BAB I

PENDAHULUAN

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis

statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia
metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan
analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F
juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh
Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan
uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang
genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan
hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antar contoh
(among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within
samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan
hasil yang sama dengan uji-t untuk dua rerata (mean). Analisis varians relatif mudah
dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit.
Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya,
penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga
eksperimen periklanan, psikologi, dan kemasyarakatan.
Sesuai dengan kebutuhannya Anova dibedakan menjadi 2 yaitu Anova satu arah dan
Anova dua arah. Anova satu arah hanya memperhitungkan 1 faktor yang menimbulkan
variasi, sedangkan Anova dua arah memperhitungkan dua faktor yang menimbulkan variasi.
Pada prakteknya pengujian suatu data menggunakan Anova dengan manual memiliki
beberapa kelemahan, diantaranya:

Bila sampel yang diteliti semakin banyak maka waktu yang dibutuhkan akan relatif

semakin banyak
Perhitungan yang dilakukan secara bertahap akan memberi peluang yang semakin
besar bagi pengolah data untuk melakukan kesalahan, ditambah lagi pembulatan
angka yang digunakan akan semakin memperbesar peluang terjadinya kesalahan hasil
hitung.

BAB II

PEMBAHASAN

2.1. Anova Satu Arah (ONE-WAY ANOVA)

ANOVA satu arah merupakan Anova yang variabel independen pada analisis varian
univariat hanya satu . Analisis Varian digunakan untuk menguji hipotesis kesamaan rata-rata
antara dua group atau lebih (tidak berbeda secara signifikan). Teknik yang digunakan
merupakan perluasan dari uji t dua sampel. Jika dari hasil uji Anova diketahui terdapat ratarata data yang berbeda, perbedaan tersebut dapat ditentukan pada analisis lanjut (post hoc).
2.1.1. Analisis Lanjut One-Way Anova
Konsep ANOVA sesungguhnya hampir sama dengan t-test, hanya saja ANOVA
biasanya membedakan lebih dari dua kelompok. Dari hasil uji Anova akan di dapatkan hasil
hasil F hitung yang signifikan atau tidak. Jika F hitung tidak signifikan, berarti rata-rata
variabel dependen pada tingkat faktor yang di tentukan sama (identik). Jika F signifikan
berarti terdapat perbedaan rata-rata variabel dependen pada tingkat faktor yang ditentukan.
Untuk mengetahui pada tingkat mana yang mempunyai rata-rata yang berbeda, dilakukan
analisis lanjut. Pada SPSS analisis lanjut dari uji anova menggunakan prosedur Post Hoc
Multiple Comparison Test. Hal ini dilakukan untuk membandingkan satu kelompok
dengankelompok lainnya satau per satu dan tidak secara bersamaan. Adapun metode-metode
dalam post hoc test tergolong banyak sekali jumlahnya misalnya:
a. Jika varian sama, metode yang tersedia antara lain Tukey, Boferroni, LSD, Ducan dan
sebagainya
b. Jika varian berbeda,

metode yang tersedia adalah Tamhanes T2, Dunnetts T3,

Games-Howellpair wise dan sebagainya.

Namun dalam bahasan ini, kami hanya akan membahas dua metode saja
Scheffes Test
Metode ini paling banyak digunakan untuk melakukan post hoc comparison. Metode
tersebut memungkinkan peneliti untuk membandingkan mean secara berpasangan dengan
kombinasi yang sangat kompleks.Dalam setiap post hoc comparison, distribusi t dapat kita
gunakan untuk menentukan apakah perbedaaan mean yang terjadi antara dua kelompok
sampel terjadi secara sistematis atau kebetulan semata.Untuk setiap perbandingan, maka

hipotesis nol dan hipotesis alternative yang kita buat ditulis untuk menunjukkan kontras yang
terjadi antar populasi.
Tukeys HSD Test
Tukeys HSD (Honestly Significant Difference) test dirancang untuk dapat
melakukanperbandingan mean antar kelompok pada semua tingkat signifikansi tes. Tes ini
jauh lebih kuat dibandingkan Scheffes test, namun tidak dapat digunakan untuk menguji
perbandingan yang bersifat kompleks.

2.1.2. Option Pada One-Way Anova

Pada One-Way Anova di SPSS, terdapat beberapa pilihan yaitu:
1. Statistik
Berisi perhitungan data yang meliputi:
Descriptive
Pada One-Way Anova akan dihitung jumlah kasus, rata-rata, standart deviasi,
standart eror rata-rata, minimum, maksimum dan selang kepercayaan tiap

variabel.
Fixed dan random effects
Menampilkan standart deviasi, standart error, selang kepercayaan untuk model
efek tetap dan standart error, perkiraan antara komponen varian untuk model

evek random
Homogenity of variance test
Menghitung statistik levene untuk menguji kesamaan varian grup. Pengujian

tidak bergantung pada asumsi kenormalan.

