Anda di halaman 1dari 36

MAKALAH SATISTIKA

Disususun Untuk Memenuhi Tugas Mata Kuliah Statistika yang dibimbing oleh Bapak Dr.
Eddy Sutadji, M.Pd

Di susun oleh :
Yuli Astuti (130551818140)

PROGRAM STUDI PENDIDIKAN KEJURUAN


PROGRAM PASCASARJANA
UNIVERSITAS NEGERI MALANG
NOVEMBER 2013
BAB I
PENDAHULUAN

A. Latar Belakang
Analisis Varians (Analysis of Variance), merupakan sebuah teknik inferensial yang
digunakan untuk menguji perbedaan rerata nilai. Sebagai sebuah teknik analisis varians atau
yang seringkali disebut dengan anava saja mempunyai banyak keuntungan. Pertama, anava
dapat digunakan untuk menentukan apakah rerata nilai dari dua atau lebih sampel berbeda secara
signifikan atau. Kedua, perhitungan anava juga menghasilkan harga F yang secara signifikan
menunjukkan kepada peneliti bahwa sampel yang diteliti berasal dari populasi yang berbeda,
walaupun anava tidak dapat menunjukkan secara rinci yang manakah di antara rerata nilai dari
sampel-sampel tersebut yan gberbeda secara signifikan satu sama lain. Uji T lah yang dapat
menyempurnakan ini. Ketiga, anava juga dapat digunakan untuk menganalisis data yang
dihasilkan dengan desain factorial jamak. Dalam desain factorial yang menghasilkan harga F
ganda, anava dapat menyelesaikan tugas sekaligus. Dengan anava inilah peneliti dapat
mengetahui antarvariabel manakah yang memang mempunyai perbedaan secara signifikan, dan
varibel-variabel manakah yang berinteraksi satu sama lain.

Keuntungan lain dari anava adalah kemampuannya untuk mengetes signifikansi dari
kecenderungan yang dihipotesiskan. Hasilnya disebut dengan analisis kecenderungan. Sebaagai
contoh peneliti mengelompokkan siswa ke dalam empat kelompok berdasarkan tingkat
kedisiplinannya seseorang akan semakin tinggi prestasi belajarnya. Untuk menguji hipotesis ini
peneliti dapat menggunakan anava. Manfaat lain dari anava adalah, bahwa teknik ini dapat
digunakan untuk menguji signifikansi perubahan varians dua ampel atau lebih. Dengan
menggunakan teknik anava peneliti tidak perlu berkali-kali melakukan pengujian tetapi hanya
cukup sekali saja. Disamping penghematan tersebut, seperti sudah dikemukakan diatas, dengan
anava peneliti dapat melihat akibat dari interaksi dua faktor.
B. Rumusan Masalah
Adapun hal-hal yang akan dibahas dalam makalah ini adalah sebagai berikut:
1. Pengertian Analysis of Variance
2. Asumsi Analysis of Variance
3. Analysis of Variance Dua Jalur (Two Way ANOVA)
4. Analysis of Variance Dua Jalur tanpa Interaksi
5. Analysis of Variance Dua Jalur dengan Interaksi
6. Contoh penyelesaian kasus dengan SPSS

BAB II
PEMBAHASAN

A. Pengertian Analysis of Variance (ANOVA)


Anova atau analysis of variance adalah tergolong analisis komparatif lebih dari dua
variabel atau lebih dari dua rata-rata. Tujuannya adalah untuk membandingkan lebih dari dua
rata-rata. Gunanya untuk menguji kemampuan generalisasi artinya data sampel dianggap dapat
mewakili populasi (Riduan, 2010:166).
Untuk melihat perbedaan mean dua kelompok, juga untuk melihat efektifitas perlakuan
terhadap sampel, dapat digunakan t – tes, tetapi untuk menguji perbedaan mean dari tiga atau
lebih sampel, dengan menggunakan F- tes. Selain lebih efisien, penggunaan F- tes dapat
digunakan untuk mengetahui interaksi antara variabel-variabel yang menjadi perhatian
(Arikunto, 1992: 279).

Anova dapat digolongkan kedalam beberapa kritenia, yaitu :

1. Klasifikasi 1 arah

ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria.

2. Klasifikasi 2 arah

ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kriteria.

3. Klasifikasi banyak arah

ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak kriteria
(3 dan seterusnya).

Pada pembahasan. kali ini, dititikberatkan pada pengujian ANOVA 2 arah dan banyak
arah.

B. Asumsi dalam Analysis of Variance (ANOVA)


Untuk dapat menggunakan uji statistik ANOVA harus dipenuhi beberapa asumsi di bawah ini:
1. Homogenity of variance: Variabel dependen harus memiliki varian yang sama dalam setiap
kategori variabel independen. Jika terdapat lebih dari satu variabel independen, maka harus
ada homogenity of variance di dalam cell yang dibentuk oleh variabel independen kategorikal.
SPSS memberikan tes ini dengan nama Levene’s test of homogenity of variance. Jika nilai
Levene test signifikan (probabilitas < 0.05) maka hipotesis nol akan ditolak bahwa group
memiliki variance yang berbeda dan hal ini menyalahi asumsi. Jadi yang dikehendaki adalah
tidak dapat menolak hipotesis nol atau hasil Levene test tidak signifikan (probabilitas > 0.05).
Walaupun asumsi variance sama ini dilanggar, Box (1954) menyatakan bahwa ANOVA masih
tetap dapat digunakan oleh karena ANOVA robust untuk penyimpangan yang kecil dan
moderat dari homogenity of varaiance. Perhitunga kasarnya rasio terbesar ke terkecil dari
grup variance harus 3 atau kurang dari 3.
2. Random sampling: Untuk tujuan uji signifikansi, maka subyek didalam setiap grup harus
diambil secara random.
3. Multivariate Normality: Untuk tujuan uji signifkansi, maka variable harus mengikuti
distribusi normal multivariate. Variable dependen terdistribusi secara normal dalam setiap
kategori variable independen. ANOVA masih tetap robust walaupun terdapat penyimpangan
asumsi multivariate normality. SPSS memberikan uji Boxplot test of the normality
assumption.
Analysis of variance yang digunakan untuk membandingkan nilai rata-rata tiga atau lebih
sampel yang tidak berhubungan pada dasarnya adalah menggunakan F test yaitu estimate
between groups variance (atau mean-squares) dibandingkan dengan estimate within groups
variance atau secara rumus sebagai berikut:

