Anda di halaman 1dari 28

MAKALAH STATISTIKA

Uji Annova Two Way Factorial

Disusun Oleh :
1. AYU PRASETYANINGTYAS
2. DYAH KUSUMANING M
3. SULIS INDAWATI

(P27834014007)
(P27834014019)
(P27834014031)

D3 ANALIS KESEHATAN SEMESTER IV/TINGKAT II


POLTEKKES KEMENKES SURABAYA
TAHUN 2015/2016
KATA PENGANTAR
i

Puji syukur kami panjatkan kehadirat Allah SWT karena berkat rahmat dan
karunia-Nya kami dapat menyelesaikan tugas makalah statistika ini tepat pada waktunya.
Makalah statistika ini untuk memenuhi tugas akhir praktikum statistika.
Sebagai manusia biasa yang tidak pernah luput dari kesalahan, begitu juga halnya
dengan kami. Kami menyadari bahwa masih banyak kekurangan dalam penyusunan
makalah ini, baik dari segi penulisan maupun isi. Kamipun menerima dengan lapang dada
kritikan maupun saran yang sifatnya membangun dari pembaca agar kami dapat
membenahi diri.
Walaupun demikian, kami berharap dengan disusunya laporanl ini dapat
memberikan sedikit gambaran bagaimana proses penjualan dan praktek langsung kami
kelapangan dalam berwirausaha.
Terimakasih.

Surabaya, 26 Juli 2016

Penyusun

ii

DAFTAR ISI
HALAMAN JUDUL .............................................................................

KATA PENGANTAR ..........................................................................

ii

DAFTAR ISI .........................................................................................

iii

Bab I PENDAHULUAN
1.1 Latar Belakang ............................................................................

1.2 Rumusan Masalah .......................................................................

1.3 Tujuan

....................................................................................

Bab II DASAR TEORI


2.1 Pengertian statistika .......................................................................

2.2 Macam-macam uji statistika...........................................................

2.3 Macam-macam skala pengukuran .................................................

2.4 Mengenal Uji statistika two way factorial......................................

10

BAB III PEMBAHASAN


3.1 Uji annova two way........................................................................

11

3.2 Contoh kasus dan penerapan..........................................................

12

3.3 Cara pembacaan output uji annova two way..................................

24

DAFTAR PUSTAKA

BAB 1
PENDAHULUAN
1.1 Latar Belakang
Anova atau analysis of variance adalah tergolong analisis komparatif lebih dari
dua variabel atau lebih dari dua rata-rata. Tujuannya adalah untuk membandingkan lebih
dari dua rata-rata. Gunanya untuk menguji kemampuan generalisasi artinya data sampel
dianggap dapat mewakili populasi (Riduan, 2010:166).
Untuk melihat perbedaan mean dua kelompok, juga untuk melihat efektifitas
perlakuan terhadap sampel, dapat digunakan t tes, tetapi untuk menguji perbedaan mean
dari tiga atau lebih sampel, dengan menggunakan F- tes. Selain lebih efisien, penggunaan
F- tes dapat digunakan untuk mengetahui interaksi antara variabel-variabel yang menjadi
perhatian (Arikunto, 1992: 279).

Misalnya jika ingin mengetahui apakah ada perbedaan

minat baca siswa SD, SMP dan siswa SMA terhadap buku pelajaran bahasa Indonesia,
untuk melaksanakan maksud itu dapat dilakukan dengan cara mengambil sejumlah siswa
SD, SMP dan SMA secara acak yang banyaknya sama, lalu dibuat instrumen, angket
misalnya, untuk mengukur pemahaman membaca siswa dari masing-masing kelompok itu
terhadap buku pelajaran bahasa Indonesia. Andaikan rerata pemahaman membaca SD,
SMP, dan SMA terhadap buku pelajaran bahasa Indonesia itu berturut-turut X, Y dan Z.
Tujuannya ialah menguji perbedaan rerata terhadap probabilitas (keberartian) tertentu.
Apakah X berbeda dari Y, Y berbeda dri Z, dan X berbeda dari Z?
Untuk pengujian dua buah rerata itu bisa menggunakan uji-t. Begitu pula uji-t itu
dapat digunakan sebanyak tiga kali untuk melihat tiga buah perbedaan rerata di atas, yaitu
antara X dan Y, antara X dan Z, dan antara Y dan Z.
Menguji cara seperti itu (menggunakan uji-t tiga kali) benar, hanya saja cara
demikian telah memperluas daerah kekeliruan tipe I ( tahap keberartian ). Penjelasan
mengenai perluasan kekeliruan itu adalah sebagai berikut.
Bila daerah kekeliruan (tahap keberartian) itu misalnya = 0,05, maka dalam
perhitungan di atas persentase kekeliruan kita menjadi 14%. Jadi, persentase kekeliruan
yang menjadi adanya perbedaan rerata yang dikarenakan kesalahan pemilihan sampel
menjadi lebih besar ; dari 5% menjadi 14%. Oleh karena itu pengujian dengan uji-t
beberapa kali untuk melihat adanya perbedaan antara beberapa buah rerata supaya tidak
dilakukan. Pengujiannya supaya diganti dengan cara lain, yaitu dengan Anava.
ii

