ANALISIS VARIANSI DUA JALAN

Disusun untuk Melengkapi Salah Satu Tugas Mata Kuliah Statistika Dasar
Dosen Pengampu: Annisa Swastika

Oleh:

Ahmad Bagus Prakosa (A410140213)

Ubriana Putri Nuraini (A410140232)

Yulia Slamet S. (A410140234)

Eka Apriliani (A410140238)

Devi Ayu Astuti (A410140264)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS MUHAMMADIYAH

SURAKARTA

2016
 Analisis Variansi Dua Jalur

A. Analisis Variansi Dua Jalan Dengan Sel Sama

Anava (Analisis Variansi Dua Jalan) digunakan untuk
menyelesaikan suatu eksperimen yang terdiri dari 2 variabel bebas
berskala nominal yang diteliti pengaruhnya terhadap variabel terkait
berskala interval.
1. Tujuan
Tujuan dari analisis variansi dua jalan adalah untuk menguji
signifikansi efek dua variabel bebas terhadap satu variabel terikat.
Kedua variabel bebas tersebut disebut faktor baris (faktor A) dan
faktor kolom (faktor B). Selain itu, analisis variansi dua jalan jug
abretujuan untuk menguji signifikansi interaksi kedua variabel terikat.
Pada dasarnya, pengujian pertama adalah pengujian rerata antar baris,
pengujian kedua adalah pengujian rerata anatar kolom, dan pengujian
ketiga adalah pengujian rerata antar sel pada baris atau kolom yang
sama.
2. Persyaratan Analisis
Persyaratan yang harus dipenuhi oleh analisis variansi dua jalan yaitu:
a. Setiap sampel diambil secara random dari populasinya
b. Masing-masing populasi saling independen dan masing-masing
data amatan saling independen di dalam kelompoknya.
c. Setiap populasi berdistribusi normal (sifat normalitas populasi)
d. Populasi-populasi mempunyai variansi yang sama (sifat
homogenitas variansi populasi)
3. Model
Model untuk data populasi pada analisis variansi dua jalan dengan sel
sama ialah:
Xijk = + i + j + ()ij + ijk
dengan :
Xijk = data (nilai) ke-k pada baris ke-i dan kolom ke-j
= rerata dari seluruh data (rerata besar, grand mean)
 i = i. - = efek baris ke-i pada variabel terikat
j = .j - = efek kolom ke-j pada variabel terikat
()ij = ij ( + i + j)
= interkasi baris ke-i dan kolom ke-j pada variabel terikat
ijk = deviasi data Xijk terhadap rerata populasinya (ij) yang
berdistribusi normal dengan rerata 0
i = 1,2,3, ...,p; p = banyaknya baris
j = 1,2,3, ...,q; q = banyaknya kolom
k = 1,2,3, ...,n; n = banyaknya data amatan pada setiap sel
Perhatikanlah bahwa pada model tersebut berlaku :

= 0
=1

() = 0
=1

= 0
=1

() = 0
=1

Contoh 1 :

Diketahui data populasi seperti pada tabel berikut.

Tabel 1.1
Data Populasi Menurut Faktor A dan Faktor B
B
A
B1 B2 B3
A1 8, 9, 10 11, 12, 13 17, 18, 19
A2 7, 9, 10 8, 10, 12 13, 14, 15
Carilah semua , , dan () !
Solusi:
Tabel 1.2
Tabel Kerja untuk Mencari , , dan ()
B
A i .
B1 B2 B3
8, 9, 10 11, 12, 13 17, 18, 19
A1 1. = 13
11 = 9 12 = 12 13 = 18
 7, 9, 10 8, 10, 12 13, 14, 15
A2 2. = 11
21= 9 22 = 10 23 = 14
.j .1 = 9 .2 = 11 .3 = 16 = 12

Dari tabel 1.2 dapat dilihat bahwa:

1 = 1. - = 13 12 = 1
2 = 2. - = 11 12 = -1
1= .1 - = 9 12 = -3
2 = .2 - = 11 -12 = -1
3 = .3 - = 16 -12 = 4
()11 = 11 ( + 1 + 1) = 9 (12 + 1 3) = -1
()21 = 21 ( + 2 + 1) = 9 (12 1 3) = 1
()12 = 12 ( + 1 + 2) = 12 (12 + 1 1) = 0
()22 = 22 ( + 2 + 2) = 10 (12 1 1 ) = 0
()13 = 13 ( + 1 + 3) = 18 (12 + 1 + 4) = 1
()31 = 31 ( + 3 + 1) = 14 (12 1 + 4) = -1

Perhatikan bahwa pada contoh 1 berlaku hal-hal berikut :

a. Tidak semua bernilai nol, yang ini berarti bahwa A1 dan A2

memberikan efek yang berbeda terhadap variabel terikat.
b. Tampak juga bahwa tidak semua bernilai nol, yang ini juga berarti
bahwa B1, B2, dan B3 memberikan efek yang berbeda juga.
c. Untuk () , tampak bahwa tidak semua () bernilai nol, yang ini
berarti terdapat interaksi antara variabel A dan variabel B terhadap
variabel terikat. Terdapatnya interaksi ini dapat dilihat dari kenyataan
bahwa A1 dan A2 memberikan efek yang sama pada kategori B1, tetapi
tidak demikian halnya pada kategori B2 dan B3. Artinya, pengaruh
variabel A terhadap variabel terikat tergantung kepada kategori
(tingkatan) variabel B.

