Anova linda makalah

9,877 views

Published on

0 Comments
8 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
9,877
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
451
Comments
0
Likes
8
Embeds 0
No embeds

No notes for slide

Anova linda makalah

  1. 1. 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 bersamasama 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
  2. 2. 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
  3. 3. 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 penelitianpenelitian 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
  4. 4. 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 ratarata 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
  5. 5. 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
  6. 6. 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
  7. 7. 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 ratarata 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 = Σ b. JKR = 7
  8. 8. c. JKTR = Σ =Σ d. JKA = Σ - + JKA = + +…+ - e. JKD = +Σ JKD = Σ +Σ +. .. + Σ 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 = b. RJKD = 4. Menghitung nilai F dengan rumus sebagai berikut. F= 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
  9. 9. 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= b. Uji Scheffe F= 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 : – 9
  10. 10. 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? 3. Apakah terdapat perbedaan hasil belajar IPA siswa antara yang diajar menggunakan metode pemecahan masalah dengan diskusi? 10
  11. 11. 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 No 1 2 3 4 5 Metode A 88 87 90 91 93 Hasil Belajar IPA Metode B Metode D 82 74 77 70 87 72 85 76 80 78 11 Metode C 68 66 64 69 71
  12. 12. 6 7 86 95 79 84 73 75 68 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
  13. 13. 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
  14. 14. 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
  15. 15. 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 N Normal Parameters Hasil_Belajar 28 a,b 28 2.50 78.50 1.139 8.905 Absolute .170 .089 Positive .170 .089 Mean Std. Deviation Most Extreme Differences 15
  16. 16. 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 Descriptives Hasil_Belajar 95% Confidence Interval for N Mean Std. Deviation Error Mean Std. Upper Bound Pemecahan Lower Minimum Maximum Bound 7 90.00 3.266 1.234 86.98 93.02 86 95 7 82.00 3.559 1.345 78.71 85.29 77 87 Masalah Penugasan 16
  17. 17. 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 28 78.50 8.905 1.683 75.05 81.95 64 95 Total Test of Homogeneity of Variances Hasil_Belajar Levene Statistic .714 df1 df2 3 Sig. 24 .553 ANOVA Hasil_Belajar Sum of Squares Between Groups Within Groups Total df Mean Square F 1925.000 3 641.667 216.000 24 9.000 2141.000 Sig. 71.296 .000 27 Post Hoc Test Multiple Comparisons Hasil_Belajar Tukey HSD (I) Metode_Mengajar (J) Metode_Mengajar 95% Confidence Interval Mean Difference (I-J) Std. Error Pemecahan Masalah Penugasan Diskusi Ceramah Penugasan Pemecahan Masalah Diskusi Ceramah Diskusi Pemecahan Masalah Penugasan Ceramah Ceramah Pemecahan Masalah Penugasan Diskusi Lower Bound Upper Bound .000 3.58 12.42 1.604 .000 11.58 20.42 1.604 .000 17.58 26.42 1.604 .000 -12.42 -3.58 1.604 .000 3.58 12.42 1.604 .000 9.58 18.42 1.604 .000 -20.42 -11.58 1.604 .000 -12.42 -3.58 1.604 .005 1.58 10.42 1.604 .000 -26.42 -17.58 1.604 .000 -18.42 -9.58 1.604 .005 -10.42 -1.58 * 1.604 16.000 * 22.000 * -8.000 * 8.000 * 14.000 * -16.000 * -8.000 * 6.000 * -22.000 * -14.000 * * 8.000 -6.000 *. The mean difference is significant at the 0.05 level. 17 Sig.
  18. 18. Homogeneous Subsets Hasil_Belajar Tukey HSD a Metode_Mengajar Subset for alpha = 0.05 N 1 Ceramah 7 Diskusi 7 Penugasan 7 Pemecahan Masalah 2 3 7 Sig. 4 68.00 74.00 82.00 90.00 1.000 1.000 1.000 1.000 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 7.000. 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 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 Pvalue 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 18
  19. 19. 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 (IJ) 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 pemecahan masalah dengan metode penugasan. Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai ratarata 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 ratarata 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. 19
  20. 20. c. Hasil belajar IPA siswa yang diajar dengan menggunakan metode pemecahan masalah dengan metode ceramah memiliki perbedaan rata-rata Mean Difference (IJ) 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 ratarata 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. Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai ratarata 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 ratarata 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 20
  21. 21. 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 ratarata 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 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 Hipa-3 96 37 58 69 73 81 Hasil Panen Padi Sembada B9 Hipa-6 93 60 81 54 79 78 101 56 96 61 102 69 Sembada B5 76 89 88 84 75 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 21
  22. 22. 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. 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 N Varietas_Padi 24 24 76.00 2.50 16.434 1.142 Absolute .069 .169 Positive .069 .169 Negative Normal Parameters a,b -.063 -.169 .340 .829 1.000 .498 Mean Std. Deviation Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) 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 22
  23. 23. 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. 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 Descriptives Hasil_Panen 95% Confidence Interval for Mean N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum 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 24 76.00 16.434 3.355 69.06 82.94 37 102 Total Test of Homogeneity of Variances Hasil_Panen Levene Statistic 1.402 df1 df2 3 Sig. 20 .271 23
  24. 24. ANOVA Hasil_Panen Sum of Squares df Mean Square F Between Groups 2940.000 3 980.000 Within Groups 3272.000 20 163.600 Total 6212.000 Sig. 5.990 .004 23 Post Hoc Tes Multiple Comparisons Hasil_Panen Tukey HSD (I) Varietas_Padi (J) Varietas_Padi 95% Confidence Interval Mean Difference (I-J) Std. Error Sig. Lower Bound Upper Bound 7.385 .026 -43.67 -2.33 6.000 7.385 .848 -14.67 26.67 -11.000 7.385 .462 -31.67 9.67 23.000 * 7.385 .026 2.33 43.67 Hipa-6 29.000 * 7.385 .004 8.33 49.67 Sembada B5 12.000 7.385 .388 -8.67 32.67 Hipa-3 -6.000 7.385 .848 -26.67 14.67 Sembada B9 -29.000 * 7.385 .004 -49.67 -8.33 Sembada B5 Hipa-3 * -17.000 7.385 .131 -37.67 3.67 11.000 7.385 .462 -9.67 31.67 -12.000 7.385 .388 -32.67 8.67 17.000 7.385 .131 -3.67 37.67 Sembada B9 -23.000 Hipa-6 Sembada B5 Sembada B9 Hipa-6 Sembada B5 Hipa-3 Hipa-3 Sembada B9 Hipa-6 *. The mean difference is significant at the 0.05 level. Homogeneous Subsets Hasil_Panen Tukey HSD a Varietas_Padi Subset for alpha = 0.05 N 1 2 Hipa-6 6 63.00 Hipa-3 6 69.00 Sembada B5 6 80.00 Sembada B9 6 Sig. 80.00 92.00 .131 .388 Means for groups in homogeneous subsets are displayed. a. Uses Harmonic Mean Sample Size = 6.000. 24
  25. 25. 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 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 Pvalue 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 Pvalue 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. 25
  26. 26. 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 ratarata 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 ratarata 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. Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai ratarata 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 ratarata 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. 26
  27. 27. Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai ratarata 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 ratarata 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 perbedaan yang signifikan hasil panen padi varietas Hipa-6 dengan varietas Sembada B5. Berdasarkan nilai rata-rata pada tabel Descriptives menunjukkan bahwa nilai ratarata 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. 27
  28. 28. 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
  29. 29. 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

×