Uji Analisis Varian Satu Arah (One Way Anova) dan Dua Arah
(Two Way Anova)
Dosen Pengampu
Abdul Karim
Disusun Oleh:
Kunnti Afifah
NIM. B2C.014.015
3) Masukkan data ke SPSS Data Editor dengan mendefinisikan variabelnya terlebih dahulu
dengan memilih layout Variabel View.
4) Beri nama Nilai dan Siklus pada kotak Name.
5) Masukkan data untuk varibel Siklus I, Siklus 2, Siklus 3 dalam satu kolom pada variabel
Siklus
6) Beri angka 1 untuk data Siklus I, angka 2 untuk data Siklus II, dan angka 3 untuk data
Siklus III pada kolom kelompok. Tampilannya sebagai berikut:
7) Klik Analyze Compare Means One-Way Anova sehingga muncul kotak dialog
One-Way Anova
8) Dimasukkan variabel Nilai pada kolom Dependent List pada window One Way ANOVA,
serta variabel Siklus pada kolom faktor. Setelah itu klik OK
9) Klik tombol Options sehingga muncul kotak dialog Options. Pilih Descriptive dan
Homogeneity of Variance test dan Means Plot pada kotak Statistics. Pilih Exclude Cases
Analysis by Analysis pada kotak Missing Value. Klik Continue.
Untuk melihat keseragaman pada perhitungan statistik, maka dipilih Descriptive dan
Homogeneity-of-variance. Untuk itu klik mouse pada pilihan tersebut. Missing Value adalah
data yang hilang, karena data yang dianalisis tidak ada yang hilang, maka abaikan saja pilihan
ini kemudian klik Continue.
10) Klik tombol Post Hoc sehingga muncul kotak dialog Post Hoc. Pilih Bonferroni dan
Dunnett’s T3. Klik Continue.
Pada gambar diatas tertulis 0,05. Hal itu dikarenakan α sebesar 5%. Kemudian klik continue
jika pengisian dianggap selesai.
Pada gambar diatas diperoleh rata-rata pembelajaran pada Siklus I adalah 63,5294
dengan deviasi standar 9,96317. Rata-rata pembelajaran pada Siklus II adalah 71,7647
dengan deviasi standar 10, 74436. Dan rata-rata pembelajaran pada Siklus III adalah 78,2353
dengan deviasi standar 12,86239.
Pada Test of Homogeneity of Variances diperoleh nilai sig 0,557. Nilai ini lebih dari 0,05
sehingga H0 diterima yang berarti ketiga siklus ini adalah homogen. Dengan demikian, uji
kesamaan varians untuk uji Anova sudah terpenuhi.
Pada tabel ANOVA diperoleh nilai sig adalah 0,002 < 0,005 sehingga data tersebut terdapat
perbedaan signifikan.
Pada tabel Post Hoc dapat dilihat bahwa perbedaan mean Siklus I dan Siklus III adalah
-8,23529. Angka tersebut berasal dari mean Siklus I adalah 63,5294 dan Siklus III adalah
78,2353 sehingga didapatkan
1. Memasukkan data ke SPSS
Hal yang perlu diperhatikan dalam pengisian variabel name adalah “tidak boleh ada spasi
dalam pengisiannya”.
Add
Gender*Pendidikan
4. Klik Post Hoc
Masukkan variabel yang akan diuji : … (Masa), maka muncul jendela sebagai berikut :
Masukkan Pendidikan ke kotak Post Hoc Test for. Centang Tukey.
6. Klik Options
Masukkan Jenis_kelamin, Masa, dan Jenis_kelamin*Masa ke dalam kotak Display
Means for. Pada Display centang Descriptive statistics dan Homogenity tests.
Kemudian klik Continue lalu klik Ok jika pengisian dianggap selesai. Beberapa saat
kemudian akan keluar tampilan output SPSS sebagai berikut :
Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan
pendidikan. Contoh : nilai rata-rata Gaji laki-laki dengan masa 1 sebesar 3,72
sedangkan gaji wanita yang bermasa 1 sebesar 3,44 dan begitu seterusnya.
Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk menilai
homogenitas tiap variabel.
Hasil uji levene test menunjukkan nilai sig sebesar 0.150. Karena sig > 0.05
maka dapat dinyatakan bahwa model memenuhi asumsi homogenitas.Tabel di bawah
ini menunjukkan hasil dari uji Two Way Anova :
Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan
sebagai berikut :
1. Corrected Model : Pengaruh semua variabel independen (Jenis Kelamin,
Masa dan interaksi jenis kelamin dengan masa atau "Gender*Pendidikan")
secara bersama-sama terhadap variabel dependen (Gaji). Apabila
signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti
model valid.
2. Intercept : Nilai perubahan variabel dependen tanpa perlu dipengaruhi
keberadaan variabel independen, artinya tanpa ada pengaruh variabel
independen, variabel dependen dapat berubah nilainya. Apabila
signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti
intercept signifikan.
3. Jenis Kelamin : Pengaruh jenis kelamin terhadap gaji di dalam
model. Apabila signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di
atas 0,931 berarti jenis kelamin tidak berpengaruh signifikan.
4. Masa : Pengaruh masa terhadap gaji. Apabila signifikansi (Sig.) < 0,05
(Alfa) = Signifikan. Contoh di atas 0,000 berarti pendidikan
berpengaruh signifikan.
5. Jenis_Kelamin*Masa : Pengaruh jenis_kelamin*masa terhadap gaji.
Apabila signifikan (Sig.) < 0.05 (Alfa) = Signifikan. Contoh di atas 0,155
berarti jenis_kelamin*masa tidak berpengaruh signifikan.
6. Error : Nilai error model, semakin kecil maka model semakin baik.
Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari variabel pendidikan yang memiliki perbedaan signifikan :