Statistika Analisa Uji Fisher Berupa Ana

(1)

BAB I PENDAHULUAN A. 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 pertanian 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 bersama-sama 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.

Biasanya jika untuk menguji perbedaan rata-rata antara 2 kelompok independen digunakan Uji-t, maka dalam hal ini 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 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 untuk mendapatkan hasil yang keliru.

B. Rumusan Masalah

1. Bagaimana penjelasan secara teoritik tentang statistika analisis uji fisher berupa anava dua jalan dengan uji lanjut ?

(2)

2. Bagaimana pengaplikasian statistika analisis uji fisher berupa anava dua jalan dengan uji lanjut dalam penelitian ?

C. Tujuan Penyajian

1.

Menjelaskan secara teoritik statistika analisis uji fisher berupa anava dua jalan dengan uji lanjut.

2.

Menjelaskan dan menjabarkan pengaplikasian teknik analisis varians dua jalur untuk menganalisis data penelitian dalam rangka menguji hipotesis penelitian.

(3)

BAB II

KAJIAN PUSTAKA A. Analisis Varians (Anava/Anova)

Menurut Riduan (2003:217) Anava atau anova adalah anonim dari analisis varians terjemahan dari analysis of variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan bagian dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata.

Anava digunakan apabila variabel terikatnya kontinu (interval-rasio, sedangkan variabel bebasnya nominal (kategori). Anava dapat diterapkan untuk menganalisis data pengamatan penelitian eksperimental maupun non-eksperimental (deskriptif dan causal-comparative). Dalam penelitian eksperimental, bentuk anava yang paling sederhana digunakan untuk menguji signifikansi perbedaan rata-rata yang merupakan akibat atau efek dari (jenis) perlakuan yang bebeda yang diungkapkan oleh Djudin (2013:33). Ahli statistik yang mempunyai kontribusi besar dalam mengembangkan uji Analisis Variansi ini adalah Sir Ronald A. Fisher (1890 – 1962).

Budiwanto (2004:101) Teknik statistik analisis varians (Anava) digunakan untuk menguji perbedaan dua mean distribusi atau lebih sekaligus. Uji perbedaan itu dilakukan menggunakan F-tes.

Dengan demikian, analisis varians (Anava/Anova) merupakan suatu bagian dari metoda analisis statitiska yang bertujuan untuk memeriksa atau menguji signifikasi perbedaan mean dua kelompok atau lebih sekaligus yang diakibatkan ada jenis perlakuan (treatment) yang berbeda.

B. Klasifikasi Analisis Varians (Anava/Anova)

Budiyono (2004:_) mengklasifikasikan analisis varians, berdasarkan banyak variable terikat-nya, Analisis Variansi diklasifikasikan menjadi dua kelompok, yaitu 1. Analisis Variansi Univariate

Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat 2. Analisis Variansi Mutivatiate

(4)

Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat.

Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Univariate dibagi menjadi tiga kelompok yaitu

1. Analisis Variansi Univariate Satu Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan satu variabel bebas

2. Analisis Variansi Univariate Dua Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan dua variabel bebas

3. Analisis Variansi Univariate Tiga Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat dan tiga variabel bebas.

Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Multivariate juga dibagi menjadi 3 bagian yaitu

1. Analisis Variansi Multivariate Satu Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan satu variabel bebas

2.

Analisis Variansi Multivariate Dua Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan dua variabel bebas

3.

Analisis Variansi Multivariate Tiga Jalan

Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu variable terikat dan tiga variabel bebas

C. Persyaratan Analisis Varians (Anava/Anova)

Tidak semua jenis penelitian dapat dianalisa dengan Analisis Variansi, tetapi penelitian yang hanya memenuhi persyaratan Analisis Variansi. Adapun persyaratan untuk Analisis Variansi menurut Djudin (2013:46) adalah sebagai berikut :

1. Subjek yang menjadi sampel pada setiap kelompok harus diambil secara acak (random). Artinya, setiap subjek dalam populasi mempunyai peluang atau kesempatan sama untuk terpilih menjadi sampel.

(5)

2. Data pengamatan (skor/nilai) pada setiap kelompok sampel harus berdistribusi normal. Uji kenormalan distribusi data hasil pengamatan dapat dilakukan dengan beberapa uji misalnya; chi-kuadrat, liliefors, dan kolgomorov-smirnov.

