Suatu penelitian tidak bisa dipisahkan dengan teknik analisisnya, baik itu penelitian kualitatif maupun penelitian kuantitatif. Dalam penelitian kuantitatif terdapat berbagai macam penelitian, di antaranya penelitian yang bersifat komparatif. Teknik analisis data yang dibutuhkan dalam penelitian ini adalah uji beda. Jika yang hendak diuji hanya dua kelompok observasi maka digunakan uji t (t-test). Akan tetapi jika banyaknya kelompok atau observasi lebih dari dua maka digunakan Analisis Varians.

Analisis Varians atau sering disingkat ANAVA dalam Bahasa Inggris disebut Analysis of Variance yang kemudian disingkat menjadi ANOVA. Analisis ini merupakah teknik yang digunakan dalam penelitian komparatif yang bertujuan untuk mempelajari atau menguji hipotesis yang menyatakan perbedaan parameter rata-rata variabel kriterium untuk lebih dari dua kelompok sampel, baik dalam penelitian eksperimen dengan rancangan simple randomized design ataupun group within treatment design maupun dalam penelitian exposfacto atau causal-comparatif (Kadir, 2019). Terdapat beberapa desain Anava serta asumsi yang harus dipenuhi oleh masing-masing desain. Pemilihan desain Anava yang digunakan untuk analisis suatu data didasarkan pada banyaknya variabel dependen serta faktor yang dipertimbangkan. Pemilihan desain yang tepat akan menghasilkan penarikan kesimpulan serta interpretasi yang tepat pula begitu juga sebaliknya. Perhitungan Anava saat ini banyak dilakukan dengan bantuan SPSS maupun aplikasi lain yang saat ini sudah dikembangkan untuk analisis data. Akan tetapi, pemilihan desain Anava, persiapan-persiapan sebelum menganalisis dengan SPSS serta interpretasi output serta pengambilan kesimpulan tetap dilakukan sendiri oleh peneliti.

  1. Konsep Anava

Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam penelitian eksperimen. Metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga adalah bentuk uji hipotesis statistik dimana kita mengambil kesimpulan berdasarkan data atau kelompok statistik inferentif. Hipotesis nol dari uji Anova adalah bahwa data adalah simple random dari populasi yang sama sehingga memiliki ekspektasi mean dan varians yang sama. Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis nol nya adalah semua perlakuan akan memiliki efek yang sama.

Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t  dibatasi untuk menguji hipotesis dua kelompok. Uji Anova atau Analisis Varians (Anava) dikembangkan untuk memungkinkan peneliti menguji   hipotesis perbandingan lebih dari dua kelompok. Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan. Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.

Seperti halnya uji t, dalam uji Anava pun Anda harus menghitung statistik uji (dalam hal ini adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anava dapat dituliskan sebagai berikut; Ho : µ1 = µ2 = µ3 = … µn , biasanya dengan harapan bahwa kita akan dapat menolak Ho untuk memberikan bukti berlakunya hipotesis alternatif, yaitu Ha: salah satu tanda “sama dengan” tidak berlaku. Untuk menguji Ho, kita mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan ukuran-ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk menolak Ho. Seperti pada uji statistik yang lain, kita menolak Ho ketika mendapati statistik uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu.

Uji Anova adalah menganalisis variabilitas data menjadi dua sumber variasi yaitu variasi didalam kelompok (within) dan variasi antar kelompok (between). Bila variasi keduanya sama (nilai perbandingan keduanya mendekati angka satu), maka hal ini menunjukkan bahwa tidak ada perbedaan dari intervensi yang dilakukan. Dengan kata lain, nilai mean yang dibandingkan tidak ada perbedaan. Sebaliknya jika variasi antara kelompok lebih besar dari variasi didalam kelompok, artinya intervensi yang diberikan memberikan efek yang berbeda, atau dengan kata lain nilai mean yang dibandingkan memiliki perbedaan (Wawasan Edukasi, 2020).