Between groups estimated variance atau mean-squares


F=
Between groups estimated variance atau mean-squares

Total variance dalam variable dependen dapat dipandang memiliki 2 komponen yaitu
variance yang berasal dari variable independen dan variance yang berasal dari faktor lainnya.
Variance dari faktor lain ini sering disebut dengan error atau residual variance. Variance yang
berasal dari variable independen disebut dengan explained variance. Jika between group
(explained) variance lebih besar dari within group (residual) variance, maka nilai F ratio akan
tinggi yang berarti perbedaan antara nilai means terjadi secara acak.
Within group variance atau sum-of-squares adalah jumlah variance dari group.
Sedangkan mean-squares adalah jumlah sum-of-squares dibagi dengan degree of freedom.
Degree of freedom adalah jumlah kasus dikurangi 1 pada setiap group [(jumlah kasus group satu
– 1) + 9jumlah kasus group 2 – 1) dan seterusnya]. Sedangkan between group variance dapat
dihitung dengan rumus dibawah ini:
Total variance = Betweeen group + within group
(explained) variance (error) variance

Pada dasarnya ANOVA dapat dibagi menjadi dua kelompok besar, yaitu:
1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independen variabel
(variabel bebas). Kondisi ini yang sering disebut dengan single factor experiment (analisis
varians satu arah).
2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa independen
(variabel bebas). Kondisi ini yang sering disebut dengan two way factor experiment (analisis
varians dua arah), yang akan dibahas dalam makalah ini.

C. Analisis Varians Dua Jalur (Two Way ANOVA)

Analisis varians yang tidak hanya memiliki satu variabel disebut dengan analisis
varians dengan klasifikasi ganda atau jamak. Jika dalam analisis varians satu jalur (Anava
Tunggal) hanya memiliki variabel kolom, maka dalam analisis varians dua jalur (Anava Ganda)
memiliki variabel kolom dan variabel baris. Dengan demikian akan diperoleh interaksi antara
kolom dengan baris.
Anava Ganda dapat hanya mempunyai satu atau lebih variasi kolom, maupun satu atau
lebih variasi baris. Sehingga dapat diperoleh Anava Dua Jalan, Anava Tiga Jalan, dan seterusnya
(Arikunto, 1992: 285).
Anava dua-jalur adalah analisis varian yang digunakan untuk menguji hipotesis
perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis atau lebih secara
bersama-sama (Riduan, 2003:222).
“Anava Dua Jalan”, “Anava Tiga Jalan” menunjukkan adanya variabel bebas,
banyaknya sel diperoleh dari hasil kali banyaknya penggolongan setiap variabel. Misalnya
variabel A terdapat 2 klasifikasi, variabel B terdapat 3 klasifikasi, variabel C terdapat 2
klasifikasi, maka banyaknya sel adalah 2 X 3 X 2 = 12 buah sel.
Pada pembahasan kali ini, dititikberatkan pada pengujian ANOVA 2 arah yaitu pengujian
ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria dalam pengujian ANOVA
mempunyal level. Tujuan dan pengujian ANOVA 2 arah 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 arah 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 arah 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 arah 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)

Penerapan analisis varians dua jalur apabila untuk pengujian perbedaan beberapa
kelompok rata-rata dimana terdapat dua atau lebih variable bebas atau independen yang dibagi
dalam beberapa kelompok dan satu variable terikat atau dependen. Dalam analisis varians dua
jalur dapat digunakan untuk penelitian eksperimen ataupun ex-post-facto yang sifatnya
membandingkan (Widyanto,2013:279).
Menurut widyanto dalam bukunya yang berjudul Statistika Terapan menjelaskan bahwa
analisis varians dua jalur dapat digunakan untuk penelitian yang menggunakan Treatment By
Level Design maupun Two Factorial Design. Adapun langkah-langkah dalam analisis varians
dua jalur adalah sebagai berikut:
1. Menghitung jumlah kuadrat total (JKT), jumlah kuadrat rerata (JKR), jumlah kuadrat total
direduksi/dikoreksi (JKTR), jumlah kuadrat antar kelompok (JKA), dan jumlah kuadrat dalam
kelompok (JKD). Untuk menghitung masing-masing harga JK digunakan rumus sebagai
berikut.
a. Jumlah Kuadrat Total
JKT = Σ
b. Jumlah Kuadrat Rerata

JKR =

c. Jumlah Kuadrat Total Direduksi/Dikoreksi

JKTR = Σ =Σ -

d. Jumlah Kuadrat Antar Kelompok

JKA = + + +…+ -

e. Jumlah Kuadrat Dalam Kelompok


JKD =

JKD = Σ +Σ +Σ + . .. +

JKTR = JKA + JKD atau JKD = JKTR - JKA


2. Menghitung jumlah kuadrat antar kolom (JK A(k)), jumlah kuadrat antar baris 9JKA(b)), dan
jumlah kuadrat interaksi (JKA(i)). Untuk menghitung masing-masing harga JK digunakan
rumus sebagai berikut
a. Jumlah Kuadrat Antar Kolom (JKA(k))

JKA(k) = Σ -
b. Jumlah Kuadrat Antar Baris (JKA(b))

JKA(b) = Σ –

c. Jumlah Kuadrat Interaksi (JKA(i))


JKA(i) = JKA – JKA(b) – JKA(k)

3. Menghitung derajat kebebasan total (dkT), derajat kebebasan rerata (dkR), derajat
kebebasan direduksi/dikoreksi (dkTR), derajat kebebasan antar kelompok (dkA), derajat
kebebasan antar kolom (dkA(k)), derajat kebebasan antar baris (dkA(b)), dan derajat
kebebasan dalam kelompok (dkD), dengan rumus sebagai berikut.
a. dkT = n
b. dkR = 1
c. dkTR = n – 1
d. dkA = k – 1
e. dkA(b) = ab – 1
f. dkA(k) = ak – 1
g. dkA(i) = (ak – 1) (ab – 1)
h. dkD = n – (ak) (ab)
4. Menghitung rata-rata jumlah kuadrat antar kelompok (RJK A) dan rata-rata jumlah kuadrat
dalam kelompok (RJKD), dengan rumus sebagai berikut.
a. Rata-rata Jumlah Kuadrat Antar Kelompok (RJKA)

RJKA =

1. Rata-rata Jumlah Kuadrat Antar Baris (RJKA(b))

RJKA(b) =

2. Rata-rata Jumlah Kuadrat Antar Kolom (RJKA(k))

RJKA(k) =

3. Rata-rata Jumlah Kuadrat Interaksi (RJKA(i))

RJKA(i) =

b. Rata-rata Jumlah Kuadrat Antar Dalam Kelompok (RJKD)


