LAPORAN AKHIR PRAKTIKUM

STATISTIKA INDUSTRI

Disusun Oleh:

Kelompok/ Kelas : 6 (Enam)/ 2ID13

Nama / NPM : 1. Arravi Ayu Muninggar / 38416066
2. Fadilah Achmad / 32416453
3. Kiki Pratiwi / 33416912
4. Noval Kurniawan / 35416475
5. Rizkiyadi / 36416583
6. Tangguh Fatahillah S / 37416290
Hari / Shift : Sabtu / 2 (Dua)
Modul : ANOVA Dua Arah
Nilai :
Paraf Asisten :

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
TANGERANG
2017
BAB I
PENDAHULUAN

1.1 Latar Belakang

Perusahaan terbagi menjadi dua bidang yaitu perusahaan barang dan jasa,
perusahaan pastilah dalam penjualan produksinya ingin mengalami keuntungan.
Oleh sebab itu perusahaan ingin mengetahui ada tidaknya pengaruh jenis roti dan
wilayah selama beberapa minggu. Mengenai hal tersebut perusahaan dapat
mempergunakan modul anova dua arah.
Anova dua arah dibagi dua yaitu anova dua arah tanpa interaksi dan
dengan interaksi. Anova dua arah tanpa interaksi merupakan pengujian hipotesis
beda tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi
antara kedua faktor tersebut ditiadakan. Anova dua arah dengan interaksi
merupakan pengujian beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh dan pengaruh interaksi antara kedua faktor tersebut diperhitungkan.
Pengujian hipotesis anova dua arah dapat diterapkan pada PT Rose Bakery
yang memproduksi roti, untuk anova tanpa interaksi, sebuah PT Rose
Bakery ingin mengetahui ada tidaknya pengaruh jenis roti dan wilayah selama
beberapa minggu. Pengujian hipotesis anova dua arah dengan interaksi PT Rose
Bakery ingin mengetahui ada tidaknya pengaruh jenis pemasaran dengan ukuran
roti selama beberapa minggu. Harapannya perusahaan PT Rose Bakery dapat
mengetahui ada tidaknya pengaruh dari roti dan wilayah selama beberapa minggu
dan mengetahui ada tidaknya pengaruh jenis pemasaran dengan ukuran roti
selama beberapa minggu.

1.2 Tujuan Penulisan

Tujuan penulisan menjelaskan hasil yang ingin dicapai berdasarkan
permasalahan yang dibahas pada masing masing modul. Penulisan laporan akhir
kali ini akan mencari tujuan dari anova dua arah. Berikut ini merupaka tujuan
penulisan dari modul anova dua arah:
1. Mengetahui ada atau tidaknya pengaruh dari jenis roti dengan wilayah
terhadap pengiriman roti
2. Mengetahui ada atau tidaknya pengaruh dari jenis pemasaran dengan ukuran
roti terhadap penjualan roti selama 4 minggu dan apakah terdapat interaksi
antara jenis pemasaran dengan ukuran roti tersebut.

BAB II
LANDASAN TEORI

2.1 Landasan Teori

Landasan teori merupakan teori yang relevan yang digunakan untuk
menjelaskan tentang variabel yang akan diteliti dan sebagai dasar untuk memberi
jawaban sementara terhadap rumusan masalah yang diajukan (hipotesis), dan
penyusunan instrument penelitian. Teori yang digunakan bukan sekedar pendapat
dari pengarang atau pendapat lain, tetapi teori yang benar-benar telah teruji
kebenarannya.
2.2 Pengertian Pengujian Hipotesis
Hiopotesis merupakan bahasa yang berasal dari Yunani, yang terbagi
menjadi dua kata yaitu hupo dan theis. Hupo memiliki arti yaitu lemah, kurang,
atau dibawah sedangkan kata theis memiliki arti teori, proposisi, atau pernyataan
yang dinyatakan sebagai bukti, maka kata hipotesis dapat diartikan sebagai suatu
ungkapan yang belum nyata kebenarannya dan ungkapan itu perlu dibuktikan
kebenarannya (Aliansyah,2015).
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan
populasi yang sifatnya masih sementara atau lemah kebenarannya. Hipotesis
statistik dapat berbentuk suatu variabel, seperti : Binomial, Poisson, dan normal
atau nilai dari suatu parameter, seperti : Rata-rata, Varians, Simpangan baku, dan
Proposi. (Aliansyah,2015)
Pengertian pengujian hipotesis merupakan prosedur yang akan
menghasilkan suatu keputusan, keputusan tersebut yaitu keputusan diterima atau
ditolak hipotesis itu. Pengujian hipotesis dibuat mengandung ketidakpastian,
artinya keputusan memiliki dua kemungkinan yaitu benar ataupun salah, sehingga
menimbulkan risiko. Besar kecilnya risiko dinyatakan dalam bentuk probabilitas
ataupun peluang. (Aliansyah,2015)
2.3 Prosedur Pengujian Hipotesis
Prosedur pengujian hipotesis statistik merupakan suatu langkah-langkah
dalam menyelesaikan pengujian hipotesis. Adapun langkah-langkah dalam
pengujian hipotesis statistik adalah sebagai berikut. (Hasan,2001).
1. Menentukan formulasi hipotesis
Formulasi hipotesis statistik dapat dibedakan menjadi dua jenis yaitu
hipotesis nol atau disebut juga hipotesis nihil dan hipotesis alternatif atau
hipotesis tandingan dari hipotesis nol. Berikut ini akan di jelaskan
mengenai formulasi hipotesis tersebut.
a. Hipotesis nol atau hipotesis nihil
Hipotesis nol, atau hipotesis nihil disimbolkan dengan H 0, adalah
hipotesis yang dirumuskan sebagai suatu pernyataan yang akan diuji.
 Disebut hipotesis nol dikarenakan hipotesis tersebut tidak memiliki
perbedaan atau pembedaannya nol dengan hipotesis sebenarnya.
b. Hipotesis alternatif atau hipotesis tandingan
Hipotesis alternatif atau hipotesis tanding sering disimbolkan dengan
H1 atau Ha, hipotesis alternatif merupakan hipotesis yang dirumuskan
sebagai lawan atau tandingan dari hipotesis nol atau hipotesis nihil.
Penyusunan dari hipotesis alternatif timbul dikarenakan tiga keadaan.
Adapun tiga keadaan tersebut akan dijabarkan dibawah ini.
a) H1 menyatakan bahwa suatu harga parameter jika lebih besar dari
pada harga yang dihipotesiskan. Maka pengujian tersebut disebut
sebagai pengujian satu sisi atau satu arah, yaitu pengujian dengan
sisi atau arah kanan.
b) H1 menyatakan bahwa suatu harga parameter jika lebih kecil dari
pada harga yang dihipotesiskan. Maka pengujian tersebut disebut
pengujian dengan satu sisi atau satu arah, yaitu pengujian dengan
sisi atau arah kiri.
c) H1 menyatakan bahwa suatu harga parameter jika tidak sama
dengan dari pada harga yang dihipotesiskan. Maka pengujian
tersebut disebut dengan pengujian satu sisi atau dua arah, yaitu
pengujian dengan sisi arah kanan dan kiri, jika hipotesis nol
diterima maka hipotesis alternatif ditolak dan juga sebaliknya, jika
hipotesis alternatif diterima maka hipotesis nol akan ditolak. Secara
umum formulasi hipotesis dapat dituliskan sebagai berikut.

