8.

ANALISIS VARIANS SATU ARAH

Analisis varians satu arah adalah salah satu alat statistika yang dapat digunakan untuk
membandingkan tiga atau lebih populasi yang saling bebas secara serentak.

1. Uji Asumsi Analisis Varians Satu Arah

Sebelum melakukan analisis varians, perlu diperiksa Apakah asumsinya terpenuhi. Jika
ya, Maka Anda analisis ini dapat dilanjutkan. Asumsi untuk Analisis varians adalah:

a. Sampel-sampel diambil secara acak dan saling bebas.

b. Galat percobaan menyebar normal.
c. Kehomogenan ragam.

Secara praktis, galat percobaan dihitung dengan cara nilai nilai dari data dikurang rata-rata
perlakuannya yang bersesuaian. Alat yang digunakan untuk menguji kehomogenan ragam
adalah uji Bartlett.

2. Uji Hipotesis Analisis Varians Satu Arah

Statistik hitung untuk analisis ini adalah Fhitung titik langkah-langkah untuk menghitungnya
adalah:

a. Buat Tabel data hasil penelitian

b. Tentukan (Y1) ² s.d (Y1) ²
c. Tentukan (Y1) ²/r1 s.d (Yt) ²/rt
3. Uji Perbandingan Berganda Turkey atau BSD (Honestly Significant Difference)

Uji ini menggunakan statistik HSDij untuk menentukan Apakah perlakuan i dan j berbeda.

9. KORELASI DAN REGRESI

Analisis korelasi dibagi menjadi dua yaitu linear sederhana dan berganda titik begitu pula
dengan regresi, ada regresi linear sederhana dan berganda.

I. Korelasi linier sederhana

Analisis korelasi dapat digunakan sebagai alat untuk menjawab rumusan masalah penelitian
"Apakah ada hubungan antara motivasi dan hasil belajar siswa?"secara umum, analisis ini
digunakan untuk melihat ada atau tidaknya hubungan antara dua peubah dan menentukan
seberapa kuat hubungan tersebut. Ada beberapa kemungkinan hasil dari analisis ini, yaitu 1.
Tidak ada hubungan, 2. Ada hubungan tidak linear, 3. Ada hubungan linear positif, 4. Ada
hubungan linear negatif antara peubah X dan Y.

Selanjutnya, hubungan linear positif akan ditulis sebagai hubungan positif saja. Begitu pula
hubungan linear negatif. Peubah X dan Y memiliki hubungan positif, berarti Jika nilai x
meningkat maka nilai y juga meningkat titik jika nilai x turun maka nilai y juga turun.
Sedangkan, peubah X dan Y memiliki hubungan negatif berarti Jika nilai x meningkat maka
yang terjadi sebaliknya, yaitu nilai y turun. Jika nilai x turun maka nilai y meningkat.

Ada atau tidaknya hubungan antara dua peubah dapat dilihat melalui koefisien korelasi yang
disimbolkan dengan r. Jika R = 0 secara signifikan maka tidak ada hubungan antara ke dua
peubah titik jika R = 0 secara signifikan maka ada hubungan positif. Sebaliknya jika R = 0
secara signifikan, maka ada hubungan negatif. Salah satu koefisien korelasi linear R adalah
koefisien korelasi product momen pearson.

Sebelum melakukan analisis data perlu dilihat diagram Pencar nya titik tujuannya untuk
mengeksplorasi data dan melihat kelinearan hubungan antarkedua peubah.

Selanjutnya diperiksa Apakah asumsi analisis ini terpenuhi atau tidak.

1. Pemilihan subjek penelitian ini menggunakan teknik pengambilan acak bergerombol

titik ini berarti asumsi pertamanya terpenuhi.
2. Pengujian kenormalan menggunakan uji kolmogorov-smirnov.

