BAB 13

ANALISIS VARIANS SATU HALA

OBJEKTIF BAB

Selepas mempelajari bab ini, anda seharusnya boleh:

1. Memahami konsep asas analisis varians satu hala.
2. Membincangkan langkah-langkah pengujian hipotesis
menggunakan analisis varians satu hala.
3. Menerangkan keputusan analisis varians dengan tepat.
4. Menggunakan metode analisis varians sesuai dengan pengujian
hipotesis dan tujuan kajian.

13.1 PENGENALAN

Kita telah membincangkan tentang cara menguji perbezaan min dua

kumpulan sampel bebas dan sampel berhubungan dalam bab-bab sebelum
ini. Dalam banyak keadaan, kita akan bertemu dengan sampel yang lebih
daripada dua kumpulan. Sebagai contoh, jika kita ingin membandingkan
penghargaan kendiri pelajar mengikut bangsa dan tempat tinggal misalnya,
kita akan menggunakan misalnya empat kumpulan bangsa seperti Melayu,
Cina, India dan bangsa-bangsa lain. Pemboleh ubah tempat tinggal pula
mungkin melibatkan kawasan bandar, pinggir bandar dan luar bandar.
Sebenarnya banyak pemboleh ubah bebas yang mempunyai lebih daripada
dua aras pengukuran.

Untuk menguji perbandingan min pemboleh ubah terikat berdasarkan

pemboleh ubah bebas yang mempunyai lebih daripada dua kumpulan kita
gunakan metode analisis yang dinamakan sebagai analisis varians. Dalam
banyak penulisan, analisis ini dinamakan secara ringkas sebagai ANOVA
yang berasal daripada perkataan analysis of variance.

13.2 ANALISIS VARIANS

Analisis varians atau ANOVA mempunyai banyak jenis. Jenis yang paling
mudah ialah analisis varians satu hala (One-Way ANOVA). Perkataan satu
hala digunakan kerana analisis melibatkan satu pemboleh ubah bebas.
Contohnya, jika kita bandingkan penghargaan kendiri pelajar mengikut
bangsa, ia melibatkan hanya satu pemboleh ubah bebas iaitu bangsa. Jadi,
ANOVA satu hala paling sesuai digunakan. Bab ini akan membincangkan
metode analisis ini.

Jika kita ingin kembangkan lagi dengan memasukkan satu lagi pemboleh
ubah bebas dalam analisis, contohnya tempat tinggal, kita kini menggunakan
169
dua pemboleh ubah bebas iaitu bangsa dan tempat tinggal. Untuk menguji
perbezaan penghargaan kendiri mengikut bangsa dan tempat tinggal,
ANOVA dua hala pula sesuai digunakan. Analisis ini lebih kompleks dengan
melibatkan reka bentuk kajian yang juga kompleks dan dinamakan sebagai
Rekabentuk Faktorial. Analisis ini tidak dibincangkan dalam modul ini.

13.3 CONTOH ANALISIS

Sebagai contoh, kita ambil persoalan kajian yang berminat untuk menguji
perbezaan penghargaan kendiri antara pelajar Melayu, Cina, India dan
bangsa-bangsa lain. Data yang telah terkumpul mengandungi min, sisihan
piawai markat penghargaan kendiri dan bilangan sampel bagi setiap bangsa
ditunjukkan dalam Jadual 13.1.

Jadual 13.1
Statistik Deskriptif Penghargaan Kendiri Mengikut Bangsa

Bangsa N Min Varians

Melayu 8 5.38 5.41
Cna 7 6.14 3.80
India 6 3.00 2.80
Lain-lain 5 8.40 2.80
Jumlah 25 MB =5.61
* MB = Min keseluruhan

13.4 ANALISIS DATA

Analisis data yang dibincangkan dalam bab ini tidak menitikberatkan kepada
formula tetapi kepada konsep dan reka bentuk yang boleh diaplikasikan
dengan analisis komputer. Jika kita masih ingat semasa membincangkan
perbandingan min mengikut kumpulan, contohnya perbandingan
penghargaan kendiri mengikut bangsa, ia boleh juga dianalisis dengan ujian t
sampel bebas. Oleh kerana ia hanya melibatkan perbandingan dua
kumpulan, perbandingannya menjadi banyak seperti ditunjukkan dalam
Jadual 13.2.