H0 : θ = θ 0
H1 : θ > θ 0
H1 : θ < θ 0
H1 : θ θ0
..…………………………………………… (2.1)
2. Menentukan taraf nyata atau significant level
Taraf nyata atau significant level merupakan besarnya dari suatu batas
toleransi dalam menerima kesalahan yang berasal dari hasil hipotesis
terhadap nilai parameter populasinya. Taraf nyata sering disimbolkan
dengan α (alpha). Apabila semakin tinggi taraf nyata yang digunakan,
 maka semakin tinggi pula penolakan terhadap hipotesis nol atau hipotesis
yang diuji, padahal hipotesis nol adalah benar. Besaran yang digunakan
dalam menentukan suatu taraf nyata dinyatakan dalam bentuk persen (%),
contohnya yaitu 1% (0,01), 5% (0,05), dan 10% (0,1), pada umumnya
suatu taraf nyata dituliskan dengan α0,01, α0,05, α0,1. Besarnya suatu nilai α
tergantung pada keberanian suatu pembuat keputusan dalam hal berapa
besarnya kesalahan yang ditolerin. Besarnya suatu kesalahan tersebut
sering disebut sebagai daerah kritis pengujian atau daerah penolakan. Nilai
taraf nyata yang digunakan untuk menentukan nilai distribusi digunakan
pada pengujian seperti pada distribusi normal (Z), distribusi t dan
distribusi X2. Nilai dari distribusi tersebut sudah disediakan dalam bentuk
tabel-tabel yang disebut dengan nilai kritis.
3. Menentukan kriteria pengujian
Kriteria pengujian adalah pembuatan hipotesis atau keputusan apakah
hipotesis nol dapat diteriama atau ditolak, yang dilakukan dengan cara
membandingkan nilai alpha pada tabel distribusi F dengan nilai dari uji
statistiknya, sesuai dengan bentuk pengujiannya. Bentuk pengujian adalah
sisi atau arah pengujian.
4. Menentukan nilai uji statistik
Uji statistik merupakan suatu perhitungan dengan menggunakan rumus-
rumus yang berhubungan dengan distribusi tertentu dalam pengujian
hipotesis. Uji statistik merupakan perhitungan yang dilakukan untuk
menduga suatu parameter data sampel yang diambil secara acak dari
sebuah populasi.
5. Pembuatan kesimpulan
Pembuatan kesimpulan merupakan hasi dari hipotesis apakah suatu
hipotesis diterima atau ditolak, sesuai dengan kriteria pengujiannya.
Pembuatan kesimpulan dilakukan setelah membandingkan dari nilai uji
statistik dengan nilai alpha tabel atau nilai kritis.

2.4 Analisis Ragam Dua Arah

Analisis ragam atau analisa varians adalah suatu metode untuk
menguraikan keragaman total data menjadi komponen-komponen yang mengukur
berbagai sumber keragaman. Analisis varian juga merupakan suatu teknik untuk
menguji kesamaan beberapa nilai tengah secara sekaligus. Analisis varians
memiliki beberapa jenis variasi daiantaranya adalah (Walpole, 1982):
Pengujian hipotesis sebelumnya menggunakan distribusi normal (Z) dan
distribusi student, baik pengujian rata-rata (dan beda dua rata-rata) ataupun
pengujian proporsi ( satu proporsi dan beda dua proporsi ). Untuk pengujian
hipotesis beda tiga rata-rata atau lebih digunakan distribusi F dengan teknik
analisis varian. Pengujian hipotesis beda tiga rata-rata atau lebih dengan Teknik
analisis varian dapat dibedakan atas tiga jenis, yaitu pengujian klasifikasi satu
arah, pengujian klasifikasi dua arah tanpa interaksi, dan pengujian klasifikasi dua
arah dengan interaksi.
a. Pengujian klasifikasi satu arah
Pengujian klasifikasi satu arah merupakan pengujian hipotesis beda tiga rata-
rata atau lebih dengan satu faktor yang berpengaruh.
b. Pengujian klasifikasi dua arah tanpa interaksi
Pengujian klasifikasi dua arah tanpa interaksi merupakan pengujian hipotesis
beda tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan
interaksi antara kedua factor tersebut ditiadakan.
c. Pengujian klasifikasi dua arah dengan interaksi
Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian beda
tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan pengaruh
interaksi antara kedua faktor tersebut diperhitungkan.

2.5 Distribusi F
Dalam teori probabilitas dan statistika, distribusi F merupakan distribusi
probabilitas kontinu. Distribusi F juga dikenal dengan sebutan distribusi
FSnedecor atau distribusi Fisher-Snedecor. Nama tersebut diambil dari nama
penemunya, yakni untuk menghargai Sir Ronald Aylmer Fisher (1890 – 1962) dan
George W. Snedecor (1881 – 1974) yang merupakan pakar statistika, pertanian
eksperimental, dan genetika kuantitiatif asal Inggris dan asal Amerika. Distribusi
F seringkali digunakan dalam pengujian statistika, antara lain analisis varians dan
analisis regresi. Walpole, Ronald, Sharon, dan Raymond (1998) menyatakan
bahwa suatu peubah acak dikatakan berdistribusi F jika fkp nya ditentukan oleh
Walpole et al. (1998) juga mendiskusikan ciri-ciri dari distribusi F, yaitu sebagai
berikut.
1. Distribusi F bersifat kontinu. Hal ini berarti bahwa distribusi F nilainya bisa
jadi tidak terbatas, antara nol dan positif tak hingga,
2. Ditribusi F tidak dapat bernilai negatif. Nilai terkecil dari F adalah nol,
3. Bentuknya tidak simetris. Semakin besar jumlah derajat kebebasan pada
pembilang dan penyebut, distribusinya semakin mendekati distribusi normal,
4. Bersifat asimtotik (asymptotic). Semakin besar nilai x, kurva generalized F
semakin mendekati sumbu X tetapi tidak akan pernah menyentuhnya.

2.6 Interpolasi ANOVA

Interpolasi digunakan apabila dalam mencari nilai tabel derajat bebasnya
tidak terdapat pada tabel distribusi F. Rumus dari interpolasi dapat dituliskan
sebagai berikut. (Hasan, 2001).

.…….…………(2.2)
Keterangan:
Y = nilai tabel yang dicari
X = nilai tabel batas atas
Z = nilai tabel batas bawah
a = df batas atas
b = df yang dicari nilai tabelnya
c = df batas bawah

2.7 Pengujian Klasifikasi Dua Arah Tanpa Interaksi

Pengujian klasifikasi dua arah tanpa interaksi merupakan pengujian
hipotesis tiga rata-rata yang berbeda atau lebih dengan dua faktor yang
mempengaruhi. Dimana pada anova dua arah tanpa interaksi, interaksi antara
kedua faktor tersebut ditiadakan. Berikut ini akan dijelaskan langkah-langkah
pengujian klasifikasi dua arah tanpa interaksi adalah sebagai berikut.
(Hasan,2001).
1. Menentukan formulasi hipotesis

a. : = = = … = 0 (pengaruh yang berasal dari baris nol).

H1 : sekurang-kurangnya satu tidak sama dengan nol.

b. : = = = … = 0 (pengaruh yang berasal dari kolom nol).

: sekurang-kurangnya satu tidak sama dengan nol.

2. Menentukan taraf nyata ( ) dan F tabel

Taraf nyata ( ) dan F table dapat ditentukan dengan derajat pembilang dan

penyebut masing-masing:

a. Untuk baris : = b – 1 dan = (k – 1)(b – 1)

b. Untuk kolom : = k – 1 dan = (k – 1)(b – 1)

3. Menentukan kriteria pengujian

a. diterima apabila

b. ditolak apabila

4. Membuat analisis varian dalam bentuk tabel anova

JKT =

JKB =

JKK =

JKE = JKT – JKB – JKK

 Tabel 2.1 analisis varians tanpa interaksi
Sumber Jumlah Rata-rata
Derajat Bebas Fo
Varians Kuadrat Kuadrat

Rata-rata Baris JKB f1 =

b–1

Rata-rata
JKK f2 =
Kolom k–1

Error JKE (k – 1)(b – 1)

Total JKT kb – 1

5. Membuat kesimpulan

Menyimpulkan diterima atau ditolak dengan membandingkan antara

langkah ke-4 dengan kriteria pengujian pada langkah ke-3.