RJKD =

5. Menghitung nilai F dengan rumus sebagai berikut.


a. Nilai Fhitung Antar Baris

F=

b. Nilai Fhitung Antar Kolom

F=

c. Rata-rata Jumlah Kuadrat Interaksi (RJKA(i))

F=

6. Melakukan interpretasi dan uji signifikansi dengan membandingkan nilai uji F hitung dengan
Ftabel. Koefisien Ftabel diperoleh dari distribusi F yang nilainya didasarkan pada derajat
kebebasan antar kelompok (dbA) dan derajat kebebasan dalam kelompok (dbD) pada taraf
signifikansi baik α = 0,05 atau α = 0,01.
Apabila nilai Fhitung lebih besar dari Ftabel maka H0 ditolak dan H1 diterima yang
diinterpretasikan signifikan, berarti terdapat perbedaan rata-rata dari kelompok yang
dibandingkan. Sebaliknya jika nilai Fhitung lebih kecil dari Ftabel maka H0 diterima dan H1
ditolak yang diinterpretasikan tidak signifikan, berarti tidak terdapat perbedaan rata-rata
dari kelompok yang dibandingkan.
Ftabel bisa dihitung pada tabel F:
o Tingkat signifikansi (α) adalah 5%
o Numerator adalah (k ─ 1) dalam ini sebagai pembilang (dk2)
o Denumerator adalah (N ─ k) dalam hal ini sebagai penyebut (dk1)

7. Apabila adanya perbedaan yang signifikan, maka dilakukan uji lanjut. Untuk kelompok
data yang sama jumlahnya atau jumlah sampel tiap kelompok sama maka dapat
digunakan uji Tukey. Sedangkan untuk kelompok data yang tidak sama jumlahnya atau
jumlah sampel tiap kelompok tidak sama dapat digunakan uji Scheffe. Adapun rumus
keduanya sebagai berikut.
a. Uji Tukey

Q=

b. Uji Scheffe

F=

D. Analysis of Variance Dua Jalur Tanpa Interaksi


Anava atau Anova adalah sinonim dari analisis varians terjemahan dari analysis of
variance, sehingga banyak orang menyebutnya dengan anova. Anova merupakan bagian dari
metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata
(Riduwan.2008.Dasar-dasar Statistika.Bandung:Alfabeta).

Menurut M. Iqbal Hasan (2003), pengujian klasifikasi 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. Tujuan dari pengujian anova dua arah
adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil
yang diinginkan.

Analisis variansi dua arah tanpa interaksi merupakan analisis varians yang lebih dengan dua
faktor yang berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan.

Langkah-langkah analisis variansi dua arah tanpa interaksi ialah sebagai berikut:

1. Menentukan formulasi hipotesis


a. H0 : α1 = α2 = α3 = ..... = 0 ( pengaruh baris nol )
H1 : sekurang – kurangnya satu αi tidak sama dengan nol
a. H0 : β1 = β2 = β3 = ...... = 0 ( pengaruh kolom nol )
H1 = sekurang – kurangnya satu βj tidak sama dengan nol
2. Menetukan taraf nyata ( α ) dan F tabelnya
Taraf nyata ( α ) dan F tabel ditentukan dengan derajat pembilang dan
penyebut masing-masing
a. untuk baris : v1 = b – 1 dan v2 = (k – 1)(b – 1)
b. untuk kolom : v1 = k – 1 dan v2 = (k -1)(b-1)
3. Menetukan kriteria pengujian
a. H0 diterima apabila F0 ≤ F α(v1;v2)
H0 ditolak apabila F0 > F α(v1;v2)
b. H0 diterima apabila F0 ≤ F α(v1;v2)
H0 ditolak apabila F0 > F α(v1;v2)
4. Membuat analisis variansinya dalam bentuk tabel ANOVA

Sumber Varians Jumlah Derajat bebas Rata-rata


kuadrat kuadrat

Rata-Rata Baris

Rata-Rata
Kolom

Error

Total

Jumlah Kuadrat Total

Jumlah Kuadrat Baris

Jumlah Kuadrat Kolom


Jumlah Kuadrat Error

Keterangan : T = total

E. Contoh Kasus Two Way ANOVA tanpa Interaksi


Sebuah toko elektronik yang menjual berbagai macam jenis AC atau pendingin ruangan
ingin mengetahui 2 faktor yang mempengaruhi tingkat penjualan pada AC tersebut. Terdapat 5
merek AC terkenal dan 4 macam PK yang biasa digunakan. Berikut ini adalah tabel hasil
pengamatan yang telah dilakukan:
Tabel 3.1. Data Pengamatan Tanpa Interaksi

Jenis Merek AC
PK A B C D E
½ 44 46 47 48 49
¾ 49 48 50 47 48
1 46 47 45 45 46
2 47 50 49 49 47
Berdasarkan hasil pengamatan diatas, digunakan taraf nyata 0,05, maka yang akan diuju
adalah sebagai berikut:
a. Tidak ada pengaruh jenis PK AC terhadap tingkat penjualan
b. Tidak ada pengaruh merek AC terhadap tingkat penjualan.
1) Jawaban Manual :
Langkah-langkah untuk melakukan pengujian terdiri dari 5 langkah. Berikut ini
merupakan klasifikasi dari langkah-langkah tersebut.
1. Formulasi hipotesis
a. H0 : Tidak ada pengaruh jenis PK terhadap tingkat penjualan.
H1 : Sekurang-kurangnya ada satu pengaruh jenis PK terhadap tingkat penjualan
b. H0 : Tidak ada pengaruh merek AC terhadap tingkat penjualan.
H1 : Sekurang-kurangnya ada satu pengaruh merek AC terhadap tingkat penjualan
2. Menentukan nilai kritik
Taraf nyata (α) = 5% = 0,05
a. Untuk baris : v1 = (b – 1) = (4 – 1) = 3 v2=(b –1)(k –1) = (4-1)(5-1) = 12
F0,05(3;12) = 3,49
b. Untuk kolom : v1 = (k – 1) = (5 – 1) = 4 v2=(b–1)(k –1) = (4-1)(5-1) = 12
F0,05(4;12) = 3,26
3. Menentukan Kriteria Pengujian
a. H0 diterima apabila F0 ≤ 3,49.
H0 ditolak apabila F0 > 3,49.
b. H0 diterima apabila F0 ≤ 3,26.
H0 ditolak apabila F0 > 3,26.
4. Uji Statistik
943 2
JKT = 44 2  46 2  47 2  ...  47 2 
20
= 44521 – 44462,45 = 58,55
234 2  242 2  230 2  237 2 9432
JKB = 
5 20
= 44477,8 – 44462,45 = 15,35
186 2  1912  187 2  189 2  190 2 9432
JKK = 
4 20
= 44466,75 – 44462,45 = 4,3
JKE = 58,55 – 15,35 – 4,3 = 38,9