Andaikan tahap keberartian atau resiko alpha 0,05 (5%), (tahap keberartian 5%
itu artinya kurang 5 dari 100 perbedaan rerata dari yang ditemukan disebabkan karena
kekeliruan pemilihan sampel ; bukan kekeliruan peneliti), maka untuk setiap uji-t
dilakukan itu ada jaminan 95% tidak terikat kepada kekeliruan alpha. Karena itu
melakukan uji-t tiga kali berturut-turut yang satu sama lain merupakan peristiwa bebas,
peluang tidak terikatnya kepada kekeliruan alpha itu adalah 0,953 = 0,86. Itu berarti, tahap
keberartiannya untuk ketiga kali uji-t itu menjadi 0,14 (dari 1 0,86). Jadi, karena tiga kali
uji-t, tahap keberartiannya diperbesar dari 0,05 menjadi 0,14. Perubahan itu akan lebih
besar lagi bila uji-t yang dilakukan lebih banyak lagi. Misalnya, bila uji-t itu dilakukan
sebanyak lima kali maka peluang tidak terikat kepada kekeliruan alpha itu adalah 0,95 5 =
0,77. Sehingga tahap keberartiannya menjadi 0, 23 (dari 1- 0,77).
Anava adalah suatu cara untuk melihat perbedaan rerata melalui pengetesan
variansinya. Dalam anava yang dipertentangkan bukan reratanya tetapi variansinya. Anava
juga memungkinkan untuk dapat melihat pengaruh peubah bebas dan peubah kontrol, baik
secara terpisah maupun bersama-sama, terhadap peubah terikatnya. Dengan kata lain dapat
dilihat apakah ada interaksi antara peubah bebas dengan peubah kontrol sehingga peubah
terikat itu hasilnya akan lain bila besar pengaruh peubah kontrolnya berbeda (Ruseffendi,
1998:223).
Misalnya pada contoh di atas, perbedaan pemahaman membaca siswa SD, SMP,
dan SMA terhadap buku pelajaran bahasa Indonesia, bisa jadi perbedaan pemahaman
membaca siswa SD, SMP atau siswa SMA disebabkan karena derajat peubah kontrolnya
(kesukaran buku pelajaran bahasa Indonesianya, misalnya) berbeda. Maksudnya ialah,
untuk mengukur pemahaman membaca siswa SD, SMP, dan SMA bersama-sama
(digabung) maka akan diperoleh skor pemahaman membaca mereka. Andaikan skor
pemahaman membacanya itu t (dalam skala Likert, dengan skor 5 sebagai pemahaman
membaca yang paling positif). Bila siswa SD, SMP, dan SMA itu dipisah maka skor
pemahaman membacanya terhadap buku pelajaran bahasa Indonesia itu bisa berturut-turut
5, 4, dan 2.
Bisa jadi pemahaman membaca siswa SD lebih baik daripada pemahaman membaca siswa
SMP dan SMA, kemungkinan ini terjadi karena di SD buku pelajaran bahasa Indonesia itu
lebih menarik (lebih mudah dan banyak cerita bergambarnya, misalnya).
Bila dilakukan perlakuan yang berbeda terhadap dua kelompok siswa pada dua
saat yang berbeda, maka terjadinya perberbedan itu, (diharapkan) karena adanya perlakuan
yang berbeda. Tetapi tidak tertutup kemungkinan adanya atau tidak adanya perbedaan itu
iii

dikarenakan kekeliruan mengambil sampel. Bila tahap keberartian itu a= 0,05, maka
kekeliruan karena salah mengambil sampel itu adalah 5 dari 100. Misalnya, bila pada
keadaan sesungguhnya perlakuan itu secara statistika tidak menunjukkan perbedaan yang
signifikan pada tahap keberartian 0,05, maka untuk 100 kejadian bisa saja terjadi
kekeliruan (keadaan sebaliknya) maksimum sebanyak 5 buah. Kekeliruan yang banyaknya
maksimum 5 buah itu adalah kekeliruan yang diakibatkan oleh kesalahan pemilihan
sampel.
Konsep yang mendasari Anava ialah variansi total dari nilai-nilai (skor-skor) itu
dapat ditumpukan kepada dua buah sumber. Yang pertama ialah variansi yang disebabkan
oleh adanya perlakuan. Yang kedua ialah variansi inter kelompok yaitu variansi kekeliruan.
Dengan kata lain, Anava itu dipergunakan untuk melihat apakah perbedaan antar dua buah
rerata atau lebih itu lebih besar dari pada yang mungkin timbul dari hanya kekeliruan
pemilihan sampel. Bila variansi antar kelompok itu disingkat RJKa dan variansi kekeliruan
pemilihan sampel disingkat dengan RJKi maka perbedaan rerata uji cara Anava itu dapat
ditulis sebagai berikut:

F=

(Russefendi, 1998:224).