2.8 ANOVA Dua Arah dengan Interaksi

Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian tiga
rata-rata atau lebih yang berbeda dengan dua faktor yang berpengaruh. Pengujian
anova dua arah bukan hanya beda rata-rata atau lebih tetapi juga pengaruh
interaksi antara kedua faktor tersebut diperhitungkan. Adapun akan dijabarkan
langkah-langkah pengujian klasifikasi dua arah dengan interaksi ialah sebagai
berikut. (Hasan. 2001).
1. Menentukan formulasi hipotesis
a. Ho : α1 = α2 = α3 = ... = αb = 0.
H1 : Sekurang-kurangnya ada satu αi ≠ 0
b. Ho : β1 = β2 = β3 = … = βk = 0.
H1 : Sekurang-kurangnya ada satu βj ≠ 0
c. Ho : (αβ)11 = (αβ)12 = (αβ)13 = … = (αβ)bk = 0
H1 : Sekurang-kurangnya ada satu (αβ)ij ≠ 0
2. Menentukan taraf nyata (α) dan F tabel
Taraf nyata (α) dan F tabel ditentukan dengan derajat pembilang dan
derajat penyebut masing-masing yaitu.
a. Baris : V1 = b-1 dan V2 = kb (n – 1)
 b. Kolom : V1 = k-1 dan V2 = kb (n – 1)
c. Interaksi : V1 = (k-1) . (b-1) dan V2 = kb (n – 1)
3. Menentukan kriteria pengujian
a. Baris :
Ho diterima apabila Fo ≤ Fα (V1;V2)
Ho ditolak apabila Fo > Fα (V1;V2)
b. Kolom :
Ho diterima apabila Fo ≤ Fα (V1;V2)
Ho ditolak apabila Fo > Fα (V1;V2)
c. Interaksi :
Ho diterima apabila Fo ≤ Fα (V1;V2)
Ho ditolak apabila Fo > Fα (V1;V2)

4. Membuat analisis varian dalam bentuk tabel anova

JKT =
…...…….…………(2.3)

JKB = ……..........................(2.4)

JKK = ..…………..............(2.5)

JKI = 0
….…….……….(2.6)

JKE = JKT – JKB – JKK –

JKI
..……..……….(2.7)
Keterangan :
b = baris
k = kolom
n = ulangan percobaan
 Tabel 2.2 analisis varians dengan interaksi

Jumlah Rata-rata
Sumber Varians Derajat Bebas Fo
Kuadrat Kuadrat

Rata-rata Baris f1 =
JKB b–1

Rata-rata
Kolom JKK k–1 f2 =

Interaksi JKI (b – 1)(k – 1) f3 =

Error JKE bk(n – 1)

Total JKT bkn - 1

5. Membuat Kesimpulan
Menyimpulkan Ho diterima atau ditolak dengan membandingkan antara
langkah ke-4 dengan kriteria pengujian pada langkah ke-3
 BAB III
PEMBAHASAN DAN ANALISIS

3.1 Studi Kasus

Studi kasus dalam anova dua arah ini terdiri dari dua studi kasus, yaitu
studi kasus anova dua arah tanpa interaksi dan studi kasus anova dua arah dengan
interaksi. Berikut adalah studi kasusnya.

3.1.1 Studi Kasus ANOVA Dua Arah Tanpa Interaksi

PT Rose Bakery adalah perusahaan yang memproduksi roti. Perusahan
ingin mengetahui apakah ada pengaruh dari wilayah dan apakah ada pengaruh dari
jenis roti terhadap pengiriman roti tersebut. Perusahaan mengirim ke 5 wilayah
dengan 6 jenis roti. Terdapat 6 jenis roti yang diproduksi setiap wilayah yaitu roti
gandum, roti tawar, roti manis, roti muffin, roti kukus, breadstick, dan wilayahnya
meliputi Bandung, Surabaya, Semarang, Medan dan Solo. Perusahaan melakukan
pengamatan selama satu minggu. Berikut ini adalah data pengamatan yang
dilakukan oleh perusahaan selama satu minggu dengan menggunakan taraf nyata
5%.
Tabel 3.3 Data Pengiriman Roti
Wilayah
jenis Roti
Bandung Surabaya Semarang Medan Solo
Roti Gandum 20 21 22 21 23
Roti Tawar 20 22 23 21 24
Roti Manis 21 22 23 22 26
Roti Muffin 21 23 24 23 26
Roti Kukus 22 24 25 24 27
Breadstick 23 24 25 25 25
3.1.2 Studi Kasus ANOVA Dua Arah Dengan Interaksi
PT. Rose Bakery adalah perusahaan yang memproduksi roti. Perusahan
ingin mengetahui apakah ada pengaruh dari jenis kayu ukuran roti dan apakah ada
pengaruh dari jenis pemasaran terhadap penjualan roti. Perusahaan melakukan
pengamatan terhadap 3 ukuran roti yaitu small, medium, dan large dengan 5 jenis
pemasaran yaitu Alfamart, Indomart, Superindo, Giant, Alfamidi. Pengamatan
dilakukan secara berulang untuk setiap minggunya selama empat minggu
berturut-turut. Berikut ini adalah data pengamatan yang dilakukan oleh
perusahaan setiap minggunya selama empat minggu berturut-turut dengan
menggunakan taraf nyata 5%.
Tabel 3.4 Data Penjualan Roti

Ukuran Roti
Jenis Pemasaran
Small Medium Large
35 45 41
36 45 42
Alfamart
37 46 42
37 46 43
31 39 27
31 39 28
Indomart
32 40 28
33 41 29
30 32 34
30 33 35
Superindo
31 33 35
31 34 36
36 38 39
37 38 39
Giant
37 39 40
38 40 41
41 43 45
42 44 46
Alfamidi
42 44 46
43 45 47

3.2 Pengujian Data

Pengujian data diartikan sebagai upaya mengolah data menjadi informasi,
sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah dipahami
dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan
kegiatan penelitian. Dengan demikian, teknik analisis data dapat diartikan sebagai
cara melaksanakan analisis terhadap data, dengan tujuan mengolah data tersebut
menjadi informasi, sehingga karakteristik atau sifat-sifat datanya dapat dengan
mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang
berkaitan dengan kegiatan penelitian, baik berkaitan dengan deskripsi data
maupun untuk membuat induksi, atau menarik kesimpulan tentang karakteristik
populasi (parameter) berdasarkan data yang diperoleh dari sampel (statistik).
Pengujian data yang digunakan yaitu pengujian data dengan uji normalitas dan
pengujian data dengan homogenitas. Pengujian normalitas dilakukan untuk
mengetahui normal tidaknya suatu distribusi data, sedangkan Pengujian
homogenitas varians ini mengasumsikan bahwa nilai setiap variabel memiliki
varians yang homogen atau sama atau sejenis. Terdapat dua pengujian data yaitu
pengujian data anova dua arah tanpa interaksi dan pengujian data anova dua arah
dengan interaksi.

3.2.1 Pengujian Data ANOVA Dua Arah Tanpa Interaksi

Pengujian digunakan untuk menunjukkan bahwa data berdistribusi normal
dan memiliki varians yang sama.Pengujian data menggunakan software SPSS16.0
dan terdapat dua output didalamnya. Berikut langkah-langkah pengujian data
tersebut.
Langkah pertama bukalah software SPSS 16.0, setelah dibuka akan tampil
lembar kerja pada software tersebut. Pilihlah variabel view yang berada disebelah
kiri bawah. Masukan data dengan mengetik kolom pertama dengan Wilayah,
mengetik kolom kedua dengan Jenis Roti pada variable view, mengisikan kolom
ketiga dengan Banyaknya Pengiriman pada variable view tersebut. Ubahlah pada
kolom Decimals menjadi 0. Berikut ini adalah tampilannya.
 Gambar 3.1 Jendela Variable View Tanpa Interaksi
Langkah kedua yaitu mengubah kolom values pada baris pertama dengan
1 Bandung, Surabaya, Semarang, Medan, Solo, dan mengubah pada baris kedua
dengan 1 Roti Gandum, 2 Roti Tawar, 3 Roti Manis, 4 Roti Muffin, 5 Roti kukus,
6 BreadStick. Berikut ini tampilannya .

