Gambar 1.
Wow sepertinya kerjaan saya bakal banyak nih. Well, pertama tentunya
kita perlu memasukkan nama-nama variabel ke dalam kotak-kotak dalam
dialog box ini.
2
Contoh Fixed Factors itu begini: Dalam contoh penelitian kita, variabel
jenis kelamin dan metode pembelajaran merupakan fixed factors, karena
kelompok/level di dalamnya dapat kita tentukan secara bebas. Kita dapat
secara bebas memilih untuk memasukkan metode Ceramah, Diskusi dan
Experiential Learning, sehingga pada penelitian berikutnya kita masih
tetap bisa memasukkan ketiga metode ini dalam penelitian kita.
Untuk kotak Covariates dan WLS Weight tidak dibahas dulu ya, karena
terkait dengan pembahasan yang berbeda dari analisis varians desain
faktorial.
(Fiuhh baru membahas memasukkan variabel saja dah ribet nih hehe)
Berikutnya kita klik Options, maka muncullah dialog box berikut ini (lihat
gambar 2.):
Gambar 2.
Ada beberapa hal yang tidak akan dibahas dalam dialog box ini karena
belum dapat dijelaskan di sini atau karena akan bikin bingung kalo
dijelasin (atau juga karena saya belum tahu fungsinya untuk apa
hehe).
Estimated Marginal Means, dalam kotak ini kita dapat meminta SPSS
untuk menampilkan mean keseluruhan, mean tiap kelompok untuk tiap
variabel atau untuk interaksi antar variabel. Caranya dengan mengklik
4
variabel yang kita ingin lihat meannya (ada di sebelah kiri) dan
memindahkannya ke kanan (dalam contoh di atas saya memindah
variabel model). Kita juga bisa meminta SPSS untuk melakukan
perbandingan berpasangan dalam tiap main effect, dengan mengklik
kotak di sebelah kiri Compare main effects, lalu memilih metode untuk
melakukan penyesuaian signifikasinya.
Kita juga bisa meminta SPSS untuk menampilkan beberapa parameter
lain dengan menggunakan pilihan dalam Display. Descriptive statistics
akan meminta SPSS untuk menampilkan statistik deskriptif dari tiap
kelompok. Estimates of effect size akan menampilkan partialled eta
square (ukuran mengenai besar kecilnya pengaruh/efek). Homogeneity
test akan meminta SPSs menampilkan tes terhadap asumsi homogenitas
varians antar kelompok. Sementara pilihan lain untuk sementara tidak kita
bahas dulu ya. Pada bagian paling bawah, kita dapat mengatur tingkat
signifikasi dari Confidence Interval penelitian kita. Setelah semua opsi
yang kita inginkan dipilih kita bisa klik continue untuk kembali ke dialog
box awal.
Berikutnya kita klik post hoc (ya untuk sementara tombol save kita lewati
dulu ya). Tombol ini akan menampilkan dialog box yang mirip dengan
tombol yang sama dalam analisis varians 1 jalur. Kita akan memilih untuk
melakukan perbandingan pasangan secara menyeluruh dengan teknik
tertentu. Tentu saja karena kita memiliki lebih dari 1 variabel independen,
kita perlu menentukan dulu variabel mana yang akan kita analisis
perbandingan pasangannya. Caranya, pilih lalu pindahkan ke kolom di
sebelah kanan. (lihat gambar 3).
Dalam contoh di gambar 3, saya hanya memasukkan variabel model
karena variabel itu memiliki lebih dari 2 kelompok. Sementara variabel
jenkel tidak dimasukkan karena hanya memiliki 2 level/kelompok,
sehingga tidak dibutuhkan analisis perbandingan pasangan. Hasil analisis
5
Gambar 3
Setelah kita memilih analisis mana yang akan dilakukan kita kembali ke
dialog box awal dengan mengklik continue.
Berikutnya kita klik plot. Dialog box ini (lihat gambar 4) akan mengatur
mengenai tampilan means plot dalam output SPSS nanti. Grafik yang
dihasilkan akan sama dengan yang saya tampilkan dalam tulisan
sebelumnya mengenai analisis varians desain faktorial bagian 2, ketika
membahas interaksi.
