PEMBAHASAN PENGERTIAN Analisis varian atau lebih dikenal dengan sebutan Anava atau Anova adalah jenis analisis statistika yang digunakan untuk menguji perbedaan antara 3 (tiga) kelompok data (pengamatan) atau lebih. Anava tidak hanya mampu menguji perbedaan antara 3 (tiga) kelompok data atau lebih dari satu variabel bebas, tetapi juga bisa untuk menyelesaikan kelompok-kelompok data yang berasal dari 2 (dua) variabel bebas atau lebih. Anava 1 (satu) jalur adalah teknik statistika parametik yang digunakan untuk menguji perbedaan antara 3 (tiga) atau lebih kelompok data berskala interval atau rasio yang berasal dari 1 (satu) variabel bebas. KLASIFIKASI Analisis varian memiliki dua klasifikasi, yaitu satu arah dan dua arah. TUJUAN DAN FUNGSI Tujuan dari uji Anava atau Anova satu jalur adalah untuk membandingkan lebih dari dua rata-rata. Fungsinya adalah untuk menguji kemampuan generalisasi, yaitu menguji signifikansi dari hasil penelitian (Anava atau Anova satu jalur). Jika terbukti berbeda berarti kedua sampel tersebut dapat digeneralisasikan yang berarti data sampel dianggap dapat mewakili populasi. CONTOH SOAL Seorang manajer sebuah bank sedang meninjau kinerja dari para karyawan bagi kemungkinan menaikkan gaji dan mempromosikan jabatan. Di dalam mengevaluasi para petugas kasir (teller), manajer menentukan bahwa kriteria dari kinerja mereka adalah jumlah pelanggan yang dilayani setiap hari. TABEL DATA EVALUASI 3 ORANG KASIR PELANGGAN YANG DILAYANI Harike- Kasir 1 Kasir 2 Kasir 3 1 45 55 54 2 56 50 61 3 47 53 54 4 51 59 58 5 50 58 52 6 45 49 51 Buktikan apakah ada perbedaan atau tidak antara kasir 1, kasir 2, dan kasir 3? Jawab: Langkah-langkah: Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan variannya homogen. Hipotesis (H1 dan H0) dalam bentuk kalimat: H0 : tidak ada perbedaan yang signifikan antara pelanggan pada kasir 1, kasir 2, dan kasir 3. H1 : ada perbedaan yang signifikan antara pelanggan pada kasir 1, kasir 2, dan kasir 3. Hipotesis Ha dan Hodalam bentuk statistika : H0 : µ1 = µ2 = µ3 H1 : minimal ada satu µi yang berbeda. Daftar statistika induk Hari ke- Kasir 1 Kasir 2 Kasir 3 1 45 55 54 2 56 50 61 3 47 53 54 4 51 59 58 5 50 58 52 6 45 49 51 statistika Total = T N 6 6 6 18 Σxi 294 324 330 948 Σx2 14496 17580 18222 50298 X ̅ 49 54 55 158 S^2 2419 2932,8 3239,4 8590,8 Menghitung Jumlah Kuadat Antar Group (JKX) JKX = 〖(∑X_i)〗^2/n-〖(∑X_τ)〗^2/N JKX =(〖294〗^2/6 + 〖324〗^2/6 + 〖330〗^2/6 ) - 〖948〗^2/18 = 50052 - 49928 = 124 Menghitung derajat bebas antar group dengan rumus DbX = 3-1 A= jumlah group = 3-1 = 2 Menghitung kuadrat Rerata Antar group (KRX) KRX = JKX/dbX = 124/2 = 62 Menghitung Jumlah Kuadrat Dalam group (JKD) JKD = Σ X2T - Σ((Σ〖Xi)〗^2)/n = 50298 – ( 〖294〗^2/6 + 〖324〗^2/6+ 〖330〗^2/6 ) = 50298 - 50052 = 246 Menghitung derajat bebas

