MAKALAH
Dosen Pengampu:
Drs. H. Karim, M.Si.
Kamaliyah, M.Pd.
Disusun oleh :
Jumiati (1610118220010)
Puji syukur saya panjatkan ke hadirat Tuhan Yang Maha Kuasa, karena
berkat rahmat-Nya saya dapat menyelesaikan makalah yang berjudul ANOVA Dua
Jalur. Makalah ini diajukan guna memenuhi tugas mata kuliah Metode Statistika.
Makalah ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran
yang bersifat membangun dan memotivasi sangat saya harapkan demi sempurnanya
makalah ini sehingga kedepannya dapat lebih baik.
Penulis
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
iii
1.2 RUMUSAN MASALAH
1. Apa pengertian ANOVA Dua Jalur?
2. Apa tujuan ANOVA Dua Jalur?
3. Apa asumsi ANOVA Dua Jalur?
4. Apa macam-macam ANOVA Dua Jalur?
iv
BAB II
PEMBAHASAN
ANOVA merupakan singkatan dari “analysis of varian” adalah salah satu uji
komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua
kelompok. Ada dua jenis ANOVA, yaitu analisis varian satu faktor (one way ANOVA) dan
analisis varian dua faktor (two ways ANOVA).
ANOVA dua jalur digunakan untuk menguji hipotesis perbandingan lebih dari dua
sampel dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama. (Dr. Riduwan,
2003)
Jika pada ANOVA satu jalur kita dapat mengetahui ada atau tidaknya perbedaan
beberapa variabel bebas dengan sebuah variabel terikat dan masing-masing variabel tidak
mempunyai jenjang: maka dalam ANOVA dua jalur kita ingin mengetahui ada atau tidaknya
perbedaan beberapa variabel bebas dengan sebuah variabel terikatnya dan masing-masing
variabel mempunyai dua jenjang atau lebih. Banyaknya jenjang yang dimiliki variabel bebas
dan variabel terikat ini menentukan nama dari ANOVAnya. Misalnya variabel bebas
mempunyai jenjang dua buah dan variabel terikatnya mempunyai jenjang dua buah pula,maka
ANOVAnya ditulis ANOVA 2 x 2. (Usman, Husaini.2006.Pengantar Statistika.Jakarta:PT
Bumi Aksara).
Jadi, ANOVA dua jalur membandingkan perbedaan rata-rata antara kelompok yang
telah dibagi pada dua variabel independen (disebut faktor). Anda perlu memiliki dua variabel
independen berskala data kategorik dan satu variabel terikat berskala data kuantitatif/numerik
(interval atau rasio).
1
2.2 TUJUAN DARI PENGUJIAN ANOVA DUA JALUR
Pada pembahasan kali ini, dititikberatkan pada pengujian ANOVA 2 jalur yaitu
pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria dalam
pengujian ANOVA mempunyal level. Tujuan dan pengujian ANOVA 2 jalur ini adalah untuk
mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang
diinginkan. Misal, seorang guru menguji apakah ada pengaruh antara jenis media belajar yang
digunakan pada tingkat penguasaan siswa terhadap materi.(Hasan, Iqbal. 2010. Pokok-Pokok
Materi Statistik 2 (Statistik Infrwnsial). Jakarta: Bumi Aksara).
Tujuan dari pengujian ANOVA dua jalur adalah untuk mengetahui apakah ada pengaruh
dari berbagai kriteria yang diuji terhadap hasil yang diinginkan. (Furqon. 2009. Statistika
Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung ).
Dengan menggunakan teknik ANOVA 2 jalur ini kita dapat membandingkan beberapa rata-
rata yang berasal dari beberapa kategori atau kelompok untuk satu variable perlakuan.
Bagaimanapun, keuntungan teknik analisis varian ini adalah memungkinkan untuk
memperluas analisis pada situasi dimana hal-hal yang sedang diukur dipengaruhi oleh dua atau
lebih variable. (Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial).
Jakarta: Bumi Aksara).
