PEMBAHASAN

1.1 PENGERTIAN

Analisis varian atau lebih dikenal dengan sebutan Anava atau Anova

adalah jenis analisis statistika yang digunakan untuk menguji perbedaan

antara 3 (tiga) kelompok data (pengamatan) atau lebih. Anava tidak hanya

mampu menguji perbedaan antara 3 (tiga) kelompok data atau lebih dari satu

variabel bebas, tetapi juga bisa untuk menyelesaikan kelompok-kelompok

data yang berasal dari 2 (dua) variabel bebas atau lebih.

Anava 1 (satu) jalur adalah teknik statistika parametik yang digunakan

untuk menguji perbedaan antara 3 (tiga) atau lebih kelompok data berskala

interval atau rasio yang berasal dari 1 (satu) variabel bebas.

1.2 KLASIFIKASI

Analisis varian memiliki dua klasifikasi, yaitu satu arah dan dua arah.

1.3 TUJUAN DAN FUNGSI

Tujuan dari uji Anava atau Anova satu jalur adalah untuk membandingkan

lebih dari dua rata-rata.

Fungsinya adalah untuk menguji kemampuan generalisasi, yaitu menguji

signifikansi dari hasil penelitian (Anava atau Anova satu jalur). Jika terbukti

berbeda berarti kedua sampel tersebut dapat digeneralisasikan yang berarti

data sampel dianggap dapat mewakili populasi.

1.4 CONTOH SOAL

Seorang manajer sebuah bank sedang meninjau kinerja dari para karyawan

bagi kemungkinan menaikkan gaji dan mempromosikan jabatan. Di dalam

mengevaluasi para petugas kasir (teller), manajer menentukan bahwa kriteria

dari kinerja mereka adalah jumlah pelanggan yang dilayani setiap hari.

TABEL

DATA EVALUASI 3 ORANG KASIR PELANGGAN YANG DILAYANI

Harike- Kasir 1 Kasir 2 Kasir 3

1 45 55 54

2 56 50 61

3 47 53 54

4 51 59 58

5 50 58 52

6 45 49 51

Buktikan apakah ada perbedaan atau tidak antara kasir 1, kasir 2, dan kasir 3?

Jawab:

Langkah-langkah:

1. Diasumsikan bahwa data dipilih secara random, berdistribusi normal, dan

variannya homogen.

2. Hipotesis (H1 dan H0) dalam bentuk kalimat:

H0 : tidak ada perbedaan yang signifikan antara pelanggan pada kasir

1, kasir 2, dan kasir 3.

H1 : ada perbedaan yang signifikan antara pelanggan pada kasir 1,

kasir 2, dan kasir 3.

3. Hipotesis Ha dan Hodalam bentuk statistika :

H0 : µ1 = µ2 = µ3

H1 : minimal ada satu µi yang berbeda.

4. Daftar statistika induk

Hari ke- Kasir 1 Kasir 2 Kasir 3

1 45 55 54

2 56 50 61

3 47 53 54

4 51 59 58

5 50 58 52

6 45 49 51

statistika Total = T

N 6 6 6 18

Σxi 294 324 330 948

Σx2 14496 17580 18222 50298

X 49 54 55 158

S2 2419 2932,8 3239,4 8590,8

5. Menghitung Jumlah Kuadat Antar Group (JKX)

JKX = (∑ X i)

2

n−

(∑X τ)2

N

JKX =(2942

6 + 3242

6 + 3302

6 ) - 9482

18

= 50052 - 49928

= 124

6. Menghitung derajat bebas antar group dengan rumus

DbX = 3-1 A= jumlah group

= 3-1

= 2

7. Menghitung kuadrat Rerata Antar group (KRX)

KRX = JKXdbX

= 124

2

= 62

8. Menghitung Jumlah Kuadrat Dalam group (JKD)

JKD = Σ X2T - Σ¿¿

= 50298 – ( 2942

6 + 3242

6+ 3302

6 )

= 50298 - 50052

= 246

9. Menghitung derajat bebas dalam group dengan rumus

DbD = N-A

= 18- 3

= 15

10. Menghitung kuadrat Rerata Dalam group (KRD)

KRD = JKDdbD

= 24615

= 16,4

11. F.hitung = KRXKRD

= 62

16,4

= 3,78

12. Taraf signifikan sebesar α = 5 %

13. F.tabel =F (1-α) (dbX.dbD)

F.tabel =F (1-0,05) (2.15)

F.tabel = F (0,95) (2.15)

F.tabel = 3,68

14. tabel ringkasan anova

ANOVA

Sumbervarian (SV) Jumlah

kuadrat(JK) db Kuadrat Rerata F hitung F tabel

Antar Group(A) 124 2 62 3,78 3,68

Dalam Group(D) 246 15 16,4

Total 370 17

15. Kriteria pengujian: jika F hitung > F tabel, maka tolak Ho berarti

signifikan.

Setelah dikonsultasikan dengan tabel F kemudian dibandingkan antara F

hitung dengan F tabel, ternyata F hitung > F tabel, atau 3,78 > 3,68 maka

tolak Ho berarti signifikan.

16. Kesimpulan:

H0 ditolak dan H1 tidak ditolak, jadi terdapat perbedaan yang signifikan

antara jumlah pelanggan pada kasir 1, kasir 2, dan kasir 3.