Contoh 2

Diketahui data populasi seperti pada tabel berikut.

 Tabel 1.3
Data Populasi Menurut Faktor A Dan Faktor B
B
A
B1 B2 B3
A1 8, 9, 10 4, 5, 6 1, 1, 1
A2 10, 11, 12 6, 7, 8 2, 3,4
Carilah semua , , dan () .
Solusi :

Tabel 1.4

Tabel Kerja untuk Mencari , , () .

A B .
B1 B2 B3
A1 8, 9, 10 4, 5, 6 1, 1, 1 1 . = 5
11 = 9 12 = 5 13 = 1
A2 10, 11, 12 6, 7, 8 2, 3, 4 2 . = 7
21 = 11 22 = 7 23 = 3
. .1 = 10 .2 = 6 .3 = 2 =6
Dari tabel 13.4 dapat dilihat bahwa:

1 = 1 . = 5 6 = -1

2 = 2 . = 7 6 = 1

1= .1 = 10 6 = 4

2 = .2 = 6 6 = 0

3= .3 = 2 6 = -4

()11= 11 ( + 1 + 1 ) = 9 ( 6 1 + 4) = 0

()21= 21 ( + 2 + 2 ) = 11 ( 6 + 1 + 4) = 0

()12= 12 ( + 1 + 2 ) = 5 (6 1 0) = 0

()22= 22 ( + 2 + 2 ) = 7 (6 + 1 + 0 ) = 0

()13= 13 ( + 1 + 3 ) = 1 (6 1 4) = 0
 ()23= 23 ( + 2 + 3 ) = 3 (6 + 1 4) = 0

Perhatikan bahwa pada Contoh 13.8, terjadi hal-hal berikut.

a. Tidak semua bernilai nol, yang berarti bahwa A1 dan A2 memberkan

efek yang berbeda terhadap variable terikat.
b. Tampak juga bahwa tidak semua bernilai nol, yang juga berarti
bahwa B1, B2, dan B3 memberikan efek yang berbeda juga.
c. Untuk () , tampak bahwa semua () bernilai nol, yang berarti
tidak terdapat interaksi antara variable A dan variabel B terhadap
variabel terikat. Tidak terdapatnya interaksi ini dapat dilihat dari
kenyataan bahwa pengaruh variabel A terhadap variabel terikat tidak
tergantung kepada kategori variabel B. Artinya, pada B1 berlaku 21 >
11 , pada B2 juga berlaku 22 > 12 , dan pada B3 juga berlaku 23 >
13 . Pada sisi lain, pengaruh variabel B terhadap variabel terikat juga
tidak tergantung kepada kategori variabel A.

Perhatikan kembali bahwa contoh 1 dan contoh 2 adalah contoh pada data
populasi. Pada umumnya, pada praktik penelitian, penelitian tidak
mempunyai data populasi, yang dipunyai adalah data sampel.

4. Notasi dan Tata Letak Data

Misalnya variabel A mempunyai p nilai dan variabel B mempunyai
q nilai, sehingga terdapat p baris dan qolom. Datanya dapat disajikan
dalam bentuk berikut.

Tabel 1.5

Tata Letak Data Sampel pada Anava Dua Jalan Sel Sama

Faktor A Faktor B
b1 b2
1 111 121 11
112 122 12

11 12 1
2 211 221 21

 212 222 22

21 22

11 21 1
12 22 2

1 2

Selanjutnya, jumlah data pada baris ke-i disebut , jumlah data pada
kolom ke-j disebut , jumlah data pada baris ke-I dan kolom ke-j disebut
, sedangkan jumlah seluruh data amatan disebut G. Jumlah- jumlah
tadi disajikan ke dalam table yang disebut Tabel Jumlah AB, sperti pada
Tabel 1.6

Tabel 1.6

Tabel Jumlah AB

Faktor A Faktor B Total

1 2
1 11 12 1 1
2 21 22 2 2

1 2
Total 1 2 G
5. Hipotesis
Seperti dibicarakan di muka, ada tiga pasang hipotesis yang dapat diuji
dengan analisis variansi dua jalan ini. Tiga pasang tersebut adalah:

0 : = 0 untuk setiap i = 1,2,3, , p

1 : paling sedikit ada satu yang tidak nol

0 : = 0 untuk setiap j = 1,2,3, , q

1 : paling sedikit ada satu yang tidak nol

0 : () = 0 untuk setiap i = 1,2,3, , p dan j = 1,2,3, , q

 1 : paling sedikit ada satu () yang tidak nol

Dua hpotesis yang pertama dapat ditulis sebagai berikut.

