GET

FILE='C:\Users\acer\Downloads\mandat3.sav'.
DATASET NAME DataSet0 WINDOW=FRONT.
ONEWAY pengetahuan BY perlakuan
/STATISTICS HOMOGENEITY
/MISSING ANALYSIS

/POSTHOC=BONFERRONI ALPHA(0.05).

Oneway

Notes

Output Created 22-Nov-2018 17:10:53

Comments

Input Data C:\Users\acer\Downloads\mandat3.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 450

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each analysis are based on

cases with no missing data for any variable
in the analysis.

Syntax ONEWAY pengetahuan BY perlakuan

/STATISTICS HOMOGENEITY
/MISSING ANALYSIS
/POSTHOC=BONFERRONI ALPHA(0.05).

Resources Processor Time 00:00:00.015

Elapsed Time 00:00:00.030

[DataSet1] C:\Users\acer\Downloads\mandat3.sav

Test of Homogeneity of Variances

tingkat pengetahuan

Levene Statistic df1 df2 Sig.

1.891 2 447 .152

Hasl Tes Homogeneity of Variances menunjukkan bahwa tingkat pengetahuan
responden homogen

ANOVA

tingkat pengetahuan

Sum of Squares df Mean Square F Sig.

Between Groups 380.218 2 190.109 39.505 .000

Within Groups 2151.073 447 4.812

Total 2531.291 449

Post Hoc Tests

Multiple Comparisons

tingkat pengetahuan
Bonferroni

95% Confidence Interval

Mean Difference (I-
(I) perlakuan (J) perlakuan J) Std. Error Sig. Lower Bound Upper Bound

Kontrol Perlakuan 1 -1.75333* .25330 .000 -2.3620 -1.1446

Perlakuan 2 -2.10000* .25330 .000 -2.7087 -1.4913

Perlakuan 1 Kontrol 1.75333* .25330 .000 1.1446 2.3620

Perlakuan 2 -.34667 .25330 .515 -.9554 .2620

Perlakuan 2 Kontrol 2.10000* .25330 .000 1.4913 2.7087

Perlakuan 1 .34667 .25330 .515 -.2620 .9554

*. The mean difference is significant at the 0.05 level.

Terdapat perbedaan hasil pada kelompok kontrol dan perlakuan, serta
didapatkan hasil yang sama pada kedua kelompok perlakuan, dimana
perlakuan 1 dan 2 terhadap kontrol menunjukkan hasil signifikan akan tetapi
hasil uji pada kelompok perlakukan 1 terhadap perlakuan 2 tidak signifikan.

UNIANOVA pengetahuan BY perlakuan waktu

/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=perlakuan waktu(BONFERRONI)
/PLOT=PROFILE(waktu*perlakuan)
/EMMEANS=TABLES(perlakuan) COMPARE ADJ(LSD)
/EMMEANS=TABLES(waktu) COMPARE ADJ(LSD)
/EMMEANS=TABLES(perlakuan*waktu)
 /PRINT=HOMOGENEITY DESCRIPTIVE
/CRITERIA=ALPHA(.05)

/DESIGN=perlakuan waktu perlakuan*waktu.

Univariate Analysis of Variance

Notes

Output Created 22-Nov-2018 17:27:43

Comments

Input Data C:\Users\acer\Downloads\mandat3.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 450

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid

data for all variables in the model.

Syntax UNIANOVA pengetahuan BY perlakuan

waktu
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/POSTHOC=perlakuan
waktu(BONFERRONI)
/PLOT=PROFILE(waktu*perlakuan)
/EMMEANS=TABLES(perlakuan)
COMPARE ADJ(LSD)
/EMMEANS=TABLES(waktu) COMPARE
ADJ(LSD)
/EMMEANS=TABLES(perlakuan*waktu)
/PRINT=HOMOGENEITY DESCRIPTIVE
/CRITERIA=ALPHA(.05)
/DESIGN=perlakuan waktu
perlakuan*waktu.

