37
BAB IITEKNIK ANALISIS DATA KORELASIONAL DAN KOMPARASIONALA.
Pengertian Ananlisis DataData adalah catatan atau kumpulan fakta
yang berupa hasil pengamatan empiris pada variabel peneletian. Data
dapat berupa angka, kata, atau dokumen yang berfungsi untuk
menjelaskan variabel penelitian sehingga memiliki makna yang dapat
dipahami.Data penelitian berarti catatan atau fakta empiris tentang
masalah yang diteliti. Data penelitian dikumpulkan dan dianalisis
untuk dijadikan dasar penarikan kesimpulan dalam penelitian.
Dilihat dari proses dan kegunaannya, ada dua macam data, yaitu data
primer dan data sekunder. Data primer adalah data yang berkaitan
langsung dengan masalah penelitian dan didapatkan secara langsung
dari informan atau responden untuk menjadi bahan analisis.
Sedangkan data sekunder adalah data yang tidak berkaitan langsung
dengan masalah penelitian dan didapatkan dari sumber lani, serta
tidak dijadikan bahan utama dalam analisis penelitian.Analisis data
adalah proses penyederhanaan data ke dalam bentuk yang lebih mudah
dibaca dan diinterpretasikan. Dalam proses ini sering kali
digunakan statistik. Salah satu fungsi pokok statistik adalah
menyederhanakan data penelitian yang amat besar jumlahnya menjadi
informasi yang lebih sederhana dan lebih mudah untuk dipahami. Di
samping itu, statistik membandingkan hasil yang diperoleh dengan
hasil yang terjadi secara kebetulan sehingga memungkinkan peneliti
untuk menguji apakah hubungan yang amati memang betul terjadi
karena adanya hubungan sistematis antara variabel-variabel yang
diteliti atau hanya terjadi secara kebetulan.[footnoteRef:2] [2:
Sofian Effendi, Tukiran. Metode Penelitian Survei. (Jakarta: LP3ES)
h. 250]
Analisis data juga diartikan sebagai upaya mengolah data menjadi
informasi, sehingga karakteristik atau sifat-sifat data tersebut
dapat dengan mudah dipahami dan bermanfaat untuk menjawab
masalah-masalah yang berkaitan dengan kegiatan penelitian. Dengan
demikian, teknik analisis data dapat diartikan sebagai cara
melaksanakan analisis terhadap data, dengan tujuan mengolah data
tersebut menjadi informasi, sehingga karakteristik atau sifat-sifat
datanya dapat dengan mudah dipahami dan bermanfaat untuk menjawab
masalah-masalah yang berkaitan dengan kegiatan penelitian, baik
berkaitan dengan deskripsi data maupun untuk membuat induksi, atau
menarik kesimpulan tentang karakteristik populasi (parameter)
berdasarkan data yang diperoleh dari sampel (statistik). Analisis
data dari hasil pengumpulan data, merupakan tahapan yang penting
dalam penyelesaian suatu kegiatan penelitian ilmiah. Data yang
telah terkumpul tanpa dianalisis menjadi tidak bermakna, tidak
berarti, menjadi data yang mati dan tidak berbunyi. Oleh karena
itu, analisis data ini untuk member arti, makna, dan nilai yang
terkandung dalam data.Suatu penelitian yang efektif dan efesisen,
bila semua data yang dikumpulkan dapat dianalisis dengan teknik
analisis tertentu. Itulah sebabnya pada saat merancang penelitian,
sudah harus dipikirkan data yang akan dikumpulkan dan teknik
analisis data yang akan digunakan. Peneliti harus memastikan pola
analisis data mana yang akan digunakan. Pola mana yang akan
digunakan sangat bergantung kepada data yang dikumpulkan.
Data yang dikumpulkanPerumusanMasalahPenjabaran MasalahTeknik
Analisis MasalahMasalahPenelitian
Tanda panah berarti saling bergantung, artinya teknik analisis
data bergantung pada jenis data yang dikumpulkan, data yang
dikumpulkan tergantung pada jabaran masalahnya, jabaran masalah
bergantung pada perumusan (scope) masalah dan perumusan masalah
bergantung pada masalah penelitiannya. Jadi pemikiran penggunaan
teknik analisis data sudah harus dilakukan pada saat menyusun
desain penelitian.