Brown-Forsythe dan Welch
Menghitung statistik Brown-Forsythe untuk menguji kesamaan rata-rata grup.
2. Means plot
Menampilkan grafik plot rata-rata subgrup (rata-rata untuk tiap grup ditentukan oleh

nilai variabel faktor)

3. Missing Values
Mengontrol perlakuan missing values dengan dua pilihan:
Exclude cases analysis by analysis
Suatu kasus dengan nilai missing untuk variabel dependen atau variabel faktor
pada suatu analisis tidak digunakan dalam analisis. Kasus yang berada di luar

range yang ditentukan untuk variabel faktor juga tidak digunakan.

Exclude cases listwise

Kasus dengan nilai missing untuk fariabel faktor atau untuk beberapa variabel
dependen yang terdapat pada daftar di kotak dialog dikeluarkan dari analisis
Kasus 1
Dalam suatu tes, seorang peneliti ingin mengetahui skor kemempuan dasar mahasiswa dasar
mahasiswi yang diambil dari 4 fakultas, yaitu Fakultas Teknik , MIPA, Ekonomi dan Sastra.
Maing-masing fakultas diambil sampel sebanyak 8 orang. Skor tersebut nilainya antara 0
smapai 100. Datanya adalah sebagai berikut:

Mahasiswa

skor

Fakultas

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

75
55
59
60
70
75
76
66
74
75
64
64
68
70
70
85
54
58
74
69
65
70
72
65
55
65
66
64
60
57
64
58

Teknik
Teknik
Teknik
Teknik
Teknik
Teknik
Teknik
Teknik
MIPA
MIPA
MIPA
MIPA
MIPA
MIPA
MIPA
MIPA
Ekonomi
Ekonomi
Ekonomi
Ekonomi
Ekonomi
Ekonomi
Ekonomi
Ekonomi
Sastra
Sastra
Sastra
Sastra
Sastra
Sastra
Sastra
Sastra

Langkah-langkah untuk melakukan uji Anova adalah:

1. Memasukkan data ke data editor
Variable Skor
Mendefenisikan variable pada Variable View
Nama
: SKOR
Decimal
:0
Label
: Skor Kemampuan Dasar
Measure
: Scale
Properti variable lainnya sesuai default
Setelah variabel di defenisikan, masukkan data skor kemampuan dasar.

Variable Fakultas
Mendefenisikan variabel pada Variable View
Nama
: FAKULTAS
Decimal
:0
Label
: Fakultas
Value
: 1 (Teknik)
2 (MIPA)
3 (Ekonomi)
4 (Sastra)
Measure
: Nominal
Properti variable lainnya sesuai default
Setelah variabel di defenisikan, masukkan data Fakultas.
2. Setelah itu klik menu Analyze, pilih Compare Mean.
3. Dari berbagai pilihan yang ada, pilih One-Way ANOVA

4. Setelah itu akan muncul kotak dialog One-Way ANOVA. Masukkan variabel SKOR
ke kotak Dependen List dan variabel FAKULTAS ke kotak Factor

5. Klik Options sehingga akan muncul kotak dialog Options. Untuk menampilkan
statistik deskriptif dari data, aktifkan pilihan Descriptive
6. Untuk menampilkan uji kesamaan varian, aktifkan pilihan Homogeneity of Variance
test.
7. Untuk menempilkan plot rata-rata, aktifkan Means Plot.
8. Gunakan default pada Missing Values, yaitu Exclude Cases Analysis by analisis.

9.

Klik Continue, sehingga akan muncul kembali kotak

10.

dialog One-Way ANOVA.

Klik Post Hoc yang akan digunakan sebagai analisis
lanjut dari uji F

11. Pilih Tukey untuk keseragaman, tingkat signifikansi yang digunakan sesuai default
yaitu 0.05. Setelah itu klik Continue klik OK
Descriptives
Skor Kemampuan Dasar
N
Mean

Teknik
MIPA
Ekono
mi
Sastra
Total

Std. Std. Error

Deviati
on

8
8
8

67,00
71,25
65,88

8,246
6,861
6,917

2,915
2,426
2,445

8
32

61,13
66,31

4,155
7,355

1,469
1,300

95% Confidence Interval Minimum

for Mean
Lower
Upper Bound
Bound
60,11
73,89
55
65,51
76,99
64
60,09
71,66
54
57,65
63,66

64,60
68,96

Test of Homogeneity of Variances

Skor Kemampuan Dasar
Levene
df1
df2
Sig.
Statistic
1,310
3
28
,291
ANOVA
Skor Kemampuan Dasar
Sum of
Squares
Between
415,625
Groups
Within Groups
1261,250
Total
1676,875
Post Hoc Tests

df
3
28
31

Mean
Square
138,542
45,045

F
3,076

Sig.
,044

55
54

Maximum

76
85
74
66
85

Multiple Comparisons
Dependent Variable: Skor Kemampuan Dasar
Tukey HSD
(I)
(J)
Mean
Std.
Sig.
Fakultas
Fakultas
Difference (I- Error
J)
MIPA
-4,250
3,356
Teknik
Ekonomi
1,125
3,356
Sastra
5,875
3,356
Teknik
4,250
3,356
MIPA
Ekonomi
5,375
3,356
*
Sastra
10,125
3,356
Teknik
-1,125
3,356
Ekonomi MIPA
-5,375
3,356
Sastra
4,750
3,356
Teknik
-5,875
3,356
*
Sastra
MIPA
-10,125
3,356
Ekonomi
-4,750
3,356
*. The mean difference is significant at the 0.05 level.
Homogeneous Subsets
Skor Kemampuan Dasar
Tukey HSDa
Fakultas
N
Subset for alpha =
0.05
1
2
Sastra
8
61,13
Ekonomi
8
65,88
65,88
Teknik
8
67,00
67,00
MIPA
8
71,25
Sig.
,318
,394
Means for groups in homogeneous subsets
are displayed.
a. Uses Harmonic Mean Sample Size =
8,000.
Means Plots