0 : 1 = 2 = =

1 : paling sedikit ada dua rerata baris yang tidak sama

0 : 1 = 2 = = q

1 : paling sedikit ada dua rerata kolom yang tidak sama

Ketiga pasang pertama hipotesis tersebut juga ekuivalen dengan tiga

pasang hipotesis berikut ini:

0 : Tidak ada perbedaan efek antar baris terhadap veriabel terikat;

1 : Ada perbedaan efek antar baris terhadap veriabel terikat.

0 : Tidak ada perbedaan efek antar kolom terhadap veriabel terikat;

1 : Ada perbedaan efek antar kolom terhadap veriabel terikat.

0 : Tidak ada interaksi baris dan kolom terhadap variabel terikat;

1 : Ada interaksi baris dan kolom terhadap variabel terikat.

Perhatikanlah bahwa kalimat Ada perbedaan efek antar baris terhadap

variabel terikat sering dinyatakan dengan kalimat lain, yaitu bahwa
variabel A berpengaruh terhadap variabel terikat, jika kategori-kategori
variabel A dinyatakan dalam baris-baris.

6. Prosedur Uji Analisis Dua Jalan dengan Sel Sama

Seperti halnya pada analisis variabel satu jalan, pada analisis variansi dua
jalan didefinisikan jumlah kuadrat total (JKT) sebagai berikut.

JKT = =1 =1 =1( )
Dapat dibuktikan bahwa JKT tersebut dapat dinyatakan sebagai berikut.

JKT = =1 nq( i ) + =1 np( j ) + =1 =1 n(

ij i ) + =1 =1 =1( Xijk )
Suku pertama pada ruas kanan disebut jumlah kuadrat antar baris (JKA),
suku kedua disebut jumlah kuadrat antar kolom (JKB), suku ketiga disebut
jumlah kuadrat interaksi (JKAB), dan suku keempat disebut jumlah
kuadrat galat (JKG).

Dapat dibuktikan bahwa:

JKA =

JKB =

JKAB =, +

2
2
JKG = ,, ,

2
JKT = ,,

Seperti pada analisis variansi satu jalan, untuk memudahkan perhitungan,

didefinisikan besaran-besaran (1),(2),(3),(4), dan (5) sebagai berikut.

(1) =

;
2
(2) = ,, ;

(3) = ;


(4) = ;

2

(5) = ,

 Berdasarkan besaran-besaran tersebut, jumlah-jumlah kuadrat diatas dapat
ditulis sebagai berikut.

JKA = (3) (1)

JKB = (4) (1)

JKAB = (1) + (5) (3) (4)

JKG = (2) (5)

JKT = (2) (1)

(atau JKT = JKA + JKB + JKAB + JKG)

Derajat kebebasan untuk masing-masing jumlah kuadrat tersebut adalah :

dkA = p 1
dkB = q 1
dkAB = (p - 1)(q - 1)
dkG = pq(n 1) = N pq
dkT = N-1
Berdasarkan jumlah kuadrat dan derajat kebebasan masing-masing
diperoleh rerata kuadrat berikut :
JKA JKAB
RKA = dkA RKAB = dkAB

JKB JKG
RKB = dkB RKG = dkG

Statistik Uji
Statistik uji analisis variansi dua jalan dengan sel sama ialah :
RKA
1. Untuk H0A adalah Fa = yang merupakan nilai dari variabel random
RKG

yang berdistribusi F dengan derajat kebebasan p 1 dan N pq

RKB
2. Untuk H0B adalah Fb = yang merupakan nilai dari variabel random
RKG

yang berdistribusi F dengan derajat kebebasan q 1 dan N pq

 RKAB
3. Untuk H0AB adalah Fab = yang merupakan nilai dari variabel
RKG

random yang berdistribusi F dengan kebebasan (p 1)(q 1) dan N

pq
Daerah Kritis
Untuk masingmasing nilai F diatas, daerah kritisnya adalah sebagai
berikut:
1. Daerah kritis untuk Fa adalah DK = {FF > F;p-1,N-pq}
2. Daerah kritis untuk Fb adalah DK = {FF > F;q-1,N-pq}
3. Daerah kritis untuk Fab adalah DK = {FF > F;(p-1)(q-1),N-pq}
Rangkuman Analisis
Sebaiknya, hasil-hasil komputasi disajikan dalam tabel rangkuman analisis
variansi dengan format berikut :
Tabel 1.7
Rangkuman Analisis Variansi Dua Jalan
Sumber JK dK RK Fobs F P
Baris (A) JKA p1 RKA Fa F* < atau >
Kolom (B) JKB q1 RKB Fb F* < atau >
Interaksi (AB) JKAB (p-1)(q-1) RKAB Fab F* < atau >
Galat JKG N-pq RKG - - -