Pendapat senada dijelaskan oleh Ruseffendi (1993) yaitu bahwa konsep yang mendasari Anava adalah varians dari skor yang bertumpu pada dua buah sumber, yaitu varians antar kelompok yang disebabkan oleh perlakuan dan varians  dalam kelompok yang disebabkan oleh kekeliruan pemilihan sampel. Dengan demikian, Anava mempelajari apakah perbedaan antara dua kelompok atau lebih secara potensial disebabkan oleh varians antar kelompok perlakuan ataukah karena varians kekeliruan pemilihan sampel. Apabila varians antar kelompok disimbolkan RJK (A) dan varians dalam kelompok atau kekeliruan pengambilan sampel disimbolkan RJK (D), maka perbedaan rata-rata dengan teknik Anava diformulasikan sebagai statistik:

Hasil perhitungan nilai F di atas kemudian dibandingkan dengan F tabel, dimana jika F hitung lebih besar dari F tabel maka hipotesis nol (Ho) ditolak, yang artinya perbedaan perlakuan berpengaruh signifikan terhadap variabel dependen.

Jika analisis dilakukan secara manual, maka untuk memudahkan penghitungan dari F hitung di atas, dapat disusun tabel Anava terlebih dahulu. Tabel yang dimaksud adalah sebagai berikut:

Tabel Anava

Akan tetapi, jika analisis dilakukan dengan bantuan aplikasi SPSS, maka akan langsung didapatkan nilai F hitung serta beberapa output yang akan membantu pengambilan kesimpulan. Langkah-langkah penerapan analisis Anava dengan SPSS akan diuraikan dalam bagian lain makalah ini.

Setelah perhitungan F hitung dan uji hipotesis, maka langkah selanjutnya adalah penarikan kesimpulan di mana ada beberapa hal yang perlu dipertimbangkan, yaitu:

  1. Jika dalam pengujian Ho pada uji ANOVA diterima, maka sudah dapat diambil kesimpulan dan pengujian dapat dihentikan sampai disini.
  2. Jika dalam pengujian ANOVA Ho ditolak, maka untuk mengetahui seberapa besar pengaruhnya, maka dilakukan uji menggunakan analisis perbandingan ganda.

Ciri khas Anava adalah adanya satu atau lebih variabel bebas sebagai faktor penyebab dan satu atau lebih variabel response/dependen sebagai akibat atau efek dari adanya faktor. Contoh penelitian yang dapat menggambarkan penjelasan ini: “Adakah pengaruh metode pembelajaran (Metode 1: latihan soal-soal matematika bentuk cerita, Metode 2: dilakukan dengan berlatih soal-soal UN tahun lalu, Metode 3: dengan layanan asistensi tugas-tugas) terhadap prestasi belajar Matematika.” Dari judul tersebut jelas sekali bahwa metode pembelajaran adalah faktor penyebab sedangkan prestasi belajar adalah akibat atau efek dari adanya perlakuan faktor. Ciri lainnya adalah variabel response berskala data rasio atau interval (numerik atau kuantitatif).

  1. Jenis-Jenis Anava

Mengingat uji Anava ini banyak digunakan dalam penelitian eksperimen, maka uji Anava/Anova dapat dibagi berdasarkan desainnya, yaitu:

  1. Anava satu jalur atau satu arah (Univariate One Way Anova)

Rancangan ini digunakan untuk menguji perbedaan di antara lebih dari dua kelompok dimana hanya terdapat satu faktor yang dipertimbangkan.

Contoh: Membandingkan pengaruh beberapa metode pembelajaran terhadap hasil belajar. Tabel ilustrasi disajikan sebagai berikut.

