UJI ANOVA ONE WAY & TWO WAY

TUGAS BIOSTATISTIK

Oleh :

Reychie Elias Sanggel (19202111038)

Indah Juliana (19202111046)

R1-B

Pascasarjana Program Studi Ilmu Kesehatan Masyarakat

Universitas Sam Ratulangi

Manado

2019
 DAFTAR ISI

DAFTAR ISI...................................................................................................................... 2
BAB I PENDAHULUAN .................................................................................................. 3
A. Latar Belakang ...................................................................................................... 3
B. Tujuan .................................................................................................................... 4
C. Manfaat .................................................................................................................. 4
BAB 2 PEMBAHASAN .................................................................................................... 5
A. Pengertian .............................................................................................................. 5
B. Jenis- jenis dari Analisis Of Variance (Anova) .................................................. 6
C. Anova One Way .................................................................................................... 6
D. Anova Two Way (tanpa interaksi) .................................................................... 10
E. Anowa Two Way (dengan Interaksi) ................................................................ 17
DAFTAR PUSTAKA ...................................................................................................... 29

2
 BAB I
PENDAHULUAN

A. Latar Belakang

Dalam suatu penelitian, untuk mengetahui perbedaan mean dari dua sampek
atau kelompok, biasanya digunakan ujia T. akan tetapi, banyak penelitian lain
terutama dibidang kesehatan yang tidak hanya mempunyai dua sampel, melainkan
tiga, empat, lima bahkan lebih dari itu. Apabila suatu penelitian mempunyai tiga
sampel, maka ujia T akan dilakukan sebanyak tiga kali, yaitu sampel satu dengan
sampel dua, sampel satu dengan sampel tiga, dan sampel dua dengan sampel tiga.
Dalam kasus ini belum terlalu merepotkan, namun apabila suatu penelitian
memiliki enam sampel tentunya pengujian dengan uji T akan lebih merepotkan, dan
memakan waktu. Oleh karena itu, bila dalam suatu penelitian memiliki lebih dari
dua sampel maka tidak dianjurkan untuk menggunakan uji T, melainkan
menggunakan analisa varians (anova). Uji anova terdiri dari one way dan two way.
Uji anova one way hanya memiliki satu factor (atau satu variabel independen),
sedangkan two way memiliki dua factor (atau dua variabel independen) (Sirait,
2001).

Analysis Varians (analysis of variance), merupakan sebuah teknik

inferensial yang digunakan untuk menguji perbedaan errata nilai. Sebagai sebuha
teknik analisis varian atau yang sering kali disebut dengan anova saja mempunyai
banyak keuntungan. Pertama, anova dapat dihunakna untuk menentukan apakah
rerata nilai dari dua atau lebih sampel berbeda secara signifikan atau tidak. Kedua,
perhitungan anova juga menghasilkan nilai F yang secara signifikan menunjukan
kepada peneliti bahwa sampel yang diteliti berasal dari populasi yang berbeda,
walaupun anova tidak menunjukan secara rinci yang manakah rerata nilai dari
sampel-sampel tersebut yang berbeda secara signifikan satu sama lain. Uji T lah
yang dapat menyempurnakan ini. Ketiga, anova juga dapat digunakan untuk
menganalisis data yang dihasilkan dengan desain factor jamak. Dalam desain
factorial yang menghasilkan harga F ganda, uji anova dapat menyelesaikan tugas
sekaligus. Dengan anova inilah peneliti dapat mengetahui antarvariabel manakah

3
yang memang mempunyai perbedaan secara signifikan, dan variabel-variabel yang
saling berinteraksi satu sama lain (Astuti, 2013).