Gambar 3.2 Values pada Wilayah dan Values pada Jenis Roti
Langkah ketiga yaitu memasukan data untuk wilayah dan jenis roti. Untuk
kolom 1-10 pada Wilayah diisikan kota Bandung sebanyak 6 data, pada Jenis Roti
diisikan Roti Gandum sebanyak 6 data ( Roti Gandum, Roti Tawar, Roti Manis,
Roti Muffin, Roti Kukus, BreadStick ) dan lakukan hal yang sama untuk kolom
wilayah pada kota Surabaya, Semarang, Medan, Solo. Seperti gambar dibawah
ini.
 Gambar 3.3 Memasukan Data pada Data View
Langkah keempat yaitu langkah untuk melakukan pengujian data, apakah
data yang diperoleh berdistribusi normal atau tidak. Setelah semua data telah
dimasukkan, klik analyze lalu memilih Descriptive Statistics, kemudian memilih
explore. Seperti gambar dibawah ini.

Gambar 3.4 Menganalisis Data dengan Descriptive Statistics

Langkah kelima yaitu setelah mengikuti langkah-langkah diatas akan
ditampilkan sebuah kotak dialog explore, di sebelah kiri terdapat kolom yang
berisi variabel wilayah, jenis roti dan banyaknya pengiriman. Sedangkan di
sebelah kanan terdapat kolom Dependent List dan Factor List. Pindahkan variabel
banyaknya pengiriman pada kolom Dependent List dan pindahkan variabel
wilayah pada kolom Factor List maka akan muncul kotak dialog Explore. Berikut
ini adalah tampilan gambarnya.

Gambar 3.5 Memindahkan Variabel Tanpa Interaksi

Langkah keenam setelah itu, pilihlah Plots yang berada paling kanan.
Setelah muncul kotak dialog explore plots adalah beri tanda checklist untuk
Factor levels together pada Boxplots, Steam-and-leaf pada descriptive dan
normality plots with tests. Checklist pada untransformed pada spreadlevel with
levene test, setelah selesai kemudian pilih continue dan klik ok.

Gambar 3.6 Kotak Dialog ExplorePlots Tanpa Interaksi

Langkah ketujuh setelah memilih Plots maka akan muncul dua output
hasil dari pengujian data yaitu Tests of Normality dan Tests of Homogenity of
Variance. Gambar di bawah ini merupakan output Test of Normality yang
digunakan untuk mengetahui apakah data berasal dari populasi yang berdistribusi
normal atau tidak pada salah satu asumsi anova. Berikut ini adalah tampilan
gambarnya.

Gambar 3.7 Output Tests of Normality Pengujian Data Tanpa Interakasi

Output pertama Test of Normality digunakan untuk mengetahui normal
tidaknya suatu distribusi data, karena data yang digunakan berjumlah 30 maka
melihatnya pada kolom Kolmogorov-Smirnov yang digunakan untuk uji
normalitas. Pada kolom Kolmogorov-Smirnov terdapat nilai df yang menunjukan
derajat kebebasan suatu pengujian anova 2 arah tanpa interaksi sebesar 6 untuk
masing-masing wilayah dengan signifikasi 0,200. Berdasarkan nilai signifikasi
yang diperoleh pada output test of normality (0.200 ) lebih besar 0.05 maka H0
diterima. H0 diterima menyatakan bahwa populasi data berdistribusi normal.
Gambar di bawah ini merupakan output Test of Homogeneity of Variance
yang digunakan untuk mengasumsikan bahwa nilai setiap variabel memiliki
varians yang homogen atau sama atau sejenis.

Gambar 3.8 Output Test of Homogeneity of Variance Tanpa Interaksi

Output selanjutnya adalah test of homogeneity of variances untuk
menguji berlaku tidaknya salah satu asumsi untuk anova yaitu apakah rata-rata
pengiriman roti dengan enam wilayah berbeda tersebut mempunyai varians yang
sama. Berdasarkan tabel , maka dapat diketahui kesamaan varians dari keenam
wilayah pengiriman roti tersebut. Kolom signifikasi menunjukan adanya pengaruh
yang signifikan diantara varians pada keenam wilayah tersebut. Signifikasi ini
nantinya akan menentukan dalam penerimaan atau penolakan terhadap hipotesis
awal. Berdasarkan probabilitas jika nilai signifikasi lebih besar dari 0,05 maka H 0
diterima, sedangkan jika nilai signifikasi lebih kecil dari 0,05 maka H0 ditolak.
Berdasarkan nilai signifikasi yang diperoleh pada output Test of
Homogeneity of Variance menunjukan bahwa 0,7 lebih besar dari 0,05 maka
dapat disimpulkan bahwa H0 diterima. H0 diterima menyatakan bahwa varians
keenam wilayah menunjukan kehomogenan atau keseragaman satu sama lain.

3.2.2 Pengujian Data ANOVA Dua Arah dengan Interaksi

Pengujian digunakan untuk menunjukkan bahwa data berdistribusi normal
dan memiliki varians yang sama.Pengujian data menggunakan software SPSS16.0
dan terdapat dua output didalamnya. Berikut langkah-langkah pengujian data
tersebut.
Gambar di bawah ini merupakan output Test of Normality yang digunakan
untuk mengetahui apakah data berasal dari populasi yang berdistribusi normal
atau tidak pada salah satu asumsi anova. Berikut ini adalah tampilan gambarnya.

Gambar 3.15 Output Tests of Normality Pengujian Data Dengan Interaksi

Output pertama Test of Normality digunakan untuk mengetahui normal
tidaknya suatu distribusi data, karena data yang digunakan berjumlah 60 maka
melihatnya pada kolom kolmogrov-smirnov yang digunakan untuk uji normalitas.
Pada kolom kolmogrov-smirnov terdapat nilai df yang menunjukan derajat
kebebasan suatu pengujian anova 2 arah dengan interaksi sebesar 20 untuk
masing-masing ukuran roti dengan signifikasi 0,2. Berdasarkan nilai signifikasi
yang diperoleh pada output test of normality (0,2 ) > 0.05 maka H0 diterima. H0
diterima menyatakan bahwa populasi data berdistribusi normal.
 Gambar di bawah ini merupakan output Test of Homogeneity Variance
yang digunakan untuk mengasumsikan bahwa nilai setiap variabel memiliki
varians yang homogen atau sama atau sejenis. Berikut ini adalah tampilan
gambarnya.

Gambar 3.16 Output Test of Homogeneity of Variance Tanpa Interaksi

Output selanjutnya adalah test of homogeneity of variance untuk menguji
berlaku tidaknya salah satu asumsi untuk anova yaitu apakah rata-rata penjualan
roti dengan ketiga ukuran roti tersebut mempunyai varians yang sama.
Menggunakan tabel test of homogeneity of variance maka dapat diketahui
kesamaan varians dari keempat jenis kayu tersebut. Kolom signifikasi
menunjukan adanya pengaruh yang signifikan diantara varians pada keempat jenis
kayu tersebut. Signifikasi ini nantinya akan menentukan dalam penerimaan atau
penolakan terhadap hipotesis nol. Berdasarkan probabilitas jika nilai signifikasi >
0,05 maka H0 diterima, sedangkan jika nilai signifikasi < 0,05 maka H0 ditolak.
Berdasarkan nilai signifikasi yang diperoleh pada output test of
homogeneity of variance menunjukan bahwa 0,08 > 0,05 maka dapat disimpulkan
bahwa H0 diterima. H0 diterima menyatakan bahwa varians ketiga ukuran roti
adalah sama atau ketiga ukuran roti menunjukan kehomogenan atau keseragaman
satu sama lain sehingga pengujian dapat dikatakan valid, karena salah satu asumsi
analisis varians terpenuhi .

3.3 Perhitungan Manual

Perhitungan manual merupakan salah satu metode pengolahan data dengan
menggunakan rumus-rumus yang telah ada sebelumnya. Perhitungan manual
anova dua arah terbagi menjadi dua yaitu perhitungan manual untuk anova dua
arah tanpa interaksi dan anova dua arah dengan interaksi. Berikut ini merupakan
perhitungan manual anova dua arah.