ANOVA 2 jalur ini digunakan bila sumber keragaman yang terjadi tidak hanya karena satu
faktor (perlakuan). Faktor lain yang mungkin menjadi sumber keragaman respon juga harus
diperhatikan. Faktor lain ini bisa berupa perlakuan lain yang sudah terkondisikan.
Pertimbangan memasukkan faktor kedua sebagai sumber keragaman ini perlu bila faktor itu
dikelompokkan, sehingga keragaman antar kelompok sangat besar,, tetapi kecil dalam
kelompoknya sendiri.( Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik
Inferensial). Jakarta: Bumi Aksara)
2
2.4 MACAM-MACAM ANOVA DUA JALUR
ANOVA dua jalur dibagi menjadi dua jenis, yaitu :
a. ANOVA dua jalur tanpa interaksi
b. ANOVA dua jalur dengan interaksi
3
4. Membuat analisis varians dalam bentuk tabel ANOVA
𝐽𝐾𝐵 𝑆1 2
Rata-rata Baris JKB b–1 𝑺𝟏 𝟐 = 𝒇𝟏 𝟐 =
𝑑𝑏 𝑆3 2
𝟐 𝐽𝐾𝐾 𝟐 𝑆2 2
Rata-rata Kolom JKK k–1 𝑺𝟐 = 𝒇𝟐 =
𝑑𝑏 𝑆3 2
𝐽𝐾𝐸
Error JKE (k – 1)(b – 1) 𝑺𝟑 𝟐 =
𝑑𝑏
Total JKT kb - 1
𝑏 𝑘 𝑇2
(𝐽𝐾𝑇) = ∑ ∑ 𝑇𝑖𝑗 2 −
𝑖=1 𝑗=1 𝑘𝑏
∑𝑏𝑖=1 𝑇𝑖 2 𝑇 2
(𝐽𝐾𝐵) = −
𝑘 𝑘𝑏
∑𝑏𝑗=1 𝑇𝑗 2 𝑇2
(𝐽𝐾𝐾) = −
𝑘 𝑘𝑏
4
Ket :
JKT : Jumlah Kuadrat Total
JKB : Jumlah Kuadrat Baris
JKK : Jumlah Kuadrat Kolom
JKE : Jumlah Kuadrat Error
JKI : Jumlah Kuadrat Interaksi
Tij : Jumlah Pengamatan dalam Baris ke -ij
Ti : Jumlah Baris ke-i
T : Total
5. Membuat kesimpulan
Menyimpulkan H0 diterima atau tidak dengan membandingkan antara langkah
keempat dengan kriteria pengujian pada langkah ketiga.
Langkah-langkah pengujian klasifikasi dua jalur dengan interaksi ialah sebagai berikut :
1. Menentukan formulasi hipotesis
a) Hipotesis Baris
H0 ′ = α1 = α2 = … = αb = 0
5
2. Menentukan taraf nyata (α) dan F tabel Taraf nyata (α) dan F tabel ditentukan
dengan derajat pembilang dan penyebut masing-masing :
a) Untuk baris : v1 = b – 1 dan v2 = kb(n – 1)
b) Untuk kolom : v1 = k – 1 dan v2 = kb(n – 1)
c) Untuk interaksi : v1 = (k – 1)(b – 1) dan v2 = kb(n – 1)
Rata-rata 𝐽𝐾𝐵 𝑆1 2
JKB b–1 𝑺𝟏 𝟐
= 𝒇𝟏 𝟐 =
Baris 𝑑𝑏 𝑆4 2
Rata-rata 𝐽𝐾𝐾 𝑆2 2
JKK k–1 𝑺𝟐 𝟐 = 𝒇𝟐 𝟐 =
Kolom 𝑑𝑏 𝑆4 2
𝟐 𝐽𝐾𝐼 𝟐 𝑆3 2
Interaksi JKI (b – 1)(k – 1) 𝑺𝟑 = 𝒇𝟑 =
𝑑𝑏 𝑆4 2
𝐽𝐾𝐸
Error JKE bk(n – 1) 𝑺𝟒 𝟐 =
𝑑𝑏
6
Rumus hitung jumlah kuadrat :
𝑏 𝑘 𝑛 𝑇2
(𝐽𝐾𝑇) = ∑ ∑ ∑ 𝑋𝑖𝑗𝑘 2 −