3. Varian data pengamatan pada setiap kelompok harus homogen, atau tidak berbeda secara signifikan. Uji homogenitas varians dapat dilakukan dengan uji Barlett, dan uji-F. Fhitung= varians sampel yang terbesar dibagi dengan varians yang terkecil.

F

=

var

iansterbesar

var

iansterkecil

Jika Fhitung diatas lebih kecil dari Ftabel, untuk α tertentu dengan dkpembilang adalah np-1 dan dkpenyebut =nb-1(np adalah jumlah sampel kelompok pembilang dan nb adalah jumlah sampel kelompok penyebut), H0 : diterima. Artinya , variansi populasi bersifat homogen. Dalam hal sebaliknya, H0 : ditolak, disimpulkan varians populasi tidak homogen.

4. Efek atau pengaruh dari beberapa faktor terhadap variasi total bersifat aditif. Artinya, apabila dilakukan pemisahan atau partisi terhadap keseluruhan data pengamatan, maka hasil partis tersebut merupakan bagian independen dan variasi total yang terjadi merupakan penjumlahan (bukan perkalian) dari variasi yang timbul pada partisi-partisi nya (antara lain: antar kelompok , dalam kelompok, dan interaksi antar kelompok).

D. Analisis Varians Dua Jalan (Anava Two Ways)

Penelitian eksperimen dapat dirancang untuk melihat pengaruh dua variabel bebas (treatments) secara serentak. Penelitian semacam ini melibatkan dua klasifikasi. Analisis data pengamatan atau penilaian yang melibatkan dua klasifikasi menggunakan Anova dua jalan (Djudin,2013:51).

Apabila design yang dikembangkam untuk mencari ada tidaknya perbedaan dari 2 (dua) variabel bebas, dan masing-masing variabel bebas dibagi dalam beberapa kelompok, maka design yang dikembangkan tersebut sering disebut dengan two factorial design (Irianto,2008:251). Dalam kasus ini peneliti akan menghadapi kelompok sebanyak hasil kali banyak kelompok variabel bebas pertama dan banyak kelompok variabel bebas kedua.

Misalnya kita mempunyai variabel bebas metode mengajar dan jenis kelamin. Untuk variabel bebas metode mengajar dikelompokan menjadi 3 (Metode A, B dan C0, sedangkan untuk jenis kelamin dibagi 2 yaitu laki-laki dan perempuan. Dalam hal

(6)

ini banyak kelompok yang dihadapi adalah 3 x 2 = 6. Untuk ilsutrasi design factorialnya adalah sebagai berikut:

Metode Mengajar

A B C

Jenis Kelami

Laki-laki Perempuan

E. Langkah-Langkah Pengujian Hipotesis Dengan Anava Dua Jalur 1. Menghitung daftar belanja statistik

Data yang peroleh melalui angket, pengamatan, wawancara, tes atau dokumentasi atau kombinasi metode-metode tersebut dipilih yang berhubungan dengan variabel, dikelompokan mana variabel bebas 1, variabel bebas 2, variabel bebas 3 dst, dan mana variabel terikat.

2. Menghitung faktor koreksi Fk=(

∑

XT)

N Keterangan

Fk = Faktor Koreksi Xt

∑

¿²

= Jumlah Data subjek total dalam kelompok sampel N = Jumlah sampel seluruhnya

3. Langkah selanjutnya menghitung Jumlah Kuadrat Antar Kelompok

JK_A=

{

(

∑

XA1)

n_A₁ +

(

∑

X_A₂)2

n_A₂ +

(

∑

X_A₃)2

n_A₃

}

−

(

∑

X_T)2

...(Kelompok A)

JK

=

{

(

∑

X

)

n

_B₁

+

(

∑

X

_B₂

)

n

_B₂

}

−

(

∑

X

)

N

...(Kelompok B) Keterangan

JKA. = Jumlah kuadrat dalam kelompok A

(7)

∑XA1. = Jumlah data dalam kelompok A1

∑XB1. = Jumlah data dalam kelompok B1

nA1 = Sampel dalam kelompok A1

nB1 = Sampel dalam kelompok B1

4. Menghitung Jumlah Kuadrat (Jk) antar Kelompok AB

JK

_AB

=

∑

(

∑

X

)

n

_AB

−

Fk

−

JK

−

JK

...(antar Kelompok AB) Keterangan

∑XAB = Jumlah data dalam kelompok AB nAB = Sampel dalam kelompok AB

5. Menghitung Jumlah Kuadrat Total (Jkt)

JK

=

∑

X

_T2

−

Fk

Keterangan

X²t = Jumlah data dalam kelompok AB (Total)