,591
,987
,318
,591
,394
,026
,987
,394
,501
,318
,026
,501

95% Confidence Interval

Lower
Upper
Bound
Bound
-13,41
4,91
-8,04
10,29
-3,29
15,04
-4,91
13,41
-3,79
14,54
,96
19,29
-10,29
8,04
-14,54
3,79
-4,41
13,91
-15,04
3,29
-19,29
-,96
-13,91
4,41

2.1.4. Prosedur Pengujian Hipotesis

Dalam tampilan output diatas ada tiga uji yang di tampilkan yaitu uji kesamaan
varian, uji anova dan uji lanjut.
Uji Kesamaan Varian
Lihat output Test of Homogenetity of Variances
1. Hipotesis
Ho : Varian ketiga sampel identik
Ha : Varian ketiga sampel tidak identik
2. Statistik uji : uji Levene
3. =0.05
4. Daerah kritis: Ho ditolak jika Sig
5. Dari hasil pengolahan SPSS diperoleh Sign = 0.291, karena nilai sign > 0.05 maka Ho
diterima. Yang artinya varian ketiga populasi identik (tidak berbeda secara signifikan)
Uji Anova
1. Hipotesis
Ho : Rata-rata skor kemampuan dasar keempat fakultas identik
Ha : Rata-rata skor kemampuan dasar keempat fakultas tidak identik
2. Statistik uji : Uji F
3. =0.05
4. Daerah kritis: Ho ditolak jika Sig
5. Dari hasil pengolahan SPSS diperoleh Sign = 0.044, karena nilai sign > 0.05 maka Ho
ditolak dan Ha diterima. Yang artinya rata-rata skor kemampuan dasar mahasiswa ke
empat fakultas tidak identik (berbeda secara signifikan).
Uji Lanjut
Dari uji anova diketahui bahwa rata-rata ketiga populasi berbeda secara signifikan. Untuk
mengetahui rata-rata mana yang berbeda maka dilakukan uji lanjut. Hasilnya kita lhat output
Multiple Comparison
1. Hipotesis:

Ho : Rata-rata skor kemampuan dasar fakultas i = j

Ha : Rata-rata skor kemampuan dasar fakultas i j
Dengan i dan j = 1, 2, 3, 4 (1= Teknik, 2= MIPA, 3= Ekonomi, 4 =Sastra)
2. Statistik uji : uji Tukey
3. =0.05
4. Daerah kritis: Ho ditolak jika Sig
5. Dari hasil pengolahan SPSS diperoleh Sign yang nilainya kurang dari 0.05 yaitu
antara fakultas MIPA dan Sastra, yaitu 0.026.
6. Karena pada fakultas MIPA dan Sastra nilai sign lebih kecil dari 0.05 maka Ho
ditolak.
Kesimpulan : Ho ditolak sehingga Ha diterima. Jadi rata-rata skor kemampuan dasar
mahasiswa fakultas MIPA dan Sastra tidak identik. Perbedaan skornya yaitu sebesar
10,125.
2.2. Anova Dua Arah (TWO WAY ANOVA)
Uji Anova dua arah disebut juga Faktorial Anova, yang bermanfaat untuk menguji
beberapa hipotesis mengenai perbedaan mean dalam desain faktorial (variabel independen
2 sehingga terdapat 4 kelompok dalam desain tersebut)

Persyaratan utama dari desain ini adalah :

1. Terdapat dua variabel independent, yang mana masing-masing variable independent
tersebut memiliki dua atau lebih level/kelompok. Dua variable independent tersebut
diasumsikan saling bersilangan satu sama lain
2. Level atau kelompok dalam masing-masing variabel independen dapat berbeda baik
secara kuantitatif maupun kualitatif.
3. Subyek hanya boleh muncul dalam satu sel desain faktorial sekali saja.
Tujuan dari Anova dua arah ini adalah untuk membandingkan nilai mean dari empat atau
lebih kelompok dalam suatu desain faktorial, sehingga dapat diketahui:
1. Apakah perbedaan mean yang ada, terjadi karena kebetulan, ataukah merupakan
pengaruh dari faktor pertama (main effect untuk faktor A)
2. Apakah perbedaan mean yang ada, terjadi karena
merupakanpengaruh dari faktor kedua (main effect untuk faktor B).
3. Apakah perbedaan mean yang ada, terjadi karena

kebetulan,

ataukah

kebetulan,ataukah

merupakanpengaruh dari interaksi antara faktor pertama dengan faktor kedua

(interaction effect ).