B. Tujuan Analisis DataAnalysis means the categorizing,
ordering, manipulating and summarizing of data to obtain answers to
research questions (Kerlinger 1973:134). Dari pernyataan Kerlinger
di atas, ternyata bahwa analisis data mencakup banyak kegiatan,
yaitu : mengkakategorikan data, memanipulasi data, menjumlahkan
data, yang diarahkan untuk memperoleh jawaban dari problem
penelitian.Adapun tujuan utama dari analisis data ialah untuk
meringkaskan data dalam bentuk yang mudah dipahami dan mudah
ditafsirkan, sehingga hubungan antar problem penelitian dapat
dipelajari dan diuji. The purpose of analysis is to reduce data to
intelligible and interpretable form, so that the relations of
research problem can be studied and tested (Kerlinger, 1973:134).
Untuk itu, kita harus dapat mengolah dan menyajikan data dalam
bentuk tabel-tabel atau grafik yang mudah dibaca dan
dipahami.[footnoteRef:3] [3: Moh. Kasiram. Metodologi Penelitian.
(Malang: UIN-Malang Press) h. 128]
Secara rinci, kegiatan analisis data bertujuan sebagai berikut
:1. Mendeskripsikan data, biasanya dalam bentuk frekuensi, ukuran
tendensi sentral maupun ukuran dispersi, sehingga dapat dipahami
karakteristik datanya. Dalam statistika, kegiatan mendeskripsikan
data ini dibahas pada statistika deskriptif. 2. Membuat induksi
atau menarik kesimpulan tentang karakteristik populasi, atau
karakteristik populasi berdasarkan data yang diperoleh dari sampel
(statistik). Kesimpulan yang diambil ini bisanya dibuat berdasarkan
pendugaan (estimasi) dan pengujian hipotesis. Dalam statistika,
kegiatan membuat induksi atau menarik kesimpulan tentang
karakteristik populasi atau sampel ini dibahas pada statistika
inferensial.
C. Langkah-langkah Ananlisis DataDalam analisis kuantitatif ada
beberapa langkah yang perlu dilalui, agar proses analisis menjadi
lebih terarah. Dalam analisi kuantitatif antra lain :1. Skoring
Tahapan scoring adalah pemberian nilai pada setiap jawaban yang
dikumpulkan peneliti dari instrument yang telah disebarkan. Setiap
item pertanyaan dan pernyataan yang dimunculkan dalam instrumen
dikuantifikasikan dalam bentuk angka. Misalnya, pada saat angket
disebarkan alternatif jawaban yang diberikan masih berupa
kualitatif, maka pada tahap ini harus dikuantitatifkan,
misalnya.Alternatif jawaban :a. Selalu: 3b. Belum tentu: 2c. Tidak:
1Pada tahap scoring, peneliti memberikan nilai atau bobot pada
setiap alternative jawaban. Langkah ini juga disebut konversi data
dari kualitatif menjadi kuantitatif. Pemberian skor pada setiap
item dan alternative jawaban ditentukan oleh peneliti dengan
mempertimbangkan kesesuaian pendekatan analisis yang digunakan.2.
CodingDalam tahapan ini peneliti melakukan klasifikasi data, antara
data primer dengan data sekunder. Data primer akan dimasukkan pada
tabel data yang dijadikan bahan analisis penelitian. Klasifikasi
ini juga dilakukan berdasarkan variabel yang ada dalam penelitian.
Data variabel X dimasukkan klasifikasi sendiri, begitu juga data
klasifikasi variabel Y disendirikan.3. TabulasiLangkah selanjutnya
adalah melakukan tabulasi data. Tabulasi data ini dilakukan dengan
cara peneliti membuat tabel yang formatnya disesuaikan dengan jenis
data yang telah diklasifikasikan sebelumnya. Melalui tabel ini
dimaksudkan agar data penelitian lebih mudah dibaca dan dianalisis
menggunakan rumus statistik yang dipilih. Peneliti tinggal
melakukan importing data ketika data sudah ditabulasikan.
D. ANALISIS DATA KORELASIONALKorelasi adalah sebuah statement
yang menyatakan adanya hubungan antara dua variabel atau lebih.