Tabel Contoh Data Rancangan Anava Satu Jalur

Inquiri Penemuan Terbimbing Ekspositori Problem Based Learning
8 8 7 9
7 8 9 8
9 9 8 7
  1. Anava Satu Jalan Group Within Treatment (GWT)

Rancangan ini merupakan pilihan jika randomisasi subjek terpaksa tidak bisa dilakukan. Desain ini tidak bertujuan untuk menguji hipotesis pengaruh perbedaan antar kelompok, hal ini disebabkan pembentukan kelompok tidak dilakukan secara acak tetapi berdasarkan kriteria tertentu seperti umur yang sama, kurikulum, kemampuan rata-rata siswa dan sebagainya. Pembentukan kelompok bertujuan untuk mengurangi keragaman unit perlakuan dalam setiap kelompok. Dengan kata lain, desain ini mengusahakan kehomogenan unit perlakuan dalam kelompok. Dengan demikian, dalam GWT yang diuji hanya pengaruh perlakuan saja bukan pengaruh perlakuan yang disebabkan oleh perbedaan antar kelompok (Kadir, 2019).

Contoh: Dua metode pembelajaran diberlakukan kepada 3 kelompok, misalnya metode A dilakukan terhadap kelompok K1, K2 dan K3. Metode B dilakukan terhadap 3 kelompok lain, yaitu K4, K5 dan K6. Pemilihan kelompok K1, K2, K3, K4, K5 dan K6 dilakukan secara random. Setalah diberi perlakuan/pembelajaran dengan metode di atas, didapatkan hasil tes dengan ilustrasi tabel sebagai berikut.

Tabel Contoh Data Rancangan Anava Satu Jalur GWT

  1. Anava Faktorial

Rancangan ini merupakan pengembangan dari anova satu arah dimana ada lebih dari satu faktor dan interaksinya yang dipertimbangkan. Misalnya bukan hanya faktor dosis obat tetapi juga frekuensi pemberian obat. Pada anova faktorial, interaksi atau kombinasi di antara faktor juga dipertimbangkan. Anova dua jalur/arah (univariate two way anova) dan Univariate Multi Way Anova termasuk dalam Anova faktorial.

Contoh Two Way Anova: membandingkan pengaruh metode  pembelajaran (Inquiri, Penemuan Terbimbing, Ekspositori, PBL) dan penggunaan media pembelajaran (Geogebra, LKS, Kerangka Bangun Ruang) pada hasil belajar matematika Dimensi Tiga. Tabel ilustrasi disajikan sebagai berikut.

Tabel Contoh Data Rancangan Anava Dua Jalur

  Inquiri Penemuan Terbimbing Ekspositori Problem Based Learning
Geogebra 8 8 9 … … … … … … … … … … …
LKS … … … … … … … … … … … …
Kerangka Bangun Ruang … … … … … … … … … … … …
  1. Anava Dua Jalan Group Within Treatment (GWT)

Anava ini menggunakan desain GWT dalam desain eksperimen untuk dua faktor/perlakuan atau lebih. Prinsipnya sama dengan Anava Satu Jalan Group Within Treatment (GWT). Perbedaan terletak banyaknya faktor dan juga mempelajari interaksi faktor interaksi di antara variabel bebas.

Contoh: Dua pendekatan pembelajaran (RME dan Tematik) dan dua bentuk tes formatif (Uraian dan Pilihan Ganda) akan diuji pengaruhnya terhadap kemampuan komunikasi matematika. Pelaksanaan metode dan tes formatif tersebut diterapkan terhadap kelompok (K) dengan pembagian: RME-Uraian dan RME-Pilihan Ganda diterapkan kepada K1, K2 dan K3, sedangkan Tematik-Uraian dan Tematik-Pilihan Ganda diterapkan terhadap K4, K5 dan K6. Kemampuan komunikasi yang didapatkan dapat disajikan dalam ilustrasi tabel berikut ini.

Tabel Contoh Data Rancangan Anava Dua Jalan GWT

  1. Anava Repeated Measures

Rancangan ini digunakan ketika dalam desain eksperimen mengijinkan subjek penelitian diikutsertakan pada perlakuan yang berbeda. Penggunaan teknik repeated measures bertujuan untuk menguji apakah ada perbedaan secara nyata dari berbagai  hasil pengukuran yang dilakukan berulang-ulang pada suatu variabel penelitian. Perbedaan mendasar antara One Way Anova dengan uji Repeated Measures Anova terletak pada sampel yang diteliti. One Way Anova sampel yang digunakan saling bebas/tidak berpasangan, sementara dalam uji Repeated Measures Anova sampel yang digunakan saling berpasangan. Uji Repeated Measures Anova merupakan teknik lebih lanjut dari uji paired sample t test dimana dalam uji Repeated Measures Anova dapat digunakan untuk menguji perbedaan dari tiga sampel atau lebih yang saling berpasangan sedangkan uji paired sample t test hanya untuk dua sampel berpasangan (Raharjo, 2019).