3.3.1 ANOVA Dua Arah Tanpa interaksi

Perhitungan manual anova dua arah untuk tanpa interaksi terdiri dari lima
langkah dalam penyelesainnya. Berikut langkah-langkah pengujian anova dua
arah tanpa interaksi.
a. Menentukan formulasi hipotesis
1) H0 = Tidak terdapat pengaruh antara keenam jenis roti dengan
banyaknya pengiriman roti.
H1= Sekurang-kurangnya terdapat satu jenis roti yang mempengaruhi
banyaknya pengiriman roti.

2) H0 = Tidak terdapat pengaruh antara kelima wilayah terhadap

banyaknya pengiriman roti.
H1 = Sekurang-kurangnya terdapat satu wilayah yang mempengaruhi
banyaknya pengiriman roti.

b. Menentukan taraf nyata (α) dengan nilai F tabel.

1) Untuk baris : v1 = b – 1 = 6 – 1 = 5
v2 = (k – 1)(b – 1) = (5– 1)(6 – 1) = 20
Maka, F0,05(5;20) = 2,71
2) Untuk kolom : v1 = k – 1 = 5 – 1 = 4
v2 = (k – 1)(b – 1) = (5 – 1)(6 – 1) = 20
Maka, F0,05(4;20) = 2,87
c. Menentukan kriteria pengujian.
1) H0 diterima apabila F0 ≤ 2,71

H1 ditolak apabila F0 > 2,71

2) H0 diterima apabila F0 ≤ 2,87

H1 ditolak apabila F0 > 2,87

d. Menganalisis varians
Tabel 3.5 Perhitungan Manual Anova Dua Arah Tanpa Interaksi
Wilayah
jenis Roti Total
Bandung Surabaya Semarang Medan Solo
Roti Gandum 20 21 22 21 23 107
Roti Tawar 20 22 23 21 24 224
Roti Manis 21 22 23 22 26 114
Roti Muffin 21 23 24 23 26 239
Roti Kukus 22 24 25 24 27 122
Breadstick 23 24 25 25 25 814
Total 127 136 142 136 151 692

b=6 k=5 T = 692 N = 30

nk1= 127 nk2= 136 nk3= 142 nk4= 136 nk5= 151

nb1= 107 nb2= 110 nb3= 114 nb4= 117 nb5= 122 nb6= 122

b k
T 2 ..
JKT =  x ij2 
i 1 j1 kb

692 2
= 202 + 212 +...+ 252 -
30
= 16060 – 15962,1333
= 97,8667
b

JKB = T i
2
T 2 ..
i 1

k kb
107 2  110 2  114 2  117 2  122 2  122 2 692 2
= 
5 30
= 16000,4 – 15962,1333
= 38,2667
k

JKK =
T
j1
2
j
T 2 ..

b kb
127 2  136 2  142 2  136 2  1512 692 2
= 
6 30
= 16014,3333 – 15962,1333
= 52,2000
JKE = JKT – JKB − JKK
= 97,8667 – 38,2667 – 52,2000
 = 7,4000
Kuadrat rata-rata diantara kriteria kelompok:
JKB 38,2667
s12  = = 7,6533
b -1 6 1
JKK 52,2000
s 22  = = 13,0500
k -1 5 1
JKE 7,4000
s 32  = = 0,3700
(k - 1)(b - 1) (5  1)(6  1)

Nilai F rasio:
Fhitung (baris)
s1 2 7,6533
f1  2 = = 20,6845
s3 0,3700

Fhitung (kolom)
s 22 13,0500
f2  2 = = 35,2702
s3 0,3700

Tabel 3.6 Anova Dua Tanpa Interaksi

Jumlah Derajat Rata-rata
Sumber varians F0
Kuadrat Bebas Kuadrat
Rata-rata baris 38,2667 5 7,6533
F1 = 20,6845
Rata-rata kolom 52,2000 4 13,0500
Error 7,4000 20 0,3700
F2 = 35,2702
Total 97,8667 29 21,0733

e. Kesimpulan.
1) Karena F0 = 20,6845 > F0,05(5;20) = 2,71, maka H0 ditolak. Jadi, sekurang-
kurangnya terdapat satu jenis roti yang mempengaruhi banyaknya
pengiriman roti.
2) Karena F0 = 35,2702 > F0,05(4;20) = 2,87, maka H0 ditolak. Jadi, sekurang-
kurangnya terdapat satu wilayah yang mempengaruhi banyaknya
pengiriman roti.

3.3.2 ANOVA Dua Arah Dengan Interaksi

Perhitungan manual anova dua arah untuk dengan interaksi terdiri dari
lima langkah dalam penyelesainnya. Berikut langkah-langkah pengujian anova
dua arah dengan interaksi.
a. Formulasi hipotesis
1) H0 = Tidak terdapat pengaruh antara ke-lima jenis pemasaran terhadap
penjualan roti selama 4 minggu
H1 = Sekurang-kurangnya terdapat satu jenis pemasaran yang
mempengaruhi banyaknya penjualan roti selama 4 minggu.
2) H0= Tidak terdapat pengaruh antara ketiga ukuran roti terhadap
banyaknya penjualan roti.
H1= Sekurang-kurangnya terdapat satu ukuran roti yang mempengaruhi
banyaknya penjualan roti.
3) H0 = Tidak terdapat interaksi antara jenis pemasaran dan ke-tiga ukuran
roti terhadap penjualan roti.
H1= Sekurang-kurangnya terdapat satu jenis pemasaran dan ke-tiga
ukuran roti yang mempengaruhi penjualan roti.
b. Menentukan taraf nyata (α) dan F tabel
1) Untuk baris : v1 = b – 1 = 5 – 1 = 4
v2 = kb(n – 1) = 3.5(4-1) = 45
(b - a) (45 - 40)
yx (z - x)  2,61  (2,53 - 2,61)  2,59
(c - a) (60 - 40)
Maka, F0,05(4;45) = 2,59
2) Untuk kolom : v1 = k – 1 = 3 – 1 = 2
v2 = kb(n – 1) = 3.5(4-1) = 45
(b - a) (45 - 40)
yx (z - x)  3,23  (3,15 - 3,23)  3,21
(c - a) (60 - 40)
Maka, F0,05(2;45) = 3,21
3) Untuk interaksi :
v1 = (k-1)(b-1)= (2)(4) = 8
v2 = kb(n – 1) = 3.5(4-1) = 45
(b - a) (485 - 40)
yx (z - x)  2,18  (2,10 - 2,18)  2,16
(c - a) (60 - 40)
Maka, F0,05(8;45) = 2,16
c. Menentukan kriteria pengujian
1) Untuk baris : H0 diterima apabila F0 ≤ 2,59
H0 ditolak apabila F0 > 2,59
2) Untuk kolom : H0 diterima apabila F0 ≤ 3,21
H0 ditolak apabila F0 > 3,21
3) Untuk interaksi : H0 diterima apabila F0 ≤ 2,16
H0 ditolak apabila F0 > 2,16
d. Analisis varians
Tabel 3.7 Tabel Analisis Varians Anova dengan Interaksi
Ukuran Roti
Jenis Pemasaran Total
Small Medium Large
Alfamart 145 182 168 495
Indomart 127 159 112 398
 Superindo 122 132 140 394
Giant 148 155 159 462
Alfamidi 168 176 184 528
Total 710 804 763 2277

b k n
T 2 ..
JKT = 
i 1 j1 c  l
x ij2 
kbn

2277 2
= 352 + 362 + … + 472 −
60
= 88157 – 86412,1500
= 1744,8500
b

JKB = T i
2

T 2 ..
i 1

kn kbn
495 2  398 2  394 2  462 2  528 2 2277 2
= 
12 60
= 87574,4166 – 86412,1500
= 1162,2666
k

JKK =
T
j1
2
j
T 2 ..