Seringkali ada yang mengajukan pertanyaan, mengapa peneliti tidak melakukan suatu
riset yang berbeda untuk masing-masing variabel. Hal tersebut tidak dilakukan dengan alasan
untuk:
1. Menghemat waktu dan sumber daya
2. Memperoleh informasi yang lebih lengkap dari desain faktorial, karena informasiini
tidak dapat diprediksi dari pengaruh faktor 1 dan faktor 2 secara independent.
3. Estimasi dari varians error akan lebih akurat dalam desain faktorial
dibandingkandengan desain Anova satu arah.
Dalam anova satu arah, total variabilitas antar skor dibagi ke dalam 2 sumber variabilitas
yang bersifat independent. Yaitu variabilitas dalam kelompok (within-group variability) dan
variabilitas antar kelompok atau (between group variability)
Total variability = variability between group + variability within group (error)
Sedangkan dalam anova dua arah, sumber variabilitasnya dibagi ke dalam 4 sumber
Total variability = variabilitas karena faktor A + variabilitas karena faktor B +
variabilitas karena interaksi A dan B + variabilitas dalam kelompok
(error)
Berdasarkan ada tidaknya interaksi, Anova dua arah dibedakan menjadi dua yaitu
Anova dua arah tanpa interaksi
Anova dua arah dengan interaksi
2.2.1. Anova Dua Arah Tanpa Interaksi
Pengujian Anova dua arah tanpa interaksi merupakan pengujian hipotesis beda tiga
rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi kedua faktor
ditiadakan.
Kasus 2
Seorang konsultan mesin dari perusahaan penyalur atau DEALER kendaraan diminta untuk
mengkaji apakah ada perbedaan rata-rata efesiensi pemakaian BBM(kilometer/Liter) antara
tiga merek mobil. Disamping itu dia diminta juga untuk mengkaji apakah ada perbedaan ratarata efesiensi pemakaian BBM yang disebapkan oleh kapasitas mesin. Dari hasil
pengumpulan data yang dilakukan konsultan tersebut diperoleh data sebagai berikut:

1300

A1
10

Merek Mobil
A2
11

A3
11

1500

11

12

11

Kapasitas
Mesin

10

Mendefinisikan variabel ke dalam variabel view, seperti berikut:

Untuk values kapasitas, buatlah seperti berikut:

Untuk values merek, seperti berikut:

Kemudian buka lembar kerja data view, dan masukkan data yang ada. Kemudian pilih
Analyze General Linear Model Univariate

Isikan efesiensi pemakaian BBM ke variabel dependent, Kapasitas mesin dan merek
ke dalam Fixed Factor.

Kemudian memilih Model, setelah itu akan muncul tampilan seperti berikut:

11

Setelah itu, pada pilihan specify Model memilih custom. Dan memasukkan variabel
kapasitas dan merek ke dalam kotak Model. Kemudian continue dan OK.
Hasil output SPSS
Tests of Between-Subjects Effects
Dependent Variable:Efesiensi pemakaian BBM
Type III Sum of
Source

Squares

Df

Mean Square

Sig.

1.667a

.556

3.333

.239

726.000

726.000

4356.000

.000

.667

.667

4.000

.184

Merek

1.000

.500

3.000

.250

Error

.333

.167

Total

728.000

2.000

Corrected Model
Intercept
Kapasistas

Corrected Total

a. R Squared = ,833 (Adjusted R Squared = ,583)

Hipotesis pada bagian ini adalah:

Ho : Rata-rata efisiensi pemakaian BBM pada ketiga merek mobil adalah sama
Ha : Terdapat perbedaan rata-rata efisiensi pemakaian BBM pada ketiga merek mobil
Pengambilan Keputusan:
jika nilai sig < 0,05 ; maka Ho ditolak
jika nilai sig > 0,05 ; maka Ho diterima
Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,250 yang berarti > 0,05 maka Ho
diterima. Berarti memang tidak ada perbedaan rata-rata efisiensi pemakaian BBM pada ketiga
merek mobil.

12

Hipotesis pada bagian ini adalah:

Ho : Rata-rata efisiensi pemakaian BBM pada kedua kapasitas mesin adalah sama
Ha : Terdapat perbedaan rata-rata efisiensi pemakaian BBM pada kedua kapasitas mesin
Pengambilan Keputusan:
jika nilai sig < 0,05 ; maka Ho ditolak
jika nilai sig > 0,05 ; maka Ho diterima
Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,184 yang berarti > 0,05 maka Ho
diterima. Berarti memang tidak ada perbedaan rata-rata efisiensi pemakaian BBM pada kedua
kapasitas mesin
Multiple Comparisons
Efesiensi pemakaian BBM
Tukey HSD
(I)

(J)

Merek

Merek

Mean Difference

Mobil

Mobil

(I-J)

A1

A2

-1.00

.408

.233

-3.40

1.40

A3

-.50

.408

.548

-2.90

1.90

A1

1.00

.408

.233

-1.40

3.40

A3

.50

.408

.548

-1.90

2.90

A1

.50

.408

.548

-1.90

2.90

A2

-.50

.408

.548

-2.90

1.90

A2

A3

95% Confidence Interval

Std. Error

Sig.

Lower Bound

Upper Bound

Based on observed means.