Tabel 3.3 Perhitungan Anova Dua Arah Tanpa Interaksi


Sumber Jumlah Df Rata-rata F0
varians kuadrat kuadrat
Rata-rata baris 15,35 3 5,11 1,57
Rata-rata 4,3 4 1,075 0,33
kolom
Error 38,9 12 3,24
Total 58,55 19
5. Kesimpulan
a. Karena F0 = 1,57 ≤ F0,05(4;12) = 3,49, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada pengaruh jenis PK AC terhadap tingkat penjualan.
b. Karena F0 = 0,33 ≤ F0,05(3;12) = 3,26, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada pengaruh merek AC terhadap tingkat penjualan.
Interpretasi :
Hipotesis awal pada perhitungan manual ini ada 2 yaitu Tidak ada pengaruh jenis PK
terhadap tingkat penjualan, tidak ada pengaruh merek AC terhadap tingkat penjualan. Hipotesis
pengujiannya pun ada 2 yaitu Sekurang-kurangnya ada satu pengaruh jenis PK terhadap tingkat
penjualan, Sekurang-kurangnya ada satu pengaruh merek AC terhadap tingkat penjualan.
Kasus ini menggunakan tiga detrajat pembilang dan satu derajat penyebut. Derajat
kebebasan untuk baris: v1 = b – 1 = 4 – 1 = 3, untuk kolom: v 1= k – 1= 5– 1 = 3. Derajat
penyebutnya adalah v2 = (k – 1)(b – 1) = (5 – 1)(4 – 1) = 12. Taraf nyata yang digunakan adalah
0,05 sehingga didapat F0 tabel dari baris adalah 3,26, F0 kolom 3,49.
Selanjutnya mencari nilai Fo hitung, untuk mencari Fo hitung terlebih dahulu harus di
cari JKT, JKB, JKK, JKI, dan JKE. Nilai JKT adalah 58,55, nilai JKB adalah 15,35, nilai JKK
adalah 4,3, dan nilai JKE adalah 38,9. Kemudian mencari rata-rata kuadratnya, nilai rata-rata
kuadrat barisnya adalah 5,11. Nilai rata-rata kuadrat kolom adalah 1,075. Nilai rata-rata kuadrat
error sebesar 3,24. Nilai F0 yang didapat dari perhitungan tersebut adalah F1 adalah 1,57, F2
adalah 0,33.
Kesimpulannya yang didapat adalah karena F1 = 1,57 ≤ F0 tabel = 3,49, maka H0
diterima. Jadi dapat disimpulkan bahwa tidak ada pengaruh jenis PK AC terhadap tingkat
penjualan. Karena F2 = 0,33 ≤ F0 tabel = 3,26, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada pengaruh merek AC terhadap tingkat penjualan.

2) Jawaban Analysis Variance Dua Jalur tanpa Interaksi Menggunakan SPSS


a. Masuk ke SPSS terlebih dahulu kemudian klik variabel view. Lalu masukan variabel
yang digunakan yaitu jenis PK, merek AC dan hasil penjualan.

Gambar 3.1 Variable View

b. Pada kolom value jenis PK masukkan pilihan-pilihan, dan juga masukan value untuk
merek AC . Seperti yang ada pada gambar berikut.
Gambar 3.2 Jendela Value Labels

c. Setelah dari varable view, masuk ke data view dan masukkan data-data. Data tersebut
sesuai dengan data pengamatan pada studi kasus anova 2 arah tanpa interaksi yang dibuat.

Gambar 3.3 Data Pengamatan Anova Tanpa Interaksi

d. Setelah data dientri ke dalam tabel SPSS, maka akan dilakukan uji asumsi terlebih dahulu
agar data tersebut valid untuk dibandingkan. Untuk uji Two Way Anova ini uji asumsi
yang perlu dilakukan adalah uji Normalitas dan Uji Kesamaan Variansi (Homogenitas).
Untuk uji kesamaan variansi, dilakukan bersamaan dengan uji anova dua arah. Baru
setelah asumsi terpenuhi akan dilakukan uji Two Way Anova.
Berikut ini hasil output yang diperoleh dari uji normalitas yang dilakukan untuk data
Jenis PK dan Merk AC
 Data dikatakan berdistribusi normal apabila nilai sig ≥ 0,05
 Data dikatakan tidak berdistribusi normal apabila nilai sig < 0,05

Uji Normalitas Jenis PK


Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
JENIS_
PK Statistic df Sig. Statistic df Sig.

TGKT_PENJUALAN 1/2 .141 5 .200* .979 5 .928

3/4 .237 5 .200* .961 5 .814

1 .231 5 .200* .881 5 .314

2 .273 5 .200* .852 5 .201

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Interpretasi :
Berdasarkan table diatas kita dapat simpulkan bahwa asumsi normalitas untuk data
Jenis PK terpenuhi. Hal ini disimpulkan dari nilai sig ( metode Shapiro-Wilk, karena data
kecil < 50). Nilai sig. ½ PK 0.928 lebih besar dari 5% (0,05), Nilai sig. 3/4 PK 0.814
lebih besar dari 5% (0,05), Nilai sig. 1 PK 0.314 lebih besar dari 5% (0,05), Nilai sig. 2
PK 0.201 lebih besar dari 5% (0,05), sehingga kita nyatakan bahwa populasi berdistribusi
normal.

Uji Normalitas Merk AC


Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
MERK_
AC Statistic df Sig. Statistic df Sig.