Contoh: Seorang peneliti hendak mengetahui apakah obat herbal merk A benar-benar mampu menurunkan berat badan seseorang dalam kurun waktu tertentu. Untuk keperluan ini sekelompok sampel/responden yang mengkonsumsi obat ini ditimbang berat badannya ketika sebelum mengkonsumsi, setelah seminggu mengkonsumsi dan setelah sebulan mengkonsumsi. Dengan demikian didapatkan 3 sampel berpasangan yang selanjutnya diuji dengan menggunakan uji Repeated Measures Anova untuk menjawab pertanyaan penelitian.

Tabel Contoh Data Rancangan Anava Repeated Measures

Sebelum Konsumsi Obat (Kg) Seminggu Setelah Konsumsi Obat (Kg) Sebulan Setelah Konsumsi Obat (Kg)
80 78 78
85 84 83
77 76 74
  1. Multivariat Anava atau Multivariate Analysis of Variance (Manova)

Berbeda dengan uji Anova yang hanya mengukur satu respon, Manova mengukur lebih dari satu respon dalam satu kali eksperimen. Dengan kata lain, dalam Manova variabel terikatnya lebih dari satu. Misalnya kita meneliti dampak obat dalam beberapa dosis. Respon yang diteliti lebih dari satu misalnya kadar Trigleserida , LDL dan HDL pada pasien. Multivariat Anova juga dibedakan menjadi beberapa jenis berdasarkan jumlah variabelnya, yaitu Multivariate One Way Analysis of Variance, Multivariate Two Way Analysis of Variance dan Multivariate Multi Way Analysis of Variance (Hidayat, 2017).

Contoh Multivariate One Way Anova: Penelitian yang berjudul “Pengaruh Pekerjaan Orang Tua Terhadap Nilai Ujian Matematika, Fisika dan Biologi Siswa Kelas 6 SD A”. Variabel Terikat ada 3, yaitu Nilai Ujian Matematika, Fisika dan Bilologi sedangkan Variabel Bebas hanya satu yaitu Pekerjaan Orang Tua (terdapat 3 kategori/kelompok, yaitu Tani, Buruh dan PNS). Tabel data disajikan sebagai berikut.

Tabel Contoh Data Rancangan Manova Satu Jalur

Jenis-jenis Anava dan perbedaannya disajikan dalam tabel rangkuman berikut ini.

Tabel Rangkuman Jenis-Jenis Anava

  1. Asumsi-Asumsi yang Harus Dipenuhi

Sebelum menggunakan Anava untuk menganalisis data penelitian, terdapat beberapa syarat atau asumsi yang harus dipenuhi, yaitu:

  1. Normalitas. Sebaran data untuk masing-masing kelompok harus berdistribusi normal, dimana hal itu bisa diuji dengan Uji Normalitas sebelum dilakukannya uji Anava.
  2. Untuk Two Way Anova, nilai residual standar atau standarized residual harus berdistribusi normal.
  3. Homogenitas varians. Varians antara kelompok yang dibandingkan harus homogen. Uji homogenitas dilakukan dengan Uji Lavene bersamaan dengan uji Anava.
  4. Independensi observasi. Kelompok yang dibandingkan harus berasal dari sampel yang berbeda atau tidak berpasangan atau dengan kata lain, responden untuk masing-masing kelompok haruslah berbeda, kecuali untuk Uji Repeated Measures Anova.
  5. Data penelitian untuk variabel terikat idealnya berskala interval. Jika data yang diperoleh berskala ordinal maka bisa ditransformasi atau diubah skalanya menjadi skala interval terlebih dahulu. Transformasi data bisa dilakukan dengan MSI atau Metode Suksesif Interval (Raharjo, 2018).
  6. Variabel bebas idealnya bersifat non metrik atau berskala ordinal (kategorial). Misalnya pengaruh perbedaan tingkat pendidikan orang tua terhadap prestasi/hasil belajar siswa di mana tingkat pendidikan merupakan variabel bebas yang bersifat kategorial/ordinal (SD, SMP, SMA, PT dan seterusnya) dan variabel terikatnya adalah hasil belajar siswa yang merupakan data interval (berupa nilai/capaian kemampuan belajar).
  7. Contoh Penerapan Anava dengan SPSS