𝑖=1 𝑗=1 𝑘=1 𝑏𝑘𝑛
∑𝑏𝑖=1 𝑇𝑖 2 𝑇2
(𝐽𝐾𝐵) = −
𝑘𝑛 𝑏𝑘𝑛
∑𝑘𝑗=1 𝑇𝑖 2 𝑇2
(𝐽𝐾𝐾) = −
𝑏𝑛 𝑏𝑘𝑛
Ket :
JKT : Jumlah Kuadrat Total
JKB : Jumlah Kuadrat Baris
JKK : Jumlah Kuadrat Kolom
JKE : Jumlah Kuadrat Error
JKI : Jumlah Kuadrat Interaksi
Tij : Jumlah Pengamatan dalam Baris ke -ij
Ti : Jumlah Baris ke-i
T : Total
7
5. Membuat kesimpulan
Menyimpulkan Ho diterima attau ditolak, dengan membandingkan antara langkah ke-
4 dengan kriteria pengujian pada langkah ke-3.
Cara Manual :
8
Ada perbedaan rata-rata tingkat penjualan untuk penggunaan ke-4 jenis PK AC
tersebut
b. Untuk kolom
H0 : β1 = β2 = β3 = β4 = β5 = 0
Tidak ada perbedaan rata-rata tingkat penjualan untuk ke-5 merek AC tersebut
H1 : Sekurang − kurangnya satu βj ≠ 0
Ada perbedaan rata-rata tingkat penjualan untuk ke-5 merek AC tersebut
4. Uji Statistik
Jenis Merek AC
Total T2
PK A B C D E
½ 44 46 47 48 49 234 54756
¾ 49 48 50 47 48 242 58564
1 46 47 45 45 46 229 52441
2 47 50 49 49 47 242 58564
Total 186 191 191 189 190 947 224325
T2 34596 36481 36481 35721 36100 179379
9
Tingkat penjualan yang dikuadratkan:
Jenis Merek AC
Total
PK A B C D E
½ 1936 2116 2209 2304 2401 10966
¾ 2401 2304 2500 2209 2304 11718
1 2116 2209 2025 2025 2116 10491
2 2209 2500 2401 2401 2209 11720
Total 8662 9129 9135 8939 9030 44895
𝑇2 9472
JKT = ∑𝑏𝑖=1 ∑𝑘𝑗=1 𝑇𝑖𝑗 2 − = 442 + 492 + 462 + 472 … + 472 −
𝑘𝑏 5(4)
896809
= 44895 − 20
∑𝑏
𝑖=1 𝑇𝑖
2
𝑇2 2342 +2422 +2292 +2422 9472
JKB = − = −
𝑘 𝑘𝑏 5 5(4)
∑𝑘
𝑗=1 𝑇𝑖
2
𝑇2 1862 + 1912 + 1912 + 1892 +1902 9472 179379 896809
JKK = − = – = −
𝑏 𝑘𝑏 4 5(4) 4 20
10
𝟐 𝑆1 2 8,183
𝒇𝟏 = 2 = = 3,820
𝑆3 2,142
𝟐 𝑆2 2 1,075
𝒇𝟐 = 2 = = 0,502
𝑆3 2,142
5. Kesimpulan
a. Karena F0 = 3,820 ˃ F0,05(4;12) = 3,49, maka H0 ditolak. Jadi dapat disimpulkan bahwa
Ada perbedaan rata-rata tingkat penjualan untuk penggunaan ke-4 jenis PK AC
tersebut. Sekurang-kurangnya ada satu pengaruh jenis PK terhadap tingkat penjualan.
b. Karena F0 = 0,502 ≤ F0,05(3;12) = 3,26, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada perbedaan rata-rata tingkat penjualan untuk ke-5 merek AC tersebut. Tidak
ada pengaruh merek AC terhadap tingkat penjualan.
