Uji Statistik Blog Untuk Mempelajari Jenis Uji Statistik, Penelitian, SPSS dan Statistik Berbasis Komputer seperti

excel, Stata dan Minitab. Bantuan Olah dan Analisa Data, SMS: 085748695938.

Facebook Twitter Google+ Bantuan Olah Data Jurnal Penelitian Other Content Santunan Anak Yatim

Posts RSS Home Komparatif Komputerisasi SPSS Interprestasi Output Two Way Anova dalam SPSS Anwar Hidayat 00.07 0 comments Komparatif Komputerisasi SPSS

Interprestasi Output Two Way Anova dalam SPSS

Output Two Way Anova dalam SPSS
Artikel kali ini merupakan lanjutan dari artikel sebelumnya yang berjudul "Two Way Anova dalam SPSS". Dalam artikel tersebut dijelaskan langkah demi langkah melakukan uji Two Way Anova dengan menggunakan aplikasi SPSS. Baca Artikel di link ini: "Two Way Anova dalam SPSS". Sedangkan pada artikel ini, akan dijelaskan cara membaca output dari uji tersebut dan bagaimana menginterprestasikannya, hingga menjawab hipotesis. Demi kemudahan, sebaiknya anda download file-file kerja SPSS contoh uji ini di link berikut:

Two Way Anova.sav Two Way Anova.spv

Dengan menggunakan data pada artikel sebelumnya tersebut, maka kita lihat output di bawah ini:

Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan pendidikan. sebagai contoh: nilai rata-rata ujian pria dengan pendidikan SLTP sebesar 32,43 sedangkan nilai ujian wanita yang berpendidikan SLTA sebesar 65,13 dan begitu seterusnya. Di bawah ini adalah Tabel Levene's Test. Digunakan untuk menilai homogenitas tiap variabel.

Di atas menunjukkan nilai (Signifikansi) Sig. 0,527 di mana > 0,05 sehingga bisa dikatakan varian antar group berbeda secara signifikan. Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova:

Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai berikut:

1. Corrected Model: Pengaruh Semua Variabel independen (Gender, Pendidikan dan Interaksi gender dengan pendidikan atau "Gender*Pendidikan") secara bersama-sama terhadap variabel dependen (Nilai Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti model valid. 2. Intercept: Nilai perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel independen, artinya tanpa ada pengaruh variabel independen, variabel dependen dapat berubah nilainya. Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti intercept signifikan. 3. Gender: Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender berpengaruh signifikan. 4. Pendidikan: Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti Pendidikan berpengaruh signifikan. 5. Gender*Pendidikan: Pengaruh Gender*pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender*pendidikan berpengaruh signifikan. 6. Error: Nilai Error model, semakin kecil maka model semakin baik. 7. R Squared: Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di atas 0,668 di mana mendekati 1, berarti korelasi kuat.

Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5 adalah yang terpenting (tanpa mengabaikan yang lain).

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai kategori manakah dari variabel pendidikan yang memiliki perbedaan signifikan:

Yang ada perbedaan signifikan ditandai dengan tanda bintang (*). Dari tabel di atas, semuanya ditandai dengan bintang, berarti semuanya ada perbedaan yang signifikan. Diagram Plot di bawah ini berguna untuk menilai apakah ada interaksi efek antar variabel. Namun diagram ini tidak bisa dijadikan bahan acuan yang valid. Tetapi hanya sekedar memberikan gambaran saja. Apabila garis-garis tidak menunjukkan kesejajaran, maka dicurigai ada efek interaksi.

Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai ada efek interaksi. Demikian ulasang singkat tentang Uji Two Way Anova dengan SPSS. Semoga bermanfaat. Artikel Berikutnya: Uji Manova dalam SPSS