Selanjutnya bila dibandingkan RJKa dengan RJKi cukup berarti, yaitu nilai F
cukup besar, maka hipotesis nol itu ditolak. Itu berarti perlakuan (pengaruh peubah bebas)
itu mengakibatkan pengaruh yang berarti terhadap peubah terikatnya. Dan bila RJKa dan
RJKi itu mirip, maka F itu tidak banyak arti. Bila demikian hipotesis nol itu ditolak.
Misalnya jika ingin mengetahui apakah ada perbedaan pemahaman membaca
terhadap buku pelajaran bahasa Indonesia dari siswa SD, SMP, dan SMA, maka jenis
Anava yang akan di kerjakan menggunakan Anava satu- jalur, sebab peubah bebas yang
diperhatikan hanya satu yaitu tingkat persekolahan saja (SD, SMP, SMA). Tetapi apabila
ingin melihat perbedaan pemahaman membaca anak-anak perempuannya, maka jenis
Anava itu menjadi Anava dua-jalur, sebab peubah bebas yang akan dikerjakan itu dua
buah, yaitu tingkat persekolahan dan jenis kelamin.

iv

1.2 Rumusan Masalah


1. Apakah yang dimaksud dengan Anava dua-jalur?
2. Apa fungsi dari uji statistic Annova two way sub-Factorial?
3. Bagaimanakah analisis dengan menggunakan Annova Two way sub-Factorial?
4. Bagaimanakah cara membaca ouput uji statistika Annova Two way sub-Factorial?
1.3 Tujuan
1. Untuk mengetahui pengertian uji Annova dua two way.
2. Untuk mengetahui fungsi dari uji statistic Annova two way sub-Factorial.
3. Untuk mengetahui analisis dengan menggunakan Annova Two way sub-Factorial.
4. Untuk mengetahui cara membaca ouput uji statistika Annova Two way subFactorial.

BAB II
v

DASAR TEORI
2.1 Pengertian Statistika
Statistik adalah kumpulan data dalam bentuk angka maupun bukan angka yang
disusun dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan atau berkaitan
dengan suatu masalah tertentu.
Contoh : Statistik penduduk adalah kumpulan angka-angka yang berkaitan dengan masalah
penduduk. Statistik ekonomi adalah kumpulan angka-angka yang berkaitan dengan
masalah ekonomi.
Statistika adalah pengetahuan yang berkaitan dengan metode, teknik atau cara
mengumpulkan, mengolah, menganalisis dan menginterprestasikan data untuk disajikan
secara lengkap dalam bentuk yang mudah dipahami penggunan
2.2 Macam-Macam Uji Statistika
Uji statistika dibagi menjadi dua macam yakni Statistik Parametris dan Non Parametris
a) Statistika Parametris
Statistik parametris digunakan untuk menganalisis data interval dan rasio.
Ukuran uji dalam Statistik parametris antara lain :
- T-test
- Anova
- Korelasi.
Contoh :
Rumusan masalah :
- berapa rata-rata penayangan iklan di TV ?
- Hypotesis : rata-rata penayangan iklan di TV paling lama 120 menit.
- Uji hypoteis : t-test
b) Statistika Non Parametris
Statistik non parametris digunakan untuk menguji hipotesis bila datanya berbentuk
nominal dan ordinal dan tidak berlandaskan asumsi bahwa distribusi data harus
normal. Sehingga kita kenal beberapa tes yang digunakan dalam penelitian
hipotesis antara lain :
1. Test binomial
Tes binomial digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua
kelompok kelas, datanya berbentuk nominal dan jum,lha sampelnya kecilnya
(kurang dari 25).
2. Chi kuadrat.
vi

