Pertemuan 12 · Bab 3 · Statistika 2 Satuan Kredit Semester · Program Studi Diploma Empat Manajemen Proyek Konstruksi
Analisis Varians Satu Arah
Pertemuan 11 membandingkan dua kelompok. Ketika terdapat tiga kelompok atau lebih, banyak uji t terpisah meningkatkan risiko Kesalahan Tipe I. Pertemuan 12 menggunakan Analisis Varians Satu Arah (One-Way ANOVA) untuk menilai apakah mean beberapa kelompok berbeda, lalu post-hoc untuk menemukan pasangan kelompok yang berbeda.
Target Pertemuan 12: mahasiswa mampu memilih dan menjalankan Analisis Varians Satu Arah, membaca statistik F dan nilai-p, menggunakan post-hoc bila diperlukan, serta menjelaskan ukuran efek dan kesimpulan substantif.
Sinkronisasi Rencana Pembelajaran Semester
Kemampuan Akhir yang Direncanakan: Menganalisis perbedaan lebih dari dua kelompok menggunakan Analisis Varians Satu Arah. Waktu: TM 100 + PT 120 + BM 120 = 340 menit Penilaian: Formatif 0% Referensi RPS: 1,2,4,5
Tujuan belajar Pertemuan 12
Pertemuan 12 dibatasi menjadi 4 tujuan utama agar mahasiswa tidak dibebani terlalu banyak prosedur sekaligus.
Prinsip utama: Analisis Varians menjawab terlebih dahulu apakah sedikitnya ada satu mean kelompok yang berbeda. Jika ada evidence perbedaan, post-hoc membantu menemukan pasangan kelompok mana yang berbeda.
Cara belajar Pertemuan 12 agar tetap ringan
Kenali desain. Satu variabel hasil numerik dan satu faktor dengan tiga kelompok atau lebih.
Periksa asumsi. Fokus pada independensi, nilai ekstrem, distribusi, dan homogenitas varians.
Baca uji keseluruhan. Statistik F dan nilai-p menjawab apakah ada perbedaan mean secara keseluruhan.
Lanjutkan post-hoc. Cari pasangan yang berbeda bila diperlukan.
Laporkan besar efek. Tambahkan eta squared dan makna praktis.
Siklus Pertemuan 12: tiga kelompok atau lebih → asumsi → F → nilai-p → post-hoc → ukuran efek → kesimpulan.
Analisis Varians membandingkan variasi antar kelompok dengan variasi dalam kelompok.
F = variasi antar kelompok / variasi dalam kelompok
Jika mean kelompok jauh berbeda relatif terhadap variasi di dalam kelompok, F cenderung lebih besar.
2.2 Contoh tiga metode
Metode
Produktivitas (m²/hari)
A
9, 10, 10, 11, 10
B
12, 13, 12, 14, 13
C
15, 16, 15, 17, 16
Mean kelompok cukup terpisah sementara variasi di dalam kelompok kecil, sehingga F cenderung besar.
2.3 Asumsi relevan
independensi observasi antarunit;
variabel hasil numerik;
tidak ada nilai ekstrem berat;
distribusi dalam kelompok cukup mendukung model, terutama untuk sampel kecil;
untuk Analisis Varians klasik, varians antar kelompok cukup homogen.
2.4 Levene's Test
Hasil
Interpretasi awal
nilai-p > tingkat signifikansi
tidak ada evidence cukup terhadap perbedaan varians berdasarkan uji ini
nilai-p ≤ tingkat signifikansi
homogenitas varians perlu dipertanyakan
Levene bukan satu-satunya dasar. Periksa juga ukuran kelompok, visual, nilai ekstrem, dan konteks.
2.5 Jika varians tidak homogen
Welch's ANOVA dapat dipertimbangkan sebagai pendekatan robust terhadap perbedaan varians. Jika uji keseluruhan memakai Welch, post-hoc seperti Games-Howell dapat digunakan untuk perbandingan pasangan ketika sesuai.
Latihan Tujuan Pembelajaran 2
Mean tiga kelompok berbeda cukup jauh, tetapi variasi dalam kelompok sangat besar. Apakah F pasti besar?
Jawaban: tidak. Variasi dalam kelompok yang besar dapat memperkecil rasio F.
Nilai-p menjawab apakah data cukup tidak konsisten dengan hipotesis seluruh mean sama. Ia tidak mengatakan seberapa besar pengaruh kelompok.
4.2 Eta squared sebagai ukuran efek
η² = jumlah kuadrat antar kelompok / jumlah kuadrat total
Nilai η² berada antara 0 dan 1 dan menggambarkan proporsi variasi hasil dalam sampel yang berkaitan dengan perbedaan kelompok pada model ini.
Pedoman 0,01 / 0,06 / 0,14 kadang digunakan sebagai referensi kasar untuk efek kecil/sedang/besar, tetapi bukan batas universal. Konteks teknis proyek tetap utama.
4.3 Kalkulator Analisis Varians sederhana
Masukkan tiga kelompok. Kalkulator menghitung mean kelompok, jumlah kuadrat, statistik F, dan η². Nilai-p tetap dibaca dari IBM SPSS Statistics.