TGKT_PENJUALAN A .155 4 . .998 4 .995

B .192 4 . .971 4 .850

C .214 4 . .963 4 .798

D .192 4 . .971 4 .850

E .151 4 . .993 4 .972

a. Lilliefors Significance Correction

Interpretasi :
Berdasarkan table diatas kita dapat simpulkan bahwa asumsi normalitas untuk data
Jenis PK terpenuhi. Hal ini disimpulkan dari nilai sig ( metode Shapiro-Wilk, karena data
kecil < 50). Nilai sig. merk A 0.995 lebih besar dari 5% (0,05), Nilai sig. merk B 0.850
lebih besar dari 5% (0,05), Nilai sig. merk C 0.798 lebih besar dari 5% (0,05), Nilai sig.
merk D 0.850 lebih besar dari 5% (0,05), Nilai sig. merk E 0.972 lebih besar dari 5%
(0,05) sehingga kita nyatakan bahwa populasi berdistribusi normal.

e. Selanjutnya dilakukan uji anova dengan cara pilih menu analyze, dan sorot general linier
model. Pada general linier model pilih lagi univariate.

Gambar 3.4 Analyze

f. Setelah itu, akan muncul kotak dialog univariate. Pindahkan variabel-variabel yang
dipakai seperti hasil penjualan pindahkan ke kolom dependent variable. Kemudian jenis
PK dipindahkan ke dalam kolom fixed factor dan merek AC ke dalam kolom random
factor.
Gambar 3.5 Univariate

g. Bila semua langkah-langkah tersebut sudah dilakukan, maka akan muncul hasil output
untuk sampel yang sama banyak sebagai berikut.

Gambar 3.6 Output Between Subject Factors

Perhitungan Spss pada kasus anova dengan interaksi juga terdapat 2 hasil output. Output 1
adalah Between Subject Factors, dimana dalam output ini berisi tentang banyaknya data pada
masing-masing kolom dan baris. Seperti pada variabel jenis PK dimana terbagi menjadi 4 baris
dan masing-masing baris terdapat 5 data. Kolom untuk merek AC terbagi dalam 5 kolom dimana
masing-masing kolom berisi 4data.

Gambar 3.7 Output Tests of Between Subjects Effects


Output 2 adalah Tests of Between Subjects Effects, output ini berisi tentang jumlah kuadrat,
rata-rata kuadrat dan juga nilai Fo serta significant. Nilai JKB dari perhitungan SPSS adalah
15,350. Nilai JKK dari perhitungan SPSS adalah 4,3. Nilai means square baris adalah 5,117
dengan tingkat error sebesar 3,242. Nilai means square kolom adalah 1,075 dengan error sebesar
3,242. Nilai F0 dari perhitungan SPSS adalah F1 Spss adalah 1,578, nilai F2 Spss adalah 0,332.
Karena F1 (jenis PK) = 1,578 ≤ F 0 tabel = 3,49, maka H0 diterima. Jadi dapat disimpulkan
bahwa tidak ada pengaruh jenis PK terhadap tingkat penjualan. F 2 (Merk AC) = 0,332 ≤ F0 tabel
= 3,26, maka H0 diterima. Jadi dapat disimpulkan bahwa tidak ada pengaruh merek AC terhadap
tingkat penjualan.
Nilai significant dari perhitungan SPSS untuk baris adalah 0,246 > 0,05, maka H 0 diterima.
Jadi dapat disimpulkan bahwa tidak ada pengaruh jenis PK terhadap tingkat penjualan. Nilai
significant dari perhitungan SPSS untuk interaksi adalah 0,851 > 0,05, maka H0 diterima. Jadi
dapat disimpulkan bahwa tidak ada pengaruh merek AC terhadap tingkat penjualan.

F. Analysis of Variance Dua Jalur Dengan Interaksi


Analisis varians dua arah dengan interaksi merupakan analisis varians lebih dengan dua
faktor yang berpengaruh dan pengaruh interaksi antara kedua faktor tersebut diperhitungkan.
Menentukan formulasi hipotesis
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. ( Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta:
Bumi Aksara ).
Langkah-langkah analisis variansi dua arah dengan interaksi ialah sebagai berikut :
1. Menentukan formulasi hipotesis
a. H0 : α1 = α2 = α3 = ..... = αb = 0
H1 : sekurang – kurangnya satu αi tidak sama dengan nol
b. H0 : β1 = β2 = β3 = ...... = βk = 0
H1 = sekurang – kurangnya satu βj tidak sama dengan nol
c. H0 : (αβ )11 = (αβ)12 = (αβ)13 = ..... = (αβ)bk = 0
H1 : sekurang – kurangnya satu (αβ)ij ≠ 0

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 ).

3. Menentukan kriteria pengujian


a. Untuk baris:
H0 diterima apabila F0 ≤ F α(v1;v2)
H0 ditolak apabila F0 > F α(v1;v2)
b. Untuk kolom:
H0 diterima apabila F0 ≤ F α(v1;v2)
H0 ditolak apabila F0 > F α(v1;v2)
c. Untuk interaksi:
H0 diterima apabila F0 ≤ F α(v1;v2)
H0 ditolak apabila F0 > F α(v1;v2)
4. Membuat analisis variansinya dalam bentuk tabel ANOVA

Sumber Varians Jumlah Derajat Bebas Rata-rata Kuadrat


Kuadrat

Rata-rata baris JKB b-1

Rata-rata kolom JKK k-1

Interaksi JK (k-1)(b-1)
(BK)

Error JKE bk (n-1)

Total JKT n-1

Jumlah Kuadrat Total

JKT =
Jumlah Kuadrat Baris

JKB =

Jumlah Kuadrat kolom

JKK =

Jumlah kuadrat bagi interaksi Baris Kolom

JK(BK) =

Jumlah Kuadrat Eror


JKE= JKT-JKB-JKK-JK(BK)
Keterangan : T = total

5. Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak, dengan membandingkan antara langkah ke 4
dengan kriteria pengujian pada langkah ke 3.

G. Contoh Two way Anova dengan Interaksi

Sekelompok peneliti ingin mengamati lamanya pemakaian pulpen. Mereka


memperkirakan ada 2 faktor yang sangat berpengaruh yaitu jenis mata pulpen dan tipe tinta.
Pada pengamatan ini terdapat 4 jenis mata pulpen dan 3 tipe tinta pulpen. Pengamatan ini
menggunakan 4 pulpen pada masing-masing kombinasi level. Berikut ini merupakan hasil dari
pengamatan mereka.
Tabel 3.2. Data Pengamatan Dengan Interaksi
Tipe Jenis Mata Pulpen
Tinta Jenis A Jenis B Jenis C Jenis D
Tipe 1 37 40 46 41
35 38 47 43
36 39 45 42
35 37 46 43
Tipe 2 36 39 45 44
35 39 47 43
33 38 45 43
34 37 46 45
Tipe 3 35 39 44 42
33 37 45 44
32 38 46 43
34 39 45 45