Jadual 13.2
Perbandingan Penghargaan Dua Kumpulan Bangsa

Perbandingan Perbandingan Mengikut Bangsa

1 Melayu dengan Cina

2 Melayu dengan India
3 Melayu dengan lain-lain bangsa
4 Cina dengan India
5 Cina dengan lain-lain bangsa
6 India dengan lain-lain bangsa

Ini bermakna jika menggunakan analisis ujian t, kita terpaksa membuat

enam perbandingan. Sedangkan dengan ANOVA satu hala ia mampu
menganalisis secara serentak perbandingan di atas. Apabila statistik yang
170
dihasilkan menunjukkan perbezaan yang signifikan, barulah kita teliti
perbandingan yang mana yang berbeza. Inilah satu daripada kelebihan yang
terdapat pada ANOVA yang dianggap sebagai analisis yang mempunyai
kuasa menguji yang baik.

ANOVA menghasilkan statistik F sebagai nisbah antara dua sumber varians

mengikut kumpulan yang diuji, iaitu

F = MS antara kumpulan/MS dalam kumpulan

Perbincangan berikut menumpukan kepada komponen sumber varians

dalam ANOVA.

13.5 KOMPONEN SUMBER VARIANS

Data yang dianalisis dengan ANOVA mengandungi tiga komponen varians.

Kita gunakan konsep SS bagi tiga komponen sumber varians berikut:

SS jumlah = SS antara kumpulan + SS dalam kumpulan

Dalam formula ini, SS dalam kumpulan adalah komponen ralat. Setiap

komponen mempunyai darjah kebebasannya masing-masing dan formula
darjah kebebasan (dk) ialah

Dk SS jumlah = N-1
Dk SS antara kumpulan = K-1
Dk SS dalam kumpulan = N-K

N ialah jumlah kes, K ialah jumlah kumpulan. Persamaan darjah

kebebasannya dibuktikan seperti berikut:

N-1 = (N - K) + (K - 1)
= N-1

13.6 ANALISIS DESKRIPTIF ANOVA

Kita boleh memperihalkan perbezaan min pemboleh ubah terikat yang diuji
berdasarkan aras pemboleh ubah bebas secara deskriptif. Perbandingan min
dinyatakan dalam bentuk lebih tinggi atau lebih rendah secara relatif.
Sebagai contoh, min penghargaan kendiri pelajar Melayu ialah 5.38 dan ia
lebih rendah berbanding dengan min penghargaan kendiri pelajar Cina iaitu
6.14, tetapi ia lebih tinggi berbanding dengan pelajar India iaitu 3.00. Min
penghargaan kendiri bagi bangsa-bangsa lain pula adalah paling tinggi iaitu
8.40.

Bagi mereka yang mahir dengan analisis keperbezaan, pemerihalan tentang

keseragaman data boleh dibuat dengan menggunakan sisihan piawai atau
varians.

171
13.7 STATISTIK INFERENS ANOVA

Berikut ditunjukkan langkah-langkah pengujian hipotesis perbezaan min

pemboleh ubah terikat secara signifikan mengikut aras pemboleh ubah
bebas.

13.8 HIPOTESIS

Hipotesis nul: “Penghargaan kendiri mengikut bangsa tidak berbeza”.

Ini bermakna kita mengandaikan bahawa min penghargaan kendiri dalam

populasi empat bangsa yang dikaji adalah sama. Pernyataan simbol hipotesis
nul adalah seperti berikut:

Ho = µ1 = µ2 = µ3 = µ4

Hipotesis pilihan: “Penghargaan kendiri berbeza mengikut bangsa”.

Kenyataan ini menunjukkan tidak berarah. Secara simbol kenyataan

hipotesisnya ialah:

H1 = µ1 ≠ µ2 ≠ µ3 ≠ µ4

Terangkan metode analisis statistik yang sesuai untuk

menguji perbezaan min lebih daripada dua kumpulan.