Resources Processor Time 00:00:00.687

Elapsed Time 00:00:00.821

[DataSet1] C:\Users\acer\Downloads\mandat3.sav

Between-Subjects Factors

Value Label N

Perlakuan 0 Kontrol 150

1 Perlakuan 1 150

2 Perlakuan 2 150

waktu pengukuran 1 sebelum 150

2 setelah
intervensi 150
pertama

3 setelah
150
inervensi kedua
Jumlah sampel penelitian 150 oarang (data sesuai) tidak ada yang cacat
 Descriptive Statistics

Dependent Variable:tingkat pengetahuan

perlakuan waktu pengukuran Mean Std. Deviation N

Kontrol sebelum 10.1400 2.42445 50

setelah intervensi pertama 10.7000 2.40959 50

setelah inervensi kedua 10.0600 2.04450 50

Total 10.3000 2.30188 150

Perlakuan 1 sebelum 10.0800 2.21166 50

setelah intervensi pertama 12.8400 1.75383 50

setelah inervensi kedua 13.2400 1.30243 50

Total 12.0533 2.27265 150

Perlakuan 2 sebelum 10.5400 1.55459 50

setelah intervensi pertama 13.5200 1.32849 50

setelah inervensi kedua 13.1400 1.59092 50

Total 12.4000 1.99328 150

Total sebelum 10.2533 2.09245 150

setelah intervensi pertama 12.3533 2.22595 150

setelah inervensi kedua 12.1467 2.22670 150

Total 11.5844 2.37437 450

Levene's Test of Equality of Error Variancesa

Dependent Variable:tingkat pengetahuan

F df1 df2 Sig.

6.338 8 441 .000

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

a. Design: Intercept + perlakuan + waktu + perlakuan *

waktu
 Tests of Between-Subjects Effects

Dependent Variable:tingkat pengetahuan

Type III Sum of

Source Squares df Mean Square F Sig.

Corrected Model 951.511a 8 118.939 33.202 .000

Intercept 60389.709 1 60389.709 1.686E4 .000

Perlakuan 380.218 2 190.109 53.069 .000

Waktu 401.871 2 200.936 56.092 .000

perlakuan * waktu 169.422 4 42.356 11.824 .000

Error 1579.780 441 3.582

Total 62921.000 450

Corrected Total 2531.291 449

a. R Squared = ,376 (Adjusted R Squared = ,365)

Estimated Marginal Means

1. perlakuan

Estimates

Dependent Variable:tingkat pengetahuan

95% Confidence Interval

perlakuan Mean Std. Error Lower Bound Upper Bound

Kontrol 10.300 .155 9.996 10.604

Perlakuan 1 12.053 .155 11.750 12.357

Perlakuan 2 12.400 .155 12.096 12.704

Pairwise Comparisons

Dependent Variable:tingkat pengetahuan

(I) perlakuan (J) perlakuan Mean Difference (I- Std. Error Sig.a 95% Confidence Interval for
J) Differencea
 Lower Bound Upper Bound

Kontrol Perlakuan 1 -1.753* .219 .000 -2.183 -1.324

Perlakuan 2 -2.100* .219 .000 -2.530 -1.670

Perlakuan 1 Kontrol 1.753* .219 .000 1.324 2.183

Perlakuan 2 -.347 .219 .113 -.776 .083

Perlakuan 2 Kontrol 2.100* .219 .000 1.670 2.530

Perlakuan 1 .347 .219 .113 -.083 .776

Based on estimated marginal means

*. The mean difference is significant at the ,05 level.

a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).

Univariate Tests

Dependent Variable:tingkat pengetahuan

Sum of Squares df Mean Square F Sig.

Contrast 380.218 2 190.109 53.069 .000

Error 1579.780 441 3.582

The F tests the effect of perlakuan. This test is based on the linearly independent pairwise
comparisons among the estimated marginal means.

