Analisis Varians

Sebelumnya telah diposting sebuah artikel tentang uji t yang digunakan untuk membandingkan
dua buah mean. Dalam beberapa kasus, peneliti dituntut untuk membandingkan populasi lebih
dari 2 mean. Disisi lain, sangat tidak dianjurkan menggunakan uji t (untuk uji beda lebih dari
dua mean). Alasannya selain tidak efektif akibat melakukan pengujian berulang ulang kali,
juga karena dapat menyebabkan meningkatnya peluang kesalahan.
Untuk mengatasi masalah tersebut, uji ANOVA (Analisis of Variance) atau sering juga
diistilahkan sebagai uji sidik ragam, dikembangkan oleh Ronald Fisher. Prinsip pengujiannya
adalah menganalisis variabilitas atau keragaman data menjadi dua sumber variasi, yaitu variasi
dalam kelompok (within) dan variasi antar kelompok (between). Bila
variasi within dan between sama maka rata-rata yang dihasilkan tidak ada perbedaan,
sebaliknya bila hasil perbandingan kedua varian tersebut menghasilkan nilai lebih dari 1, maka
rata-rata yang dibandingkan menunjukkan adanya perbedaan.
Beberapa asumsi dasar yang mesti dipenuhi pada uji ANOVA adalah:
(a) Data sampel yang digunakan berdistribusi normal atau dianggap normal,
(b) Populasi tersebut memiliki varian yang homogen,
(c) Sampel tidak berhubungan satu dengan lain (independen), sehingga uji ANOVA tidak bisa
digunakan untuk sampel berpasangan (paired).
Terdapat beberapa jenis ANOVA, yaitu: ANOVA satu jalur (one way ANOVA) dan ANOVA
dua jalur (two way ANOVA). One way ANOVA digunakan untuk menguji hipotesis komparatif
rata-rata k sampel, bila pada setiap sampel hanya terdiri atas satu kategori. Sedang two way
ANOVAdigunakan untuk menguji hipotesis komparatif rata-rata k sampel bila peneliti
melakukan kategorisasi terhadap sampel.
Unuk lebih jelasnya, peharikan contoh berikut. Misalkan peneliti ingin membandingkan
produktivitas tanaman padi pada Varietas A, B, C dan D, maka dapat digunakan ANOVA satu
jalur. Sedang bila sampel tersebut dikelompokkan lagi berdasarkan tingkat kesuburan
tanahnya, maka digunakan ANOVA dua jalur (two way ANOVA).
Fokus pembahasan kali ini adalah tentang uji ANOVA satu jalur (one way ANOVA), sedang
untuk two way ANOVA, INSYAALLAH akan dibahas pada artikel berikutnya.
ANOVA satu jalur(One Way Anova) menggunakan prinsip perhitungan yang sangat sederhana,
dalam analis ini, variance total hanya dibagi atas: Variance antar perlakuan (between), dan
variasi dalam perlakuan (within)/variance error.
Berikut adalah langkah-langkah dalam perhitungan ANOVA satu jalur:
(a) Tentukan k atau banyaknya perlakuan,
(b) Tentukan n atau banyaknya sampel,
(c) Hitung jumlah kuadrat total dengan rumus:
 (d) Hitung jumlah kuadrat perlakuan dengan rumus:

(e) Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel berikut,

(f) Cari harga F tabel dengan mempertimbangkan (1) tingkat signifikansi (α), (2) df antar
perlakuan, dan (3) df dalam perlakuan,
(g) Bandingkan harga F Hitung dengan F tabel,
1. Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua perlakuan tidak berbeda
secara signifikan,
2. Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima, yang berarti rata-rata kedua
perlakuan berbeda secara signifikan.
Untuk lebih jelasnya, lihat contoh kasus berikut:
Seorang peneliti ingin membandingkan, penggunaan Varietas A, B, C dan D terhadap
produktivitas tanaman padi. Maka peneliti tersebut melakukan percobaan dengan desain
Rancangan Acak Lengkap (Completely Randomized Design). Tampilan denah dan hasil dapat
dilihat seperti berikut:
Untuk mengetahui apakah ada perbedaan yang signifikan antara perlakuan, maka dilakukan uji
ANOVA satu jalur dengan menggunakan perhitungan yang langkah-langkahnya telah
mudahditerangkan sebelumnya.
Pengerjaan perhitungan tersebut dapat lebih mudah diselesaikan dengan menggunakan aplikasi
program Microsoft Excel.
Hasil perhitungan menggunakan program Microsoft Excel dapat dilihat pada tabel berikut:
Karena nilai F Hitung (7,25) lebih besar dari nilai F tabel (2,85), maka Ho ditolak, sehingga
konsekuensinya adalah hipotesis alternatif atau H1 diterima. Maka dapat disimpulkan bahwa
perbedaan varietas memberikan pengaruh yang signifikan terhadap produktivitas tanaman.
Terakhir, yang perlu diperhatikan adalah: uji ANOVA hanya memberikan indikasi tentang ada
tidaknya beda antar rata-rata populasi. sehingga bila uji dinyatakan berbeda secara signifikan,
berarti secara keseluruhan, ada perbedaan. Akan tetapi, belum tentu mengindikasikan adanya
perbedaan antara Varietas A dan B, atau A dan C, dan sebagainya.
Sehingga bila ingin mengetahui ada tidaknya perbedaan antara tiap individu populasi, maka
mesti dilakukan uji lanjut berupa: LSD atau sering diistilahkan dengan BNT, Uji Tukey HSD
atau sering diistilahkan dengan BNJ, Uji Duncan, Uji Dunnet, dsb.
Kegunaan Anova
Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang mana menilai adakah
perbedaan rerata antara kelompok. Hasil akhir dari analisis ANOVA adalah nilai F test atau F hitung.
Nilai F Hitung ini yang nantinya akan dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih
dari f tabel, maka dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti ada
perbedaan bermakna rerata pada semua kelompok.
Uji Manova