The error term is Mean Square(Error) = ,167.

2.2.2. Anova Dua Arah dengan Interaksi

Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian beda tiga ratarata atau lebih dengan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua
faktor tersebut diperhitungkan.
Kasus:
Budi daya dilakukan dengan cara vegetatif seperti kultur jaringan, cangkok, stek,
okulasi sambung pucuk maupun sambung sisip. Perkebunan ini terkenal akan buah

13

mangganya yang manis dan selalu ada tanpa melihat musim produksi buah, sehingga
konsumen tidak kecewa. Hal ini dikarenakan perkebunan memilih teknik budidaya yang
tepat dan perlakuan yang tepat terhadap tanaman buah mangganya.
Oleh karena alasan-alasan maka akan dianalisa terhadap tanaman mangga yang
ditanam oleh perkebunan. Adapun data yang kami ambil dari perkebunan buah tersebut yaitu
hasil produksi buah, teknik budidaya (jenis bibit), perawatan (pemupukan) yang dilakukan
pada tiga pohon buah mangga yang perkebunan Rantas budidayakan. Sehingga diperoleh
data akhir sebagai berikut:
Jenis Bibit
Jenis Pupuk

ZA
Zeorea
NPK
KCI
Total ( )

Kultur
Jaringan
62
64
68
63
60
58
57
66
63
56
41
44
702

Cangkok

Sambung

70
79
62
55
41
50
64
69
57
55
58
51

72
59
63
45
56
65
56
37
40
51
57
36

711

637

Penyelesaian:
Membuka program SPSS
Pada variabel view, masukkan data seperti berikut:

14

Untuk value pupuk, buatlah seperti berikut:

Total ( )

599
493
509
449
2050

Untuk value bibit, buat seperti berikut:

Kemudian klik Ok, pada data view masukkan semua data. Kemudian dari menu
utama SPSS pilih menu Analyze, kemudian pilih submenu General Linear Model.
Dari serangkaian pilihan test, sesuai kasus pilih Univariate

15

Pada kotak dialog Univariate, buatlah seperti berikut:

Kemudian klik Post hoc, pada kotak dialog yang muncul isikan data seperti berikut

Kemudian klik continue lalu OK

Hasil Output SPSS
Between-Subjects Factors
Value Label

Jenis pupuk

Jenis bibit

ZA

Zeorea

NPK

KCI

Kultur Jaringan

12

Cangkok

12

Sambung

12

Tests of Between-Subjects Effects

Dependent Variable: Hasil produksi
Type III Sum of
Source

Squares

df

Mean Square

Sig.

2371.889a

11

215.626

4.062

.002

116736.111

116736.111

2199.110

.000

1323.000

441.000

8.308

.001

Bibit

271.722

135.861

2.559

.098

Pupuk * Bibit

777.167

129.528

2.440

.055

Error

1274.000

24

53.083

Total

120382.000

36

3645.889

35

Corrected Model
Intercept
Pupuk

Corrected Total

16

Tests of Between-Subjects Effects

Dependent Variable: Hasil produksi
Type III Sum of
Source

Squares

df

Mean Square

Sig.

2371.889a

11

215.626

4.062

.002

116736.111

116736.111

2199.110

.000

1323.000

441.000

8.308

.001

Bibit

271.722

135.861

2.559

.098

Pupuk * Bibit

777.167

129.528

2.440

.055

Error

1274.000

24

53.083

Total

120382.000

36

3645.889

35

Corrected Model
Intercept
Pupuk

Corrected Total
a.

R Squared = ,651 (Adjusted R Squared = ,490)

Pengambilan Keputusan
Hipotesis pada bagian ini adalah:
Ho : Tidak ada interaksi antara pupuk dengan bibit
Ha : Ada interaksi antara pupuk dengan bibit
Pengambilan Keputusan:
jika nilai sig < 0,05 ; maka Ho ditolak
jika nilai sig > 0,05 ; maka Ho diterima
Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,055 yang berarti > 0,05, maka Ho
diterima. Berarti memang tidak ada interaksi antara pemilihan pupuk dengan bibit
Hipotesis pada bagian ini adalah:
Ho : semua rata-rata pupuk sama
Ha : Terdapat perbedaan rata-rata produksi dari penggunaan pupuk
Pengambilan Keputusan:
jika nilai sig < 0,05 ; maka Ho ditolak
jika nilai sig > 0,05 ; maka Ho diterima
Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,001 yang berarti < 0,05, maka Ho ditolak.
Berarti memang tidak terdapat perbedaan rata-rata produksi dari penggunaan pupuk
Hipotesis pada bagian ini adalah:
Ho : semua rata-rata bibit sama
Ha : Terdapat perbedaan rata-rata produksi dari penggunaan bibit

17

Pengambilan Keputusan:
jika nilai sig < 0,05 ; maka Ho ditolak
jika nilai sig > 0,05 ; maka Ho diterima
Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,098 yang berarti > 0,05, maka Ho
diterima. Berarti memang tidak terdapat perbedaan rata-rata produksi dari penggunaan bibit.