Total JKT N-1 - - - -

Keterangan : p adalah probabilitas amatan
F* adalah nilai F yang diperoleh dari tabel
Contoh 3

Seorang peneliti ingin melihat manakah strategi pembelajaran yang paling

efektif diantara strategi pembelajaran A, B, dan C, dengan pengertian strategi
pembelajaran yang satu lebih efektif dibanding dengan strategi pembelajaran
lainnya apabila strategi yang pertama menghasilkan rerata prestasi belajar
yang lebih baik daripada rerata prestasi belajar yang dihasilkan oleh strategi
yang kedua. Peneliti tersebut juga ingin melihat manakah yang lebih baik,
prestasi belajar siswa-siswa pria ataukah prestasi belajar siswa-siawa wanita
 dan sekaligus juga ingin melihat apakah terdapat perbedaan prestasi antara
siswa-siswa pria dan siswa-siswa wanita pada tiap-tiap strategi pembelajaran.
Setelah dilakukan eksperimen dan diambil sampel yang representatif terhadap
populasinya, datanya adalah sebagai berikut.

Tabel 1.8

Prestasi Belajar Siswa Menurut Seks dan Strategi Mengajar

Jenis Kelamin Strategi Mengajar

A B C
Pria 4 7 5 2 3 2 5 6 4
Wanita 9 8 8 8 7 5 10 8 7
Jika diambil tingkat signifikansi 5%, bagaimana kesimpulan penelitian
tersebut? Diasumsikan semua persyaratan analisis variansi dipenuhi.

Solusi:

Dilakukan analisis variansi dulu untuk melihat apakah terdapat efek utama
pada baris dan kolom serta efek interaksi.

1. (a) H0A: = 0 untuk setiap i = 1, 2

H 1A: paling sedikit ada satu yang tidak nol
(b) H0B: = 0 untuk setiap i = 1, 2, 3
H 1B: paling sedikit ada satu yang tidak nol
(c) H0AB: = 0 untuk setiap i = 1, 2 dan j = 1, 2, 3
H 1AB: paling sedikit ada satu () yang tidak nol
2. = 5%
3. Komputasi
Tabel 1.9
Jumlah AB
A B C Total
Pria 16 7 15 38
Wanita 25 20 25 70
Total 41 (B1) 27 (B2) 40 (B3) 108 (G)

G2 108
(1) = N
= 18
= 648
 2
(2) = ,, = 42 + 72 + 52 + + 102 + 82 + 72 = 744
2 382 702
(3) = = (3)(3) + (3)(3) = 704.889

2 412 272 402

(4) = = (3)(2) + (3)(2) + (3)(2) = 668.333
2
162 252 72 202 152 252
(5) = , = + + + + + = 726.667
3 3 3 3 3 3

JKA= (3) (1) = 704.889 684 = 56.889

JKB = (4) (1) = 668.333 648 = 20.333

JKAB = (1) + (5) (3) (4)

648 + 726.667 704.889 668.333 = 1.445

JKG = (2) (5) = 744 726.667 = 17.333

JKT = (2) (1) = 744 648 = 96

dkA = p 1 = 2 1 = 1

dkB = q 1 = 3 1 = 2

dkAB = (p-1)(q-1) = (1)(2) = 2

dkG = pq(n-1) = (2)(3)(2) = 12

dkT = N 1 = 18 1 = 17

JKA 56.889
RKA = dkA = = 56.889
1

JKB 20.333
RKB = dkB = = 10.167
2

JKAB 1.445
RKAB = dkAB = = 0.723
2

JKG 17.333
RKG = dkG = = 1.444
12

RKA 56.889
Fa = RKG = = 39.40
1.444
 RKB 10.167
Fb = RKG = = 7.04
1.444

RKAB 0.723
Fab = = 1.444 = 0.50
RKG

Untuk Fa adalah DK = {F I F > F0.005;1,12} = {FF > 4.75}

Untuk Fb adalah DK = {F I F > F0.005;1,12} = {FF > 3.89}

Untuk Fab adalah DK = {F I F > F0.005;1,12} = {FF > 3.89}

Tabel 1.10

Rangkuman Analisis Variansi Dua Jalan

Sumber JK dk RK Fobs F p
Jen. Kelamin (A) 56.889 1 56.889 39.40 4.75 < 0.05
Str. Mengajar (B) 20.333 2 10.167 7.04 3.89 < 0.05
Interaksi (AB) 1.445 2 0.723 0.50 3.89 > 0.05
Galat 17.333 12 1.444 - -
Total 96.000 17 - - -
4. Keputusan Uji:
H0A ditolak; H0B ditolak; H0AB diterima.
5. Kesimpulan:
a. Siswa-siswa pria dan sisiwa-siswa wanita mempunyai prestasi belajar
yang berbeda
b. Tidak benar ketiga strategi mengajar memberikan efek yang sama
terhadap prestasi belajar
c. Tidak ada interaksi antara jenis kelamin dan strategi mengajar
terhadap prestasi belajar