6. Selanjutnya menghitung Jumlah Kuadrat (JKd) dalam kelompok

JK

=

JK

−

JK

−

JK

−

JK

_AB

7. Derajat Kebebasan untuk Anava dua jalan dbA = a – 1

dbB = b – 1 dbAB = dbA x dbB dbT = N – 1

dbD = dbT – dbA- dbB – dbAB Keterangan

a = Jumlah kelompok yang diberi perlakuan (treatment)

b = Jumlah didalam kelompok yang diberi perlakuan (treatment) N = Jumlah Sampel

(8)

MKA = JKA : dbA MKB = JKB : dbB

MKAB = JKAB : dbAB

MKD = JKD: dbD

9. Semua harga JK, db dan MK dimasukan kedalam tabel ringkasan Anava/Anova 10.Mencari Harga Fhitung ( )FF

Harga Fhitung masing-masing variabel diperoleh dengan membangi setiap MK variabel tersebut dengan MKD, maka

Fhitung = MKA : MKD

11. Mengkonsultasikan setiap harga Fhitung dengan Tabel F, dengan db dari MK/KR Pembagi = dbD, dan dengan db dari MK/KR Pembilang = db dari masing-masing variabel.

12.Kesimpulan, cara menentukan kesimpulan (Arikunto, 2006:324) adalah sebagai berikut :

Jika Fhitung ≥ Ftabel (1%) Jika Fhitung ≥ Ftabel (5%) Jika Fhitung < Ftabel (5%)

Harga Fhitung yang diperoleh sangat signifikan

Harga Fhitung yang diperoleh signifikan

Harga Fhitung yang diperoleh tidak signifikan Ada perbedaan mean

secara sangat signifikan

Ada perbedaan mean secara signfikan

Tidak ada perbedaan mean yang tidak signfikan Hipotesis Nihil (H0)

ditolak

Hipotesis Nihil (H0) ditolak

Hipotesis Nihil (H0)

diterima P < 0,01 atau = 0,01 P < 0,05 atau P = 0,05 P > 0,05

Arikunto (2006:325), menurut teori lama, jika harga Fhitung tidak signifikan, maka perhitungan anava hanya berhenti sampai sekian. Tetapi apabila harga Fhitung yang diperoleh sangat signifikan atau signifikan, maka pekerjaan yang hilang perlu dilanjutkan dengan pengujian lain, yaitu uji t. Pengujian ini dimaksudkan untuk melihat perbedaan mean antara kelompok. Akan tetapi menurut teori baru, harga Fhitung signifikan maupun tidak, tetap dilanjutkan dengan pengujian perbedaan mean.

(9)

BAB III PEMBAHASAN

A. Pengaplikasian AnalisisVarians (Anava/Anova) Dua Jalan dalam Penelitian Pada bab ini akan dijelaskan bagaimana pengaplikasian analisis varians (Anava/Anova) dalam penelitian, dengan contoh peneltian sebagai berikut :

Penelitian tentang perbedaan efektifitas 3 pola latihan ketrampilan teknik Tenis Lapangan dan latihan bertanding. Selain diberi pola latihan ketrampilan teknik, setiap kelompok dibedakan dalam latihan bertanding try out dan try in. Kelompok A diberi latihan teknik pola I, kelompok B diberi latihan teknik pola II, kelompok C diberi latihan teknik pola III. Jenis penelitian ini adalah penelitian eksperimen dengan desain faktorial sebagai berikut :

Kelompok A1 = Latihan Teknik Pola I B1 = Latihan bertanding Try out

B2 = Latihan bertanding Try In

Kelompok A2 = Latihan Teknik Pola II B1 = Latihan bertanding Try out

B2 = Latihan bertanding Try In

Kelompok A3 = Latihan Teknik Pola III B1 = Latihan bertanding Try out

B2 = Latihan bertanding Try In

Hipotesis Penelitian

H0 = Tidak terdapat perbedaan yang signifikan antara latihan teknik pola I (A1),

latihan teknik pola II (A2), latihan teknik pola III (A3)

H1 = Terdapat perbedaan yang signifikan antara latihan teknik pola I (A1), latihan teknik pola II (A2), latihan teknik pola III (A3)

(10)

