PENDAHULUAN
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
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.
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
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
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.
10.
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
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
64,60
68,96
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
kebetulan,
ataukah
kebetulan,ataukah
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
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
12
(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
Sig.
Lower Bound
Upper Bound
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
Total ( )
599
493
509
449
2050
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
Kemudian klik Post hoc, pada kotak dialog yang muncul isikan data seperti berikut
Jenis pupuk
Jenis bibit
ZA
Zeorea
NPK
KCI
Kultur Jaringan
12
Cangkok
12
Sambung
12
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
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.
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.
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
Uji Lanjut
19
(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
Mean
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
Kultur
Sig.
Lower Bound
Upper Bound
Jaringan
Sambung
Sambung
Kultur
Jaringan
Scheffe
Kultur Jaringan
Cangkok
Kultur
Jaringan
Sambung
Sambung
Kultur
Jaringan
Cangkok
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
Mei
900
400
400
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.
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.
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
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
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