pengaruh yang
signifikan dari variabel independen pada satu set kelompok variabel
dependen", "maka Anda akan menjalankan MANOVA dan melihat
hasil uji multivariat ini sebagai kesimpulan Anda".
"Artinya, jika 4 nilai p-value menunjukkan <0,05, maka signifikan pada
level kepercayaan 95%".
Ingat bahwa berdasar tabel di atas, tidak ada satu uji multivariat
tunggal, yang ada adalah empat jenis uji yang berbeda.
41

(MANOVA)
Tabel di atas, menunjukkan hasil uji homogenitas yaitu uji Levene. Dikatakan
semua variabel memiliki varian yang sama apabila nilai sig. > 0,05. Nilai ini
nantinya akan mempengaruhi pilihan uji Post Hoc apa yang digunakan.
Apabila Sig. >0,05 maka uji Post Hoc menggunakan Uji Benferroni, sedangkan
jika <0,05 maka menggunakan Games-Howell. Hasil di atas menunjukkan
semua variabel dependen memiliki varian yang sama sebab Sig. >0,05
sehingga uji Post Hoc yang digunakan nantinya adalah Benferroni.

(MANOVA)
42

(MANOVA)
Langsung saja kita lihat baris "Pekerjaan" pada tabel di atas. Pada
baris tersebut ada 3 baris lagi, yaitu "Matematika", "Fisika" dan
"Biologi". Maksud dari hal tersebut adalah tiap baris menunjukkan
hasil uji pengaruh satu variabel independen yaitu pekerjaan terhadap
masing-masing variabel dependen. Dari hasil di atas, lihat nilai pada
kolom "Sig.". Dikatakan Signifikan apabila nilai Sig. < 0,05. Contoh di
atas ketiga nilai menunjukkan 0,000 di mana <0,05, sehingga
kesimpulan dan jawaban hipotesis adalah:
1. Pekerjaan secara bermakna mempengaruhi nilai ujian matematika
dengan P Value 0,000 yang artinya H0 Ditolak atau H1 Diterima.
2. Pekerjaan secara bermakna mempengaruhi nilai ujian fisika
3. Pekerjaan secara bermakna mempengaruhi nilai ujian biologi

(MANOVA)
43

(MANOVA)

(MANOVA)
Tabel di atas menunjukkan hasil Uji Post Hoc. Karena nilai uji homogenitas
menunjukkan Sig. >0,05 pada semua variabel, maka masing-masing
pengaruh variabel independen terhadap variabel dependen menggunakan
uji Benferroni.
Dikatakan ada perbedaan variabel dependen yaitu nilai ujian berdasarkan
variabel independen yaitu Pekerjaan apabila memiliki tanda bintang. dalam
Contoh di atas dapat disimpulkan sebagai berikut:
1. Untuk perbedaan nilai ujian matematika berdasarkan pekerjaan, yang
memiliki perbedaan adalah Tani dengan Buruh dan Tani dengan PNS.
2. Untuk perbedaan nilai ujian fisika berdasarkan pekerjaan, yang memiliki
perbedaan adalah Tani dengan Buruh dan Tani dengan PNS.
3. Untuk perbedaan nilai ujian biologi berdasarkan pekerjaan, yang memiliki
perbedaan adalah Tani dengan Buruh, Tani dengan PNS dan Buruh
dengan PNS.
44

ANALISIS VARIANS SATU ARAH

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ANALISIS VARIANS SATU ARAH

Uploaded by

Copyright:

Available Formats

ANALYSIS OF VARIANCE

By : Agus Aan Adriansyah

Asumsi-asumsi yang mendasari analisis

Prosedur analisis variansi adalah

Menentukan H0 dan H1.

Menentukan taraf nyata .

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Minimal ada satu pasang yang

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Salah satu asumsi yang harus dipenuhi

H0 : Varians data homogen

ni = banyaknya data pada kelompok/ perlakuan ke-i

varians data pada kelompok/ perlakuan ke-i

S 2 = Mean Square Error (MSE) dari Tabel Anova Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Analisis Varians Satu Arah

Berikut adalah hsl panen padi (kuintal) dari 12 petak

Analisis Varians Dua Arah

Digunakan untuk menguji hubungan antara satu

Contoh: Apakah pengalaman kerja sebelumnya

Langkah pengerjaan, output dan interpretasi sama

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Analisis Varians Dua Arah

Klik Add, maka akan tampak sbb:

Analisis Varians Dua Arah