6
Gambar 4.
Dalam dialog ini kita dapat memilih untuk memasukkan satu variabel
dalam satu diantara 3 kolom yang berbeda: horizontal axis jika kita ingin
variabel tersebut ditampilkan di axis horisontal (pada sumbu x), separae
lines jika kita ingin kelompok dalam variabel tersebut digambarkan dalam
garis terpisah, dan separate plots (jika terdapat lebih dari dua variabel
independen) jika kita ingin menampilkan tiap kelompok dalam variabel
tersebut dalam grafik tersendiri.
Setelah memilih variabel untuk tiap kolom, jangan lupa untuk mengklik
Add untuk memasukkan perintah itu dalam kotak di bagian bawah dialog
box. Jika kita lupa melakukannya, maka SPSS tidak akan menampilkan
grafik tersebut.
Lalu seperti biasa klik continue
Dialog box berikutnya yang akan dibahas adalah contrast. Dalam dialog
box ini (lihat gambar 5) kita tidak bisa dengan bebas menentukan contrast
yang kita inginkan, tidak seperti dialog box contrast pada analisis varians
1 jalur. Kita hanya punya beberapa pilihan melakukan contrast :
7
Gambar 5.
Yang perlu diingat : setelah menentukan contras yang ingin dilihat, jangan
lupa mengklik Change agar SPSS menjalankan perintah ini. Jika lupa
diklik, SPSS juga tidak akan melakukan analisis kontras ini, dan tentunya
klik Continue.
Nah tombol terakhir Model untuk sementara tidak dibahas dulu di sini ya.
Kita akan bertemu lagi nanti ketika kita membahas Analisis Kovarian.
Dua tabel pertama dari hasil analisis ini berisi mengenai deskripsi dari
data yang diolah, termasuk di dalamnya jumlah subjek, mean dan
standard deviasi dari tiap kelompok (lihat gambar 6.)
Gambar 6.
Gambar 7.
10
Gambar 8.
Dalam tabel tersebut dapat dilihat bahwa baik variabel Model maupun
Jenis Kelamin tidak memiliki nilai F yang signifikan. Ini berarti tidak ada
perbedaan mean prestasi antara siswa yang mendapat model C, D
maupun EL. Begitu juga tidak ada perbedaan prestasi antara siswa laki-
laki dan perempuan. Namun demikian dapat terlihat adanya interaksi yang
signifikan antara model pembelajaran dengan jenis kelamin. Ini berarti
efek model pembelajaran pada prestasi akan berbeda untuk jenis kelamin
yang berbeda. Oleh karena itu kita perlu untuk mengecek lebih jauh efek-
efek ini dengan melakukan analisis simple effects-nya.
Gambar 9.
mean dalam dialog box option serta memilih compare main effects
disajikan dalam tiga tabel berikutnya (lihat gambar 10 dan 11).
Gambar 10
Gambar 11
Tabel pertama menampilkan nilai mean dan standard error dari mean
serta CI 95% dari nilai mean. Tabel kedua memberikan informasi
mengenai perbandingan pasangan antar mean kelomnpok, disertai nilai p
yang dihasilkan untuk menentukan signifikasi perbedaannya. Tabel ketiga
menampilkan hasil analisis perbedaan antar mean secara keseluruhan ini.
Tabel kontras tersebut sama dengan tabel kontras yang dihasilkan dari
analisis kontras sebelumnya karena mean yang dilibatkan masih sama.
Tabel terakhir dalam analisis ini adalah tabel post hoc test yang juga kita
pesan. Tentu saja dalam contoh kali ini saya melakukan seheboh ini
dengan mengklik semua kemungkinan untuk menunjukkan apa yang akan
terjadi berikutnya. Dalam keadaan sesungguhnya, kita hanya perlu
memilih analisis yang memang kita perlukan. Tabel post hoc test dapat
dilihat dalam gambar 12 berikut:
Gambar 12.