Data hasil tes ketrampilan Tenis Lapangan adalah sebagai berikut :

No Kelompok A1 Kelompok A2 Kelompok A3

B1 B2 B1 B2 B1 B2

1 31 23 40 37 39 41

2 29 31 34 39 31 38

3 33 33 31 36 34 37

4 32 39 28 33 37 36

5 35 40 32 30 33 36

6 33 32 39 35 38 39

1. Menghitung daftar belanja statistik

Tabel 1. Statistik Hasil Tes Ketrampilan Tenis Lapangan Kelompok Pola Latihan

Statistik Kel A1 Kel A2 Kel A3 Total

N 12 12 12 36

∑X 391 414 439 1244

Mean 32,58 34,50 36,58 34,56

Tabel 2.Statistik Hasil Tes Ketrampilan Tenis Lapangan Kelompok Bertanding

Statistik Kel B1 Kel B2 Total

N 18 18 36

∑X 609 635 1244

Mean 33,83 35,28 34,56

Tabel 3. Stastistik Hasil Tes Ketrampilan Tenis Lapangan Kelompok Pola Latihan dan Latihan Bertanding

Statistik _B1Kel A1_B2 _B1Kel A2_B2 _B1Kel A3_B2 Total

N 6 6 6 6 6 6 36

∑X 193 198 204 210 212 227 1244

∑X² 5869 7029 6251 6165 7939 6295 43546

Mean 32,17 33 34 35 35,33 37,83 34,56

(11)

Fk

=

(

∑

X

)

N

=

1244

36 =

42987

,

11

2. Menghitung Jumlah Kudarat (Jk) Antar Kelompok

JKA=

{

(

∑

X_A₁)2 n_A₁ +

(

∑

X_A₂)2 n_A₂ +

(

∑

X_A₃)2 n_A₃

}

−

(

∑

X_T)2 N

=

{

391

12 +

414

12 +

439

12 }

−

42987

,

11 =

96 ,

06

...Kelompok A

JK_B=

{

(

∑

XB1)

2 n_B₁ +

(

∑

X_B₂)2

n_B₂

}

−

(

∑

X_T)2

=

{

609

18 +

635

18 }

−

42987

,

11 =

18 ,

78

_..._{Kelompok B}

3. Menghitung Jumlah Kuadrat (Jk) antar Kelompok AB

JK

_AB

=

∑

(

∑

X

)

n

_AB

−

Fk

−

JK

−

JK

=

{

193

6 +

198

6 +

204

6 +

210

6 +

212

6 +

227

6 }

−

42987

,

11 −

96 ,

06 −

18 ,

78 =

6609

,

95

4. Menghitung Jumlah Kuadrat (JKt) Total

JK

=

∑

X

_T2

−

Fk

=

43546

−

42987

,

11 =

558 ,

89

5. Menghitung Jumlah Kuadrat dalam Kelompok (JKd)

(12)

=

558 ,

89 −

96 ,

06 −

18 ,

78 −

6609

,

95 =

7054

6. Menghitung derajad kebebasan untuk ANAVA dua jalur

7. Mencari Mean Kuadrat (Mk/KR)

8. Mencari Harga Fhitung

9. Ringkasan Hasil Analis Varians (ANAVA)

Sumber

Varian Jk db Mk(KR) Fhitung

Ftabel

1% 5%

2

1

3

1 









a

db

1

2

1 









b

db

2

1

2 







_A _B

db

35

1

36

1 









N

db

30

2

1

2

35 







_T _A _B _AB

db

01 ,

6706

2 :

06 ,

96 :



JKa

dbA

MKA

78 ,

18

1 :

78 ,

18 :



JKB

dbB

MKB

98 , 3304 2 : 95 , 6609 :  

JKAB dbAB

MKAB

14 ,

235

30 :

7054

:



JKD

dbD

MKD

52 , 28 14 , 235 : 01 , 6706 :  

MKA MKD

Fhitung 0808 , 0 14 , 235 : 78 , 18 :  

MKB MKD

Fhitung

06 ,

14 ,

235 :

98 ,

3304

:



MKAB

MKD

(13)

Antar A _96,06 ₂ _6706,01 _28,52 _5,39 _3,32

Antar B _18,78 ₁ _18,78 _0,0808 _7,56 _4,17

Antar AB _6609,95 ₂ _3304,98 _14,06 _5,39 _3,32

Dalam D ₇₀₅₄ ₃₀ _235,14 _... _... _...