Berikut ini salah satu contoh penerapan Anava satu jalan dengan menggunakan bantuan SPSS. Seorang peneliti ingin mengetahui perbedaan pengaruh empat metode pembelajaran, yaitu Metode Inquiri (A), Penemuan Terbimbing (B) dan Metode Ekspositori (C) terhadap skor kemampuan berpikir kritis empat kelompok siswa setelah diterapkan metode tersebut (1 kelompok siswa untuk 1 jenis metode pembelajaran) dengan taraf kepercayaan 95% atau α = 0,05. Diperoleh data skor kemampuan berpikir kritis sebagai berikut.

Tabel Data Rancangan Anava Contoh Kasus

Langkah-langkah yang perlu dilakukan adalah sebagai berikut.

Uji Normalitas

  1. Menyiapkan Data yang Siap Diinput ke dalam SPSS

Data yang hendak dimasukkan ke dalam SPSS harus disusun sedemikian rupa di dalam sheet excell hingga berupa 2 kolom karena kita hendak menganalisis 2 variabel (1 variabel terikat dan 1 variabel bebas). Data mentah di atas disusun sebagai berikut.

  • Copy dua kolom di atas dan paste ke dalam SPSS
  • Klik Variable View yang ada di bawah data, untuk mengubah nama variabel sehingga lebih mudah di baca (Langkah ini tidak wajib dilakukan).
  • Kemudian, klik Data View di bagian bawah untuk kembali ke halaman data. Pilih Analyze à Descriptive Statistics à Explore.
  • Maka akan muncul kotak seperti di bawah ini. Kemudian pindahkan “Metode Pembelajaran” ke Factor List dan “Skor Kemampuan” ke Dependent List menggunakan kotak panah di bagian tengah. Lalu pilih menu Plots yang ada di bagian kanan.
  • Maka akan muncul kotak “Explore Plots” seperti di bawah ini. Lalu centang “Normality plots with test” dan klik tombol Continue di bagian bawah. Maka akan kembali ke kotak sebelumnya, lalu klik OK.
  • Akan muncul Output SPSS yang terdiri dari beberapa tabel. Fokus pada tabel ketiga yang berjudul Tests of Normality.
  • Pengambilan keputusan uji normalitas sudah dapat ditentukan dari nilai Sig. pada bagian Shapiro-Wilk.

Jika nilai Sig. > 0,05 maka data berdistribusi normal dan jika nilai Sig. < 0.05 maka data tidak berdistribusi normal.

Berdasarkan tabel di atas, maka dapat disimpulkan bahwa data skor kemampuan berpikir kritis baik dengan metode Inquiri, Penemuan Terbimbing maupun Ekspositori berdistribusi normal sehingga Uji Anava bisa dilakukan.

Jika ternyata hasil uji normalitas menunjukkan bahwa data tidak berdistribusi normal, maka kita bisa menggunakan statistik non parametrik, yaitu Uji Kruskall-Wallis sebagai pengganti Anava.

Uji Anava Satu Jalan (One Way Anava)

  1. Menentukan Hipotesis

Ho : µ1 = µ2 = µ3    (secara keseluruhan 3 nilai rerata yang dibandingkan tidak berbeda secara signifikan)

Ha : paling sedikit satu “tanda sama dengan” tidak berlaku

  • Menyiapkan data di Excel seperti prosedur di atas kemudian di copy-paste ke dalam SPSS. (Atau bisa juga melanjutkan data yang sudah ada di SPSS ketika Uji Normalitas sebelumnya)
  • Pada tampilan Data View, pilih Analyze – Compare Means – One Way ANOVA.
  • Lalu akan muncul kotak seperti di bawah ini.