B. Metode Scheffe untuk Anava Dua Jalan

Langkah-langkah komparasi ganda dengan metode scheffe untuk
analisis variansi dua jalan pada dasarnya sama dengan langkah-langkah
pada komparasi ganda untuk analisis variansi satu jalam. Bedanya, ialah
pada analisis variansi dua jalan terdapat empat macam komparasi, yaitu
komparasi ganda rerata antara:
 (1) baris ke-i dan baris ke-j
(2) kolom ke-i dan kolom ke-j
(3) sel ij dan sel kj (sel-sel pada kolom ke-j)
(4) sel ij dan sel ik (sel-sel pada baris ke-i)
Perhatikanlah bahwa tidak ada komparasi ganda antara sel pada baris dan
kolom yang tidak sama.
1. Komparasi Rerata Antar Baris
Hipotesis nol yang diuji pada komparasi rerata antar baris adalah :
H0 : i. = j.
Uji Scheffe untuk komparasi rerata antar baris adalah :
(. . )2
Fi.-j. = 1 1
( + )
. .

dengan :
Fi.-j. = nilai Fobs pada pembandingan baris ke-i dan baris ke-j
. = rerata pada baris ke-i
. = rerata pada baris ke-j
RKG = rerata kuadrat galat, yang diperoleh dari perhitungan analisis
variansi
. = ukuran sampel baris ke-i
. = ukuran bampel baris ke-j
Daerah kritis untuk uji itu adalah :
DK = {FF > (p 1) F;p-1,N-pq}
2. Komparasi Rerata Antar Kolom
Hipotesis nol yang diuji pada komparasi rerata antar kolom adalah:
H0 : .i = .j
Uji Scheffe untuk komparasi rerata antar kolom adalah:
2
( . . )
F.i-.j = 1 1
( + )
. .

dengan daerah kritis:

DK = {FF > (q 1) F;q-1,N-pq}
 Makna dari lambang-lambang pada komparasi ganda rerata antar
kolom ini mirip dengan makna lambang-lambang komparasi ganda
rerata antar baris; hanya dengan mengganti baris menjadi kolom.
3. Komparasi Rerata Antar Sel pada Kolom yang Sama
Hipotesis nol yang diuji pada komparasi rerata antar sel pada kolom
yang sama adalah :
H0 : ij = kj
Uji Scheffe untuk komparasi rerata antar sel pada kolom yang sama
adalah sebagai berikut:
2
( )
Fij-kj = 1 1
( + )

dengan:
Fij-kj = nilai Fobs pada pembadingan rerata pada sel ij dan rerata pada
sel kj
= rerata pada sel ij
= rerata pada sel kj
RKG = rerata kuadrat galat, yang diperoleh dari perhitungan analisis
variansi
= ukuran sel ij
= ukuran sel kj
Daerah kritis uji itu adalah:
DK = {FF > (pq 1) F;pq-1,N-pq}
Contoh 4

Seorang peneliti ingin melihat mana yang lebih baik, metode ceramah atau
metode antar kerja kelompok dalam menyampaikan pokok bahasan
persamaan kuadrat. Dia juga ingin melihat apakah siswa pria dan wanita
sama kemampuannya dalam hal menangkap pokok bahasan tersebut dan
juga ingin melihat apakah terjadi perbedaan prestasi belajar antara siswa
pria dan wanita pada setiap metode pembelajaran. Setelah pokok bahasan
persamaan kuadrat diberikan dan diberi tes yang sama, nilai-nilai yang
diperoleh tampak pada tabel 1.11
 Tabel 1.11

Nilai Siswa Pada Pokok Bahasan Persamaan Kuadrat

Jenis Kelamin Metode Mengajar

Ceramah Kerja Kelompok
Pria 4 5 6 8 10 5 5 7 8 9
3 5 6 8 7 4 5 6 7 8
Wanita 7 5 7 8 9 4 5 3 4 9
3 4 8 6 9 3 5 6 8 7
Jika diambil nilai signifikansi 5%, bagaimana kesimpulan penelitian
tersebut? Diasumsikan semua persyaratan analisis variansinya dipenuhi.