Total (T) _42987,11 ₃₅ _... _... _... _...

10. Kesimpulan

a) Dari hasi analisi varian antar kelompok A adalah Fhitung = 28,52 > Ftabel5% = 3,32, maka hipotesis nihil yang menyatakan tidak ada perbedaan antar kelompok A (H0) ditolak..Kesimpulan, antara latihan teknik pola I, latihan teknik pola II dan latihan teknik pola III ada perbedaan yang signifikan

b) Dari hasil analisis varian antar kelompok B adalah Fhitung = 0,0808 < Ftabel5% = 4,17, maka hipotesis nihil yang menyatakan tidak ada perbedaan antar kelompok B (H0) diterima. Kesimpulan, antara latihan bertanding Try out dengan latihan bertanding Try In ,tidak ada perbedaan yang signifikan.

c) Dari hasil analisis varian antar kelompok AB adalah Fhitung = 14,06 > Ftabel5% = 3,32, maka hipotesis nihil yang menyatakan tidak ada perbedaan antar kelompok AB (H0 ) ditolak. Kesimpulan, antara latihan teknik pola I dan latihan bertanding Try out dengan latihan teknik pola I dan latihan bertanding Try in; latihan teknik pola II dan latihan bertanding Try out dengan latihan teknik pola II dan latihan bertanding Try in; dan latihan teknik pola III latihan bertanding Try out dengan latihan teknik pola III latihan bertanding Try in,

ada perbedaan yang signifikan.

Jika harga F signifikan, dilanjutkan dengan uji simple effect antar sel dengan rumus t-Sceffe , berguna salah satunya adalah melihat metode / perlakuan (treatment) mana yang lebih baik adalah sebagai berikut :

a) Untuk n1 = n2 :

t= X1−X2

√

2∗KR_dal

(14)

b) Untuk n1 ≠ n2:

t= X1−X2

√

RJK_dal

(

1 n₁+

n₂

)

_{, dimana db t = db dalam} Dengan kaidah pengujian α = 0,05 dengan db = N , sebagai berikut:

 Jika

t

hitung ≥ dari

t

tabel, maka Signifikan

 Jika

t

hitung ≤ dari

t

tabel, maka TidakSignifikan

t= X1−X2

√

2∗KR_dal n

tA1−A2=32,58−34,50

√

2∗235,14

=−0,3062

tA1−A3=32,58−36,58

√

2∗235,14

=−0,639

tA2−A3=34,50−36,58

√

2∗235,14

=−0,332

tB1−B2=33,83−35,28

√

2∗235,14

=−0, 231

tA

1 B

1 −

A

1 B

2 =

32 ,

17 −

33 √

2 ∗

235 ,

14

6 =−

0, 0937

tA

1 B

1 −

A

2 B

1 =

32 ,

17 −

34 √

2 ∗

235 ,

14

6 =−

0,2067

tA

1 B

1 −

A

2 B

2 =

32 ,

17 −

35 √

2 ∗

235 ,

14

6

(15)

tA

2 B

2 −

A

3 B

1 =

35 −

35 ,

33 √

2 ∗

235 ,

14

6 =−

0,0372

tA

1 B

1 −

A

3 B

2 =

32 ,

17 −

37 ,

83 √

2 ∗

235 ,

14

6 =−

0,640

tA

2 B

1 −

A

2 B

2 =

34 −

35 √

2 ∗

235 ,

14

6 =−

0, 1130

tA

2 B

1 −

A

3 B

1 =

34 −

35 ,

33 √

2 ∗

235 ,

14

6 =−

0,1502

tA

2 B

1 −

A

3 B

2 =

34 −

37 ,

83 √

2 ∗

235 ,

14

6 =−

0,4326

tA

1 B

1 −

A

3 B

1 =

32 ,

17 −

35 ,

33 √

2 ∗

235 ,

14

6 =−

0,3570

tA

2 B

2 −

A

3 B

2 =

35 −

37 ,

83 √

2 ∗

235 ,

14

6 =−

0,320

tA

3 B

1 −

A

3 B

2 =

32 ,

17 −

37 ,

83 √

2 ∗

235 ,

14

6 =−

0,640

Kesimpulan :

 Hasil analisis tA1—tA2 hitung = 0,3062 < t tabel = 2,029, maka hipotesis nihil diterima. Sehingga kelompok latihan A1(kelompok latihan teknik pola 1) tidak berbeda dengan kelompok latihan A2(kelompok latihan teknik pola II).