Post Hoc Tests

Jenis pupuk

18

Multiple Comparisons
Dependent Variable: Hasil produksi

Tukey HSD

(J) Jenis

pupuk

pupuk

ZA

Zeorea

11.78*

3.435

.011

2.30

21.25

NPK

10.00*

3.435

.036

.53

19.47

KCI

16.67*

3.435

.000

7.19

26.14

ZA

-11.78*

3.435

.011

-21.25

-2.30

NPK

-1.78

3.435

.954

-11.25

7.70

KCI

4.89

3.435

.498

-4.59

14.36

-10.00*

3.435

.036

-19.47

-.53

Zeorea

1.78

3.435

.954

-7.70

11.25

KCI

6.67

3.435

.238

-2.81

16.14

-16.67*

3.435

.000

-26.14

-7.19

Zeorea

-4.89

3.435

.498

-14.36

4.59

NPK

-6.67

3.435

.238

-16.14

2.81

Zeorea

11.78*

3.435

.021

1.46

22.10

NPK

10.00

3.435

.060

-.32

20.32

KCI

16.67*

3.435

.001

6.35

26.99

ZA

-11.78*

3.435

.021

-22.10

-1.46

NPK

-1.78

3.435

.965

-12.10

8.54

KCI

4.89

3.435

.576

-5.43

15.21

-10.00

3.435

.060

-20.32

.32

Zeorea

1.78

3.435

.965

-8.54

12.10

KCI

6.67

3.435

.312

-3.65

16.99

-16.67*

3.435

.001

-26.99

-6.35

Zeorea

-4.89

3.435

.576

-15.21

5.43

NPK

-6.67

3.435

.312

-16.99

3.65

Zeorea

NPK

KCI

Scheffe

ZA

Zeorea

NPK

KCI

Mean Difference
(I-J)

ZA

ZA

ZA

ZA

Std. Error

Based on observed means.

The error term is Mean Square(Error) = 53,083.
*. The mean difference is significant at the 0,05 level.

Uji Lanjut

19

95% Confidence Interval

(I) Jenis

Sig.

Lower Bound

Upper Bound

Dari uji anova diketahui bahwa rata-rata ketiga populasi berbeda secara signifikan. Untuk
mengetahui rata-rata mana yang berbeda maka dilakukan uji lanjut. Hasilnya kita lihat output
Multiple Comparison
1. Hipotesis:
Ho : Rata-rata antara jenis pupuk yang digunakan i = j
Ha : Rata-rata antara jenis pupuk yang digunakan i j
Dengan i dan j = 1, 2, 3, 4 (1= Zeorea, 2=NPK, 3= , 4 =NPK)
2. Statistik uji : uji Tukey
3. =0.05
4. Daerah kritis: Ho ditolak jika Sig
5. Dari hasil pengolahan SPSS diperoleh Sign yang nilainya kurang dari 0.05 yaitu
antara pupuk ZA dengan semua pupuk lainnya maka Ho ditolak.
Untuk hasil produksi dilakukan cara yang sama.

Jenis bibit

20

Multiple Comparisons
Dependent Variable: Hasil produksi
(J) Jenis

Tukey HSD

95% Confidence Interval

Mean

(I) Jenis bibit

bibit

Kultur Jaringan

Cangkok

-.75

2.974

.966

-8.18

6.68

Sambung

5.42

2.974

.184

-2.01

12.84

.75

2.974

.966

-6.68

8.18

6.17

2.974

.117

-1.26

13.59

-5.42

2.974

.184

-12.84

2.01

Cangkok

-6.17

2.974

.117

-13.59

1.26

Cangkok

-.75

2.974

.969

-8.51

7.01

Sambung

5.42

2.974

.212

-2.34

13.18

.75

2.974

.969

-7.01

8.51

6.17

2.974

.138

-1.59

13.93

-5.42

2.974

.212

-13.18

2.34

-6.17

2.974

.138

-13.93

1.59

Cangkok

Difference (I-J) Std. Error

Kultur

Sig.

Lower Bound

Upper Bound

Jaringan
Sambung
Sambung

Kultur
Jaringan

Scheffe

Kultur Jaringan

Cangkok

Kultur
Jaringan
Sambung

Sambung

Kultur
Jaringan
Cangkok

Based on observed means.

The error term is Mean Square(Error) = 53,083.

Kasus 3
Seorang produsen ingin mengetahui apakah perbedaan kandungan alkohol dalam
produk parfum yang diluncurkannya baru-baru ini memiliki pengaruh terhadap tingkat
pembelian.Parfum itu sendiri baru diluncurkan pada satu cabang tokonya di Jawa dan Bali.
Berikut ini data tingkat pembelian (dalam juta) produk dari konsumen parfum tersebut selama
bulan April dan Mei

Daerah
Bali
Jawa

21

Bulan
April
Mei
April

Tingkat Kandungan Alkohol

5%
10%
15%
Midwinter
Delice
Together
100
100
700
200
200
800
800
300
300

Mei

900

400

400

Pengolahan data dengan SPSS

Langkah-langkah :
Buka file two way anova
Dari menu utama SPSS pilih menu Analyze, kemudian pilih submenuGeneral
Linear Model. Dari serangkaian pilihan test, sesuai kasus pilih Univariate
Maka tampak di layar

Pengisian:
Dependent atau variabel dependen yang akan diuji. Yang akan diuji adalah tingkat
pembelian konsumen, klik variabel tingkat pembelian, kemudian klik tanda >
makavariabel pembelian akan berpindah ke dependen.
Factors atau faktor /grup, masukkan variabel daerah dan kandungan alcohol (merek
parfum) Catatan: Perhatikan isi fixed factor selalu berupa data nominal seperti 1,2 dan
seterusnya.