2. waktu pengukuran

Estimates

Dependent Variable:tingkat pengetahuan

95% Confidence Interval

waktu pengukuran Mean Std. Error Lower Bound Upper Bound

Sebelum 10.253 .155 9.950 10.557

setelah intervensi pertama 12.353 .155 12.050 12.657

setelah inervensi kedua 12.147 .155 11.843 12.450

Pairwise Comparisons
Dependent Variable:tingkat pengetahuan

95% C

Mean Difference (I-

(I) waktu pengukuran (J) waktu pengukuran J) Std. Error Sig.a Lower Bo

Sebelum setelah intervensi pertama -2.100* .219 .000

setelah inervensi kedua -1.893* .219 .000

setelah intervensi pertama sebelum 2.100* .219 .000

setelah inervensi kedua .207 .219 .345

setelah inervensi kedua sebelum 1.893* .219 .000

setelah intervensi pertama -.207 .219 .345

Based on estimated marginal means

*. The mean difference is significant at the ,05 level.

a. Adjustment for multiple comparisons: Least Significant Difference (equivalent to no adjustments).

Univariate Tests

Dependent Variable:tingkat pengetahuan

Sum of Squares df Mean Square F Sig.

Contrast 401.871 2 200.936 56.092 .000

Error 1579.780 441 3.582

The F tests the effect of waktu pengukuran. This test is based on the linearly independent
pairwise comparisons among the estimated marginal means.

3. perlakuan * waktu pengukuran

Dependent Variable:tingkat pengetahuan

95% Confidence Interval

perlakuan waktu pengukuran Mean Std. Error Lower Bound Upper Bound

Kontrol Sebelum 10.140 .268 9.614 10.666

setelah intervensi pertama 10.700 .268 10.174 11.226

setelah inervensi kedua 10.060 .268 9.534 10.586

Perlakuan 1 Sebelum 10.080 .268 9.554 10.606

setelah intervensi pertama 12.840 .268 12.314 13.366

setelah inervensi kedua 13.240 .268 12.714 13.766

Perlakuan 2 Sebelum 10.540 .268 10.014 11.066

 setelah intervensi pertama 13.520 .268 12.994 14.046

setelah inervensi kedua 13.140 .268 12.614 13.666

Post Hoc Tests

perlakuan

Multiple Comparisons

tingkat pengetahuan
Bonferroni

95% Confidence Interval

Mean Difference (I-
(I) perlakuan (J) perlakuan J) Std. Error Sig. Lower Bound Upper Bound

Kontrol Perlakuan 1 -1.7533* .21855 .000 -2.2785 -1.2281

Perlakuan 2 -2.1000* .21855 .000 -2.6252 -1.5748

Perlakuan 1 Kontrol 1.7533* .21855 .000 1.2281 2.2785

Perlakuan 2 -.3467 .21855 .340 -.8719 .1785

Perlakuan 2 Kontrol 2.1000* .21855 .000 1.5748 2.6252

Perlakuan 1 .3467 .21855 .340 -.1785 .8719

Based on observed means.

The error term is Mean Square(Error) = 3,582.

*. The mean difference is significant at the ,05 level.

Homogeneous Subsets

waktu pengukuran

Multiple Comparisons

tingkat pengetahuan
Bonferroni

95% Confidence
Interval
Mean
Difference Lower Upper
(I) waktu pengukuran (J) waktu pengukuran (I-J) Std. Error Sig. Bound Bound
sebelum setelah intervensi pertama -2.1000* .21855 .000 -2.6252 -1.5748

setelah inervensi kedua -1.8933* .21855 .000 -2.4185 -1.3681

setelah intervensi pertama sebelum 2.1000* .21855 .000 1.5748 2.6252

setelah inervensi kedua .2067 .21855 1.000 -.3185 .7319

setelah inervensi kedua sebelum 1.8933* .21855 .000 1.3681 2.4185

setelah intervensi pertama -.2067 .21855 1.000 -.7319 .3185

Based on observed means.
The error term is Mean Square(Error) = 3,582.
*. The mean difference is significant at the ,05 level.
Profile Plots

Dari
Interprestasi Output Two Way Anova dengan SPSS
Artikel kali ini merupakan lanjutan dari artikel sebelumnya yang berjudul
“Two Way Anova dalam SPSS“. Dalam artikel tersebut dijelaskan langkah
demi langkah melakukan uji Two Way Anova dengan menggunakan
aplikasi SPSS. Oleh karena itu, sebagai kelanjutan artikel sebelumnya, maka
disini kami akan menjelaskan tutorial cara interprestasi Output Two Way
ANOVA dengan SPSS.