Chi kuadrat satu sampel, adalah teknik statistik yang digunakan untuk menguji
hipotesis deskriptif bila dalam populasi terdiri atas dua atau lebi kelas, data
berbentuk nominal dan smapelnya besar. yang dimaksud hipotesis deskriptif diatas
adlah merupakan estimasi gugaan terhadap ada tidaknya perbedaan frekuensi anatra
kategori satu dan kategori lainnya dalam sebuah sampel tentang suatu hal.
3. Run test
Test ini digunakan untuk menguji hipotesis deskriptif satu sampel, bial datanya
berbentuk ordina. pengujian dilakukan dengan dengancara mengukur kerandoman
populasi yang didasarkan atas data hasil pengamatan melalui data sampel.
4. McNemar Test
Teknik statistik digunakan untk mengji hipotesa komparatif dua sampel yang
berkorelasi bila datanya berbentuk nominal/diskrit. dancangan peneitianya biasanya
bebentuk before after. jadi hipotesa penelitian merupakan perbandaingan antara nilai
sebelum dan sesudah ada perlakuan.
5. Sign Test.
Test ini digunakan untuk menguji hipotesa komparatif dua sampel yang berkorelasi,
bila datanya berbentuk ordinal. teknik ini dianamakan uji tanda karena data yang
akan dianalisis dinyatakan dalam bentuk tanda-tanda yaitu tanda positif dan negatif.
6. Wilcoxon Match Pairs Test.
Teknik ini merupakan penyempurnaan dari uji tanda (sign test). kalau dalam uji
tnada besarnya selisih nilai angka antara positif dan negatif tidak diperhitungkan
sedangkan dlaam uji wilcoxon ini diperhitungkan, teknik digunakan untuk menguji
signifikansi hipotesis komparatif dua sampel yang berkorelasi bila datanya berbentuk
ordinal.
7. Chi kuadrat dua sampel
Chi kuadrat dua sampel digunakan untuk menguji hipotesis komparatif dua smapel
bila datanya berbentuk nominal dan sampelnya besar. cara perhitungan dapat
menggunakan rumus yang telah ada atau dapat menggunakan tabel kontingensi 22.
8. Fisher Exact Probability Test
Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel kecil
independen bila datanya berbentuk nominal untuk sampel yang besar duigunakan chi
kuadrat.
9. Test median.
Tes median digunakan untuk menguji signifikansi hipoteis komparatif dua smapel
independen bila datanya bernbentuk nominal atau ordinal. pengjuijan didasarkaan
atas median dari smapel yang diambil secara random. dengan demikian Ho yang
akan diuji berbunyi : tidak terdapat perbedaan dua kelompok populasi berdasarkan
mediannya.
10. Mann-Whitney U-Test.
vii

U-test ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal test ini merupakan test yang terbaik untuk
menguji hipotesis komparatif dua sampel indenden bila datanya berbentuk ordinal.
11. Test Kolmogorov-Smirnov dua sampel
Test ini digunakan untuk menguji hipotesis komparatif dua sampel independen bila
datanya bernetuk ordinal yang telah tersusun pada tabel distribusi frekuensi
kumulatif dengan menggunakan kela-kelas interval.
12. Test Run Wald-Wolfowitz.
Tes ini dibgunakan untuk meguji signifikasin hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal dan disusun dalam bentuk run. oleh
karena itu sebelum dtaa dua sampel (n1 + n2) dianalisis maka perlu disusun terlebih
dahulu kedlaam bentuk ranking.
13. Test Cochran.
Tes ini digunakan untuk hipotesis komparatif k sampel berpasangan bila datanya
benrbnuk nominal dan frekuensi dikotomi.
14. Test Friedman
Friedman two way anova (analisi varian dua jalan Friedman) digunakan untuk
menguji hipotesis komparatif k sampel yang berpasanga (related) bila datany
aberebntuk ordinal (ranking), bila datany terkumpul berbntuk interval atau ratio
maka data tersebut diubah kedalam ordinal.
15. Chi-kuadrat k Sampel
Test ini digunakan untuk menguji hipotesis komparatif lebih dari dua sample, bila
datanya benrbntuk diskrit atau nominal.
16. Median Extention
Test median extension digunakan untuk menguji hipotesis komparatif median k
sampel independen bila datanya berbentuk ordinal dan dalam tes ini ukuran sampel
tidak harus sama
17. Analisis Varian satu jalan Kruskal-Walls
Teknik ini digunakan untuk menguji hipotesis k sampel inedependen bila datanya
berbentuk ordinal. bila dalam pengukuran ditemukan data berbentuk interval atau
ratio maka perlu dirubah dulu kedlam ordinal (data berbentukr anking/peringkat).
18. Koefisien Kontingensi
Koefisien ini digunakan untuk menghitung hubungan antar variabel bila datanya
berbentuk nominal. teknik mempunyai kaitan eratdengan chi kuadrat yang digunakan
untuk menguji hipotesis komparatif k sampel independen, oleh karena itu rumus
yang digunakan mengandung nilai cjhi kuadrat.
19. Korelasi Spearman Rank
Korelasi spearman rank digunakan mencari hubungan atau uji signifikansi hipotesisi
asosiatif bila amsing-masing variabel yang dihubungkan berbentuk ordinal dan
sumber data aantar variabel tidak harus sama.
viii

20. Korelasi Kendal Tau


Sepertinya dalam korelasi spearman rank, korlasi kendal tau digunakan untuk
mencari hubungan dan menguji hipotesis antara dua variabel atau lebih bila datanya
berbentuk ordinal atau ranking
2.3 Macam Skala Pengukuran
Salah satu aspek penting dalam memahami data untuk keperluan analisis terutama
statistika inferensia adalah Skala Pengukuran. Secara umum terdapat 4 tingkat/jenis skala
pengukuran yaitu :
1.