13.9 KRITERIUM MENOLAK HO

Nilai kritikal F berdasarkan darjah kebebasan bagi setiap sumber varians

boleh diperolehi daripada Jadual Nilai Kritikal Taburan F (Jadual A dalam
Lampiran). Dua darjah kebebasan digunakan mengikut formula nisbah F
iaitu dk pengatas dan dk pembawah. Dk pengatas diambil daripada sumber
antara kumpulan dengan cara K – 1, manakala dk pembawah diambil
daripada sumber dalam kumpulan dengan cara N - K.

Data yang dipaparkan dalam Jadual 13.1 menunjukkan dk pengatasnya ialah

3 dan dk pembawah ialah 22. Pada aras pengujian signifikan 0.05, nilai
kritikalnya ialah 3.05. Ini bermakna hipotesis nul akan ditolak jika statistik F
yang dikira lebih besar atau sama dengan nilai kritikal 3.05.

13.10 PENGIRAAN SS DAN MS SUMBER VARIANS

Nilai SS ialah jumlah kuasa dua, manakala MS ialah mean of square dan dikira
dengan membahagikan SS sumber varians dengan dk sumber tersebut.

MS antara kumpulan = SS antara kumpulan /K - I

MS dalam kumpulan = SS dalam kumpulan /N - K
172
Formula SS antara kumpulan = Σnk ( X k – MB), iaitu

X k ialah min setiap kumpulan.

MB ialah min besar.
n k ialah bilangan sampel setiap kumpulan.

2
Formula SS dalam kumpulan = Σ (nk - 1) (S k), iaitu

2
S k ialah varians setiap kumpulan.

SS jumlah dikira menggunakan SS antara kumpulan + SS dalam kumpulan.

2 2
Secara formula ialah ΣΣX - (ΣΣX) /N, iaitu
2
ΣΣX ialah jumlah keseluruhan data yang telah dikuasaduakan.
ΣΣX ialah jumlah keseluruhan data.

Kita perturunkan data asal Jadual 13.1 dalam Jadual 13.3 berikut.

Jadual 13.3
Penghargaan Kendiri Mengikut Bangsa

Melayu Cina India Lain-lain

5 8 1 9
7 6 3 11
6 9 4 8
3 5 5 7
9 7 1 7
7 4 4
4 4
2
N 8 7 6 5 N = 26
ΣX 43 43 18 42 ΣΣX = 146
ΣX
2 269 287 68 364 2
ΣΣX = 988

Pengiraan SS antara kumpulan:

= 8 (5.38-5.61)2 + 7 (6.14-5.61)2 + 6 (3.00-5.61)2 + 5 (8.40-5.61)2

= (0.4232) + (1.0663) + (40.8725) + (38.9205)
= 82.1825

Pengiraan SS dalam kumpulan:

= 7 (5.41) + 6 (3.80) + 5 (2.80) + 4 (2.80)

= 37.87 + 22.80 + 14.00 + 11.20
= 85.87

173
Pengiraan SS Jumlah

= 988 - (146)2 /26

= 988 - 819.85
= 168.15

SS jumlah boleh dikira dengan menggunakan komponen sumber varians

yang dikira sebelumnya iaitu 82.1825 + 85.87 = 168.0525. Nilai ini
sebenarnya sama dengan 168.15 jika tidak ada ralat pembulatan.

Nilai SS dipindahkan ke dalam jadual ringkasan ANOVA dengan

memasukkan nilai MS, dk dan nisbah F seperti berikut:

Jadual 13.4
Ringkasan Jadual ANOVA

Sumber Varians dk SS MS F
Antara kumpulan 3 82.18 27.39 7.02
Dalam kumpulan 22 85.87 3.90
Jumlah 25 168.05

13.11 HASIL CETAK ANALISIS KOMPUTER

Berikut ditunjukkan contoh hasil cetak ANOVA sehala perbandingan

kefahaman agama mengikut tempat tinggal iaitu bandar, pinggir bandar dan
luar bandar. Keputusan menunjukkan nilai F = 0.056 terlalu kecil dan
kebarangkalian untuk signifikan ialah 0.946 iaitu lebih besar daripada 0.05.
Jadi, min kefahaman agama mengikut tempat tinggal tidak berbeza secara
signifikan. Kesemua kumpulan mempunyai min dalam lingkungan 41.