bn kbn
710 2  804 2  763 2 2277 2
= 
20 60
= 86634,2500 – 86412,1500
= 222,1000
b k b k

JKI =
 Tij2
i l j l
 Ti2
i j
T
j l
2
.j
T 2 ...
  
bn kn bn bkn

145 2  127 2 ....  184 2

= - 86634,25 - 87574,41  86412,15
4
= 88125,2500 – 86634,2500 – 87574,4166 + 86412,1500
= 328,7324
 JKE = JKT – JKB – JKK- JKI
= 1744,8500 – 1162,2666 – 222,1000 – 328,7324
= 31,7510
Kuadrat rata-rata diantara kriteria kelompok:
JKB 1162,2666
s12  = = 290,5666
b -1 5 1
JKK 222,1000
s 22  = = 111,0500
k -1 3 1
JKI 328,7324
s 32  = = 41,0915
(k - 1)(b - 1) (5  1)(3  1)
JKE 31,7510
s 42  = = 0,7055
(k - 1)(b - 1) 5  3( 4  1)

Nilai F rasio:
Fhitung (baris)
s1 2 290,5666
f1  = 0,7055 = 411,8591
s 42
Fhitung (kolom)
s 22 111,0500
f2  = 0,7055 = 157,4060
s 42
Fhitung (interaksi)
s 32 41,0915
f3  2 = = 58,2445
s4 0,7055

Tabel 3.1 Analisis Varians Dengan Interaksi

Jumlah Derajat Rata-rata
Sumber varians F0
Kuadrat Bebas Kuadrat
Rata-rata baris 1162,2666 4 290,5666 F1= 411,8591
Rata-rata kolom 222,1000 2 111,0500 F2 =157,4060
Interaksi 328,7324 8 41,0915 F3= 58,2445
Error 31,7510 45 0,7055
Total 1744,8500 59

e. Kesimpulan
 1) Karena F0 = 411,8591 > F0,05(4;45) = 2,59, maka H0 ditolak atau H1
diterima. Jadi, sekurang-kurangnya terdapat satu jenis pemasaran yang
mempengaruhi banyaknya penjualan..
2) Karena F0 = 157,4060 > F0,05(2;45) = 3,21, maka H0 ditolak. Jadi,
sekurang-kurangnya terdapat satu ukuran roti yang mempengaruhi
banyaknya penjualan roti.
3) Karena F0 = 58,2445 > F0,05(8;45) = 2,16, maka H0 ditolak. Jadi, terdapat
interaksi antara jenis pemasaran dengan ketiga ukuran roti yang
digunakan.

3.4 Pengolahan Software

Pengolahan software merupakan langkah-langkah untuk mendapatkan
hasil perhitungan dengan menggunakan software. Berdasarkan data pengamatan
tersebut, dapat ditentukan pula hasil perhitungannya dengan menggunakan
software SPSS 16.0 dengan cara sebagai berikut:

3.4.1 ANOVA Dua Arah Tanpa Interaksi

Langkah pertama setelah membuka software SPSS 16.0 adalah memilih
variable view ( berada disebelah kiri bawah ), kemudian memasukan nama
variabel dalam variable view dan mengganti decimals menjadi 0. Seperti gambar
dibawah ini.

Gambar 3.17 Jendela Variable View Tanpa Interaksi

Langkah kedua pada values wilayah tuliskan wilayah yang digunakan

yaitu 1 Bandung, 2 Surabaya, 3 Semarang, 4 Medan, 5 Solo. dan pada values jenis
roti menuliskan jenis roti yang digunakan yaitu 1 Roti Gandum, 2 Roti Tawar, 3
Roti Manis, 4 Roti Muffin, 5 Roti Kukus dan 6 Breadstick.
 Gambar 3.18 Values pada Jenis Roti dan Wilayah
Langkah ketiga pindahkan pada data view, lalu memasukan data
pengamatan mengenai wilayah yang digunakan, jenis roti, dan hasil pengiriman
roti tersebut. Seperti gambar dibawah.

Gambar 3.19 Memasukan Data

Langkah keempat yaitu membuat output anova dua arah tanpa interaksi
dengan cara pilih menu analyze, kemudian pilih general linier model dan pilih
univariate maka, muncul kotak dialog univariate. Berikut ini adalah tampilan
gambarnya.
 Gambar 3.20 Menganalisis data dengan General linear Model

Langkah kelima setelah muncul kotak dialog univariate adalah

memindahkan variabel banyaknya pengiriman pada kolom dependent variable,
memindahkan variabel wilayah pada kolom fixed factor(s) dan memindahkan
variabel jenis roti pada kolom random factor(s), setelah selesai kemudian pilih ok
maka akan ditampilkan output yang diperoleh berdasarkan pengujian anova dua
arah tanpa interaksi yang telah dilakukan yaitu between-subject factors dan tests
of between-subject effects. Berikut ini adalah tampilan gambarnya.

Gambar 3.21 Tampilan Jendela Univariate

Langkah keenam yaitu setelah pilih ok maka akan ditampilkan output yang
diperoleh berdasarkan pengujian anova dua arah tanpa interaksi yang telah
dilakukan yaitu between-subject factors dan tests of between-subject effects.
Berikut ini adalah tampilan output ANOVA dua arah tanpa interaksi .
Gambar di bawah ini merupakan output pengujian anova yaitu between-
subjects factors. between subjects-factors terdiri dari kolom value labels yaitu
berisi wilayah dan jenis roti pada data view dan N yaitu banyak data untuk masing
–masing variabel wilayah dan jenis roti.

Gambar 3.22 Output Between Subject Factors

Gambar di bawah ini merupakan output pengujian anova yaitu tests of
between-subjects effect. tests of between-subjects effect berisi kumpulan nilai JKT,
JKB , JKK dan JKE , nilai derajat bebas, serta nilai F hitung, dan merupakan tabel
rangkuman perhitungan anova.

Gambar 3.23 Output Test of Between Subject Effects

3.4.2 ANOVA Dua Arah Dengan Interaksi
Langkah pertama melakukan pengujian data dan pengolahan software pada
studi kasus anova dua arah dengan interaksi melalui beberapa langkah-langkah.
Pertama menuliskan judul variabel pada variable view, yaitu jenis kayu, wilayah,
dan banyaknya kayu. Seperti gambar berikut.
 Gambar 3.24 Jendela Variable View dengan Interaksi
Langkah kedua pada values ukuran roti tuliskan ukuran roti yang
digunakan yaitu 1 small, 2 medium, 3 large. Dan mengisikan pada values jenis
pemasaran dengan 1 Alfamart, 2 Indomart, 3 superindo, 4 giant, 5 alfamidi.
Seperti gambar berikut.

Gambar 3.25 Values pada Ukuran Roti dan Jenis Pemasaran

Langkah ketiga setelah selesai memasukkan variabel perhitungan pada
variable view adalah kembali ke data view dan masukkan 60 data pengamatan
sebagai data perhitungan. Masukan data pengamatan mengenai ukuran roti yang
digunakan, jenis pemasaran, dan jumlah penjualan.
 Gambar 3.26 Memasukan Data dengan Interaksi
Langkah keempat dapat dilakukan dengan memilih analyze, memilih
General Linier Model, dan memilih Univariate. Seperti gambar dibawah ini.

Gambar 3.27 Menu Analyze

Langkah kelima setelah muncul kotak dialog univariate adalah
memindahkan variabel jumlah penjualan pada kolom dependent variable,
memindahkan variabel ukuran roti dan jenis pemasaran pada kolom fixed
factor(s). Berikut ini adalah gambar tampilannya.
 Gambar 3.28 Jendela univariate pada Data dengan Interaksi
Langkah keenam setelah selesai pilih ok maka akan ditampilkan output
yang diperoleh berdasarkan pengujian anova dua arah dengan interaksi yang telah
dilakukan yaitu between-subject factors dan tests of between-subject effects.
Berikut ini adalah tampilan gambarnya. Berikut merupakan dua output nya.
Gambar di bawah ini merupakan output pengujian anova yaitu between-
subjects factors. Between subjects-factors terdiri dari kolom value labels yaitu
berisi jenis pemasaran dan ukuran roti pada data view dan N yaitu banyak data
untuk masing –masing variabel jenis kayu dan ukuran.