Format input angka: pisahkan nilai dengan titik koma (;) atau baris baru. Gunakan koma sebagai tanda desimal, misalnya 12,5; 13,2; 14,0.
4.4 Cara menulis hasil
“Produktivitas berbeda secara statistik antara tiga metode kerja berdasarkan Analisis Varians Satu Arah (F = 18,42; nilai-p < 0,001). Post-hoc Tukey menunjukkan pola perbedaan antar pasangan. Eta squared menunjukkan besar variasi produktivitas yang berkaitan dengan metode. Kepentingan praktis dinilai menggunakan selisih mean dalam m²/hari.”
4.5 Jika hasil tidak signifikan
“Nilai-p = 0,21 lebih besar dari 0,05, sehingga gagal menolak hipotesis nol. Evidence belum cukup untuk menyatakan adanya perbedaan mean antar metode. Ini tidak membuktikan seluruh mean populasi identik.”
4.6 Kesalahan yang harus dihindari
banyak uji t sebagai pengganti Analisis Varians;
menyimpulkan semua kelompok berbeda hanya karena hasil keseluruhan signifikan;
memilih post-hoc tanpa mempertimbangkan kondisi varians;
menghapus nilai ekstrem agar asumsi terpenuhi;
menyamakan nilai-p dengan besar efek;
melaporkan F tanpa mean kelompok, post-hoc, dan konteks.
4.7 Evidence yang harus dihasilkan
alasan pemilihan Analisis Varians;
hipotesis;
statistik deskriptif tiap kelompok;
pemeriksaan asumsi;
F dan nilai-p;
post-hoc bila diperlukan;
eta squared;
kesimpulan substantif dalam satuan asli.
Latihan integrasi Tujuan Pembelajaran 4
Analisis Varians menghasilkan nilai-p = 0,002 dan η² = 0,03. Apa yang harus disimpulkan?
Jawaban: terdapat evidence statistik bahwa tidak semua mean sama, tetapi ukuran efek relatif kecil menurut pedoman kasar. Gunakan post-hoc dan selisih mean untuk menilai lokasi perbedaan dan kepentingan praktis.
Laporkan: mean kelompok, F, nilai-p, post-hoc, eta squared, dan makna praktis.
Kalimat kunci Pertemuan 12: Analisis Varians memberi jawaban keseluruhan; post-hoc menunjukkan lokasi perbedaan; ukuran efek menunjukkan besarnya perbedaan secara relatif.
Beban kegiatan Pertemuan 12
Tatap muka / terbimbing
100 menit
Penugasan terstruktur
120 menit
Belajar mandiri
120 menit
Total
340 menit
Penilaian
Formatif 0%
Latihan formatif Pertemuan 12
identifikasi satu variabel hasil dan satu faktor dengan sedikitnya tiga kelompok;
rumuskan hipotesis;
periksa statistik deskriptif dan asumsi relevan;
jalankan Analisis Varians atau pendekatan robust yang sesuai;
gunakan post-hoc bila diperlukan;
hitung/laporkan eta squared;
tulis kesimpulan statistik dan makna praktis.
Asesmen formatif: 0%. Fokus utama sesuai Rencana Pembelajaran Semester adalah hipotesis, F, nilai-p, dan kesimpulan Analisis Varians yang benar. Post-hoc dan ukuran efek ditambahkan sebagai penguatan pembelajaran.
Kriteria Latihan Formatif Pertemuan 12
Kriteria
Fokus evidence Pertemuan 12
Pemahaman masalah dan data
variabel hasil, faktor, kelompok, dan tujuan perbandingan dikenali
Pemilihan metode statistik
Analisis Varians klasik/robust dan post-hoc dipilih sesuai kondisi
Perhitungan/analisis
deskriptif, asumsi, F, nilai-p, post-hoc, dan ukuran efek dianalisis benar
Interpretasi
hasil keseluruhan dibedakan dari hasil pasangan
Kesimpulan berbasis bukti
kesimpulan sesuai output dan desain penelitian
Komunikasi data
mean kelompok, satuan, F, nilai-p, post-hoc, dan eta squared dilaporkan jelas
Checklist penguasaan Pertemuan 12
0 dari 4 tujuan tercapai0%
Checklist ini tersimpan hanya pada browser/perangkat dan bukan progres atau nilai resmi pada sistem pembelajaran.
Daftar Pustaka Pertemuan 12
Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley.
Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.
Santoso, S. (2018). Menguasai Statistik dengan SPSS 25. Jakarta: Elex Media Komputindo.
Ghozali, I. (2021). Aplikasi Analisis Multivariate dengan Program IBM SPSS 26 (Edisi 10). Semarang: Badan Penerbit Universitas Diponegoro.
Daftar pustaka pada halaman ini identik dengan kode referensi pada Rencana Pembelajaran Semester terbaru.
Pertemuan 11 dan 12 berfokus pada perbedaan. Pertemuan 13 bergeser ke pertanyaan hubungan antarvariabel melalui korelasi Pearson dan Spearman, scatterplot, arah/kekuatan hubungan, dan perbedaan korelasi dengan kausalitas.
Perbedaan Kelompok → Hubungan Antarvariabel → Korelasi