Skala nominal

Adalah skala yang hanya mempunyai ciri untuk membedakan skala ukur yang satu dengan
yang lain. Contoh skala nominal seperti tabel dibawah ini :
Jenis dan jumlah buah-buahan yang diproduksi suatu daerah pada tahun 1998
Jenis Buah-buahan

Jumlah

Pepaya

2 ton

Mangga

1,5 ton

Apel

1 ton

Dukuh

1,4 ton

Manggis
Sumber : Data Buatan
2.

1,3 ton

Skala Ordinal

Adalah skala yang selain mempunyai ciri untuk membedakan juga mempunyai ciri untuk
mengurutkan pada rentang tertentu. Contoh skala ordinal seperti tabel dibawah ini :
Penilaian Anggota Kelompok Belajar
BINA PINTAR
Kategori Nilai
Istimewa

Banyaknya
6

Orang

Baik

18 Orang

Rata-rata

15 Orang

Kurang

Kurang Sekali

Orang
Orang

Sumber : Data Buatan

ix

3.

Skala Interval

Adalah skala yang mempunyai ciri untuk membedakan, mengurutkan dan mempunyai ciri
jarak yang sama. Contoh, suhu tertinggi pada bulan Desember dikota A, B dan C berturutturut adalah 28, 31 dan 20 derajat Fahrenheit. Kita dapat membedakan dan mengurutkan
besarnya suhu, sebab satu derajat Fahrenheit merupakan suatu besaran yang tetap, namun
pada saat suhu menunjukkan nol derajat Fahrenheit tidak berarti tidak adanya panas pada
kondisi tersebut. Hal ini dapat dijelaskan, misalnya kota A bersuhu 30 derajat Fahrenheit
dan kota B bersuhu 60 derajat Fahrenheit, tidak dapat dikatakan bahwa suhu dikota B dua
kali lebih panas dari pada suhu dikota A, karena suhu tidak mempunyai titik nol murni
(tulen).
4.

Skala Ratio

Adalah skala yang mempunyai 4 ciri yaitu membedakan, mengurutkan, jarak yang sama
dan mempunyai titik nol yang tulen (berarti). Contoh : Pak Asmuni mempunyai uang nol
rupiah, artinya pak Asmuni tidak mempunyai uang.

2.4 Mengenal Uji Statistika Two Way Sub Factorial


Anova dua arah ini digunakan bila sumber keragaman yang terjadi tidak hanya
karena satu faktor (perlakuan).Faktor lain yang mungkin menjadi sumber respon
juga harus diperhatikan.Faktor lain ini bisa perlakuan lain atau faktor yang sudah
terkondisi. Pertimbangan memasukkan faktor kedua sebagai sumber keragaman ini
perlu bila faktor itu dikelompokkan (blok),sehingga keragaman antar kelompok
sangat besar,tetapi kecil dalam kelompok sendiri.
Tujuan dan pengujian Anova 2 arah ini adalah untuk mengetahui apakah ada
pengaruh dari berbagai kriteria yang diuji terhadap hasil yang diinginkan. Misal,
seorang manajer teknik menguji apakah ada pengaruh antara jenis pelumas yang
dipergunakan pada roda pendorong dengan kecepatan roda pendorong terhadap
hasil penganyaman sebuah karung plastik pada mesin circular.

BAB III
PEMBAHASAN
3.1 UJI ANNOVA TWO WAY
Anova merupakan singkatan dari "analysis of varian" adalah salah satu uji
komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua
kelompok. Ada dua jenis Anova, yaitu analisis varian satu faktor (one way anova) dan
analisis varian dua faktor (two ways anova). Pada artikel ini hanya akan dibahas analisis
varian dua faktor.
Untuk melakukan uji Anova, harus dipenuhi beberapa asumsi, yaitu:
1. Sampel berasal dari kelompok yang independen
2. Varian antar kelompok harus homogen
3. Nilai Residual berdistribusi normal (Pelajari juga tentang uji normalitas)
Two-way ANOVA (analysis of variance) atau ANOVA dua arah adalah uji statistik
parametrik untuk menentukan apakah ada perbedaan 3 sampel atau lebih dalam 2
kategori..
.Tujuan

analisis

Two-way ANOVA sama

seperti

One-way ANOVA yaitu

membandingkan perbedaan mean (rata-rata) antar sampel dalam sebuah populasi. Syarat
homogeneity juga berlaku sama. Perbedaan keduanya terletak pada jumlah kategori
kelompok. Pada Two-way ANOVA terdiri dari 2 kategori, sedangkan pada One-way
ANOVA hanya melibatkan 1 kategori.