Berdasarkan data tersebut, tentukanlah dengan menggunakan taraf nyata 0,05:


a. Tidak ada pengaruh tipe tinta terhadap lamanya pemakaian pulpen.
b. Tidak ada pengaruh jenis mata pulpen terhadap lamanya pemakaian pulpen.
c. Tidak ada pegaruh interaksi antara tipe tinta dengan jenis mata pulpen

1). Jawaban Perhitungan Secara Manual


Langkah-langkah untuk melakukan pengujian terdiri dari 5 langkah. Berikut ini merupakan
klasifikasi dari langkah-langkah tersebut.
1. Formulasi Hipotesis
a. H0 : tidak ada pengaruh tipe tinta terhadap lamanya pemakaian pulpen.
H1 : sekurang-kurangnya terdapat satu pengaruh tipe tinta terhadap lamanya
pemakaian pulpen.
b. H0 : tidak ada pengaruh jenis mata pulpen terhadap lamanya pemakaian pulpen.
H1 : sekurang-kurangnya terdapat satu pengaruh jenis mata pulpen terhadap
lamanya pemakaian pulpen.
c. H0 : tidak ada pengaruh interaksi tipe tinta dengan jenis mata pulpen.
H1 : sekurang-kurangnya terdapat satu pengaruh interaksi antara tipe pulpen
dengan jenis mata pulpen.
2. Taraf Nyata (  ) dan Nilai F tabel
 = 5% = 0,05
a. Untuk baris: v1 = b – 1 = 3 – 1 = 2 v2 = kb (n – 1) = 4.3(4 – 1) = 36
ba  36  40 
y  x  z  x  = 3,23    3,32  3,23
ca  30  40 
 4 
= 3,23    0,09  = 3,266
  10 
b. Untuk kolom: v1 = k – 1 = 4 – 1 = 3 v2 = kb (n – 1) = 4.3(4 – 1) = 36
ba  36  40 
y  x  z  x  = 2,84    2,92  2,84 
ca  30  40 
 4 
= 2,84    0,08 = 2,872
  10 
c. Untuk interaksi: v1 = (k – 1)(b – 1) = (4 – 1)(3 – 1) = 6
v2 = kb (n – 1) = 4.3(4 – 1) = 36
ba  36  40 
y  x  z  x  = 2,34    2,42  2,34 
ca  30  40 
 4 
= 2,34    0,08 = 2,372
  10 
3. Kriteria Pengujian
a. H0 diterima apabila Fhit  3,266.
H0 ditolak apabila Fhit > 3,266.
b. H0 diterima apabila Fhit  2,872.
H0 ditolak apabila Fhit > 2,872.
c. H0 diterima apabila Fhit  2,372.
H0 ditolak apabila Fhit > 2,372.
4. Uji Statistik
V1 V2 V3 V4 Total
P1 143 154 184 169 650
P2 138 153 183 175 649
P3 134 153 180 174 641
Total 415 460 547 518 1940
1940 2
a. JKT = 372 + 352 + … + 452 – = 79338 – 78408,33 = 929,67
48
650 2  649 2  6412 1940 2
b. JKB = – = 78411,38 – 78408,33 = 3,045
16 48
415 2  460 2  547 2  518 2 1940 2
c. JKK= – = 79279,83 –78408,33= 871,503
12 48
143 2  154 2  ...  180 2  174 2
d. JKI = – 78411,38 – 79279,83 + 78408,33
4
= 79297,5 – 78411,38 – 79279,83 + 78408,33 = 14,62
e. JKE = 929,67 – 3,045 – 871,503 – 14,62 = 40,502

Tabel 3.4 Perhitungan Anova Dua Arah Tanpa Interaksi


Sumber Jumlah Derajat Rata-rata F
varians kuadrat kebebasan kuadrat
Rata-rata 3,045 2 1,523 1,354
baris
Rata-rata 871,503 3 290,501 258,223
kolom
Interaksi 14,62 6 2,437 2,166
Error 40,502 36 1,125
Total 929,67 47

5. Kesimpulan
a. Karena F1 = 1,354 ≤ F0 tabel = 3,266, maka H0 diterima. Jadi dapat disimpulkan
bahwa tidak ada pengaruh tipe tinta dengan lamanya pemakaian.
b. Karena F2 = 258,223 > F0 tabel = 2,872, maka H0 ditolak. Jadi dapat disimpulkan
bahwa sekurang-kurangnya terdapat satu pengaruh jenis mata pulpen dengan
lamanya pemakaian pulpen.
c. Karena F3 = 2,166 ≤ F0 tabel = 2,372, maka H0 diterima. Jadi dapat disimpulkan
bahwa tidak ada pengaruh interaksi antara tipe tinta dengan jenis mata pulpen.

Interpretasi :
Hipotesis awal pada perhitungan manual ini ada 3 yaitu tidak ada pengaruh tipe tinta
terhadap lamanya pemakaian, tidak ada pengaruh jenis mata pulpen terhadap lamanya
pemakaian dan tidak ada pengaruh interaksi tipe tinta dengan jenis mata pulpen. Hipotesis
pengujiannya pun ada 3 yaitu sekurang-kurangnya terdapat satu pengaruh tipe tinta terhadap
lamanya pemakaian, sekurang-kurangnya terdapat satu pengaruh jenis mata pulpen terhadap
lamanya pemakaian, dan sekurang-kurangnya terdapat satu pengaruh interaksi antara tipe
pulpen dengan jenis mata pulpen.
Kasus ini menggunakan tiga detrajat pembilang dan satu derajat penyebut. Derajat
kebebasan untuk baris: v1 = b – 1 = 3 – 1 = 2, untuk kolom: v1=k–1= 4 – 1=3, dan untuk
interaksi: v1 = (k – 1)(b – 1) = (4 – 1)(3 – 1) = 6. Derajat penyebutnya adalah v 2 = kb (n – 1)
= 4.3(4 – 1) = 36. Taraf nyata yang digunakan adalah 0,05 sehingga didapat Fo tabel dari
baris adalah 3,266, Fo kolom 2,872, dan Fo interaksi adalah 2,372.