Cara Excel:
1. Masukkan data
11
2. Kemudian pilih Data, lalu klik Data analysis. Maka akan muncul :
4. Pada Input range diklik maka akan muncul pilihan untuk memilih data. Pemilihan data
dengan cara blok datanya mulai dari label sampai semua datanya, seperti pada data
diatas semuanya diblok. Kemudian cek bagian label. Alpha tergantung yang digunakan
dalam kasus ini 5% atau 0,05. Pada Output option terserah mau pilih outputnya
dimana. Setelah itu pilih OK, maka akan muncul output seperti berikut :
12
2 5 242 48,4 1,8
ANOVA
Source of
Variation SS df MS F P-value F crit
Rows 24,55 3 8,183333 3,821012 0,039274 3,490295
Columns 4,3 4 1,075 0,501946 0,735164 3,259167
Error 25,7 12 2,141667
Total 54,55 19
Summary
Pada bagian tersebut menyajikan deskripsi dari tiap kelompok baik kelompok nilai
(baris) dan kelompok kelas (kolom). Deskripsinya yaitu banyaknya data (count),
Jumlah total (sum), rata-rata (average) dan standar deviasi (variance)
Anova
Bagian ini menampilkan tabel anova seperti pada materi anova satu jalur. yang
perlu dilihat pada bagian ini adalah P value. jika nilai p value lebih besar dari
0.05(alpha) maka keputusan H0 terima artinya tidak ada perbedaan rata-rata tiap
kelompok. Selain itu bisa dilihat dengan membandingkan nilai Fhitung (F) dengan Ftabel
(F crit). terlihat bahwa Fhitung lebih kecil dari Ftabel maka keputusan sama yaitu H0
terima. Sehingga dapat disimpulkan rata-rata tingkat penjualan untuk penggunaan jenis
13
PK AC dan merek AC adalah sama. Selain itu hasil yang diperoleh hampir sama dengan
penyelasaian secara manual mungkin beda karena pembulatan.
Cara SPSS :
4. Klik values pada “Jenis_PK”, akan muncul jendela value labels, isi pada value “1”
dan pada label “1/2” klik Add. Isi value “2” dan pada label “3/4” klik Add. Isi
pada value “3” dan pada label “1 ” klik Add. Isi pada value “4” dan pada label “2
” klik Add Klik Ok.
14
5. Klik values pada “Merek_AC”, akan muncul jendela value labels, isi pada value
“1” dan pada label “A” klik Add. Ulangi langkah tersebut berurutan sampai value
“5” dan pada label “E”. Klik ok.
15
7. Untuk menguji normalitasnya, pilih tab Analyze pada menu, lalu pilih Descriptive
Statistics, kemudian explore
9. Akan muncul jendela explore : plots. Pilih None pada boxplots, ceklis normality
plotas with tests. Continue. Ok.
16
10. Didapatkan hasil sebagai berikut :
Karena jumlah sampel yang digunakan ≤ 50 sampel, maka kita gunakan nilai sig. pada
Shapiro-Wilk. Taraf signifikansi yang digunakan 5% atau 0,05. Semua nilai Sig. yang
diperoleh ≥ 0,05. Sehingga, data berdistribusi normal.
17
11. Untuk menguji homogenitas, kita uji satu per satu. Pilih Analyze, Compare Means,
One-Way ANOVA.
14. Akan didapatkan hasil sebagai berikut. Ulangi langkah 11-13, namun pada
langkah 12 pada factor masukkan ”Merek_AC”.
18
a. Tingkat penjualan untuk jenis PK
Test of Homogeneity of Variances
Tingkat_Penjualan
1.256 3 16 .323
Tingkat_Penjualan
.390 4 15 .813
Digunakan taraf signifikansi 5% atau 0,05. Karena diperoleh kedua nilai Sig. ≥ 0,05.
Maka, data banyak siswa berdasar nilai dan kelas bervariansi homogen.