Baca Artikel di link ini: “Two Way Anova dalam SPSS“.

Sedangkan pada artikel ini, akan dijelaskan cara membaca output dari uji
tersebut dan bagaimana menginterprestasikannya, hingga
menjawab hipotesis.

Demi kemudahan, sebaiknya anda download file-file kerja SPSS contoh uji
ini di link berikut:

 Two Way Anova.sav

 Two Way Anova.spv

Tutorial Cara Baca Output Two Way ANOVA dengan SPSS

Dengan menggunakan data pada artikel sebelumnya tersebut, maka kita

lihat output di bawah ini:
 Output Deskriptive Pasca ANOVA
SPSS
Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender
dan pendidikan. sebagai contoh: nilai rata-rata ujian pria dengan pendidikan
SLTP sebesar 32,43 sedangkan nilai ujian wanita yang berpendidikan SLTA
sebesar 65,13 dan begitu seterusnya.

Asumsi Homogenitas: Levene Test

Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk

menilai homogenitas tiap variabel.

Levene Test ANOVA dengan SPSS

Di atas menunjukkan nilai (Signifikansi) Sig. 0,527 di mana > 0,05 sehingga
bisa dikatakan varian antar group berbeda secara signifikan.

Output Two Way ANOVA dengan SPSS

Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova:
 Interprestasi Output Two
Way ANOVA dengan SPSS
Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa
disimpulkan sebagai berikut:

Corrected Model:

Pengaruh Semua Variabel independen (Gender, Pendidikan dan Interaksi

gender dengan pendidikan atau “Gender*Pendidikan”) secara bersama-
sama terhadap variabel dependen (Nilai Ujian). Apabila Signifikansi (Sig.) <
0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti model valid.

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.

Gender:

Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi

(Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender
berpengaruh signifikan.

Pendidikan:
Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila
Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti
Pendidikan berpengaruh signifikan.

Gender*Pendidikan:

Pengaruh Genderpendidikan terhadap nilai ujian di dalam model. Apabila

Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti
genderpendidikan berpengaruh signifikan.

Error:

Nilai Error model, semakin kecil maka model semakin baik.

R Squared:

Nilai determinasi berganda semua variabel independen dengan dependen.

Contoh di atas 0,668 di mana mendekati 1, berarti korelasi kuat.

Kesimpulan Hipotesis Two Way ANOVA

Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5
adalah yang terpenting (tanpa mengabaikan yang lain). Oleh karena hasil
uji F menunjukkan bahwa signifikan ada perbedaan atau menerima H1,
maka selayaknya Uji ANOVA ini dilanjutkan ke tahap selanjutnya, yaitu Uji
Post Hoc.

Post Hoc Test

Dalam rangka Interprestasi Output Two Way ANOVA dengan SPSS, maka
anda harus pahami tentang uji post hoc berikut. Sedikit review saja, bahwa
uji post hoc adalah uji lanjut atau uji yang menilai adanya perbedaan
signifikan antar kelompok.
Tabel Tukey Post Hoc

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai
kategori manakah dari variabel pendidikan yang memiliki perbedaan
signifikan:

Post Hoc Output Two

Way ANOVA dengan SPSS
Yang ada perbedaan signifikan ditandai dengan tanda bintang (*). Dari tabel
di atas, semuanya ditandai dengan bintang, berarti semuanya ada
perbedaan yang signifikan.

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.
 Diagram Plot Mean Pasca Uji
ANOVA
Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai
ada efek interaksi.

Demikian ulasang singkat tentang Uji Two Way Anova dengan SPSS.
Semoga artikel kami ini yang telah membahas Interprestasi Output Two
Way ANOVA dengan SPSS, kiranya dapat bermanfaat buat para pembaca
sekalian.

Baca Artikel Berikutnya: Uji Manova dalam SPSS.