Selanjutnya mencari nilai Fo hitung, untuk mencari Fo hitung terlebih dahulu harus di
cari JKT, JKB, JKK, JKI, dan JKE. Nilai JKT adalah 929,67, nilai JKB adalah 3,045, nilai
JKK adalah 871,503, nilai JKI adalah 14,62, dan nilai JKE adalah 40,502. Kemudian
mencari rata-rata kuadratnya, nilai rata-rata kuadrat barisnya adalah 1,523. Nilai rata-rata
kuadrat kolom adalah 290,501. Nilai rata-rata kuadrat interaksinya adalah 2,437 dan nilai
rata-rata kuadrat error sebesar 1,125. Nilai Fo yang didapat dari perhitungan tersebut adalah
F1 adalah 1,354, F2 adalah 258,223 dan F3 adalah 2,166.
Kesimpulannya yang didapat adalah karena F1 = 1,354 ≤ F0 tabel = 3,266, maka H0
diterima. Jadi dapat disimpulkan bahwa tidak ada pengaruh tipe tinta dengan lamanya
pemakaian. Karena F2 = 258,223 > F0 tabel = 2,872, maka H0 ditolak. Jadi dapat
disimpulkan bahwa sekurang-kurangnya terdapat satu pengaruh jenis mata pulpen dengan
lamanya pemakaian pulpen. Karena F3 = 2,166 ≤ F0 tabel = 2,372, maka H0 diterima. Jadi
dapat disimpulkan bahwa tidak ada pengaruh interaksi antara tipe tinta dengan jenis mata
pulpen.

2). Jawaban Perhitungan dengan SPSS

a. Masuk ke SPSS terlebih dahulu kemudian klik variabel view. Lalu masukan variabel
yang digunakan yaitu tipe tinta, jenis mata pulpen serta lama pemakaian.

Gambar 3.8 Variabel View

b. Pada kolom value tipe tinta masukkan pilihan-pilihan, dan juga masukan value untuk
jenis mata pulpen . Seperti yang ada pada gambar berikut.
Gambar 3.9 Value Labels

c. Setelah dari varable view, masuk ke data view dan masukkan data-data. Data tersebut
sesuai dengan data pengamatan pada studi kasus anova 2 arah dengan interaksi yang
dibuat.

Gambar 3.10 Data Pengamatan Anova Dengan Interaksi


d. Setelah data dientri ke dalam tabel SPSS, maka akan dilakukan uji asumsi terlebih dahulu
agar data tersebut valid untuk dibandingkan. Untuk uji Two Way Anova ini uji asumsi
yang perlu dilakukan adalah uji Normalitas dan Uji Kesamaan Variansi (Homogenitas).
Untuk uji kesamaan variansi, dilakukan bersamaan dengan uji anova dua arah. Baru
setelah asumsi terpenuhi akan dilakukan uji Two Way Anova.
 Data dikatakan berdistribusi normal apabila nilai sig ≥ 0,05
 Data dikatakan tidak berdistribusi normal apabila nilai sig < 0,05
Berikut ini hasil output yang diperoleh dari uji normalitas yang dilakukan untuk data Tipe
tinta dan Jenis mata pulpen

Uji Normalitas Tipe Tinta

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
Tipe_Tin
ta Statistic df Sig. Statistic df Sig.

Lama_Pemakaian Tipe 1 .124 16 .200* .933 16 .273

Tipe 2 .198 16 .093 .914 16 .137

Tipe 3 .169 16 .200* .903 16 .090

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

Interpretasi :
Berdasarkan table diatas kita dapat simpulkan bahwa asumsi normalitas untuk data
Tipe Tinta terpenuhi. Hal ini disimpulkan dari nilai sig ( metode Shapiro-Wilk, karena
data kecil < 50). Nilai sig. Tipe 1 0.273 lebih besar dari 5% (0,05), Nilai sig. Tipe 2 0.137
lebih besar dari 5% (0,05), Nilai sig. Tipe 3 0.090 lebih besar dari 5% (0,05), sehingga
kita nyatakan bahwa populasi berdistribusi normal.
Uji Normalitas Jenis Mata Pulpen

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk
Jenis_Mat
a_Pulpen Statistic df Sig. Statistic df Sig.

Lama_Pemakaian Jenis A .197 12 .200* .960 12 .780

Jenis B .251 12 .036 .877 12 .080

Jenis C .241 12 .052 .894 12 .133

Jenis D .222 12 .105 .929 12 .372

a. Lilliefors Significance
Correction

*. This is a lower bound of the true


significance.

Interpretasi :
Berdasarkan table diatas kita dapat simpulkan bahwa asumsi normalitas untuk data
Jenis Mata Pulpen terpenuhi. Hal ini disimpulkan dari nilai sig ( metode Shapiro-Wilk,
karena data kecil < 50). Nilai sig. Jenis A 0.780 lebih besar dari 5% (0,05), Nilai sig. Jenis
B 0.080 lebih besar dari 5% (0,05), Nilai sig. Jenis C 0.133 lebih besar dari 5% (0,05),
Nilai sig. Jenis D 0.327 lebih besar dari 5% (0,05) , sehingga kita nyatakan bahwa
populasi berdistribusi normal.

e. Setelah uji asusmsi normalitas data maka kita dapat melakukan Uji Anova dengan Cara
pilih menu analyze, dan sorot general linier model. Pada general linier model pilih lagi
univariate.

Gambar 3.11 Analyze


f. Setelah itu, akan muncul kotak dialog univariate. Pindahkan variabel-variabel yang
dipakai seperti lama pemakaian pindahkan ke kolom dependent variable. Kemudian tipe
tinta dan jenis mata pulpen ke dalam kolom fixed factor.

Gambar 3.12 Univariate


g. Klik Model lalu pilih Custom dan masukkan variable satu per satu seperti tampilan
gambar berikut ini.

Gambar 2.12 Memasukkan Variabel pada menu Model

h. Klik Continue dan klik Post Hoc. Akan muncul kotak dialog Post Hoc Multiple
Comparison for Observed Means. Pindahkan data ke kotak Post Hoc Test for. Kemudian
pada bagian Equal Variances Assumed, centang Tukey untuk melakukan Post Hoc Test
Gambar 2.14 Post Hoc Test

i. Klik Continue dan kembali pada tampilan Univariate, selanjutnya pilih Options, pada
pilihan Display klik Descriptive Statistics, dan Homogenity Test, seperti tampilan gambar
berikut ini.

Gambar 2.15 Uji Statistik Dekriptif dan Homogenitas


j. Bila semua langkah-langkah tersebut sudah dilakukan, Klik Continue dan kembali pada
tampilan univariate, klik Ok sehingga akan muncul output hasil analisis sebagai berikut.