15. Karena asumsi uji anova terpenuhi, yaitu data berdistribusi normal dan homogen, maka
dapat kita lanjutkan ke uji Anova 2 jalur.
16. Pilih tab Analyze, General Linear Model, lalu pilih Univariate
19. Akan kembali pada jendela Univariate, pilih Plots. Akan muncul jendela univariate :
profile plots. Masukkan “Jenis_PK” pada horizontal axis,dan “Merek_AC” pada
separate lines. Pilih Add. Setelah muncul ”Jenis_PK * Merek_AC”, pilih continue.
20
20. Akan kembali pada jendela Univariate, pilih Post Hoc. Akan muncul jendela
univariate : post hoc multiple comparisons for observed means. Masukkan Kelas
pada kolom Post Hoc Tests for, lalu conteng “Tukey”. Klik continue.
21. Akan kembali pada jendela univariate, pilih options. Masukkan “Jenis_PK” dan
“Merek_AC” pada kolom display means for. Lalu centang descriptive statistics dan
homogeneity tests. Klik continue.
21
22. Setelah kembali pada jendela univariate. Klik ok. Maka akan muncul output
sebagai berikut :
I. Deskriptif Statistik
22
Dari tabel descriptive statistics diatas, dapat dilihat rata-rata tingkat penjualan
berdasarkan jenis PK dan merek AC. Contohnya: rata-rata tingkat penjualan untuk jenis PK 1
dengan merek A adalah 46,0000 dan seterusnya.
Intercept :
Jenis PK :
Pengaruh jenis PK terhadap tingkat penjualan di dalam model. Nilai pada Type
III Sum of Squares diperoleh 24,550. Nilai ini merupakan JKB dalam perhitungan
manual. Sig.˂ 0,05 = Signifikan. Contoh diatas diperoleh Sig. = 0,039 ˂ 0,05, berarti
jenis PK berpengaruh signifikan.
Merek AC :
23
Error :
Nilai ini sama dengan JKE pada perhitungan manual, yaitu 25,700
Dengan melihat nilai Mean Difference pada tabel diatas, dapat ditentukan kategori
manakah dari variabel diatas yang memiliki perbedaan signifikan. Dari tabel III, tidak ditemui
adanya tanda * pada Mean Difference. Ini berarti rata-rata tingkat penjualan untuk merek AC
sama.
Diagram di atas menunjukkan adanya kesejajaran garis, sehingga terbukti tidak adanya
interaksi.
24
2.5.2 ANOVA 2 JALUR DENGAN INTERAKSI
25
Cara Manual :
b=3;k=4;n=4
1. Formulasi Hipotesis
a. Untuk baris
H0 : α1 = α2 = α3 = 0
Tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta yang
digunakan.
H1: Sekurang − kurangnya satu αi ≠ 0
Ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta yang digunakan.
b. Untuk kolom
H0 : β1 = β2 = β3 = β4 = 0
Tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-4 jenis mata pulpen
yang digunakan.
26
c. Untuk interaksi: v1 = (k – 1)(b – 1) = (4 – 1)(3 – 1) = 6
v2 = kb (n – 1) = 4.3(4 – 1) = 36
F(α)(V1;V2) = F(0,05)(6;36) = 2,364
3. Kriteria Pengujian
a. H0 diterima apabila Fhit 3,259.
H0 ditolak apabila Fhit > 3,259.
b. H0 diterima apabila Fhit 2,866.
H0 ditolak apabila Fhit > 2,866.
c. H0 diterima apabila Fhit 2,364.
H0 ditolak apabila Fhit > 2,364.