Gambar 3.29 Output Between Subject Factors

Gambar di bawah ini merupakan output pengujian anova yaitu tests of
between-subjects effect. Tests of between-subjects effect berisi kumpulan nilai
JKT, JKB , JKK , JKE , dan JKI, nilai derajat bebas , serta nilai F hitung,dan
merupakan tabel rangkuman perhitungan anova.
 Gambar 3.30 Output Test of Between Subject Effects

3.5 Analisis Perhitungan Manual

Perhitungan manual merupakan salah satu cara mengolah data dengan cara
menggunakan rumus-rumus yang telah diketahui sebelumnya. Analisis
perhitungan manual terdiri dari dua studi kasus, yaitu studi kasus pertama yaitu
anova dua arah tanpa interaksi dan studi kasus kedua yaitu anova dua arah dengan
interaksi. Berikut merupakan penjelasannya.

3.5.1 Analisis Perhitungan Manual ANOVA Dua Arah tanpa Interaksi.

Berdasarkan studi kasus anova dua arah tanpa interaksi yang mana data
yang siambil sebanyak 30 data dengan taraf nyata yang digunakan adalah sebesar
0,05. Taraf nyata 0,05 mempunyai arti terdapat probabilitas sebesar 0,05 untuk
menolah H0. Hasil dari perhitungan manual didapatkan derajat bebas pembilang
untuk kolom (V1) sebesar 5 dan derajat bebas penyebut (V2) sebesar 20, dengan
mengetahui taraf nyata maka besarnya Ftabel dapat diketahui yaitu sebesar 2,71.
Untuk derajat bebas pembilang untuk baris (V1) sebesar 4 dan derajat bebas
penyebut (V2) sebesar 20, dengan mengetahui taraf nyata maka besarnya Ftabel
dapat diketahui yaitu sebesar 2,87. Hasil dari perhitungan manual juga didapatkan
besarnya JKT sebesar 97,8667, JKB sebesar 38,2667, JKK sebesar 52,2000 dan
JKE sebesar 7,4000 , dengan mengetahui JKT, JKK, serta JKE maka besarnya F 1
dapat diketahui yaitu sebesar 20,6845. Hasil perhitungan manual memperlihatkan
bahwa besarnya F20 (20,6845) lebih besar dari pada Ftabel (2,71) maka H0 ditolak.
Jadi sekurang-kurangnya terdapat satu jenis roti yang mempengaruhi banyaknya
pengiriman roti. Dan untuk F2 diperoleh nilai sebesar 35,2702. Hasil perhitungan
manual memperlihatkan bahwa besarnya F20 (35,2702) lebih besar dari pada Ftabel
(2,87) maka H0 ditolak. Jadi sekurang-kurangnya terdapat satu jenis pemasaran
yang mempengaruhi banyaknya pengiriman roti.

3.5.2 Analisis Perhitungan Manual ANOVA Dua Arah dengan Interaksi.

Berdasarkan studi kasus anova dua arah dengan interaksi yang mana data
yang siambil sebanyak 60 data dengan taraf nyata yang digunakan adalah sebesar
0,05. Taraf nyata 0,05 mempunyai arti terdapat probabilitas sebesar 0,05 untuk
menolah H0. Hasil dari perhitungan manual didapatkan derajat bebas pembilang
untuk kolom (V1) sebesar 2 dan derajat bebas penyebut (V2) sebesar 45, dengan
mengetahui taraf nyata maka besarnya Ftabel dapat diketahui yaitu sebesar 3,21.
Untuk derajat bebas pembilang untuk baris (V1) sebesar 4 dan derajat bebas
penyebut (V2) sebesar 45, dengan mengetahui taraf nyata maka besarnya Ftabel
dapat diketahui yaitu sebesar 2,59. Untuk derajat bebas pembilang untuk interaksi
(V1) sebesar 8 dan derajat bebas penyebut (V 2) sebesar 45, dengan mengetahui
taraf nyata maka besarnya Ftabel dapat diketahui yaitu sebesar 2,16. Hasil dari
perhitungan manual juga didapatkan besarnya JKT sebesar 1744,8500 JKB
sebesar 1162,2666, JKK sebesar 222,1000, JKI sebesar 328,7324 dan JKE sebesar
31,7510 , dengan mengetahui JKT, JKK, serta JKE maka besarnya F 1 dapat
diketahui yaitu sebesar 411,8591. Hasil perhitungan manual memperlihatkan
bahwa besarnya F1 (411,8591) lebih besar dari pada Ftabel (2,59) maka H0 ditolak.
Jadi sekurang-kurangnya terdapat satu jenis pemasaran yang mempengaruhi
banyaknyaknya penjualan roti selama 4 minggu. Untuk F2 diperoleh nilai sebesar
157,4060. Hasil perhitungan manual memperlihatkan bahwa besarnya F 2
(157,4060) lebih besar dari pada Ftabel (3,21) maka H0 ditolak. Jadi sekurang-
kurangnya terdapat satu ukuran roti yang mempengaruhi banyaknya penjualan roti
selama 4 minggu. Untuk F3 diperoleh nilai sebesar 58,2445. Hasil perhitungan
manual memperlihatkan bahwa besarnya F3 (58,2445) lebih besar dari pada Ftabel
(2,16) maka H0 ditolak. Jadi sekurang-kurangnya terdapat satu interaksi antara
jenis pemasaran dengan ketiga ukuran roti yang mempengaruhi banyaknya
penjualan roti selama 4 minggu

3.6 Analisis Pengolahan Software

Analisis pengolahan software merupakan suatu perhitungan untuk mencari
nilai anova dua arah. Software yang digunakan untuk mencari nilai anova dua arah
adalah SPSS 16.0. Analisis pengolahan software terbagi menjadi 2yaitu analisis
pengolahan software anova dua arah tanpa interaksi dan analisis pengolahan
software anova dua arah dengan interaksi. Berikut ini merupakan output dari
software SPSS 16.0.

3.6.1 Analisis pengolahan software ANOVA dua arah tanpa interaksi.

Pengolahan software anova dua arah tanpa interaksi terdapat 2 output yaitu
output between-subjects factors, dan tests of between-subjects effect output
between-subjects factors dimana N menunjukkan banyaknya data yang terolah
pada software, untuk jumlah data tiap-tiap wilayah yaitu sebanyak 6 data yang
terolah, sedangkan untuk tiap-tiap jenis roti data yang terolah sebanyak 5 data
maka dapat dinyatakan bahwa data yang terolah oleh software sudah terolah
semua. Output kedua tests of between–subjects effects atau biasa disebut juga
tabel rangkuman perhitungan anova. Kolom pertama terdapat source atau sumber
varians berisi mengenai nilai atau sumber varians intercept atau faktor koreksi
sebesar 15962,133 artinya nilai perubahan variabel dependen (penjualan) tanpa
ada pengaruh variabel independen (wilayah dan jenis roti) sebesar 159062,133
dan memiliki nilai df atau derajat kebebasan sama dengan 1, sehingga nilai mean
square atau rata-rata kuadrat tengah untuk intercept atau faktor koreksi adalah
15962,133. Sumber varians untuk wilayah memiliki jumlah kuadrat kolom atau
JKK sebesar 52,200 dan memiliki nilai df sama dengan 4, sehingga nilai mean
square atau rata-rata kuadrat tengah untuk wilayah adalah 13,050. Sumber varians
untuk jenis roti memiliki jumlah kuadrat baris atau JKB sebesar 38,267 dan
memiliki nilai df sama dengan 5, sehingga nilai mean square atau rata-rata
kuadrat tengah untuk tipe adalah 7,653. Sumber wilayah untuk error memiliki
jumlah kuadrat error atau JKE sebesar 7,400 dan memiliki nilai df sama dengan
20, sehingga nilai mean square atau rata-rata kuadrat tengah untuk error sebesar
0,370. Sumber jenis roti untuk error memiliki jumlah kuadrat error atau JKE
sebesar 7,400 dan memiliki nilai df sama dengan 20, sehingga nilai mean square
atau rata-rata kuadrat tengah untuk error sebesar 0,370. Kolom kelima terdapat
nilai Fhitung untuk baris dan kolom. Berdasarkan nilai pengujian anova apabila Fhitung
lebih kecil sama dengan dari Ftabel maka H0 diterima, sedangkan apabila Fhitung>
Ftabel maka H0 ditolak. Nilai Fhitung untuk baris sebesar 20,685 atau 20,685 lebih
besar dari 2,59, maka kesimpulannya adalah H 0 ditolak. H0 ditolak menyatakan
bahwa ada pengaruh dari jenis roti terhadap pengiriman roti. Nilai Fhitung untuk
kolom sebesar 35,270 ditulis dengan 35,270 lebih besar dari 2,87, maka
kesimpulannya adalah H0 ditolak. H0 ditolak menyatakan bahwa sekurang-
kurangnya terdapat satu pengaruh dari wilayah terhadap pengiriman roti tersebut.
Berdasarkan output nilai signifikasi untuk baris dan kolom sebesar 0,00 atau 0,00
lebih besar dari 0,05 maka, H0 ditolak. H0 diterima menyatakan bahwa ada
pengaruh dari jenis roti dan wilayah terhadap pengiriman roti tersebut.