Gambar 3.13 Output Between Subject Factors

Pada tabel ini terlihat ringkasan mengenai jumlah (n) yang dianalisis pada variabel
perlakuan tipe tinta maupun jenis mata pulpen.
Descriptive Statistics

Dependent Variable:Lama_Pemakaian

Tipe_Tin Jenis_Mat
ta a_Pulpen Mean Std. Deviation N

Tipe 1 Jenis A 35.75 .957 4

Jenis B 38.50 1.291 4

Jenis C 46.00 .816 4

Jenis D 42.25 .957 4

Total 40.62 4.097 16

Tipe 2 Jenis A 34.50 1.291 4

Jenis B 38.25 .957 4

Jenis C 45.75 .957 4

Jenis D 43.75 .957 4

Total 40.56 4.690 16

Tipe 3 Jenis A 33.50 1.291 4

Jenis B 38.25 .957 4

Jenis C 45.00 .816 4

Jenis D 43.50 1.291 4

Total 40.06 4.795 16

Total Jenis A 34.58 1.443 12

Jenis B 38.33 .985 12

Jenis C 45.58 .900 12

Jenis D 43.17 1.193 12

Total 40.42 4.447 48

Dari tabel di atas, kita bisa menilai rata-rata lama pemakaian berdasarkan tipe tinta dan
jenis mata pulpen. sebagai contoh: lama pemakaian rata-rata tipe tinta 1 dengan jenis
mata pulpen A sebesar 35,75 sedangkan lama pemakaian rata-rata tipe tinta 1 dengan
jenis mata pulpen B sebesar 38,50 dan begitu seterusnya.
Levene's Test of Equality of Error Variancesa

Dependent Variable:Lama_Pemakaian

F df1 df2 Sig.

.515 11 36 .880

Tests the null hypothesis that the error variance of the dependent variable is equal
across groups.

a. Design: Intercept + Tipe_Tinta + Jenis_Mata_Pulpen + Tipe_Tinta *


Jenis_Mata_Pulpen

Gambar 3.13 Output Levene’s Test

Tabel diatas adalah untuk mengetahui Homogenity of Variance. Sig. harus lebih besar
dari 0,05 agar data dinyatakan homogeny. Terlihat Sig. data 0,880 > 0,05, yang berarti
data yang diperbandingkan dianggap homogen.

Gambar 3.14 Output Tests of Between Subjects Effects

Tabel diatas adalah Tests of Between Subjects Effects, output ini berisi tentang jumlah
kuadrat, rata-rata kuadrat dan juga nilai Fo serta significant. Nilai JKT dari perhitungan
SPSS adalah 929,667. Nilai JKB dari perhitungan SPSS adalah 3,042. Nilai JKK dari
perhitungan SPSS adalah 871,500. Nilai JKI dari perhitungan SPSS adalah 14,625. Nilai
F dari perhitungan SPSS adalah F1 SPSS adalah 1,352, nilai F2 SPSS adalah 258,222, dan
nilai F3 SPSS adalah 2,167.
Interpretasi :
Perhitungan SPSS pada kasus anova dengan interaksi juga terdapat beberapa hasil output.
1. Output 1 adalah Between Subject Factors, dimana dalam output ini berisi tentang
banyaknya data pada masing-masing kolom dan baris. Seperti pada variabel tipe tinta
dimana terbagi menjadi 3 baris dan masing-masing baris terdapat 16 data, karena adanya
pengulangan sebanyak 4 kali. Kolom untuk jenis mata pulpen juga terbagi dalam 4 kolom
dimana masing-masing kolom berisi 12 data.
2. Output 2 adalah Tests of Between Subjects Effects, output ini berisi tentang jumlah kuadrat,
rata-rata kuadrat dan juga nilai Fo serta significant. Nilai JKT dari perhitungan SPSS
adalah 929,667. Nilai JKB dari perhitungan SPSS adalah 3,042. Nilai JKK dari perhitungan
SPSS adalah 871,500. Nilai JKI dari perhitungan SPSS adalah 14,625. Nilai F dari
perhitungan SPSS adalah F1 SPSS adalah 1,352, nilai F2 SPSS adalah 258,222, dan nilai F3
SPSS adalah 2,167.
3. Karena tipe tinta (F1) = 1,352 ≤ F 0 tabel = 3,266, maka H 0 diterima. Jadi dapat disimpulkan
bahwa tidak ada pengaruh tipe tinta terhadap lamanya pemakaian pulpen.
4. Kareana Jenis mata pulpen (F2) = 258,222 > F0 tabel = 2,872, maka H0 ditolak. Jadi dapat
disimpulkan bahwa sekurang-kurangnya terdapat satu pengaruh jenis mata pulpen terhadap
lamanya pemakaian pulpen.
5. Karena Tipe tinta*Jenis mata pulpen (F 3) = 2,167 ≤ F0 tabel = 2,372, maka H0 diterima.
Jadi dapat disimpulkan bahwa tidak ada pengaruh interaksi antara tipe tinta dengan jenis
mata pulpen.
6. Nilai significant dari perhitungan SPSS untuk baris (tipe tinta) adalah 0,272 > 0,05, maka
H0 diterima. Jadi dapat disimpulkan bahwa tidak ada pengaruh tipe tinta terhadap lamanya
pemakaian pulpen.
7. Nilai significant dari perhitungan SPSS untuk kolom (jenis mata pulpen) adalah 0,000 <
0,05, maka H0 ditolak. Jadi dapat disimpulkan bahwa sekurang-kurangnya terdapat satu
pengaruh jenis mata pulpen terhadap lamanya pemakaian pulpen.
8. Nilai significant dari perhitungan SPSS untuk interaksi adalah 0,069 > 0,05, maka H0
diterima. Jadi dapat disimpulkan bahwa tidak ada pengaruh interaksi antara tipe tinta
dengan jenis mata pulpen.
9. Hasil perhitungan SPSS ini juga diketahui nilai koefisien determinasinya yaitu 0,956
dengan adjust R square sebesar 0,943. Karena nilai dari adjusted R square lebih kecil
dibanding dengan koefisien determinasinya berarti data-data tersebut dapat digunakan.
10.Untuk interaksi tipe tinta*jenis mata pulpen H 0 diterima bahwa tidak ada pengaruh
interaksi antara tipe tinta dengan jenis mata pulpen artinya interaksi kedua faktor tidak
signifikan, maka kita tidak perlu melakukan tindakan (analisis) lebih lanjut. Tetapi, jika
interaksi kedua faktor tersebut ternyata signifikan (menolak H0), maka kita masih perlu
melakukan analisis lebih lanjut untuk mengetahui kombinasi mana yang sebenarnya
berbeda dengan yang lainnya.