4. Uji Statistik
Jenis A Jenis B Jenis C Jenis D Total
Tipe 1 143 154 184 169 650
Tipe 2 138 153 183 175 649
Tipe 3 134 153 180 174 641
Total 415 460 547 518 1940
𝑇2
a. JKT = ∑𝑏𝑖=1 ∑𝑘𝑗=1 ∑𝑛𝑘=1 𝑋𝑖𝑗𝑘 2 − 𝑏𝑘𝑛
1940 2
= 372 + 352 + … + 452 – = 79338 – 78408,33 = 929,67
48
∑𝑏
𝑖=1 𝑇𝑖
2
𝑇2
b. JKB = −
𝑘𝑛 𝑏𝑘𝑛
∑𝑘
𝑗=1 𝑇𝑖
2
𝑇2
c. JKK = −
𝑏𝑛 𝑏𝑘𝑛
∑𝑏 𝑘
𝑖=1 ∑𝑗=1 𝑇𝑖𝑗
2
∑𝑏 2 ∑𝑘
𝑗=1 𝑇𝑖
2
𝑇2
𝑖=1 𝑇𝑖
d. JKI = 𝑛
− 𝑘𝑛
− 𝑏𝑛
+ 𝑏𝑘𝑛
27
1432 154 2 ... 180 2 174 2
= – 78411,38 – 79279,83 + 78408,33
4
= 79297,5 – 78411,38 – 79279,83 + 78408,33 = 14,62
𝑆1 2 1,523
j. 𝒇𝟏 𝟐 = = = 1,354
𝑆4 2 1,125
𝑆2 2 290,501
k. 𝒇𝟐 𝟐 = = = 258,223
𝑆4 2 1,125
𝑆3 2 2,437
l. 𝒇𝟑 𝟐 = = = 2,166
𝑆4 2 1,125
28
5. Kesimpulan
a. Karena F1 = 1,354 ≤ F0 tabel = 3,259, maka H0 diterima. Jadi dapat disimpulkan
bahwa tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta
yang digunakan.
b. Karena F2 = 258,223 > F0 tabel = 2,866, maka H0 ditolak. Jadi dapat disimpulkan
bahwa Ada beda rata-rata lamanya pemakaian pulpen untuk ke-4 jenis mata pulpen
yang digunakan.
c. Karena F3 = 2,166 ≤ F0 tabel = 2,364, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada interaksi antara tipe tinta dengan jenis mata pulpen.
Cara Excel :
1. Masukkan data ke Excel, caranya yaitu buat data seperti kotak yang terdiri dari baris
dan kolom.
29
3. Kemudian pilih Anova two factor with replication. maka akan muncul tampilan seperti
berikut:
4. Pada Input range diklik maka akan muncul pilihan untuk memilih data. Pemilihan data
dengan cara blok datanya mulai dari label sampai semua datanya, seperti pada data diatas
semuanya diblok. Kemudian pada Row per sample tuliskan banyaknya pengulangan
dalam contoh kasus ada 4. Alpha tergantung yang digunakan dalam contoh kasus ini 5%
atau 0.05. Pada Output option terserah mau pilih outputnya dimana. Setelah itu pilih ok.
maka akan muncul output seperti berikut :
30
SUMMARY Jenis A Jenis B Jenis C Jenis D Total
Tipe 1
Count 4 4 4 4 16
Sum 143 154 184 169 650
Average 35.75 38.5 46 42.25 40.625
0.91666 1.66666 0.66666 0.91666 16.7833
Variance 7 7 7 7 3
Tipe 2
Count 4 4 4 4 16
Sum 138 153 183 175 649
Average 34.5 38.25 45.75 43.75 40.5625
1.66666 0.91666 0.91666 0.91666 21.9958
Variance 7 7 7 7 3
Tipe 3
Count 4 4 4 4 16
Sum 134 153 180 174 641
Average 33.5 38.25 45 43.5 40.0625
1.66666 0.91666 0.66666 1.66666 22.9958
Variance 7 7 7 7 3
Total
Count 12 12 12 12
Sum 415 460 547 518
34.5833 38.3333 45.5833 43.1666
Average 3 3 3 7
2.08333 0.96969 0.81060 1.42424
Variance 3 7 6 2
ANOVA
Source of Variation SS df MS F P-value F crit
3.04166 1.52083 1.35185 0.27158 3.25944
Sample 7 2 3 2 1 6
258.222 2.16E- 2.86626
Columns 871.5 3 290.5 2 24 6
31
2.16666 0.06928 2.36375
Interaction 14.625 6 2.4375 7 2 1
Within 40.5 36 1.125
929.666
Total 7 47
Summary
Pada bagian summary menyajikan deskripsi dari tiap kelompok baik kelompok tipe
tinta (baris) dan kelompok jenis mata tinta (kolom).