Klik Model, pilih full factorial, kemudian continue

22

 Klik Post hoc, kemudian klik daerah dan merek lalu klik tanda > ke bagian Post
hoc test for. Kemudian klik Equal variances assumed , lalu pilih Scheffe dan Tukey.

Kemudian continue. Abaikan pilihan lain. Lalu klik OK

Interpretasi Output SPSS
Between-Subjects Factors
Value Label
1
Bali
Daerah
2
Jawa
5%
1
midwinter
Merek Kandungan
2
10% Delice
Alkohol
15%
3
Together

N
6
6
4
4
4

Pada bagian ini terlihat ringkasan dari data yang diproses. Dari tabel terlihat bahwa
untuk masing-masing daerah, yakni Jawa dan Bali, terdapat 6 kasus yang diproses.
Sedangkan berdasarkan kandungan alcohol (merk), ada 4 kasus yang diproses untuk masingmasing merek
Tests of Between-Subjects Effects
Dependent Variable: Tingkat pembelian
Source
Type III Sum
df
Mean
F
of Squares
Square
a
Corrected
896666,667
5 179333,333 35,867
Model
2253333,333
1 2253333,33 450,667
Intercept
3
Daerah
83333,333
1 83333,333 16,667

23

Sig.
,000
,000
,006

Merek
206666,667
2 103333,333
Daerah *
606666,667
2 303333,333
Merek
Error
30000,000
6
5000,000
Total
3180000,000
12
Corrected Total 926666,667
11
a. R Squared = ,968 (Adjusted R Squared = ,941)

20,667
60,667

,002
,000

Sesuai dengan tujuan dari desain factorial, maka ada 3 perbedaan mean yang akan kita uji:
1.

Apakah perbedaan mean yang ada, terjadi karena kebetulan, ataukah merupakan
pengaruh dari interaksi antara factor pertama dengan factor ke dua (interaksi effect)
Efek interaksi harus dikedepankan dalam interpretasi Anova dua arah, sebab nilai
pembelian parfum oleh konsumen mungkin lebih disebabkan karena kombinasi dari
efek faktor pertama (daerah) dan faktor kedua ( kandungan alcohol/merk)
Pengambilan Keputusan
Hipotesis pada bagian ini adalah:
Ho : Tidak ada interaksi antara daerah dengan kandungan alcohol (merek parfum)
Ha : Ada interaksi antara daerah dengan kandungan alcohol (merek parfum)
Pengambilan Keputusan:
jika probabilita > 0,05 ; maka Ho diterima
jika probabilita < 0,05 ; maka Ho ditolak

Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,000 yang berarti <0,005, maka Ha
ditolak. Berarti memang ada interaksi antara daerah dengan kandungan alcohol(merek
parfum).
2.

Apakah perbedaan mean yang ada, terjadi karena kebetulan, ataukah merupakan
pengaruh dari faktor pertama (main effect untuk factor daerah).
Hipotesis
Ho : Mean kedua populasi (Bali dan Jawa) adalah identik
Ha : Mean kedua populasi (Bali dan Jawa) tidak identik
Pengambilan Keputusan
jika probabilita > 0,05 ; maka Ho diterima
jika probabilita < 0,05 ; maka Ho ditolak
Keputusan:

24

Terlihat nilai signifikansi adalah sebesar 0,006 yang berarti <0,005, maka Ho
ditolak.Berarti mean pembelian parfum di kedua daerah tersebut memang berbeda
secara nyata.
3. Apakah perbedaan mean yang ada, terjadi karena kebetulan, ataukahmerupakan
pengaruh dari faktor kedua (main effect untuk factor kandungan alkohpol / merk
parfum).
Hipotesis:
Ho: Mean ketiga populasi (Mid winter, Delice,dan Together) adalah identik
Ha : Mean ketiga populasi (Mid winter, Delice,dan Together) tidak identik
Pengambilan Keputusan:
jika probabilita > 0,05 ; maka Ho diterima
jika probabilita < 0,05 ; maka Ho ditolak
Keputusan:
Terlihat bahwa F nilai signifikansi adalah sebesar 0,002 yang berarti <0,005, maka Ho
ditolak. Berarti mean pembelian parfum ketiga merk tersebut memang berbeda secara
nyata.
Post Hoc Tests
Merek Kandungan Alkohol
Multiple Comparisons
Dependent Variable: Tingkat pembelian
(I) Merek
(J) Merek
Mean
Std.
Kandungan
Kandungan
Difference (IError
Alkohol
Alkohol
J)

5% midwinter
Tukey
HSD

10% Delice
15% Together

Scheffe

25

5% midwinter

10% Delice
15% Together
5% midwinter
15% Together
5% midwinter
10% Delice
10% Delice
15% Together

250,00*
-50,00
-250,00*
-300,00*
50,00
300,00*
250,00*
-50,00

50,000
50,000
50,000
50,000
50,000
50,000
50,000
50,000

Sig.