KEFAHAMAN AGAMA

N Mean Std. Deviation Std. Error

bandar 403 41.6154 5.37855 .26792
pinggir bandar 264 41.5341 6.24764 .38452
luar bandar 447 41.4787 6.26785 .29646
Total .17831
1114 41.5413 5.95133

KEFAHAMAN AGAMA
Sum of
Squares df Mean Square F Sig.
Between
3.975 2 1.987 .056 .946
Groups
Within Groups 39416.626 1111 35.479
Total
39420.601 1113

174
13.12 KEPUTUSAN ANALISIS DAN INTERPRETASI

Statistik F yang ditunjukkan dalam Jadual 13.4 ialah 7.02 dan ia lebih besar
dari nilai kritikal F = 3.05. Keputusan ini menunjukkan min penghargaan
kendiri di kalangan bangsa berbeza secara signifikan. (F(3.22) = 7.02, P <
.05). Nilai yang terdapat dalam kurungan selepas statistik F ialah dk sumber
varians antara kumpulan dan dalam kumpulan.

Oleh kerana penghargaan kendiri berbeza mengikut bangsa secara

signifikan, kita boleh menerangkan secara deskriptif min kumpulan yang
lebih tinggi berbanding dengan kumpulan-kumpulan yang lain seperti yang
ditunjukkan dalam Jadual 13.1. Bangsa-bangsa lain mempunyai min
penghargaan kendiri yang paling tinggi iaitu 8.40 dan diikuti oleh Cina (6.14)
dan Melayu (5.38). Pelajar India mempunyai min penghargaan kendiri paling
rendah iaitu 3.00.

13.13 UJIAN POST HOC

Apabila statistik F signifikan, kita boleh teruskan pengujian perbezaan min

kumpulan secara pasangan seperti yang ditunjukkan dalam Jadual 13.2.
Analisis ini dinamakan sebagai ujian post hoc. Kita juga boleh membuat
perbandingan kompleks bukan sepasang, misalnya dengan membandingkan
min penghargaan kendiri pelajar Melayu dengan bukan Melayu. Min bukan
Melayu terdiri dari kombinasi bangsa Cina, India dan bangsa-bangsa lain.
Analisis ini agak kompleks.

Hinkle, Wiersma dan Jurs (1998) mencadangkan beberapa metode analisis

statistik yang boleh digunakan dalam pengujian post hoc bergantung kepada
bilangan sampel kumpulan sama ada sama atau berbeza. Pagano (2001) juga
mempunyai pendapat yang sama. Jadual 13.5 boleh dijadikan panduan.

Jadual 13.5
Metode Analisis untuk Pengujian Post Hoc

Perbandingan Bilangan Sampel Mengikut Kumpulan Metode Analisis

Sepasang Sama Tukey (HSD)
Newman-Keuls
Sepasang Berbeza Tukey/Kramer
Kompleks Scheffe

Bab ini tidak membincangkan semua analisis ini. Namun demikian, pakej
komputer membekalkan metode ini dan kita boleh memilihnya semasa
membuat analisis ANOVA dengan menentukan ujian post hoc yang sesuai.
Pagano (2001) menyatakan apabila bilangan sampel tidak jauh berbeza,
metode Tukey HSD dan Newman-Keuls boleh digunakan dengan
menggunakan min harmonic.

175
13.14 PERBANDINGAN TERANCANG

Kita juga boleh merancang perbezaan perbandingan kumpulan lebih awal

sebelum melakukan analisis ANOVA. Cara ini dinamakan sebagai
perbandingan terancang. Ia dikatakan lebih baik dan mempunyai kuasa
pengujian yang lebih tinggi (Pagano, 2001). Hipotesis yang dibina perlu
menyatakan perbandingan yang ingin diuji.

Perbandingan terancang boleh mengarah kepada analisis trend untuk menguji

pola taburan min mengikut kumpulan. Penentuan terhadap pola dan
perbezaan mengikut kumpulan menggunakan pekali atau pemberat bagi
setiap kumpulan. Hinkle, Wiersma dan Jurs (1998) menekankan kepada
konsep orthogonal atau bebas antara satu perbandingan dengan perbandingan
yang lain. Pembaca boleh mendalami pendekatan dengan merujuk kepada
Hinkle, Wiersma dan Jurs (1998) atau penulisan Keppel (1973).