Manova adalah uji statistik yang digunakan untuk mengukur pengaruh variabel independen yang
berskala kategorik terhadap beberapa variabel dependen sekaligus yang berskala data kuantitatif.
Analisis ini dsiebut juga dengan istilah multivariat anova.
Multivariat anova merupakan singkatan dari multivariate analysis of variance, artinya merupakan
bentuk multivariate dari analysis of variance (ANOVA). Bentuk multivariate maksudnya adalah
terdapat lebih dari satu variabel terikat.
Sehingga uji manova digunakan untuk mengukur pengaruh variabel independen terhadap beberapa
variabel dependen secara simultan atau sekaligus.
Uji ini mirip sekali dengan uji Hotelling’s T2. Letak perbedaannya adalah jika uji hotelling’s T2
digunakan apabila hanya terdapat 1 variabel independen dengan 2 kategori saja. Sedangkan
multivariat anova dapat digunakan pada lebih dari 1 variabel independen dan/atau kategori dua atau
lebih.

Jadi apabila dibuat kesimpulan:

Uji ini adalah bentuk multivariat dari ANOVA, sedangkan Hotelling’s T2 adalah
bentuk multivariat dari independen t test. Berikut Gambarannya:

Multivariat anova dapat dikatakan kebalikan dari analisis diskriminan, karena pada analisis
diskriminan variabel dependen yang berskala kategorik dan variabel independen yang berskala
kuantitatif. Kedua uji ini mempunyai kesamaan dalam cara menentukan nilai variate dan menguji
signifikansi statistic antar kelompok.
Keunggulannya adalah mampu digunakan untuk menganalisis pengaruh setiap variabel independen
yang berskala kategorik terhadap masing-masing variabel dependen secara terpisah, di mana variabel
dependen berskala kuantitatif.

Dalam penggunaannya, membutuhkan asumsi, yaitu ukuran sampel yang lebih besar dari pada univariat
ANOVA, di mana dalam manova ada batasan khusus dalam setiap sel (kelompok), minimal sebanyak
20 observasi. Dan jumlah sampel di setiap sel harus lebih besar dari jumlah variabel dependen.

Demikian di atas telah dijelaskan secara singkat kepada para pembaca atau mahasiswa yang sedang
penelitian. Meskipun singkat, kiranya sudah jelas, bahwa analisis dalam artikel ini dapat bermanfaat
bagi para peneliti atau mahasiswa untuk melakukan uji kausal komparatif jika skala data variabel terikat
ada lebih dari dan berskala data interval atau rasio. Sedangkan variabel bebasnya bebasnya adalah data
kategorik.
Tutorial Uji Manova dalam SPSS

Uji Manova adalah Uji Multivariat Analisis Jalur atau disebut juga Multivariat Analysis Of Variance.
Manova hampir sama dengan One Way Anova, letak perbedaannya adalah pada
jumlah variabel dependen atau variabel terikat yang diuji di dalam model. Kalau One Way Anova,
hanya ada 1 variabel dependen, sedangkan pada Manova ada lebih dari 1 variabel dependen.

Agar anda lebih memahami apa itu Uji Manova, alangkah lebih baiknya anda mempelajari artikel kami
sebelumnya yang membahas tentang ANOVA, antara lain:

1. One Way Anova dalam SPSS

2. One Way Anova dalam Excel
3. Two Way Anova dalam SPSS
4. Two Way Anova dalam Excel
5. Two Way Anova Tanpa Replikasi dalam Excel
6. Uji Ancova Dalam SPSS

Setelah anda mempelajari artikel-artikel di atas, kami yakin anda akan memahami apa yang disebut
dengan Manova.

Tutorial Uji Manova dengan SPSS

Contoh Uji Manova dengan SPSS

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:

1. Pekerjaan Orang Tua

2. Nilai Ujian Matematika
3. Nilai Ujian Fisika
4. Nilai Ujian Biologi

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.

Dataset Manova

Langkah Uji Manova

Membuat Dataset Uji Manova dengan SPSS

Buatlah hasil penelitian pada 4 variabel ke dalam bentuk data sebagai berikut:

Keterangan:

Pekerjaan: 1= Tani, 2=Buruh dan 3=PNS

Buka SPSS dan Buat 4 variabel seperti di atas.

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

Kopi paste data dalam tabel di atas: Pekerjaan, Matematika, Fisika dan Biologi.

Tahap Analisis Manova dengan SPSS

Langkah berikutnya adalah: pada menu di SPSS, klik Analyze, General Linear Model, Multivariate:

Lihat Tabel di bawah ini: Lalu masukkan variabel Matematika, Fisika dan Biologi ke kotak “Dependent
Variables”. Masukkan Variabel Pekerjaan ke dalam kotak Fixed Factor (s).
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 mengubah Type ke Main Effects.

Tahap Analisis Post Hoc Setelah Manova

Klik Continue.

Klik Tombol Post Hoc. Maka akan muncul jendela seperti di bawah ini: Lalu masukkan Factor
Pekerjaan ke kotak Post Hoc Test For, pada Equal Variances Assumed centang Bonferroni
dan pada Equal Variances Not Assumed centang Games-Howell.

Klik Continue
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.