B. Tujuan
1. Mengetahui konsep dasar danpengertian ujia Anova One way dan Two way
2. Mengetahui cara pengaplikasian uji anova one way dan two way pada
program SPSS
C. Manfaat
1. Mahasiswa dapat mengetahui konsep dan pengertian mengenai uji anova
one way dan two way
2. Mahasiswa dapat mepraktikan dan memahami cara pengujian anova one
way dan two way di program SPSS

4
 BAB 2
PEMBAHASAN

A. Pengertian
Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan
dalam penelitian eksperimen. metode analisis ini dikembangkan oleh R.A
Fisher. Uji Anova jugaadalah bentuk uji hipotesis statistik dimana kita
mengambil kesimpulan berdasarkan data ataukelompok statistik inferentif.
Hipotesis nol dari uji Anova adalah bahwa data adalah simplerandom dari
populasi yang sama sehingga memiliki ekspektasi mean dan varians yang
sama.Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien
yang sama. Hipotesisnol nya adalah semua perlakuan akan memiliki efek yang
sama.
Analisis Anova adalah suatu metode analisis statistika yang termasuk ke dalam
cabang statistika inferensi. Dalam literature Indonesia, metode ini dikenal
dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis
variansi, ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga
uji F juga dipakai dalam pengambilan keputusan. Analisis ragam pertama kali
diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktik,
aalisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun
pendugaan (estimasi, khususnya dibidang genetika terapan) (Hidayat, 2015)
Analisis ragam (anova) adalah suatu metode untuk menguraikan keragaman
total (total variation) data menjadi komponen-komponen yang mengukur
berbagai sumber keragaman, pengujiannya dengan uji F (Fisher). Peranan
analisis ragam pada hakekatnya ialah : memisahkan dan menghitung
komponen keragaman, serta melakukan pengujian hipotesis. (Kekenusa dan
Charles 2017).
Asumsi- asumsi yang harus dipenuhi dalam analisa ragam (anova)
1. Pengamatan untuk masing-masing populasi mengikuti (mendekati suatu
sebaran normal)
2. Pengamatan bersifat bebas dan acak untuk mempengaruhi pengamatan
lainnya dalam contoh yang sama ataupun contoh yang lain.
3. Semua populasi menyebar normal dan mempunyai ragam yang sama α2

5
B. Jenis- jenis dari Analisis Of Variance (Anova)
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)
C. Anova One Way
Data yang digunakan untuk Anova satu arah harus memenuhi beberapa
kriteria berikut:
 Data untuk variabel independen (varibel faktor) harus bersifat
integer (data kategori) dan data untuk variabel dependen harus
bersifat kuantitatif.
 Asumsi: tiap kelompok data merupakan sampel acak dari populasi
normal yang independen. Kelompok data harus berasal dari populasi
dengan varian yang sama. Untuk menguji asumsi kesamaan varian
dapat digunakan uji Levene.
Analisis Lanjut Anova Satu Arah
 Dari hasil uji Anova akan didapatkan hasil F hitung yang signifikan
atau tidak. Jika F hitung tidak signifikan, berarti rata-rata variabel
dependen pada tingkat faktor yang ditentukan sama (identik).
 Jika F hitung signifikan berarti terdapat perbedaan rata-rata variabel
dependen pada tingkat faktor yang ditentukan. Untuk mengetahui
pada tingkat faktor mana yang mempunyai rata-rata yang berbeda,
dilakukan analisis lanjut. Pada SPSS, analisis lanjut dari uji Anova
menggunakan prosedur Post Hoc Multiple Comparison Test
Metode Analisis lanjut :
Ada beberapa metode analisis lanjut yang tersedia pada SPSS, yaitu :
 Jika varian sama, metode yang tersedia antara lain: Tukey,
Beferroni, LSD, Duncan dll.

6
  Jika varian berbeda, metode yang tersedia adalah: Tamhane’s T2,
Dunnett’s T3, Games-Howell, dan Dunnett’s C

 Cara pengerjaan dengan SPSS :

Contoh :
Sebuah penelitian tentang kandungan tar pada rokok ingin menguji apakah
kandungan tar pada masing-masing rokot itu sama. Hasil pengujian
terhadap kandungan tar masing-masing merek rokok tersebut disajikan
dalah tabel di bawah ini. Dari data tersebut ujilah apakah ada perbedaan
kandungan tar untuk ketiga merek rokok yang diuji

Merek Kandungan tar per batang (mg)

Bentoel 0,16 0,14 0,21 0,14 0,13

Djarum 0,19 0,20 0,23 0,18 0,19

Sampurna 0,21 0,17 0,19 0,23 0,20

a. Cara pengerjaan dengan program SPSS adalah kita buka SPSS,

kemudian entri data dalam bentuk dua variabel. Maka dalam layar kerja
SPSS akan tampil hasil sebagai berikut :