1. PEMBAHASAN
1.1 PENGERTIAN
Analisis varian atau lebih dikenal dengan sebutan Anava atau Anova adalah
jenis analisis statistika yang digunakan untuk menguji perbedaan antara 3
(tiga) kelompok data (pengamatan) atau lebih. Anava tidak hanya mampu
menguji perbedaan antara 3 (tiga) kelompok data atau lebih dari satu variabel
bebas, tetapi juga bisa untuk menyelesaikan kelompok-kelompok data yang
berasal dari 2 (dua) variabel bebas atau lebih.
Anava 1 (satu) jalur adalah teknik statistika parametik yang digunakan
untuk menguji perbedaan antara 3 (tiga) atau lebih kelompok data berskala
interval atau rasio yang berasal dari 1 (satu) variabel bebas.
1.2 KLASIFIKASI
Analisis varian memiliki dua klasifikasi, yaitu satu arah dan dua arah.
1.3 TUJUAN DAN FUNGSI
Tujuan dari uji Anava atau Anova satu jalur adalah untuk membandingkan
lebih dari dua rata-rata.
Fungsinya adalah untuk menguji kemampuan generalisasi, yaitu menguji
signifikansi dari hasil penelitian (Anava atau Anova satu jalur). Jika terbukti
berbeda berarti kedua sampel tersebut dapat digeneralisasikan yang berarti data
sampel dianggap dapat mewakili populasi.
1.4 CONTOH SOAL
Seorang manajer sebuah bank sedang meninjau kinerja dari para karyawan
bagi kemungkinan menaikkan gaji dan mempromosikan jabatan. Di dalam
mengevaluasi para petugas kasir (teller), manajer menentukan bahwa kriteria
dari kinerja mereka adalah jumlah pelanggan yang dilayani setiap hari.
TABEL
DATA EVALUASI 3 ORANG KASIR PELANGGAN YANG DILAYANI

2. Harike- Kasir 1 Kasir 2 Kasir 3
1 45 55 54
2 56 50 61
3 47 53 54
4 51 59 58
5 50 58 52
6 45 49 51
Buktikan apakah ada perbedaan atau tidak antara kasir 1, kasir 2, dan kasir 3?
Jawab:
Langkah-langkah:
1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan
variannya homogen.
2. Hipotesis (H1 dan H0) dalam bentuk kalimat:
H0 : tidak ada perbedaan yang signifikan antara pelanggan pada kasir 1,
kasir 2, dan kasir 3.
H1 : ada perbedaan yang signifikan antara pelanggan pada kasir 1, kasir
2, dan kasir 3.
3. Hipotesis Ha dan Hodalam bentuk statistika :
H0 : µ1 = µ2 = µ3
H1 : minimal ada satu µi yang berbeda.
4. Daftar statistika induk
Hari ke- Kasir 1 Kasir 2 Kasir 3
1 45 55 54
2 56 50 61
3 47 53 54
4 51 59 58
5 50 58 52

3. 6 45 49 51
statistika Total = T
N 6 6 6 18
Σxi 294 324 330 948
Σx2 14496 17580 18222 50298
𝑋̅ 49 54 55 158
𝑆2 2419 2932,8 3239,4 8590,8
5. Menghitung Jumlah Kuadat Antar Group (JKX)
JKX =
(∑𝑋𝑖)2
𝑛
−
(∑𝑋 𝜏)2
𝑁
JKX =(
2942
6
+
3242
6
+
3302
6
) -
9482
18
= 50052 - 49928
= 124
6. Menghitung derajat bebas antar group dengan rumus
DbX = 3-1 A= jumlah group
= 3-1
= 2
7. Menghitung kuadrat Rerata Antar group (KRX)
KRX =
JKX
𝑑𝑏𝑋
=
124
2
= 62
8. Menghitung Jumlah Kuadrat Dalam group (JKD)
JKD = Σ X2
T - Σ
(𝛴𝑋𝑖)2
𝑛
= 50298 – (
2942
6
+
3242
6
+
3302
6
)
= 50298 - 50052
= 246
9. Menghitung derajat bebas dalam group dengan rumus
DbD = N-A

4. = 18- 3
= 15
10. Menghitung kuadrat Rerata Dalam group (KRD)
KRD =
JKD
𝑑𝑏𝐷
=
246
15
= 16,4
11. F.hitung =
𝐾𝑅𝑋
𝐾𝑅𝐷
=
62
16,4
= 3,78
12. Taraf signifikan sebesar α = 5 %
13. F.tabel =F (1-α) (dbX.dbD)
F.tabel =F (1-0,05) (2.15)
F.tabel = F (0,95) (2.15)
F.tabel = 3,68
14. tabel ringkasan anova
ANOVA
Sumbervarian (SV) Jumlah
kuadrat(JK) db KuadratRerata F hitung F tabel
Antar Group(A) 124 2 62 3,78 3,68
Dalam Group(D) 246 15 16,4
Total 370 17
15. Kriteria pengujian: jika F hitung > F tabel, maka tolak Ho berarti signifikan.
Setelah dikonsultasikan dengan tabel F kemudian dibandingkan antara F
hitung dengan F tabel, ternyata F hitung > F tabel, atau 3,78 > 3,68 maka
tolak Ho berarti signifikan.

5. 16. Kesimpulan:
H0 ditolak dan H1 tidak ditolak, jadi terdapat perbedaan yang signifikan
antara jumlah pelanggan pada kasir 1, kasir 2, dan kasir 3.