[footnoteRef:4] Penelitian korelasi bertujuan untuk menemukan ada
tidaknya hubungan antara dua variabel atau lebih. Uji korelasi
bertujuan untuk menguji hubungan antara dua variabel yang tidak
menunjukkan hubungan fungsional. Uji korelasi tidak membedakan
jenis variabel, keeratan hubungan ini dinyatakan dalam bentuk
koefisien korelasi. koefisien korelasi suatu indek numerik dari
derajat relasi antara 2 variabel. Koefisien korelasi bergerak
antara 0.00 dan 1.00 bisa positif maupun negatif. Uji korelasi
terdiri dari pearson, spearmen, dan kendal. Berikut akan dijelaskan
teknik manual uji korelasi. [4: Nuraida, metode penelitian
pendidikan, (ciputat: Islamic Research Publishing, 2009), h.
132]
1. Uji Korelasi Manuala. Product MomentKorelasi ini dikembangkan
oleh pearson dan sering diberi notasi r. Korelasi product moment
ini adalah indeks korelasi yang paling banyak digunakan dalam
statistik. Indeks korelasi r hanya dapat digunakan apabila data
diperoleh dalam bentuk skala atau rasio. Pengukuran dua variabel
yang dikorelasikan semuanya dalam bentuk data interval atau rasio.
Korelasi r dihitung dari skor z dari tiap-tiap subyek variabel x
dikalikan dengan skor z tiap subyek pada variabel y. Hasil kali ini
kemudian dijumlahkan lalu dibagi ddengan banyak pasangan. Rumus
yang digunakan adaalah:
Dalam rumus diatas skor mentah diubah dahulu menjadi skor z
dengan mencari terlebih dahulu mean dan simpangan baku. Karena
dinilai kurang praktis maka cara lain menghitung korelasi diatas
dapat menghitung langsung skor mentah dengan rumus :
r = koefisien korelasiX = jumlah skor dalam sebaran XY = jumlah
skor dalam sebaran yXY = jumlah hasil skor X dengan skor Y yang
berpasanganX2 = Jumlah skor yang dikuadratkan dengan sebaran XY2 =
jumlah skor yang dikuadratkan dalam sebaran Yn = banyaknya subjek
skor X dan skor Y yang berpasangan.Pengujian r apakah berarti atau
tidak pada taraf nyata tertentu digunakan rumus :
Harga t dihitung kemudian dibandingkan dengan harga t tabel
dengan taraf nyata tertentu dan dengan derajat bebas n-2. Erima H0
(tidak ada perbedaan berarti) bila t hitung t tabel. Korelasi tata
jenjang dikembangkan oleh spearmaen dengan notasi . Korelasi ini
tidak menggunakan data interval tapi dalam skala ordinal. Data
diurutkan berdasarkan ranking yakni, rangking dari setiap variabel
(variabel x dan y). Rumus yang digunakan adalah sebagai berikut
:
= koefisisen korelasiD2 =- Jumlah kuadrat selisih rankingn =
banyaknya subjek
Contoh korelasi product momentAkan dilihat korelasi hasil tes
matematika dengan hasil tes statistika dari enam orang siswa
sebagai sampel dari kelas satu, kelas tertentu. Hasil matematiika
(X) adalah: 7,96 9,49 7,52 7,52 7,42 7,49Hasil tes statistik (Y)
adalah : 7,60 7,30 7,20 7,30 7,20 7,30Selanjutnya buatlah tabel
distribusi skor sebagai berikut :
Hasil tes matematika (X) dan Statistik (Y)NoXiYiXiYiXi2Yi2
17,967,6060,5063,3657,76
27,497,3054,6856,1053,29
37,527,2054,1456,5551,84
47,527,3054,9056,5553,29
57,427,2053,4255,0651,84
67,497,3054,6856,1053,29
45,4043,90332,32343,72321,31
Dari hasil perhitungan diatas didapat r = 0, 989 dan dapat
dikatakan terdapat hubungan positif yang cukup antara hasil belajar
matematika dengan statistika. Selanjutnya dapat diuji apakah
hubungan itu berarti pada taraf nyata tertentu, artinya adanya
hubungan tersebut bukan karena faktor kebetulan.
Nilai t diatas dibandingkan dengan tabel kritis dalam tabel
untuk taraf nyata tertentu misalkan 0,05 dengan derajat bebas n-2.