,006
,603
,006
,002
,603
,002
,007
,630

95% Confidence
Interval
Lower
Upper
Bound Bound
96,59 403,41
-203,41 103,41
-403,41
-96,59
-453,41 -146,59
-103,41 203,41
146,59 453,41
89,64 410,36
-210,36 110,36

10% Delice
15% Together

-250,00*
-300,00*
50,00
300,00*

5% midwinter
15% Together
5% midwinter
10% Delice

50,000
50,000
50,000
50,000

,007
,003
,630
,003

-410,36
-460,36
-110,36
139,64

Based on observed means.

The error term is Mean Square(Error) = 5000,000.
*. The mean difference is significant at the 0,05 level.
Setelah kita mengetahui bahwa terdapat perbedaan yang signifikan baik dari variabel
daerah maupun variabel kandungan alkohol (merk), maka kita akan berusaha untuk
mengetahui perbedaan antara satu merek dengan merek lainnya satu persatu. Kita tidak
mungkin melakukan post hoc comparison untuk variabel daerah karena hanya terdiri dari 2
kelompok (Post hoc mensyaratkan minimal ada 3 kelompok untuk dibandingkan).Baik Tukey
maupun Scheffe Test menghasilkan nilai yang tidak jauh berbeda.
Catatan: Tanda * pada kolom mean differences menunjukkan bahwa perbedaan yang ada
tergolong signifikan. Perbandingan perbedaan mean antara Delice dengan Mid Winter dan
Together cukup signifikan.
Perbandingan perbedaan mean antara Delice dengan Mid Winter dan Together
cukup signifikan. Perbandingan antara Together dengan Mid winter tergolong tidak signifikan,
namunperbandingan antara Together dengan Delice tergolong signifikan.
Perbandingan perbedaan mean antara Nid Winter dengan Delice menunjukkan
perbedaan yang sangat signifikan.
Homogeneous Subsets
Tingkat pembelian
Merek Kandungan
N
Alkohol
Tukey
HSDa,b
Scheffe

26

a,b

10% Delice
5% midwinter
15% Together
Sig.
10% Delice
5% midwinter

Subset
4
4
4
4
4

1
250,00

1,000
250,00

2
500,00
550,00
,603
500,00

-89,64
-139,64
210,36
460,36

15% Together
4
Sig.
1,000
Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = 5000,000.
a. Uses Harmonic Mean Sample Size = 4,000.
b. Alpha = 0,05.

550,00
,630

Pada bagian ini, yang akan kita cari adalah grup/subset mana saja yang
mempunyaiperbedaan mean yang tidak signifikan. Terlihat bahwa sampel terbagi ke dalam 2
subset, yang menunjukkan bahwa ada 2 merk yang memiliki mean pembelian yang tidak
terlalu berbeda secara nyata. Dua merek yangtidak berbeda pembeliannya adalah Mid Winter
dan Together. Mean dari pembelian parfum Delice berbeda secara signifikan dengan parfum
merk Mid Winter dan Together. Namun dari informasi diatas, terlihat bahwa rata-rata
pembelian dari parfum Delice tergolong lebih rendah, jauh dibawah Mid Winter dan
Together.

BAB III
KESIMPULAN
Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Sesuai dengan kebutuhannya
Anova dibedakan menjadi 2 yaitu Anova satu arah dan Anova dua arah. Sesuai dengan
kebutuhannya Anova dibedakan menjadi 2 yaitu Anova satu arah dan Anova dua arah. Uji
Anova dua arah disebut juga Faktorial Anova, yang bermanfaat untuk menguji beberapa
hipotesis mengenai perbedaan mean dalam desain faktorial (variabel independen

sehingga terdapat 4 kelompok dalam desain tersebut) .

Adapun metode-metode dalam post hoc test tergolong banyak sekali jumlahnya misalnya:
a. Jika varian sama, metode yang tersedia antara lain Tukey, Boferroni, LSD, Ducan dan
sebagainya
b. Jika varian berbeda,

metode yang tersedia adalah Tamhanes T2, Dunnetts T3,

Games-Howellpair wise dan sebagainya.

Namun dalam bahasan ini, kami hanya akan membahas dua metode saja

27

Beberapa hal yang menjadi keuntungan dalam menggunakan SPSS untuk uji Anova adalah:
a. Waktu yang dibutuhkan untuk melakukan uji labih sedikit
b. Hasil yang diperoleh lebih teliti dan lebih tinggi tingkat keakuratannya karna
pembulatan data dalam perhitungan dapat dihindarkan.

DAFTAR PUSTAKA
Andi. 2004. Pengolahan Statistik dengan SPSS. Yogyakarta: Wahana Komputer
Ugiana. Prana.2013. Aplikasi Statistika dalam SPSS. Medan:USUpress
Sudjana.2000. Metode Statistika.Eds 6. Bandung: Tarsito
Susetyo, Budi. 2010. Statistika untuk Analisis Data Penelitian.Bandung:PT Refika
Aditama

28