Solusi:

Setelah dianalisis, rangkuman analsiis variansinya disajikan pada tabel

1.12, sedangkan rerata marginal dan rerata untuk masing-masing sel
(rerata parsial) pada tabel 1.13

Tabel 1.12

Rangkuman Analisis Variansi Dua Jalan

Sumber JK dk RK Fobs F p
Jenis Kelamin (A) .90 1 .90 0.23 4.12* >0.05
Met. Mengajar (B) 2.50 1 2.50 0.64 4.12* > 0.05
Interaksi (AB) 4.90 1 4.90 1.25 4.12* > 0.05
Galat 140.80 36 3.91 - - -
Total 149.10 39 - - - -
Keterangan: nilai F dicari dengan interpolasi

Tabel 1.13

Tabel Rerata Nilai pada tabel 1.11

Metode Mengajar Rerata

Ceramah Kerja Marginal
Kelompok
Pria 6.20 6.40 6.30
Wanita 6.60 5.40 6.00
Rerata 6.40 5.90
Marginal
Dari rangkuman analisis dapat disimpulkan bahwa ketiga hipotesis nol
diterima. Ini berarti (1) tidak ada perbedaan prestasi belajar antara siswa-
siswa pria dan siswa-siswa wanita, (2) tidak ada perbedaan efek antara
metode ceramah dan metode kerja kelompok, dan (3) tidak ada interaksi
antara jenis kelamin dan metode mengajar.

Profil Interaksi

Gambar 1.1 Profil Efek Variabel Metode Pembelajaran

Jika dilihat dari gambar diatas, profil untuk metode ceramah berpotongan
dengan profil untuk metode mengajar kerja kelompokj. Namun, adanya
perpotongan ini tidak berarti adanya interaksi yang signifikan antara
variabel jenis kelamin dan metode mengajar, karena hipotesis nol antar
baris dan hipotesis nol antar kolom diterima. Antara rerata se Pria Kerja
Kelompok dan rerata sel Wanita Kerja Kelompok, yang kalau dilihat
sepintas berbeda, sebenarnya tidak menunjukkan perbedaan yang
signifikan. Hal ini juga dapat ditunjukkan dengan uji Scheffe berikut ini

(6.40 5.40)2 1
1222 = = = 1.28
1 1
(3.91)(10 + 10) 0.782

Dengan

DK = {F F > (3)F0.05;3,36}

= {F F >(3)(2.87)} = {F F > 8.61}

 Sehingga H0 diterima yang berrati 12 = 22 ; atau dengan kata lain, pada
metode kerja kelompok, siswa-siswa pria tidak berbeda prestasinya
dibandingkan dengan siswa-siswa wanita. Ilustrasi ini menunjukkan bahwa
jika interaksi tidak ada, maka tidak diperlukan uji komparansi ganda antar
sel setelah anava.

Kesimpulan Penelitian

1. Tidak ada perbedaan antara metode ceramah dengan metode kerja

kelompok, baik secara umum maupun kalu ditinjau dari maisng-masing
jenis kelamin (pria dan wanita)
2. Tidak ada perbedaan prestasi antara pria dan wanita, baik secara umum
maupun kalu ditinjau dari masing masing metode mengajar ( ceramah
dan kerja kelompok)
C. Analisis Variansi Dua Jalan Dengan Sel Tak Sama
Pada materi ini yang dimaksud dengan sel tak sama adalah
frekuensi masing-masing sel tidak harus sama. Prosedur untuk analisis
variansi dua jalan dengan sel tak sama pada dasarnya serupa dengan
analisis variansi dua jalan dengan sel sama.
1. Tujuan dan Persyaratan Analisis
Tujuan dan persyaratan analisis variansi dua jalan dengan sel tak
sama sama dengan tujuan dan persyaratan analisis variansi dua jalan
dengan sel yang sama.Tujuannya yaitu untuk menguji signifikansi
efek dua variabel bebas terhadap satu variabel terikat. Sedangkan
persyaratan yang harus dipenuhi oleh analisis variansi dua jalan tak
sama dengan persyaratan analisis variansi satu jalan:
a. Setiap sampel diambil secara random dari populasinya
b. Masing-masing populasi saling independen dan masing-masing
data amatan saling independen di dalam kelompoknya
c. Setiap populasi berdistribusi normal (sifat normalitas populasi)
d. Populasi-populasi mempunyai variansi yang sama (sifat
homogenitas variansi populasi).
2. Model
 Sama seperti analisis variansi dua jalan dengan sel sama, model untuk
data populasi pada analisis variansi dua jalan dengan sel tak sama
adalah:

= + + + () +

Perbedaannya dengan model pada analisis variansi dua jalan dengan

sel sama ialah bahwa pada sel tak sama, subskripmk berjalan dari 1
sampai dengan nij.