xi

Untuk pembanding hasil dapat dilakukan uji Post Hoc


Post Hoc untuk mengetahui lama kesembuhan obat mana saja dan umur mana saja yang
berbeda dan mana yang sama. Tes ini menggunakan Tukey, sedangkan Bonferroni
digunakan untuk memverifikasi. Berikut satu per satu:

3.2 CONTOH KASUS DAN PENERAPAN


Kami menjalankan dua arah faktorial ANOVA ketika kita ingin mempelajari efek dari
dua variabel kategori independen terhadap variabel dependen. Dalam dua arah faktorial
ANOVA, kita dapat menguji efek utama dari masing-masing variabel independen. Kami
juga dapat menguji apakah efek dari satu variabel indpendent pada variabel dependen
adalah sama di semua tingkat variabel independen lain, yaitu, jika ada interaksi antara
variabel independen.
Contoh Skenario
Seorang profesor dari kursus statistik tertarik pada efek dari dekat dengan ujian akhir (5
minggu lagi, 1 minggu) pada tingkat stres mahasiswa psikologi dan bisnis. Ia mengukur
tingkat stres yang dirasakan pada kuesioner standar. Dalam skenario ini, stres adalah
variabel dependen sedangkan kedekatan dan bidang siswa studi adalah variabel
independen.
Dalam contoh ini, kami memiliki tiga set hipotesis.
Hipotesis 1

xii

Null hipotesis: Kedekatan dengan ujian akhir tidak berpengaruh pada tingkat stres
siswa.
Alternatif hipotesis: Kedekatan dengan ujian akhir memiliki efek pada tingkat stres

siswa.
Hipotesis 2
Null Hipotesis: Tingkat stres mahasiswa psikologi dan mahasiswa bisnis adalah
sama.
Hipotesis Alternatif: Tingkat stres mahasiswa psikologi dan mahasiswa bisnis tidak

sama.
Hipotesis 3
Hipotesis Null: Tidak ada interaksi antara medan siswa studi dan dekat dengan
ujian akhir. Artinya, efek dari dekat dengan ujian akhir adalah sama untuk
mahasiswa psikologi dan mahasiswa bisnis.
Hipotesis Alternatif: Ada interaksi antara medan siswa studi dan dekat dengan ujian
akhir. Artinya, efek dari dekat dengan ujian akhir yang berbeda untuk mahasiswa
psikologi dan mahasiswa bisnis. Dalam data, kolom pertama adalah skor stres,
kolom kedua adalah bidang studi dan yang ketiga adalah dekat dengan ujian akhir.
Data set dapat diperoleh di sini.

Step

Pilih "Analyze -> General Linear Model -> Univariate".

xiii

Lalu muncul tampilan seperti ini:

Ketiga variable yaitu "Stress", "Field of study" and "Proximity" akan ditampilkan pada
daftar di sebelah kiri
Step

klik "Stress" masukkan ke "Dependent Variable" and "Field of study" and "Proximity"
masukkan ke "Fixed Factor(s)".

xiv

Sekarang klik "Model" di sebelah kanan. Sebuah jendela baru muncul keluar. Pastikan
bahwa "Full faktorial" kotak di bagian atas diperiksa. Klik "Lanjutkan". jendela akan yang
ditutup

Dalam dua arah faktorial ANOVA, plot interaksi sangat berguna untuk menafsirkan efek
interaksi. Dalam hal ini, plot interaksi akan membantu kita untuk menafsirkan efek
gabungan dari bidang studi dan dekat dengan ujian akhir. Kita bisa memperoleh plot ini
dengan mengklik "Plot" di sebelah kanan. Lalu muncul tampilan seperti ini:

xv

Pilih "Proximity" sebagai "Horizontal Axis" dan "Field of study" sebagai "Separate line".
Bahkan, tidak peduli jalan mana yang bulat variabel diplot; Anda harus menggunakan
kebijaksanaan Anda untuk yang cara menghasilkan plot yang paling masuk akal. Klik
Add" dan kemudian "Lanjutkan"

Tampilan kemudian akan ditutup. Sekarang klik "OK" pada tampilan asli.

Step

Kemudian hasil akan muncul sebagaioutput seperti gambar di bawah

xvi

Step

Sekarang kita dapat menginterpretasi hasil

xvii

Dari A di tabel kedua, nilai p untuk efek utama bidang studi adalah 0,682 dan
karena pengaruh bidang studi tidak signifikan. Kita dapat menyimpulkan bahwa

rata-rata, tingkat stres mahasiswa psikologi dan mahasiswa bisnis adalah sama.
Dari B, nilai p untuk dekat adalah 0,028; Oleh karena itu kita dapat menyimpulkan

bahwa efek utama kedekatan signifikan.


Dari C, nilai p untuk interaksi adalah 0,039; interaksi signifikan dan kita dapat
menyimpulkan bahwa efek dari kedekatan pada tingkat stres untuk mahasiswa
psikologi dan mahasiswa bisnis tidak sama. Interaksi Plot bawah menunjukkan
bahwa sebagai ujian akhir pendekatan, tingkat stres mahasiswa bisnis melonjak tapi
itu dari mahasiswa psikologi tetap hampir sama.