Pindahkan Metode Pembelajaran ke kotak Factor dan Skor Kemampuan ke kotak Dependent List. Lalu klik Option.

(Bisa juga kita klik Post Hoc juga jika ingin sekaligus memunculkan output perbandingan ganda, akan tetapi bagian ini akan dibahas tersendiri oleh Kelompok 3).

  • Setelah klik Option, maka akan muncul kotak dialog seperti di bawah.

Centang Descriptive dan Homogenity of variance test, lalu klik Continue.

(ini adalah tahapan menampilkan statistik deskriptif dan uji homogenitas. Di mana Uji homogenitas adalah salah satu asumsi yg harus terpenuhi jika melakukan Uji Anava)

Setelah itu halaman akan kembali ke kotak sebelumnya, lalu klik OK.

  • Akan muncul Output yang terdiri dari beberapa tabel. Kita lihat dulu hasil Uji Homogenitas yaitu tabel Test of Homogenity of Variances.

Nilai Sig. sebesar 0,946 atau > 0,05 sehingga dapat disimpilkan bahwa varians ketiga metode tersebut homogen. Dengan demikian, uji homogenitas telah terpenuhi dan output Uji Anova bisa ditafsirkan.

  • Pada tabel Descriptives, kita mendapatkan berbagai statistik yang diperlukan.
  • Pada tabel ANOVA, kita dapat langsung menarik keputusan mengenai hipotesis yang diajukan.

Dasar pengambilan keputusan adalah kolom paling kanan yaitu nilai Sig.

Didapatkan nilai Sig. adalah 0,000 yang berarti < 0.05 sehingga Ho ditolak.

Dengan demikian dapat disimpulkan bahwa ketiga metode pembelajaran (Inquiri, Penemuan Terbimbing dan Ekspositori) mempunyai pengaruh yang berbeda secara signifikan terhadap skor kemampuan berpikir kritis.

Catatan:

  • Jika Uji Anava menghasilkan Ho diterima atau tidak terdapat perbedaan pengaruh yang signifikan terhadap variabel terikat, maka proses sudah selesai.
  • Jika didapatkan kesimpulan bahwa ketiga metode tersebut memberikan pengaruh yang berbeda, maka dilanjutkan dengan Uji Lanjut atau Uji Perbandingan Ganda yang bisa dilakukan bersamaan dengan proses uji Anava, yaitu dengan klik Post Hoc dan memilih jenisnya.

.

Latihan Soal

  1. Apakah perbedaan mendasar antara Uji-t dengan Anava?
  2. Statistik Uji apakah yang digunakan dalam Anava? Jelaskan konsepnya!
  3. Sebutkan jenis-jenis rancangan Anava!
  4. Asumsi apa sajakah yang harus dipenuhi untuk dapat melakukan Anava? Jelaskan!
  5. Sebutkan perbedaan antara Anova dan Manova!

DAFTAR PUSTAKA

Hidayat, A. (2017). Penjelasan Lengkap ANOVA Sebagai Analisis Statistik. https://www.statistikian.com/2017/06/anova-sebagai-analisis-statistik.html

Kadir. (2019). Statistika Terapan (3rd ed.). Rajawali Pers.

Raharjo, S. (2018). Cara Melakukan Analisis Anova Satu Faktor dengan SPSS. www.spssindonesia.com

Raharjo, S. (2019). Cara Uji Repeated Measures Anova dengan SPSS serta Interpretasi. https://www.spssindonesia.com/2019/01/uji-repeated-measures-anova-dengan-spss.html.

Ruseffendi, E. T. (1993). Statistik Dasar untuk Penelitian Pendidikan. Depdikbud.

Wawasan Edukasi. (2020). Uji Perbandingan Ganda. https://www.wawasan-edukasi.web.id/uji-perbandingan-ganda

By admin

Comments are closed.