3. Hipotesis
Misalnya baris menyatakan variabel (faktor A) yang mempunyai
nilai a1,a2,....,ap dan kolom menyatakan variabel (faktor B) yang
mempunyai nilai b1,b2,....,bq.
Seperti pada analisis variansi dua jalan dengan sel sama, ada tiga
pasang hipotesis yang dapat diuji dengan analisis variansi dua jalan
ini, yaitu:
a) H0A: = 0 untuk setiap i=1,2,3,...,p
H1A: paling sedikit ada satu i yang tidak nol
b) H0B: j=0 untuk setiap j=1,2,3,...,q
H1B: paling sedikit ada satu j yang tidak nol
c) H0AB: ()ij=0 untuk setiap i=1,2,...p dan j=1,2,3,...,q
H1AB: paling sedikit ada satu ()ij yang tidak nol

Ketika pasang hipotesis itu dapat juga dinyatakan dengan kalimat

yang ekuivalen dengan itu.

4. Komputasi
Pada analisis variansi dua jalan dengan sel tak sama ini didefinisikan
notasi-notasi sebagai berikut.

nij = ukuran seel ij (sel pada baris ke-i dan kolom ke-j)

= banyaknya data amatan pada sel ij

= frekuensi sel ij

h = rerata harmonik frekuensi seluruh sel = 1
,
nij

N = 1 = banyaknya seluruh data amatan
,
nij

2 ( )2
SSij = -

= jumlah kuadrat deviasi data amatan pada sel ij

= rerata pada sel ij

Ai =
= jumlah rerata pada baris ke-i

Bi =
= jumlah rerata pada baris ke-j

G = ,
= jumlah rerata semua sel

Seperti pada analisis variansi dua jalan dengan sel sama, untuk
memudahkan perhitungan, didefinisikan besaran-besaran (1), (2), (3),
(4), dan (5) sebagai berikut:

2
(1) =

(2) = ,
2
(3) =

2
(4) =

(5) = ,
2
Seperti pada analisis variansi dua jalan dengan sel sama, terdapat lima
jumlah kuadrat pada analisis variansi dua jalan dengan sel tak sama, yaitu
jumlah kuadrat baris (JKA), jumlah kuadrat kolom (JKB), jumlah kuadrat
interaksi (JKAB), jumlah kuadrat galat (JKG), dan jumlah kuadrat total
(JKT). Berdasarkan sifat-sifat matematis tertentu dapat diturunkan
formula-formula untuk JKA, JKB, JKAB, JKG, dan JKT sebagai berikut:
 JKA = {(3) (1)}
JKB = {(4) (1)}
JKAB = {(1) + (5) (3) (4)}
JKG = (2)
JKT = JKA + JKB +JKAB + JKG
Derajat kebebasan untuk masing-masing jumlah kuadrat tersebut adalah :
dkA = p 1
dkAB = (p 1)(q 1)
dkT = N 1
dkB = q 1
dkG = N pq
Berdasarkan jumlah kuadrat dan derajat kebebasan masing-masing
diperoleh rerata kuadrat berikut:

RKA = RKB =

RKAB = RKG =

5. Statistik Uji
Seperti pada sel sama, statistik uji analisis variansi dua jalan dengan sel
tak sama ini ialah:

1. Untuk HOA adalah Fa = yang merupakan nilai dari variabel random

yang berdistribusi F dengan derajat kebebasan p-1 dan N-pq;

2. Untuk HOB adalah Fb = yang merupakan nilai dari variabel random

yang berdistribusi F dengan derajat kebebasan q-1 dan N-pq;

3. Untuk HOAB adalah Fab =
yang merupakan nilai dari variabel

random yang berdistribusi F dengan derajat kebebasan (p-1)(q-1) dan

N-pq.
6. Daerah Kritis
Untuk masing-masing nilai F di atas, daerah kritisnya adalah:
1. Daerah kritis untuk Fa adalah DK = {F | F > F; 1 , }
2. Daerah kritis untuk Fb adalah DK = {F | F > F; 1 , }
3. Daerah kritis untuk Fab adalah DK = {F | F > F; ( 1)( 1), ,
}
Contoh 5

Seorang peneliti ingin mengetahui secara serentak apakah waktu mengajar

(pagi, siang, sore) dan ukuran kelas (besar, kecil) berpengaruh terhadap
prestasi belajar matematika. Setelah satu periode, tes yang sama diberikan
kepada sampel penelitian. Data mengenai prestasi belajar yang diperoleh
tampak pada tabel ...... jika = 0.01, bagaimana kesimpulan penelitian
tersebut? Diasumsikan semua persyaratan semua persyaratan analisis variansi
terpenuhi.

Tabel 1.14

Prestasi Belajar Menurut Waktu Mengajar Dan Ukuran Kelas

Waktu Mengajar
Pagi Siang Sore
Besar 10 5 6 7 5 3 4 6 6 5 7 6 5 6 6 6
Kecil 9 8 10 8 7 7 8 7 8 8 7 10 8
Solusi:

Dilakukan analisis variansi dulu untuk melihat apakah terdapat efek utama
pada baris dan kolom serta efek interaksi.