Count (Banyak) menyatakan banyaknya pengulangan.
Sum (jumlah) menjelaskan jumlah dari nilai pengulangan tersebut
Average (rata-rata) dan variance (varians) juga menjelaskan rata-rata dan varians dari
tiap kelompk pengulangan tersebut.
Total
Bagian kedua ini hampir sama dengan yang bagian summary. Bedanya total ini
merupakan deskripsi dari gabungan tiga kelompok tipe tinta (baris) sehingga deskripsinya
hanya membandingkan ke-4 jenis mata tinta (kolom) saja.
Anova
Yang perlu dilihat pada bagian ini adalah P-value. Jika nilai p-value > 0,05 (alpha)
maka keputusan H0 diterima, artinya tidak ada perbedaan rata-rata tiap kelompok. Selain
itu bisa dilihat dengan membandingkan nilai Fhitung (F) dengan Ftabel (F crit). Terlihat bahwa F
hitung lebih kecil dari f tabel maka keputusan sama yaitu H0 diterima.
Pada penjelasan diatas, dalam anova dua jalur dengan interaksi terdapat 3 hipotesis
yang artinya ada 3 pertanyaan dalam penelitian yang harus dijawab ketiganya. untuk melihat
jawaban tersebut bisa dilihat di bagian p-value terdapat ada 3 nilai, itulah jawaban dari
hipotesis.
Dari 3 nilai p-value terdapat dua yang lebih besar dari 0,05 (alpha), sehingga keputusan
terdapat 2 H0 diterima. sedangkan yang satunya lebih kecil dari 0.05 (alpha) sehingga
keputusan H0 ditolak.
32
Berdasarkan hasil tersebut dapat diputuskan :
“Perhitungan menunjukkan bahwa rata-rata lamanya pemakaian pulpen pada baris
(kelompok tipe tinta) dan interaksi antara tipe tinta dengan jenis mata tinta tidak berbeda
(masih dianggap sama) hal ini terlihat dari nila p-value yang lebih besar dari 0,05 dan
Fhitung lebih kecil dari Ftabel maka dari itu H0 diterima sedangkan rata-rata lamanya
pemakaian pulpen pada baris (kelompok jenis mata tinta) dapat dikatakan berbeda karena
p-value yang lebih kecil dari 0,05 dan pada Fhitung lebih besar dari Ftabel maka H0 ditolak”
Cara SPSS :
33
5. Variabel dependen: “Lama_pemakaian”, Decimals=0, Measure pilih Scale, Type pilih
Numeric.
6. Buka Tab Data View: Isi data seperti di bawah ini:
7. Setelah data terisi, pada menu, Klik Analyze, General Linear Model, Univariate.
34
8. Maka akan mucul jendela sbb: Masukkan “Lama_pemakaian” ke kotak Dependent
Variable, masukkan “Mata_pulpen” dan “Tinta_pulpen” ke kotak Fixed factor(s).
9. Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan “Mata_pulpel”
ke kotak Horizontal Axis dan “Tinta_pulpen” ke kotak Separate Lines. Klik Add, maka
akan tampak seperti di bawah, lalu klik Continue.
35
10. Klik Post Hoc, maka muncul jendela sbb: Masukkan “Tinta_pulpen” ke kotak Post Hoc
Test for. Centang Tukey lalu klik Continue
11. Klik Options, maka akan muncul jendela sbb: Masukkan Mata_pulpen, Tinta_pulpen,
dan Mata_pulpen*Tinta_pulpen ke dalam kotak Display Means for. Pada Display
centang Descriptive statistics dan Homogentity test, lalu klik Continue dan OK!