(16)

BAB IV PENUTUP A. Kesimpulan

Anava adalah suatu cara untuk melihat perbedaan rerata melalui pengetesan variansinya. Dalam anava yang dipertentangkan bukan reratanya tetapi variansinya. Anava juga memungkinkan untuk dapat melihat pengaruh peubah bebas dan peubah kontrol, baik secara terpisah maupun bersama-sama, terhadap peubah terikatnya.

(17)

Dalam tabel statistik, proses perhitungan meliputi: jumlah kuadrat total (JKT),

jumlah kuadrat antara (JKA), jumlah kuadrat antara (JKB), jumlah kuadrat antara

(JKC), jumlah kuadrat interaksi antara A dan B (JKA x B), jumlah kuadrat interaksi

antara A dan B (JKA xC), jumlah kuadrat interaksi antara A,B, dan C (JKAXB XC, jumlah kuadrat dalam (JKd), derajat kebebasan untuk masing-masing sumber

variasi, mean kuadrat, dan mencari harga F0serta mengkonsultasikan setiap harga

F0 dengan tabel F.

DAFTAR PUSTAKA

Arikunto. 2006. Prosedur Penelitian, Suatu Pendekatan Praktik. Jakarta: Rineka Cipta.

Budiwanto. 2004. Teknik Analisis Statistika. Jurusan Ilmu Keolahragaan Fakultas Ilmu Pendidikan Univesitas Negeri Malang

Budiyono. 2004. Statistika untuk Penelitian. Surakarta : Sebelas Maret University Press

Irianto. 2008. Statistik Konsep Dasar & Aplikasinya. Jakarta: Kencana Pernada.

Riduwan. 2003. Dasar-Dasar Statistika. Bandung: Alfabeta 17

(1)

=

558 ,

89 −

96 ,

06 −

18 ,

78 −

6609

,

95 =

7054

6. Menghitung derajad kebebasan untuk ANAVA dua jalur

7. Mencari Mean Kuadrat (Mk/KR)

8. Mencari Harga Fhitung

9. Ringkasan Hasil Analis Varians (ANAVA)

Sumber

Varian Jk db Mk(KR) Fhitung

Ftabel

1% 5%

2

1

3

1 









a

db

1

2

1 









b

db

2

1

2 







_A _B

db

35

1

36

1 









N

db

30

2

1

2

35 







_T _A _B _AB

db

01 ,

6706

2 :

06 ,

96 :



JKa

dbA

MKA

78 ,

18

1 :

78 ,

18 :



JKB

dbB

MKB

98 , 3304 2 : 95 , 6609 :  

JKAB dbAB MKAB

14 ,

235

30 :

7054

:



JKD

dbD

MKD

52 , 28 14 , 235 : 01 , 6706 :  

MKA MKD Fhitung 0808 , 0 14 , 235 : 78 , 18 :  

MKB MKD Fhitung

06 ,

14 ,

235 :

98 ,

3304

:



MKAB

MKD

Fhitung

(2)

Antar A _96,06 ₂ _6706,01 _28,52 _5,39 _3,32

Antar B _18,78 ₁ _18,78 _0,0808 _7,56 _4,17

Antar AB _6609,95 ₂ _3304,98 _14,06 _5,39 _3,32

Dalam D ₇₀₅₄ ₃₀ _235,14 _... _... _...

Total (T) _42987,11 ₃₅ _... _... _... _...

10. Kesimpulan

a) Dari hasi analisi varian antar kelompok A adalah Fhitung = 28,52 > Ftabel5%

= 3,32, maka hipotesis nihil yang menyatakan tidak ada perbedaan antar kelompok A (H0) ditolak..Kesimpulan, antara latihan teknik pola I, latihan teknik pola II dan latihan teknik pola III ada perbedaan yang signifikan

b) Dari hasil analisis varian antar kelompok B adalah Fhitung = 0,0808 <

Ftabel5% = 4,17, maka hipotesis nihil yang menyatakan tidak ada perbedaan antar kelompok B (H0) diterima. Kesimpulan, antara latihan bertanding Try

out dengan latihan bertanding Try In ,tidak ada perbedaan yang signifikan.

c) Dari hasil analisis varian antar kelompok AB adalah Fhitung = 14,06 >

Ftabel5% = 3,32, maka hipotesis nihil yang menyatakan tidak ada perbedaan antar kelompok AB (H0 ) ditolak. Kesimpulan, antara latihan teknik pola I dan latihan bertanding Try out dengan latihan teknik pola I dan latihan bertanding

Try in; latihan teknik pola II dan latihan bertanding Try out dengan latihan teknik pola II dan latihan bertanding Try in; dan latihan teknik pola III latihan bertanding Try out dengan latihan teknik pola III latihan bertanding Try in,

ada perbedaan yang signifikan.