1. (a) H0A: = 0 untuk setiap i = 1, 2;

H 1A: paling sedikit ada satu yang tidak nol
(b) H0B: = 0 untuk setiap j = 1, 2, 3;
H 1B: paling sedikit ada satu yang tidak nol
(c) H0AB: = 0 untuk setiap i = 1, 2 dan j = 1, 2, 3;
H 1AB: paling sedikit ada satu () yang tidak nol
2. = 5%
3. Komputasi
Tabel 1.15
Data Amatan, Rerata, dan Jumlah Kuadrat Deviasi
Waktu Mengajar
Ukuran Kelas
Pagi (b1) Siang (b2) Sore (b3)
n 4 6 5
X 28 29 30
 Besar
X 7.00 4.83 6.00
X2 210 147 182

C 196.00 140.17 180.00

SS 14.00 6.83 2.00
Kecil n 5 4 4
X 42 30 33

X 8.40 7.50 8.25
X2 358 226 277

C 352.80 225.00 172.25

SS 5.20 1.00 4.75
Keterangan:

( X)2
C= ; SS = X 2 C
n

Tabel 1.16

Rerata Dan Jumlah Rerata

Pagi (b1) Siang (b2) Sore (b3) Total

Besar (a1) 7.00 4.83 6.00 17.83 (A1)
Kecil (a2) 8.40 7.50 8.25 24.15 (A2)
Total 15.40 (B1) 12.33 (B2) 14.25 (B3) 41.98 (G)
N = 4 + 6 + 5+ 5 + 4 + 4 = 28

(2)(3) 6
= = = 4.557
1 1 1 1 1 1 1.317
4+6+5+5+4+4

2 41.982
(1) = = = 293.72
(2)(3)

(2) = , = 14.00 + 6.83 + 2.00 + 5.20 + 1.00 + 4.75 = 33.78

2 17.832 24.152 901.1314
(3) = = + = = 300.377
3 3 3

2 15.402 12.33 14.252 592.2514

(4) = = + + = = 196.126
2 2 2 2
2

(5) = , = 7.002 + 4.832 + + 8.25 = 303.201

JKA = {(3) (1)}

= (4.557)(300.377-293.72) = 30.335
JKB = {(4) (1)}

= (4.557)(296.16 293.72) = 10.994

JKAB = {(1) + (5) (3) (4)}

= (4.557) (293.72+ 303.201 300.377 296.126) = 1.905

JKG = (2) = 33.780

JKT = JKA + JKB + JKAB + JKG

= 30.335 + 10.964 + 1.905 + 33.780 = 76.984

dkA = p 1 = 2 1 = 1

dkB = q 1 = 3 1 = 2

dkAB = (p-1)(q-1) = (1)(2) = 2

dkG = N-pq = 28 - 6 = 22

dkT = N 1 = 28 1 = 27

JKA 30.335
RKA = dkA = = 30.335
1

JKB 10.964
RKB = dkB = 2
= 5.482

JKAB 1.905
RKAB = dkAB = = 0.953
2

JKG 33.780
RKG = dkG = = 1.535
22

RKA 30.335
Fa = RKG = = 19.76
1.535

RKB 5.482
Fb = RKG = 1.535 = 3.57

RKAB 0.953
Fab = = 1.535 = 0.62
RKG

Untuk Fa adalah DK = {F I F > F0.001;1,22} = {FF > 7.95}

 Untuk Fb adalah DK = {F I F > F0.001;1,22} = {FF > 5.72}

Untuk Fab adalah DK = {F I F > F0.001;1.,2} = {FF > 5.72}

Tabel 1.17

Rangkuman Analisis Variansi Dua Jalan

Sumber JK dk RK Fobs F p
Ukuran Kelas (A) 30.335 1 30.335 19.76 7.95 < 0.01
Wkt. Mengajar (B) 10.964 2 5.482 3.57 5.72 > 0.01
Interaksi (AB) 1.905 2 0.953 0.62 5.72 > 0.01
Galat 33.780 22 1.535 - - -
Total 76.984 27 - - - -

4. Keputusan Uji:
H0A ditolak; H0B diterima; H0AB diterima.
5. Kesimpulan:
a. Ukuran kelas berpengaruh terhadap prestasi belajar siswa
b. Waktu mengajar tidak berpengaruh terhadap prestasi belajar
c. Tidak ada interaksi antara ukuran kelas dan waktu mengajar terhadap
prestasi belajar

Karena tidak ada interaksi antara ukuran kelas dan waktu mengajar, maka
perbandinga antara kelas besar dan kelas kecil untuk setiap waktu
mengajar mengikuti perbandingan marginalnya. Dengan memperhatikan
rerata masing-masing sel dan rerata marginalnya dapat disimpulkan bahwa
ukuran kelas kecil lebih efektif dibandingkan dengan ukuran kelas besar,
baik secara umum maupun untuk setiap kategori waktu mengajar.