36
12. Dari tabel di bawah, kita bisa menilai rata-rata lama pemakaian berdasarkan tipe tinta
dan jenis mata pulpen yang digunakan. Sebagai contoh: rata-rata lama pemakaian tipe
tinta 1 dengan jenis mata pulpen B sebesar 38,50 dan seterusnya.
13. Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk menilai homogenitas tiap
variabel.
37
14. Dari hasil di atas menunjukkan nilai (Signifikansi) Sig. 0,880 ≥ 0,05 sehingga bisa
dikatakan varian antar group berbeda secara signifikan.
15. Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova
16. Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai
berikut:
a. Corrected Model :
Pengaruh Semua Variabel independen (Mata pulpen, Tinta pulpen dan Interaksi mata
pulpen dengan tinta pulpen atau “Mata_pulpen*Tinta_pulpen”) secara bersama-sama
terhadap variabel dependen (Lama pemakaian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) =
Signifikan. Contoh di atas 0,000 berarti model tidak valid.
b. 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.
38
c. Mata_pulpen :
Pengaruh Mata_pulpen terhadap lama_pemakaian di dalam model. Apabila
Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti “Mata_pulpen”
berpengaruh signifikan.
d. Tinta_pulpen :
Pengaruh Tinta_pulpen terhadap lama_pemakaian di dalam model. Apabila
Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,272 berarti “Tinta_pulpen”
tidak berpengaruh secara signifikan.
e. Mata_pulpen* Tinta_pulpen :
Pengaruh Mata_pulpen dan Tinta_pulpen terhadap lamanya pemakaian pulpen di
dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,069
berarti Mata_pulpen dan Tinta_pulpen tidak berpengaruh secara signifikan.
f. Error:
Nilai Error model, semakin kecil maka model semakin baik.
g. R Squared :
Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di
atas 0,956 di mana mendekati 1, berarti korelasi sangat kuat.
INTERPRETASI :
1. Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin a, c, d dan e adalah yang
terpenting (tanpa mengabaikan yang lain). Oleh karena hasil uji F menunjukkan bahwa
tidak signifikan ada perbedaan atau menerima H1, untuk mengujinya Uji ANOVA ini
dilanjutkan ke tahap selanjutnya, yaitu Uji Post Hoc.
39
3. Tinta_pulpen yang memiliki perbedaan signifikan ditandai dengan tanda bintang (*). Dari
tabel di atas, tidak satupun ditandai dengan bintang, berarti semuanya tidak ada perbedaan
yang signifikan.
4. Diagram Plot
Diagram Plot di bawah ini berguna untuk menilai apakah ada interaksi efek antar variabel.
Namun diagram ini tidak bisa dijadikan bahan acuan yang valid. Tetapi hanya sekedar
memberikan gambaran saja. Apabila garis-garis tidak menunjukkan kesejajaran, maka
dicurigai ada efek interaksi.
5. Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai ada efek
interaksi.
40
BAB III
PENUTUP
3.1 KESIMPULAN
ANOVA merupakan singkatan dari “analysis of varian” adalah salah satu uji
komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua
kelompok. Tujuan dan pengujian ANOVA 2 jalur ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Misal, seorang guru
menguji apakah ada pengaruh antara jenis media belajar yang digunakan pada tingkat
penguasaan siswa terhadap materi.
Pengujian ANOVA dua jalur mempunyai beberapa asumsi diantaranya : Populasi yang
diuji berdistribusi normal, varians atau ragam dan populasi yang diuji sama, sampel tidak
berhubungan satu dengan yang lain. ANOVA dua jalur dibagi menjadi dua jenis, yaitu :
ANOVA dua jalur tanpa interaksi dan ANOVA dua jalur dengan interaksi.
3.2 SARAN
Dalam perhitungan manual, sangat dibutuhkan ketelitian yang tinggi karena banyaknya
unsur yang dihitung. Dalam menguji dengan SPSS harus bisa membedakan yang mana variabel
independen dan yang dependen. Kita juga harus bisa membedakan antara ANOVA dua jalur
tanpa interaksi dan ANOVA dua jalur dengan interaksi.
41
DAFTAR PUSTAKA
42
LAMPIRAN
43