7
b. Setelah selesai semua keterangan dan entri data, maka kita analysis
dengan klik analyze, dan kita sorot compare means, kemudian kita klik
One Way ANOVA

c. Masukan variabel kandungan Tar ke dalam dependent list, dan Merek

rokok ke dalam Factor

8
 \
d. Kita klik options dan kita pilih descriptive dan homogeneity of variance
test setelah itu klik continue.

e. Langkah terakhir adalah Klik OK, maka dalam hasil output akan tampil hasil
uji ANOVA ONE WAY

9
f. Dari Output tersebut dapat disimpulkan bahwa:
 Rata kandungan tar rokok merek Bentoel = 0,1560 mg/btg dengan SD =
0,03209, rokok merek Djarum = 0,1980 mg/btg dengan SD = 0,01924 dan
rokok merek Sampoerna = 0,2000 mg/btg dengan SD = 0,02236
 Hasil uji homogenitas variansi dengan Levene Statistics = 0,554 dengan
Sig. = 0,589 (> 0,05), yang berarti bahwa Ho diterima atau variansi dari
kandungan tar ketiga merek rokok itu sama sehingga uji ANOVA dengan
menggunakan uji F bisa dilakukan
 Hasil perhitungan ANOVA menunjukkan bahwa nilai F hitung = 4,874
dengan Sig. = 0,028 (< 0,05), yang berarti Ho ditolak atau rata-rata
kandungan tar untuk ketiga merek rokok itu adalah berbeda.

D. Anova Two Way (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)
Analisis variansi dua arah tanpa interaksi merupakan analisis varians yang
lebih dengan dua faktor yang berpengaruh dan interaksi antara kedua faktor
tersebut ditiadakan.

10
 Pengujian Anova Two way dengan SPSS
Contoh kasus:
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:

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

a. Masuk ke SPSS terlebih dahulu kemudian klik variabel view. Lalu

masukan variabel yang digunakan yaitu jenis PK, merek AC dan hasil
penjualan.

b. Pada kolom value jenis PK masukkan pilihan-pilihan, dan juga masukan

value untuk merek AC . Seperti yang ada pada gambar berikut.

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.

11
 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

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 :

12
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.

13
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.

14
 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 ≤ F0 tabel = 3,49, maka H0 diterima. Jadi
dapat disimpulkan bahwa tidak ada pengaruh jenis PK terhadap tingkat
penjualan. F2 (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 H0 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.
h. 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

15
 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 ≤ F0 tabel = 3,49, maka H0 diterima. Jadi dapat
disimpulkan bahwa tidak ada pengaruh jenis PK terhadap tingkat penjualan. F2
(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
H0 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.

16
E. Anowa Two Way (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 ).

 Uji Anova Two Way dengan Interaksi (SPSS)

Contoh Kasus:
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

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

17
 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.

18
 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.

19
  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

20
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.

21
 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

22
 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

23
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.

24
 Descriptive Statistics

Dependent Variable:Lama_Pemakaian

Tipe_Tint Jenis_Mata
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.

25
 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.

26
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 ≤ F0 tabel = 3,266, maka H0 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 (F3) = 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.

27
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 H0 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.

28
 DAFTAR PUSTAKA

Astuti, Yuli. 2013. Journal of Statistic.

https://www.scribd.com/doc/216705921/Anova-Two-Way-Yuli-Astuti

Hasan, Ikbal. 2016. Metode statistika dengan SPSS. Jakarta: Media Neliti HusadA

Hidayat, Huang. 2015. Uji Anova Teori Satu Arah dan Dua Arah.
https://www.academia.edu/36741039/Uji_Anova_Teori_Satu_Arah_dan_Dua_A
rah

Kekenusa, John Socrates dan Charles Efraim Mongi. 2019. Statistika Dasar. Bandung : CV.
Patra Media Grafindo.

Ridwan, Mochamad. 2008. Anova Two Way Tanpa Interaksi. Yogyakarta : Media Pustaka

Sirait, Anna Maria. 2001 . analisa Varians (Anova) dalam penelitian kesehatan.
http://ejournal.litbang.depkes.go.id/index.php/MPK/article/view/918/1643

29