II. Regresi linear sederhana

i. Uji signifikansi regresi linier sederhana
Sebelumnya telah dijelaskan bahwa korelasi linier sederhana dapat digunakan untuk
mengetahui ada atau tidaknya hubungan linear antara peubah X dan Y. Sebagai
contoh, ada hubungan positif antara motivasi dan hasil belajar. Artinya, jika nilai
motivasi meningkat, maka nilai hasil belajar juga meningkat titik begitu pula
sebaliknya. Namun, pada korelasi tidak dinyatakan mana peubah yang mempengaruhi
perubahan lainnya. Pada contoh sebelumnya, ubah motivasi secara teori
mempengaruhi perubahan belajar titik analisis yang menyatakan hubungan yang
demikian adalah regresi titik berubah yang mempengaruhi perubahan lainnya disebut
pengubah bebas titik sedangkan, peubah yang dipengaruhi disebut ubah terikat titik
 Dengan demikian, motivasi merupakan peubah bebas, dan hasil belajar adalah peubah
terikat. Selain itu, analisis regresi dapat menyatakan seberapa besar pengaruh keubah
bebas terhadap ubah terikat titik ini karena apa dan analisis regresi hubungan tersebut
dinyatakan dalam suatu persamaan matematis yang disebut model regresi.
Kelebihan analisis regresi dibanding dengan analisis korelasi adalah pada analisis
regresi dinyatakan peubah yang mempengaruhi perubahan lainnya. Hubungan
pengaruh tersebut dinyatakan dalam suatu model regresi. Modal tersebut dapat
digunakan untuk mengetahui seberapa besar pengaruh peubah bebas terhadap keubah
terikat, dan dapat melakukan interpolasi. Pada satu peubah bebas dan satu peubah
terikat, regresi linear nya disebut regresi linear sederhana.
Ada kaitan antara hubungan yang dinyatakan dengan koefisien korelasi dan pengaruh
yang dijelaskan oleh model regresi. Kaitan tersebut adalah akar dari koefisien
determinasi merupakan koefisien korelasi titik Selain dapat menghitung koefisien
korelasi, analisis regresi juga memiliki keunggulan lain dibandingkan korelasi, Yaitu
dapat menduga nilai peubah terikat dalam kurung (Y) bila diketahui nilai peubah
bebasnya (X) pada rentang data X. Pendugaan Y pada rentang data X disebut
interpolasi jika datanya di luar rentang tersebut, maka kita tidak dapat menggunakan
model regresi untuk menduganya.
ii. Uji asumsi regresi linear sederhana
Sebelum memanfaatkan hasil regresi tersebut perlu diperiksa Apakah keempat asumsi
analisis regresi terpenuhi.
1. Asumsi kelinearan adalah persamaan linear Y = b0 + b1X sesuai dalam
Menjelaskan pengaruh peubah bebas X terhadap keubah terikat Y. Asumsi ini
dapat dilihat secara deskriptif melalui diagram Pencar antara perubahan X dan
Y.
2. Asumsi kenormalan sisa (residual). Langkah pertama adalah menentukan sisa
E = Y-Y. Langkah kedua, pengujian kenormalan sisa menggunakan uji
kolmogorov-smirnov.
3. Asumsi kebebasan sisa titik terpenuhinya asumsi ini dapat dilihat dari plot
antara nomor urut sisa dengan sisa itu sendiri titik floor ini dapat dihasilkan
Minitab atau MS Excel.
4. Asumsi homoskedastisitas asumsi ini diperiksa menggunakan gambar antara
dugaan terhadap sisa. Gambar tersebut dapat dihasilkan Minitab.
III. Korelasi berganda
 Jika peubah nya lebih dari 2 dan ingin mengetahui hubungan antara beberapa
pengubah terhadap suatu peubah tertentu secara bersama-sama, maka kita gunakan
analisis korelasi berganda.
IV. Regresi linear berganda
Hasil analisis regresi berganda menunjukkan bahwa koefisien regresi B2 untuk
perhatian orang tua adalah tidak signifikan titik Artinya kita dapat
mempertimbangkan untuk membuang peubah ini dari model regresi titik ini berarti
modal regresinya hanya menggunakan peubah motivasi untuk menjelaskan hasil
belajar.

10. UJI NONPARAMETRIK

Ada beberapa cara untuk mengatasi masalah ketidak normalan data penelitian titik salah
satunya dengan menambah data Jika memungkinkan titik Apabila menambah data tidak dapat
dilakukan karena pertimbangan atau keterbatasan tertentu, Atau sudah dilakukan tetapi
datanya tetap tidak normal, maka ada alat untuk menarik suatu kesimpulan dari data yang
tidak normal yaitu uji non parametrik.

Jika datanya normal, sebaiknya kita menggunakan uji parametrik dibanding nonparametrik.
Ini karena kuasa uji parametrik lebih baik dibandingkan non parametrik. Jadi jika kuasa uji
semakin besar maka kesalahan jenis2 semakin kecil. Ibarat sebuah pisau, maka uji statistika
dengan kuasa uji yang lebih baik akan lebih tajam dalam menentukan apakah H1 diterima
atau tidak?