Cara interpretasi hasil analisis ini seperti tabel post hoc dalam hasil
analisis varians satu jalur. Jika teman-teman bandingkan maka tabel ini
persis sama dengan tabel perbandingan mean sebelumnya, baik hasil
analisis maupun nilai p nya. Oleh karena itu, jika kita sudah meminta
SPSS melakukan compare main effects dalam dialog box options, kita
tidak perlu lagi memilih post hoc test. Kecuali jika kita ingin melakukan
analisis dengan teknik lain selain yang disediakan dalam dialog box
14
options.
Aaaah akhirnya kita sampai pada tampilan terakhir yaitu Means plot. Hasil
means plot dalam analisis varians desain faktorial agak berbeda dengan
analisis varians satu jalur. Kita bisa memesan untuk menampilkan posisi
masing-masing kelompok dari variabel satu pada tiap level dari variabel
lain (lihat gambar 13).
Gambar 13.
Gambar di atas
merupakan gambar dari means plot, plot yang menggambarkan posisi
mean dalam tiap kelompok/level. Efek interaksi seperti dalam gambar di
atas disebut Disordinal Interaction. Dapat dilihat dalam gambar bahwa
arah garis perempuan berbeda dengan arah garis laki-laki. Ini berarti
mean prestasi dari siswa laki-laki yang memperoleh Diskusi lebih tinggi
daripada yang memperoleh EL, sementara mean prestasi perempuan
yang mendapat Diskusi lebih rendah daripada EL.
Efek interaksi tentunya tidak harus seperti ini. Ada kalanya efek interaksi
signifikan meskipun tidak terjadi persilangan seperti itu. Misalnya ketika
model pembelajaran memberikan efek yang berbeda pada pria sementara
pada wanita tidak terjadi perbedaan. Dalam kasus ini tetap memungkinkan
adanya interaksi, yang kemudian disebut sebagai Ordinal Interaction.
Seperti gambar berikut:
17
Lalu bagaiman
interpretasinya? Jika peneliti ditanya lalu adakah efek dari model
pembelajaran terhadap prestasi belajar, bagaimana menjawabnya?
Satu hal yang perlu diingat: keputusan adanya interaksi yang signifikan
tidak dapat didasarkan hanya pada means plot. Signifikasi efek interaksi
harus diputuskan dengan melihat tabel Anava Desain Faktorial. Jika efek
interaksi dalam tabel tersebut memiliki nilai p lebih besar dari taraf
signifikasi yang kita tentukan, maka dapat disimpulkan efek interaksi tidak
signifikan, meskipun means plot memberikan gambar seperti di atas.
Mengapa demikian?
Grafik pada means plot didasarkan pada mean kelompok, sementara
signifikasi berbicara mengenai estimasi efek interaksi di populasi. Jadi
mungkin saja, efek interaksi yang kita lihat di kelompok terjadi hanya
karena adanya sampling error bukan karena adanya interaksi di populasi.
Oleh karena itu, means plot berfungsi untuk memberikan gambaran lebih
lanjut mengenai bagaimana interaksi yang terjadi dalam populasi, jika efek
interaksi sudah dinyatakan signifikan.
Simple Effects
Mungkin muncul pertanyaan di benak teman-teman,Jika kita lihat gambar
kedua di atas, sepertinya perbedaan mean antara kelompok diskusi dan
EL untuk perempuan tidak signifikan. Bagaimana memastikan bahwa
perbedaan mean ini signifikan atau tidak?
Inilah saatnya kita bicara tentang Simple Effects (SE). SE ini adalah efek
atau pengaruh variabel independen terhadap dependen pada satu level
variabel independen lainnya. (Ya ... ya saya paham, beribet ya?). Kita
pakai contoh di atas lagi. Pengaruh model pembelajaran terhadap prestasi
belajar yang terjadi hanya pada siswa perempuan atau laki-laki saja
merupakan contoh simple effects. Simple effects ini dihitung khususnya
jika efek interaksi signifikan dan kita ingin melihat lebih dalam efek dalam
19
tiap kelompok.
Yang dimaksud
dengan JK a pada perempuan itu adalah JK antar metode pembelajaran
yang dihitung dari kelompok perempuan saja. Dalam hal ini, JK tersebut
akan sama besarnya dengan besarnya JK antar dengan menggunakan
analisis varian jika kita hanya menggunakan siswa perempuan.