Terangkan keadaan yang membolehkan kita menjalankan

ujian post hoc.

13.15 REKA BENTUK FAKTORIAL DAN ANOVA DUA HALA

Sebelum ini telah diterangkan bahawa kita boleh memasukkan lebih

daripada satu pemboleh ubah bebas dalam reka bentuk kajian dan
dinamakan sebagai reka bentuk faktorial. Sebagai contoh, kita ingin menguji
perbandingan penghargaan kendiri mengikut bangsa dan tempat tinggal.
Dalam bentuk jadual, reka bentuk ini ditunjukkan dalam Jadual 13.6 berikut:

Jadual 13.6
Perbandingan Penghargaan Kendiri Mengikut Bangsa dan Tempat Tinggal

Tempat Tinggal Bangsa

Melayu Cina India Lain-lain
Bandar
Pinggir Bandar
Luar Bandar

Setiap sel mengandungi data penghargaan kendiri. Berdasarkan reka bentuk

ini, kita boleh membuat tiga pengujian.

(i) Perbandingan penghargaan kendiri mengikut bangsa.

(ii) Perbandingan penghargaan kendiri mengikut tempat tinggal.
(iii) Kesan interaksi bangsa dan tempat tinggal terhadap perbezaan
penghargaan kendiri.

Pengujian yang ketiga mampu menunjukkan penghargaan kendiri yang

paling tinggi dan yang paling rendah mengikut bangsa dan tempat tinggal.
Pengujian ini sesuai dibuat dengan analisis ANOVA dua hala. Metode
analisis ini tidak dibincangkan dalam modul ini.

176
13.16 KESIMPULAN

Apabila kita ingin menguji perbandingan min pemboleh ubah terikat lebih
daripada dua kumpulan secara serentak dan cepat, ANOVA satu hala adalah
yang paling sesuai digunakan. Analisis Ujian t yang dibincangkan sebelum
ini hanya mampu menguji perbandingan dua kumpulan sahaja. Selepas
statistik F dalam ANOVA menunjukkan keputusan yang signifikan, barulah
kita lanjutkan analisis secara ujian post hoc. Sebaliknya jika statistik F tidak
signifikan, ujian post hoc tidak perlu dibuat. ANOVA boleh dikembangkan
bergantung kepada bilangan pemboleh ubah bebas yang terlibat dalam reka
bentuk kajian. Walaupun ia semakin kompleks, namun ANOVA dianggap
sebagai suatu metode analisis yang powerful kerana ia mampu menguji secara
serentak kesan perbandingan dan interaksi antara pemboleh ubah.

SOALAN DALAM TEKS

1. Berikut ditunjukkan hasil cetak analisis data dengan

komputer terhadap pendapatan keluarga di
kalangan pelajar iga suku kaum menggunakan
analisis ANOVA satu hala. Berdasarkan hasil cetak
ini anda dikehendaki menjawab soalan-soalan yang
dikemukakan di bawah.
Pendapatan
Std. Deviation
Kaum Mean N
Melayu 1423.7071 198 1451.06673
Cina 1680.6250 8 1303.23893
India 1983.3333 6 1765.69155
Total 1451.50425
1449.2406 212

Sum of Mean
Squares df Square F Sig.
Between
2268928.513 2 1134464.256 .536 .586
Groups
Within
442279500.218 209 2116169.858
Groups
Total 444548428.731 211

(a) Terangkan keputusan analisis secara statistik

deskriptif dengan merujuk kepada min dan
sisihan piawai bagi menunjukkan pendapatan
keluarga kendiri mengikut kaum.
(b) Tulis kenyataan hipotesis yang sesuai. Nyatakan
pemboleh ubah bebas dan pemboleh ubah
terikat.

177
 (c) Dengan menggunakan aras pengujian signifikan
0.05, tentukan nilai kritikal untuk menolak
hipotesis yang dibina.
(d) Terangkan keputusan pengujian hipotesis yang
anda bina di atas dengan menggunakan aras
pengujian signifikan .05

Semak jawapan anda di akhir bab ini.