3.6.2 Analisis Pengolahan Software ANOVA Dua Arah dengan Interaksi.

Pengolahan software anova dua arah dengan interaksi terdapat 2 output
yaitu output between-subjects factors, dan tests of between-subjects effect. Output
between-subjects factors menunjukkan banyaknya data yang terolah pada
software yaitu untuk jumlah data tiap-tiap jenis pemasaran yaitu sebanyak 12 data
yang terolah, sedangkan untuk tiap-tiap ukuran roti, data yang terolah sebanyak
20 data maka dapat dinyatakan bahwa data yang terolah oleh software sudah
terolah semua. Output kedua tests of between–subjects effects atau biasa disebut
juga tabel rangkuman perhitungan anova. Kolom pertama terdapat source atau
sumber varians berisi mengenai nilai corrected model sebesar 1713,100 artinya
pengaruh semua variabel independen ( jenis pemasaran, ukuran roti, dan interaksi
jenis pemasaran dan ukuran roti) secara bersama-sama terhadap variabel dependen
(penjualan) sebesar 1713,100 dengan nilai atau derajat kebebasan yaitu 14,
sehingga nilai mean square atau rata-rata kuadrat tengah untuk corrected model
sebesar 122,364. Kolom pertama terdapat source atau sumber varians berisi
mengenai nilai intercept atau faktor koreksi sebesar 86412,150 artinya nilai
perubahan variabel dependen (penjualan) tanpa ada pengaruh variabel independen
(jenis pemasaran, ukuran roti, interaksi jenis pemasaran dan ukuran roti ) sebesar
86412,150 dan memiliki nilai df atau derajat kebebasan yaitu 1, sehingga nilai
mean square atau rata-rata kuadrat tengah untuk intercept atau faktor koreksi
adalah 86412,150. Sumber varians untuk jenis pemasaran memiliki jumlah
kuadrat baris atau JKB sebesar 1162,26 dan memiliki nilai df yaitu 4, sehingga
nilai mean square atau rata-rata kuadrat tengah untuk jenis kayu adalah 290,567.
Sumber varians untuk ukuran roti memiliki jumlah kuadrat kolom atau JKK
sebesar 222,100 dan memiliki nilai df yaitu 2, sehingga nilai mean square atau
rata-rata kuadrat tengah untuk ukuran adalah 111,050. Sumber varians untuk
interaksi memiliki jumlah kuadrat interaksi atau JKI sebesar 328,733 dan
memiliki nilai df yaitu 8, sehingga nilai mean square atau rata-rata kuadrat tengah
untuk interaksi sebesar 41,092. Sumber varians untuk error memiliki jumlah
kuadrat error atau JKE sebesar 31,750 dan memiliki nilai df yaitu 45, sehingga
nilai mean square atau rata-rata kuadrat tengah untuk error sebesar 0,706. Kolom
kelima terdapat nilai Fhitung untuk baris , kolom dan interaksi antara kedua variabel
atau faktor. Nilai Fhitung untuk baris sebesar 411,827 atau 411,827 lebih besar dari
2,59, maka kesimpulannya adalah H0 ditolak dan H1 diterima. H0 ditolak
menyatakan bahwa ada pengaruh dari jenis pemasaran terhadap penjualan roti
selama empat minggu. Nilai Fhitung untuk kolom sebesar 157,394 atau 1,434 leih
besar dari 3,21, maka kesimpulannya adalah H0 ditolak. H0 diterima menyatakan
bahwa ada pengaruh dari ukuran roti terhadap penjualan roti selama empat
minggu. Nilai Fhitung untuk interaksi kedua faktor dengan ukuran sebesar 58.240
atau 1,342 lebih besar dari 2,16, maka kesimpulannya adalah H 0 ditolak. H0
ditolak menyatakan bahwa ada pengaruh antara jenis pemasaran dengan ukuran
roti terhadap penjualan roti selama empat minggu. Berdasarkan output nilai
signifikasi untuk baris dan kolom sebesar 0,00 atau 0,00 lebih besar dari 0,05
maka, H0 ditolak. H0 diterima menyatakan bahwa ada pengaruh dari jenis
pemasaran dan ukuran roti terhadap penjualan roti selama 4 minggu
 BAB IV
PENUTUP

4.1 Kesimpulan
Kesimpulan adalah jawaban dari tujuan yang sudah ditentukan kemudian
dilakukan pembahasan dan didapatkan jawabannya pada setiap modul. Berikut
adalah kesimpulan dari setiap modul statistika industri :
1. Mengetahui ada atau tidaknya pengaruh dari jenis roti dengan wilayah
terhadap pengiriman roti
a. Karena F0 = 20,6845 > F0,05(5;20) = 2,71, maka H0 ditolak. Jadi, sekurang-
kurangnya terdapat satu jenis roti yang mempengaruhi banyaknya
pengiriman roti.
b. Karena F0 = 35,2702 > F0,05(4;20) = 2,87, maka H0 ditolak. Jadi, sekurang-
kurangnya terdapat satu wilayah yang mempengaruhi banyaknya
pengiriman roti.
2. Mengetahui ada atau tidaknya pengaruh dari jenis pemasaran dengan ukuran
roti terhadap penjualan roti selama 4 minggu dan apakah terdapat interaksi
antara jenis pemasaran dengan ukuran roti tersebut.
a. Karena F0 = 411,8591 > F0,05(4;45) = 2,59, maka H0 ditolak atau H1 diterima.
Jadi, sekurang-kurangnya terdapat satu jenis pemasaran yang
mempengaruhi banyaknya penjualan..
b. Karena F0 = 157,4060 > F0,05(2;45) = 3,21, maka H0 ditolak. Jadi, sekurang-
kurangnya terdapat satu ukuran roti yang mempengaruhi banyaknya
penjualan roti.
c. Karena F0 = 58,2445 > F0,05(8;45) = 2,16, maka H0 ditolak. Jadi, terdapat
interaksi antara jenis pemasaran dengan ketiga ukuran roti yang
digunakan.

DAFTAR PUSTAKA

Akbar, Aliansyah. 2015. Statistika-Pengujian Hipotesis.

Hasan, Iqbal. 2001. Pokok-Pokok Materi Statistika 2 (Statistika Inferensif).
Jakarta: Bumi Akasara.
Subiyakto, Haryono. 1994. Seri Diktat Kuliah Statistika 2. Jakarta: Gunadarma
Walpole, Ronald,E. 1982. Pengantar Statistika Edisi 3. Jakarta: PT Gramedia
Pustaka Utama.