Perbedaan mendasar uji parametrik dan nonparametrik selain kuasa ujinya adalah:

a) Asumsi-asumsi yang mendasari uji non parametrik relatif lebih longgar dibandingkan
parametrik.
b) Baik uji parametrik dan nonparametrik digunakan untuk menarik kesimpulan
mengenai ukuran pemusatan populasi. Perbedaannya, pada parametrik ukuran
pemusatan yang digunakan adalah rata-rata populasi, sedangkan non parametrik lebih
pada median populasi yang disimbolkan dengan M.
A. Perbandingan sampel Tunggal dengan uji peringkat bertanda wilcoxon
 Seperti telah dijelaskan sebelumnya, uji ini padanan dengan uji-t sampel tunggal pada uji
parametrik. Sebelum menggunakan uji ini perlu diperiksa terlebih dahulu Apakah asumsi
uji wilcoxon terpenuhi, yaitu:

1. Sampelnya diambil secara acak dari populasi.

2. Skala data setidaknya interval.

B. Perbandingan dua sampel independen dengan uji Mann Whitney

Uji non parametrik man-whitney adalah uji untuk membandingkan dua sampel apabila
data dari salah satu atau kedua sampel menyebar tidak normal.

Sebelum menggunakan uji ini perlu diperiksa terlebih dahulu Apakah asumsi uji mann-
whitney terpenuhi, yaitu:

1. Kedua sampel diambil secara acak dari populasi.

2. Kedua sampel tidak saling mempengaruhi.
3. Skala data setidaknya ordinal.
C. Perbandingan dua sampel berpasangan dengan uji peringkat bertanda wilcoxon
A. Efektivitas menggunakan selisih skor akhir dan skor awal
Langkah-langkah dalam menjawab rumusan masalah tersebut adalah guru
memberikan masalah awal untuk memperoleh skor awal siswa dalam
memecahkan masalah matematika. Sebelum menggunakan uji ini perlu
diperiksa terlebih dahulu Apakah asumsi uji wilcoxon terpenuhi, yaitu:
1. Sampelnya diambil secara acak dari populasi.
2. Skala setidaknya interval.

Tahap-tahap analisis perbandingan dua sampel berpasangan dengan uji wilcoxon ini mirip
dengan sampel tunggal titik bedanya, pada dua sampel berpasangan data yang dianalisis
adalah data selisihnya, sedangkan pada sampel tunggal yang dianalisis adalah data skor hasil
belajar. Kriteria pengujiannya pun sama dengan yang sampel tunggal.

B. Efektivitas menggunakan gain normal

Tahap-tahap analisis uji efektivitas menggunakan gaya normal relatif sama
dengan yang selisih. Perbedaannya hanya pada perhitungan D1 titik pada gen
 normal, D1 adalah data ge normalnya dikurangi dengan nilai tertentu yang
telah ditetapkan/diharapkan.
D. Perbandingan 3 sampel saling bebas atau lebih dengan uji peringkat kruskal-
wall'kruskal-walls
1.1 Uji hipotesis dengan peringkat kruskal garis hubung Wall's
Sebelum menggunakan uji ini perlu diperiksa terlebih dahulu Apakah asumsi uji kruskal-
wallis terpenuhi, yaitu:
1. Sampel sampel diambil secara acak.
2. Semua sampel saling bebas.
3. Skala data setidaknya ordinal.
1.2 Uji lanjut
Pada uji lanjut untuk perbandingan 3 metode belajar, kita membandingkan tiga kali, yaitu
konvensional dengan PBM, konvensional dengan penemuan, dan PBM dan penemuan
titik jika setiap perbandingan kita melakukan kesalahan jenis 1 sebesar 5% maka
keseluruhan kesalahan yang sebesar 3 x 5% = 15%. Ini berarti kita dapat memilih Alpha
= 15% untuk membandingkan tiga metode belajar tersebut.

E. Uji korelasi peringkat spearman

Sebelum melakukan analisis ini kita perlu memeriksa Apakah asumsi uji korelasi
peringkat spearman terpenuhi, yaitu:
1. Data diperoleh dari sampel acak titik data tersebut berupa pasangan
(Xi,Yi)dengan i = 1,2, 3,.., n dan n = banyaknya data.
2. Skala pengukuran setidaknya ordinal.