Uji two way anova (uji anava dua arah) digunakan untuk pengujian statistik yang lebih

dari 2 sampel, uji anava dua arah ini digunakan untuk mengetahui apakah ada interaksi
antar faktor yang akan di teliti. Pada dasarnya uji ini sama dengan uji yang lain yang
bertujuan sama-sama untuk mengetahui varians setiap faktor hanya saja langkah untuk
menempuh hasil yang berbeda-beda tergantung banyaknya sampel dan uji statistik
yang hendak dipakai.

Contoh:
Seorang guru ingin mengetahui prestasi belajar siswa berdasarkan gender (laki-laki dan
perempuan) setelah menerapkan model pembelajaran kooperatif pada materi yang
sama. Sampel yang diambil 3 sekolah, dimana ketiga sekolah tersebut diterapkan
model pembelajaran yang berbeda. Berikut hasil tes belajarnya:

Langkah-langkah menggunakan SPSS:

1. Buka program SPSS sampai muncul worksheet area kerja seperti pada gambar berikut:
2. Sebelah kiri bawah ada dua pilihan yaitu: Data view dan Variabel view
3. Lalu klick variabel view untuk menentukan variabel dari data
4. Baris pertama pada kolom name ketik nilai, sedangkan type, Width dst biarkan saja.
5. Baris kedua Ketik sekolah pada kolom name, lalu pada values posisikan mouse pada sudut kotak
None lalu klik sampai muncul kotak Value Labels seperti pada gambar berikut:

6. Ketik 1 pada kotak value, ketik Model A pada kotak Label, lalu klik Add. dan ketik 2 pada kotak
value, ketik Model B pada kotak Label, lalu klik Add. dan ketik 3 pada kotak value, ketik Model C
pada kotak Label, lalu klik Add. jika sudah di isi semua terlihat seperti gambar berikut:
7. Setelah itu klik OK.
8. Baris ke tiga ketik Gender pada kolom name, lalu pada values posisikan mouse pada sudut kotak
None lalu klik sampai muncul kotak Value Label seperti pada langkah ke 5. Ketik 1 pada kotak
Value, ketik laki-laki pada kotak Label, lalu klik Add. dan ketik 2 pada kotak Value, ketik perempuan
pada kotak Label, lalu klik Add. Jika sudah di isi semua terlihat seperti gambar berikut:

9. Setelah itu klik OK.

10. Maka sampai disini kita sudah mengisi semua variabel untuk anova 2 faktor. Terlihat seperti
pada gambar berikut:
11. Selanjutnya klik data view ada di sebelah kiri variable view di bawah. Pada kolom Nilai Isi semua
nilai siswa dari nomor urut 1 sd 48 (sampel kita ada 3 sekolah, setiap sekolah ada 16 siswa, jadi
16x3=48 siswa), Lalu pada kolom sekolah baris ke 1 sd 16 ketik 1 (ini kode untuk sekolah 1 yaitu
model A), baris ke 17 sd 32 ketik 2 (ini kode untuk sekolah 2 yaitu model B), baris ke 33 sd 48 ketik
3 (ini kode untuk sekolah 3 yaitu model C). Pada kolom Gender isi 1 untuk laki-laki dan 2 untuk
perempuan, disesuaikan dengan soal yang telah diberikan di atas. Jika sudah di isi semua maka
hasil data view seperti gambar berikut:

12. Uji asumsi data berdistribusi normal atau tidak, cara uji normalitas data klik disini
13. Bila data sudah berdistribusi normal, langkah selanjutnya kita lanjut uji two way anova yaitu:
silahkan klik menu Analyze ---> General Linear Model ---> Univariate. Jika benar terlihat seperti
pada gambar berikut:
 14.Masukkan Nilai kedalam kotak Dependent Variabel, sedangkan Sekolah dan Gender masukkan
kedalam kotak Fixed Factor(s) terlihat seperti gambar berikut:

15. Kemudian klik Plots, maka muncul kotak Univariate: Profile Plots seperti gambar dibawah, lalu
masukkan variabel Gender kedalam kotak Horizontal Axis, sedangkan variabel Sekolah masukkan
kedalam kotak Separate Lines. Seperti gambar berikut:
16. Selanjutnya klik Add, maka akan muncul di dalam kotak Plots "Gender*Sekolah" seperti pada
gambar berikut:

17. Selanjutnya klik Continue

18. Setelah di klik Continue maka hasilnya terlihat kembali seperti gambar pada langkah 14.
Selanjutnya klik Options, maka muncul kotak Univariate: Options seperti gambar berikut:
 19. Masukkan Variabel Sekolah, Gender, Sekolah*Gender kedalam kotak Display Means for. pada
kotak Display centang Descriptive statistics dan Homogeneity test, lalu perhatikan kotak Significance
level: disini saya menggunakan taraf alpha 0.05. Nilai alpha ini di isi sesuai dengan nilai
kepercayaan dari peneliti masing-masing dan tergantung jenis penelitiannya. jika sudah di isi maka
terlihat seperti gambar berikut:

20. Selanjutnya klik Continue, lalu klik OK. maka kita sudah mendapatkan Hasilnya untuk kita
analisis apakah perlu uji lanjut ataukah tidak?