Jika harga F signifikan, dilanjutkan dengan uji simple effect antar sel dengan rumus t-Sceffe , berguna salah satunya adalah melihat metode / perlakuan

(treatment) mana yang lebih baik adalah sebagai berikut :

a) Untuk n1 = n2 :

t= X1−X2

√

2∗KR_dal

(3)

b) Untuk n1 ≠ n2:

t= X1−X2

√

RJK_dal

(

1 n₁+

n₂

)

_{, dimana db t = db dalam}

Dengan kaidah pengujian α = 0,05 dengan db = N , sebagai berikut:

 Jika

t

hitung ≥ dari

t

tabel, maka Signifikan

 Jika

t

hitung ≤ dari

t

tabel, maka TidakSignifikan

t= X1−X2

√

2∗KR_dal n

tA1−A2=32,58−34,50

√

2∗235,14 12

=−0,3062

tA1−A3=32,58−36,58

√

2∗235,14 12

=−0,639

tA2−A3=34,50−36,58

√

2∗235,14 12

=−0,332

tB1−B2=33,83−35,28

√

2∗235,14 12

=−0, 231

tA

1 B

1−

A

1 B

2=

32 ,

17−33

√

2∗235

,

14

6 =−0, 0937

tA

1 B

1−

A

2 B

1=

32 ,

17−34

√

2∗235

,

14

6 =−0,2067

tA

1 B

1−

A

2 B

2=

32 ,

17−

35 √

2∗235

,

14

6

(4)

tA

2 B

2−

A

3 B

1=

35−35

,

33 √

2∗235

,

14

6 =−0,0372

tA

1 B

1−

A

3 B

2=

32 ,

17−37

,

83 √

2∗235

,

14

6 =−0,640

tA

2 B

1−

A

2 B

2=

34−35

√

2∗235

,

14

6 =−0, 1130

tA

2 B

1−

A

3 B

1=

34−

35 ,

33 √

2∗235

,

14

6 =−0,1502

tA

2 B

1−

A

3 B

2=

34−37

,

83 √

2∗235

,

14

6 =−0,4326

tA

1 B

1−

A

3 B

1=

32 ,

17−35

,

33 √

2∗235

,

14

6 =−0,3570

tA

2 B

2−

A

3 B

2=

35−37

,

83 √

2 ∗235

,

14

6 =−0,320

tA

3 B

1−

A

3 B

2 =

32 ,

17−37

,

83 √

2∗235

,

14

6 =−0,640

Kesimpulan :

(5)

BAB IV PENUTUP A. Kesimpulan

(6)

Dalam tabel statistik, proses perhitungan meliputi:jumlah kuadrat total (JKT),

jumlah kuadrat antara (JKA), jumlah kuadrat antara (JKB), jumlah kuadrat antara

(JKC), jumlah kuadrat interaksi antara A dan B (JKA x B), jumlah kuadrat interaksi

antara A dan B (JKA xC), jumlah kuadrat interaksi antara A,B, dan C (JKAXB XC,jumlah kuadrat dalam (JKd), derajat kebebasan untuk masing-masing sumber

variasi, mean kuadrat, dan mencari harga F0serta mengkonsultasikan setiap harga

F0 dengan tabel F.

DAFTAR PUSTAKA

Arikunto. 2006. Prosedur Penelitian, Suatu Pendekatan Praktik. Jakarta: Rineka Cipta.

Budiwanto. 2004. Teknik Analisis Statistika. Jurusan Ilmu Keolahragaan Fakultas Ilmu Pendidikan Univesitas Negeri Malang

Budiyono. 2004. Statistika untuk Penelitian. Surakarta : Sebelas Maret University Press

Irianto. 2008. Statistik Konsep Dasar & Aplikasinya. Jakarta: Kencana Pernada.

Riduwan. 2003. Dasar-Dasar Statistika. Bandung: Alfabeta