Harga tersebut adalah 2, 772. T hitung lebih kecil daripada t tabel
2 < 2,772. Artinya perbedaan tersebut tidak berarti (menolak H1
atau menerima H0).1) Teknik korelasi Rank Order, Rumus korelasi
rank order yang dikembangkan oleh charles spearman ini, digunakan
untuk mencari koefisien relasi antara data ordinal dan data ordinal
lainnya. Namun rank order dapat digunakan untuk data interval,
tetapi sebelumnya telah diubah menjadi data ordinal. Rumus ini
hanya efektif menganalisis data penelitian untuk sampel yang tidak
lebih dari N30.Rumus korelasi tank order :
Keterangan:
1 = bilangan konstan6= bilangan konstand= perbedaan antara
pasangan jenjang= jumlahN = Jumlah individu dalam sampelLangkah
penggunaan rumus ini sama dengan yang ditempuh oleh rumus-rumus
korelasi poduct moment. Namun penggunaannya, rumus ini dibedakan
antara penggunaan untuk data ordinal dan untuk data interval yang
telah berubah menjadi data ordinal, akan tetapi bentuk rumusnya
tetap seperti itu, perbedaannya adalah pada tabel kerja yang
digunakan.
Contoh (data sama seperti di atas) :NoXiRYRDd2
17,9617,60100
27,494,57,3031,52,25
37,522,57,205,539
47,522,57,3030,50,25
57,4267,205,50,50,25
67,494,57,301,52,250,25
R = Rankingd = selisih ranking
2. Secara Softwarea. Uji Korelasi Product Moment (data seperti
di atas) menggunakan SPSS1) Buka software SPSS, klik variable
view.
2) Isi Nama dan Label seperti di bawah ini .
3) Klik data view
4) Isi data yang ingin anda olah, seperti di bawah ini
5) Lakukan uji korelasi seperti di bawah ini.6) Klik Analyze7)
Klik Correlate8) Klik Bivariate
9) Akan muncul layar sebagai berikut10) Sorot variable X dan
variabel Y yang tadinya berada di kotak sebelahnya ke kotak
variable.11) Klik tanda panah12) Variabel X dan Y masuk ke kolom
variabel13) Pilih jenis korelasi Pearson14) Klik OK.
15) SPSS akan menampilkan hasil hitungan sebagai berikut.
Dari tabel Correlations dapat disimpulkan bahwa :1) Angka
korelasi dantara variabel Matematika dengan variabel Statistika
adalah sebesar 0,951**. Artinya hubunga kedua variabel tersebut
kuat.2) Angka probabilitas antara variabel Matematika dengan
variabel Statistika adalah sebesar 0,003 < = 0,05. Hal ini dapat
diartikan bahwa antara
b. Uji Spearman Brown menggunakan SPSS1) Langkah 1-5 sama,
tetapi ketika langkah ke 6 klik jenis korelasi Spearman.
2) SPSS akan menampilkan hasil hitungan sebagai berikut .
E. ANALISIS DATA KOMPARASIONALMenurut Anas Sudjiono(2004:276)
komparasi diambil dari kata comparation dengan arti perbadingan
atau pembandingan.[footnoteRef:5] Komparasi sering dipergunakan
untuk meneliti sesuatu sehingga disebut penelitian. Komparasi
secara sederhana bisa diartikan sebagai perbandingan yaitu
membandingkanpersamaan maupun perbedaan tentang benda, tentang
orang, tentang prosedur kerja, tentang ide, kritikterhadap orang,
kelompok, terhadap suatu ide atau prosedur kerja. Menurut Suharsimi
Arikunto(1983), penelitian komparasi pada pokoknya adalah
penelitian yang berusaha untukmenemukan persamaan dan perbedaan
tentang benda, tentang orang, tentang prosedur kerja, tentang
ide,kritik terhadap orang, kelompok, terhadap suatu ide atau
prosedur kerja.[footnoteRef:6] [5: ArwayanSyah, Supardi, Abd. Aziz
Hasibuan, Pengantar Statstik Pendidikan, Jakarta: Gaung Persada
Press, 2010] [6: ]
Bertitik tolak dari pengertian tentang komparasi dan pengertian
tentang penelitian komperasi seperti telah dikemukakan diatas, maka
dapat diberikan pengertian tentang teknik analisis komparasional,
yaitu : salah satu teknik analisis kuantitatif atau salah satu
teknik analisis statistik yang dapat digunakan untuk menguji
hipotesis mengenai ada tidaknya perbedaan antarvariabel yang sedag
diteliti. Jika perbedaan itu memang ada, apakah perbedaan itu
merupakan perbedaan yang berarti atau menyakinkan ( signifikan )
ataukah bahwa perbedaan itu hanyalah secara kebetulan saja ( by
chance ). Teknik analisis perbandingantermasuk dalam kelompok
metode Analisis Statistik Inferensial: dalam hal ini adalah teknik
analisis inferensial yang dipergunakan untuk menguji hipotesis dan
selanjutnya menarik kesimpulan mengenai ada-tidaknya perbedaan yang
signifikan antarvariabel yang sedang diteliti.Dalam menguji
perbedaan antarvariabel yang sedang diteliti, mungkin saja
variabelnya dua buah dan mungkin pula lebih dari dua buah. Teknik
analisis komprasional dengan variabel yang diperbandingkan hanya
dua buah saja, disebut teknik analisis komprasional multivariat.1.