Kasus lain

xviii

Dalam pengujian kasus ANOVA 2 arah dengan menggunakan program SPSS


untuk pemecahan suatu masalah adalah sebagai berikut:
1. Memasukan data ke SPSS
Hal yang perlu diperhatikan dalam pengisian variabel Name adalah tidak boleh ada
spasi dalam pengisiannya.Pengolahan data dengan SPSS

xix

2. Pengolahan data dengan SPSS


Langkah-langkahnya :
a. Pilih Analyze ------ General Linear Model ------ Univariate
b. Kemudian lakukan pengisian terhadap :
Kolom Dependent Variable
Kolom Faktor(s)
1. Masukkan yang termasuk Fixed Factor(s) (dalam kasus ini : tingkat dan gender)
2. Masukkan yang termasuk Random Factor(s)

3. Klik Plots
Horizontal Axis : (tingkat)
Separate lines : (gender)
Kemudian add tingkat gender

4. Klik Post Hoc


Masukan variabel yang akan di uji MCA (tingkat)
Tukey

xx

5. Options
Gender & tingkat
Displays
Descriptive statistics
Estimate of effect
Homogeneity test
Spread vs level plot
6. Klik OK
Maka akan keluar hasil ouput

Uji Interaksi
1.

H0 : ij=0 Tidak ada interaksi antara faktor tingkat dan gender


H1 : ij0 Ada interaksi antara faktor tingkat dan gender
2. Tingkat Signifikasi = 5%
3. Statistik Uji
P-value = 0,180
(p_value diambil dari tabel dengan sig yang berasal dari source tingkat*gender)
xxi

4. Daerah Kritik
H0 ditolak jika P-value <
Kesimpulan
Karena p_value (0,180) > (0,05) maka H0 diterima.
Jadi tidak ada interaksi antara faktor tingkat dengan faktor gender pada tingkat signifikasi
5%. Hal tersebut manyatakan bahwa uji efek untuk faktor bahan bakar dan kendali bisa
dilakukan
Uji Efek faktor gender
H0 : 1=2= =j (Tidak ada efek faktor gender)
H1: minimal ada satu j0 (Ada efek faktor gender)
2.
Tingkat Signifikasi = 5%
3.
Statistik Uji
1.

P-value = 0,001
(p_value diambil dari sig pada tabel dengan source gender)
4.
5.

Daerah Kritik H0 ditolak jika P-value <


Kesimpulan
Karena p_value (0,001) < (0,05) maka H0 ditolak.
Jadi ada efek faktor gender untuk data tersebut pada tingkat signifikasi 5% Karena
faktor gender hanya terdiri dari 2 level faktor, sehingga tidak diperlukan uji MCA

Uji Efek faktor tingkat


1.
2.
3.
4.
5.

H0 : 1=2= =i (Tidak ada efek faktor tingkat)


H1 : minimal ada satu i0 (Ada efek faktor tingkat)
Tingkat Signifikasi = 5%
Statistik Uji
P-value = 0,000 (p_value diambil dari tabel pada sig dengan source tingkat)
Daerah Kritik H0 ditolak jika P-value <
Kesimpulan
Karena p_value (0,000) < (0,05) maka H0 ditolak.Jadi ada efek faktor tingkat
untuk

data

tersebut

pada

tingkat

signifikasi

5%

Karena

faktor tingkat

mempengaruhi jam belajar secara signifikan, sehingga perlu dilakukan uji MCA
Analisis perbandingan Ganda :

xxii

Based on observed means.


The error term is Mean Square(Error) = 1,519.
*. The mean difference is significant at the ,05 level.

xxiii

Berdasarkan output diatas, tampak bahwa mahasiswa tingkat 3 memiliki jam


belajar paling lama. Dapat juga disimpulkan bahwa tidak terdapat perbedaan jumlah
jam belajar yang signifikan antara mahasiswa tingkat 2 dan 4. Sedangkan antara tingkat
yang lain menunjukkan adanya perbedaan yang signifikan dalam hal jumlah jam belajar.