21. Interpretasi Hasil

Dari gambar Between-subjects Factor. Kita dapat mengetahui jumlah sekolah ada 3 dan ketiga
sekolah menggunakan model yang berbeda yaitu sekolah 1 menggunakan model A yang ada dalam
kolom Value Label, begitu juga untuk sekolah 2 dan 3. sedangkan banyak siswa setiap sekolah
sama yaitu 16 siswa yang terdiri dari laki-laki dan perempuan. Jadi jumlah keseluruhanan ada 48
siswa didapat dari 21 siswa laki-laki dan 27 siswa perempuan. Berikut Analisis selanjunya

Dari gambar Descriptive Statistics di atas, kita dapat mengetahui deskripsi hasil dari nilai prestasi
belajar siswa dari setiap sekolah berdasarkan gender. Misalnya: Sekolah 1 menerapkan model A
diperoleh nilai rata-rata (mean) untuk siswa laki-laki sebesar 39,71, standar deviasi 5,251 dan
jumlah siswa laki-laki ada 7. sedangkan siswa perempuan diperoleh nilai rata-rata 36,67, standar
deviasi 4.690 dan jumlah siswa perempuan 9. Begitu juga untuk sekolah 2 dan 3. Dari sini kita
belum bisa mengambil kesimpulan prestasi belajar dari setiap sekolah, karena hanya deskripsi data
saja. Berikut Analisis selanjutnya
Dari Gambar Levene's Test of Equality of Error Variances (homogenitas), diperoleh nilai Sig
0.270 atau nilai sig ini > 0.05 (syarat homogenitas), artinya ketiga sampel mempunyai varians yang
sama (sudah memenuhi syarat uji Anova). Berikut analisis selanjutnya

Dari gambar Test of Between-Subjects Effects di atas merupakan hasil akhir dari uji two way
anova yang kita butuhkan.Berikut penjelasanya:

* Corrected Model
Dari koreksi model ini kita dapat mengetahui seberapa besar pengaruh variabel independent
(variabel bebas) terhadap variabel dependent (variabel terikat). Dalam hal ini variabel independent
yaitu faktor-faktor yang akan di ukur oleh peneliti (sekolah, Gender dan sekolah*Gender) untuk
menentukan hubungan antara variabel dependent (nilai yang akan di amati). Dari tabel di atas bisa
kita lihat berdasarkan nilai (sig), bila niai sig < 0.05 yaitu (0.023 < 0.05) berarti model yang diperoleh
valid.

* Intercept
Nilai intercept dalam hal ini merupakan nilai siswa pada variabel nilai yang berkontribusi pada nilai
itu sendiri tanpa dipengaruhi oleh variabel independent, artinya berubah nilai pada variabel
dependent tidak ada pengaruh sedikit pun oleh variabel independent. Dari tabel di atas bisa kita lihat
berdasarkan nilai (sig), bila niai sig < 0.05 yaitu (0.000 < 0.05) berarti intercept ini berkontribusi
secara signifikan

* Sekolah
Berpengaruh atau tidaknya sekolah terhadap hasil belajar siswa ditandai dari nilai signifikan, dari
tabel di atas nilai sig 0.057 atau nilai (0.57 > 0.05) dalam kasus ini berarti sekolah tidak terlalu
berpengaruh signifikan terhadap hasil belajar siswa.

* Gender
Berpengaruh atau tidaknya gender terhadap hasil belajar ditandai dari nilai signifikan, dari tabel di
atas nilai sig 0.245 atau nilai (0.245 > 0.05) dalam kasus ini berarti gender tidak terlalu berpengaruh
signifikan terhadap hasil belajarnya.
* Sekolah*Gender
Uji ini bertujuan untuk mengetahui apakah ada hubungan yang signifikan antara 2 faktor, dalam
kasus ini kita akan menguji ada atau tidaknya interaksi antara model pembelajaran dengan
kelompok gender.
Hipotesis:
H0: tidak ada interaksi antara model pembelajaran terhadap kelompok gender
H1: ada interaksi antara model pembelajaran terhadap kelompok gender
Pengambilan keputusan:
jika F hitung < F tabel atau nilai sig > 0.05, maka H0 diterima
jika F hitung > F tabel atau nilai sig < 0.05, maka H0 di tolak, jadi terimalah H1
Keputusan:
Dari tabel di atas terlihat bahwa nilai F hitung 3.495 dan F tabel 3.19 (F tabel lihat tabel distribusi F
untuk anova) atau nilai signifikan yang di peroleh dari tabel di atas sebesar 0.039. Jadi dapat
disimpulkan: ada interaksi antara model pembelajaran terhadap kelompok gender.
Karena ada interaksi antara model pembelajaran terhadap kelompok gender dari setiap sekolah,
maka disini kita perlu uji lanjut Post Hoc. Berikut cara uji lanjut Post Hoc anova 2 arah
22. Uji lanjut
Kembali lagi ke langkah 1 sampai dengan langkah ke 19 di atas, setelah klik Continue pada langkah
ke 19. maka muncul seperti gambar berikut:

23. Klik Post Hoc pada gambar, maka muncul seperti gambar berikut:
24. Pada kotak Factor(s) pindahkan sekolah ke dalam kotak Post Hoc Test for, disana ada beberapa
pilihan untuk uji lanjut, disini kita menggunakan uji Tukey. Seperti terlihat pada gambar berikut:

25. Setelah itu Klik Continue, lalu klik OK. Silahkan lihat hasilnya pada Post Hoc Test (ada dibawah
pada hasil output) atau seperti pada gambar berikut:
26. Analisis hasil uji lanjut Post Hoc Tukey
Dari tabel Multiple Comparisons, coba perhatikan dalam kolom Mean Difference (I-J) itu ada yang
berbintang (*) dan ada yang tidak berbintang (*). Dimana yang bertanda * itu artinya model tersebut
berbeda secara signifikan dibandingkan dengan model-model yang lain.
Kesimpulan: Perbedaan secara signifikan yaitu pada sekolah 1 model A dan sekolah 2 model B