Uji Komparasional Manual Merupakan prosedur pengujian parametrik
rata-rata lebih dari dua kelompok data. Pada pengujian Anova selain
data harus terdistribusi normal, variansi antar perlakuan harus
homogen. Sebelum pengujian Anova dilakukan, maka perlu dilakukan
explorasi data untuk melihat apakah kedua asumsi dipenuhi. Jika
asumsi kehomogenan varian tidak terpenuhi dapat diatasi dengan
mentransformasi data yang ada, prinsipnya adalah rentang data yang
besar diusahakan menjadi mengecil, salah satu dengan tranformasi
Logaritma. Untuk data yang tidak terdistribusi normal dapat di
transormasi dengan beberapa teknik tranformasi seperti Box-Cox
Transformation atau Johnson Transformation.Pada uji Anova umumnya
diikuti oleh uji lanjutan berupa uji Turkey (Beda Nilai Jujur),
Beda Nilai Terkecil (BNT), Benferoni dll. Penggunaan jenis uji
lanjutan didasarkan pada pemenuhan asumsi ke homogenan variansi
serta tingkat sensitifitasan dari pengujian.Analisis variansi
digunakan untuk menguji hipotesis yang berkenaan dengan perbedaan
dua mean atau lebih. Indeks perbedaan menggunakan variansi melalui
F rasio. Dibandingkan dengan uji-t, analisis variansi lebih banyak
manfaatnya, sebab tidak hanya bisa menguji seperti yang dilakukan
oleh uji-t tapi juga untuk hal lainnya. Unsur utama dalam ANOVA
adalah variansi antar kelompok dan variansi di dalam kelompok
ditempatkan sebagai pembilang sedangkan variansi di dalam kelompok
sebagai penyebut. Karenanya makin besar variansi di dalam kelompok
makin menurun harga F rasio yang diperolehnya. Demikian pula makin
banyak subjek yang diteliti makin besar pula angka penyebutnya.
Nilai F rasio yang diperoleh kemudian dibandingkan dengan F table
pada taraf nyata dan derajat bebas tertentu.a. Analisis Variansi
Sederhana Teknik analisis data ini dilakukan ketika hanya ada 1
variabel yang digunakan. Hipotesis yang diuji melalui F rasio
dirumuskan sebagai berikut:Ho: A = B H1 : A BTolak Ho dan terima H1
apabila Frasio dari F table pada taraf nyata dan derajat bebas
tertentu.
Table 1.1 Langkah perhitunganNOLangkahNotaRumus
1.Hitung jumlah simpangan kuadrat tiap skor dari rata-rata
keseluruhan. Indeks ini disebut jumlah kuadrat keseluruhan diberi
nota dengan rumus.
2.Cari jumlah kuadrat keseluruhan yang disebabkan oleh
penyimpangan rata-rata kelompok dari rata-rata kelompok dari
rata-rata keseluruhan yang dinamakan jumlah kuadrat antar
kelompok
3.Cari jumlah kuadrat keseluruhan yang disebabkan oleh
penyimpangan tiap skor dari rata-rata kelompok masing-masing yang
disebut jumlah kuadrat dalam kelompok
4. Memasukkan hasil perhitungan ke dalam table analisis
variansi.
5.Membandingkan F rasio dengan F table pada taraf nyata 0,01
dengan derajat bebas (jumlah kelompok-1). Bila F rasio F table maka
tolak Ho, bila Frasio F table maka terima Ho dan tolak H1 yang
artinya tidak terdapat perbedaan yang berarti antara ketiga
kelompok tersebut, pada taraf nyata 0,01.