3.3 CARA PEMBACAAN OUPUT UJI ANNOVA TWO WAY


Faktorial ANOVA mengukur apakah kombinasi variabel independen
memprediksi nilai variabel dependen. Istilah "way" sering digunakan untuk
menggambarkan jumlah variabel independen diukur dengan tes ANOVA.
Misalnya, satu arah ANOVA mengukur efek dari satu variabel independen pada
variabel dependen, dan dua-way ANOVA mengukur efek dari dua variabel
independen terhadap variabel dependen. Dalam prakteknya, ANOVA dengan lebih
dari tiga variabel independen jarang digunakan karena kompleksitas menafsirkan
hasil.
Contoh:
Dalam 'Komputer ini Tanggapi Pengguna Frustrasi', Klein et al menguji
apakah perangkat lunak komputer, diprogram untuk meminta maaf setelah
berkinerja buruk, mempengaruhi penggunaan selanjutnya subyek 'dari perangkat
lunak. Subyek diberitahu mereka akan menguji permainan komputer baru. Saat
bermain, setengah dari subjek mengalami permainan di mana karakter mereka
membeku untuk jangka waktu yang singkat, tapi jam permainan terus berjalan,
mungkin menyebabkan frustrasi pengguna.
Setelah bermain game selama beberapa menit, subjek menyelesaikan
kuesioner pasca-game online di salah satu dari tiga format yang dipilih secara acak.
Format survei pertama terdiri dari pertanyaan-tertutup meminta pengguna tentang /
pengalamannya dengan permainan. Format survei kedua termasuk pertanyaanpertanyaan terbuka tentang permainan, memberikan kesempatan bagi subjek untuk
"melampiaskan" / nya frustrasi dengan permainan jika ia / dia begitu memilih.
Akhirnya, format survei ketiga yang dihasilkan permintaan maaf jika subjek
merespon negatif untuk pertanyaan.Untuk menggambarkan, subjek mungkin telah

xxiv

menerima respon, "komputer meminta maaf kepada Anda untuk perannya dalam
memberikan Anda pengalaman payah" setelah subjek memberi penilaian negatif.
Setelah menyelesaikan survei, mata pelajaran diizinkan untuk terus bermain
game selama yang mereka inginkan. Pasca-survei waktu bermain game menjabat
sebagai variabel dependen eksperimen; hipotesis adalah mata pelajaran akan
bermain game lagi setelah pasca-survei jika mereka menerima permintaan maaf
setelah memberikan respon negatif dalam kuesioner pasca-pertandingan.
Tim peneliti menggunakan faktorial ANOVA untuk membuktikan hipotesis.
Kondisi delay game-delay / no-game menjabat sebagai salah satu variabel
independen, dan format survei pasca-pertandingan menjabat sebagai lain,
menciptakan 6 variasi permainan.
Model ANOVA faktorial merupakan 2 x 3 desain karena satu variabel
independen, delay permainan, memiliki 2 tingkat, dan format lainnya, pasca-survei,
memiliki 3. Jika, misalnya, di sisi lain, percobaan memiliki 3 variabel independen ,
masing-masing dengan 2 tingkat, desain akan ditandai sebagai 2 x 2 x 2.
Grafis ini mendukung beberapa kesimpulan yang melambangkan hasil dari
eksperimen ANOVA faktorial:

Jika subjek tidak mengalami penundaan dalam game 1, kemudian


dibandingkan dengan mata pelajaran lain, mereka memainkan permainan
yang lebih pendek 2

Kondisi Format survei mempengaruhi jumlah pertandingan 2 waktu


bermain, terlepas dari permainan 1 kondisi 'delay'

Hasil ANOVA yang signifikan, tapi tidak ada trend linier dari kiri ke
kanan sehubungan dengan kondisi 'Format survei'. Hal ini karena ANOVA
hanya tes apakah kondisi sarana individu bervariasi dari sampel agregat
berarti. Sebuah post-test terpisah harus dilakukan jika eksperimen ingin
menguji apakah hasil dari ANOVA mengikuti trend linear yang signifikan.

Singkatnya, percobaan terkontrol dua variabel independen, permainan delay


dan pasca-pertandingan format kuesioner. Tim penelitian yang digunakan faktorial
ANOVA untuk menunjukkan bagaimana waktu bermain game kedua dipengaruhi
oleh variabel independen. Sebuah distribusi normal dapat diasumsikan ketika
ukuran sampel lebih besar dari 30, dan studi ini termasuk 70 mata pelajaran. Untuk
xxv

semua alasan ini, faktorial ANOVA terbukti menjadi statistik yang valid untuk
mengukur hasil eksperimen.
DAFTAR PUSTAKA
Komputindao. Jakarta

Narbuko Cholid, 2009. Metodologi Penelitian. Jakarta : Bumi Aksara


Singgih, Santoso.2008. Panduan Lengkap Menguasai SPSS 16. Penerbit : PT. Alex Media
Utama. Jakarta
Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Penerbit: PT. Gramedia Pustaka

http://arokhman.blog.unsoed.ac.id/files/2009/06/2-transformasi-data-spss.pdf
http://skripsimahasiswa.blogspot.com/2010/11/teknik-analisis-data.html
http://grahastatistika.blogspot.com/2012/01/memilih-teknik-analisisstatistika.htmlhttp://edukasi.kompasiana.com/2011/05/21/memilih-uji-statistik-yang-tepat/
http://shantycr7.blogspot.co.id/2013/08/memilih-teknis-analisis-statistik.html

xxvi

Anda mungkin juga menyukai