SOALAN PENILAIAN KENDIRI

1. Berikut ditunjukkan hasil cetak analisis terhadap prestasi akademik

di kalangan pelajar mengikut tempat tinggal mereka yang dianalisis
dengan ANOVA satu hala. Berdasarkan hasil cetak ini anda
dikehendaki menjawab soalan-soalan yang dikemukakan di bawah.
PMK

N Mean Std. Deviation Std. Error

bandar 188 3.0549 .41009 .02991

pinggir bandar 128 2.9437 .32417 .02865
luar bandar 196 2.9545 .35886 .02563
Total 512 2.9887 .37187 .01637

ANOVA

PMK
Sum of
Squares df Mean Square F Sig.
Between Groups 1.313 5 .263 1.906 .090
Within Groups 69.906 507 .138
Total 71.219 512

(a) Terangkan keputusan analisis secara statistik deskriptif

dengan merujuk kepada min dan sisihan piawai bagi
menunjukkan prestasi pelajar mengikut tempat tinggal
mereka.
(b) Tulis kenyataan hipotesis yang sesuai. Nyatakan pemboleh
ubah bebas dan pemboleh ubah terikat.
(c) Dengan menggunakan aras pengujian signifikan 0.05,
tentukan nilai kritikal untuk menolak hipotesis yang dibina.
(d) Terangkan keputusan pengujian hipotesis yang anda bina di
atas dengan menggunakan aras pengujian signifikan .05.

178
 (e) Adakah anda perlu membuat pengujian post hoc untuk
memastikan perbezaan prestasi akademik berdasarkan dua
kumpulan tempat tinggal.

Semak jawapan anda di akhir bab ini.

JAWAPAN SOALAN DALAM TEKS

1. Soalan 1 berdasarkan hasil cetak berikut:

Pendapatan
Std. Deviation
Kaum Mean N
Melayu 1423.7071 198 1451.06673
Cina 1680.6250 8 1303.23893
India 1983.3333 6 1765.69155
Total 1449.2406 212 1451.50425

Sum of Squares df Mean Square F Sig.

Between
2268928.513 2 1134464.256 .536 .586
Groups
Within
442279500.218 209 2116169.858
Groups
Total 444548428.731 211

(a) Merujuk kepada min dan sisihan piawai, secara statistik

deskriptif min pendapatan keluarga mengikut kaum
menunjukkan kaum India mempunyai min pendapatan yang
paling tinggi iaitu RM1,983.33 dan diikuti oleh kaum Cina
dengan min pendapatan RM1,680.63. Min pendapatan yang
paling rendah ialah kaum Melayu iaitu RM1,423.71.
Berdasarkan sisihan piawai pula, pendapatan kaum India
juga yang lebih tidak seragam secara relatif kerana nilai
sisihan piawainya paling besar iaitu 1,765.69 dan diikuti oleh
kaum Melayu. Pendapatan kaum Cina agak kecil
ketidakseragamannya dengan sisihan piawainya yang paling
kecil iaitu 1,303.24.
(b) Hipotesis yang sesuai ialah
“Pendapatan antara kaum Melayu, Cina dan India berbeza”.
Pemboleh ubah bebasnya ialah bangsa, manakala pemboleh
ubah terikatnya ialah pendapatan.
(c) Dengan menggunakan aras pengujian signifikan 0.05, nilai
kritikal untuk menolak hipotesis yang dibina berdasarkan dk
2 dan 209 ialah 3.04.

179
(d) Keputusan yang dpaparkan dalam Jadual ANOVA
menunjukkan statistik F ialah 0.536. Nilai ini lebih kecil
daripada nilai kritikal 3.04. Dengan menggunakan nilai
kebarangkalian yang diberi dalam hasil cetak iaitu 0.586, nilai
ini lebih besar daripada 0.05. Dengan itu hipotesis nul
diterima. Min pendapatan ketiga-tiga bangsa ini tidak
berbeza secara signifikan [(F(2,209) = 0.536, p > 0.05)].
Ujian post hoc tidak perlu dibuat.

180