Table1.2 analisis variansiSumber VariansiJumlah KuadratDerajat
Kebebasan (d)Kuadran mean (M)*F*Taraf nyata 0,01
Diantara kelompok (ak)Jml klmpk-1
Di dalam kelompok ( dk)Jmlh klmpk (jml anggota dlm klmpok-1)
Keseluruhan (total)(Jmlklompok*JmlAnggota)-1
*Kuadrat mean didapat dengan membagi kolom kedua dengan kolom
ketiga.*F rasio adalah hasil bagi kuadrat mean antara kelompok
dengan kuadrat mean dalam kelompok
Contoh: Misalkan akan membandingkan prestasi belajar dari tiga
kelompok siswa yakni Kelas A, Kelas B, Kelas C masing-masing kelas
terdiri dari 20 orang siswa. Datanya sebagai berikut:
Kelas AKelas BKelas C
XAXXBXXCX
749636749
864749749
636636749
749749864
636749749
749636749
749636636
636636749
636749864
749636636
= 6,7= 6,4 = 7,0
= 12,3
Sumber VariansiJumlah KuadratDerajat Kebebasan (d)Kuadran mean
(M)*F*Taraf nyata 0,01
Diantara kelompok (ak)1,820,92,300.118
Di dalam kelompok ( dk)10,5270,39
Keseluruhan (total)12,329
Kesimpulan: Frasio < Ftabel. 2,30 < 5,49 dengan demikian
terima Ho dan tolak H1. Artinya tidak terdapatperbedaan yang
berarti antara ketiga kelompok tersebut, pada taraf nyata 0,01.b.
Analisis variansi multifactorTeknik analisis data ini digunakan
ketika membandingkan data dengan dua variable atau lebihMisalkan
kita ingin mengetahui pengaruh motivasi yang terdiri atas dua
kelompok, yakni motivasi tinggi dan motivasi rendah terhadap
kemampuan memecahlan masalah dari kelompok siswa pria dan siswa
wanita. Bila dilukiskan desainya seperti berikut:
Variabel Bebas
Variabel TerikatMotivasi
TinggiRendah
PriaWanitaPriaWanita
Kemampuan memacahkan masalahY1Y2Y3Y4
Desain tersebut dinamakan desain factorial 2 x 2.1) Ho : Y(1+2)
= Y(3+4) melawan; H1 : Y(1+2) Y (3+4)2) Ho : Y(1+3) = Y(2+4)
melawan; H1 : Y(1+3) Y (2+4)3) Ho : Tidak ada interaksi melawan; H1
: ada interaksi.
NOLangkahNotaRumus
1.Hitung Kuadrat Keseluruhan
2.Cari jumlah kuadrat keseluruhan yang disebabkan oleh
penyimpangan rata-rata kelompok dari rata-rata kelompok dari
rata-rata keseluruhan yang dinamakan jumlah kuadrat antar
kelompok
3.Pecahkan jumlah kuadrat antar kelompok menjadi tiga macam
jumlah kuadrat, yakni:1) Jumlah kuadrat antarkolom (Jkk)
2) Jumlah kuadrat antarbaris (Jkb)
3) Jumlah kuadrat interaksi kolom dan baris (Jki)
4. Menetapkan derajat bebas yang dikaitkan dengan tiap sumber
variansia. df untuk jumlah kuadrat antarkolomb. df untuk jumlah
kuadrat antarbarisc. df untuk jumlah kuadrat interaksid. df untuk
jumlah kuadrat antarkelompoke. df untuk jumlah kuadrat dalam
kelompokf. df untuk subjek dalam semua kelompok
Jumlah kolom -1Jumlah baris -1(jml kolom-1)(jml baris-1)(jml
kolom*jml baris)-1
n-1
5.Carilah nilai kuadrat mean dengan memberi setiap jumlah
kuadrat dengan derajat bebas masing-masing (lihat table ringkasan
Anova)
6.Hitung F rasio bagi pengaruh utama (main effect) dan pengaruh
interaksi dengan membagi kuadrat mean antar kelompok dengan kuadrat
mean di dalam kelompok untuk masing-masing komponen tersebut (lihat
table ringkasan Anova)
Sumber VariasiJumlah kuadratDerajat bebasKuadrat Mean*F
rasio*Taraf nyata 0,05Kesimpulan
AntarkolomFrasio
