LAPORAN AKHIR PRAKTIKUM

STATISTIKA INDUSTRI

Disusun Oleh:

Kelompok/ Kelas : 5/ 2ID12

Nama (NPM) : 1. Basudewo Ridho E. (31418363)
2. Framesthi Alida H. (32418806)
3. Isna Wijayanti (33418414)
4. Kisam Agung P. (33418706)
5. Muchammad Fuad A. (34418270)
6. Mutiara Kisni (35418044)
Hari/ Shift : Senin/ I (Satu)
Modul : ANOVA Dua Arah

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
TANGERANG
 2019
BAB I
PENDAHULUAN

1.1 Latar Belakang

Persaingan perusahaan dalam bidang industri saat ini
sangat kompetitif. Setiap perusahaan diharuskan untuk
mempersiapkan diri sebaik mungkin agar dapat bertahan dan
berkembang. Setiap perusahaan perlu melakukan pengujian
terhadap faktor-faktor apa saja yang berpengaruh dalam
perusahaaan. Perusahaan dalam penerapanya perlu megetahui
pengaruh antara dua faktor atau lebih, oleh karena itu
digunakanlah metode ANOVA dua arah untuk meningkatkan
keuntungan perusahaan secara maksimal agar dapat bersaing
dengan perusahaan-perusahaan lainya.
ANOVA dua arah merupakan pengujian hipotesis beda tiga
rata-rata atau lebih dengan dua faktor yang berpengaruh,
sehingga dapat diketahui ada atau tidaknya pengaruh dari dua
faktor rata-rata dari suatu populasi. ANOVA dua arah terbagi
menjadi dua yaitu ANOVA dua arah dengan interaksi dan ANOVA
dua arah tanpa interaksi. ANOVA dua arah dengan interaksi
merupakan pengujian beda tiga rata-rata atau lebih dengan dua
faktor yang berpengaruh dan pengaruh interaksi antara kedua
faktor tersebut diuntungkan, sedangkan ANOVA dua arah tanpa
interaksi yaitu pengujian beda tiga rata-rata atau lebih dengan
dua faktor yang berpengaruh dan interaksi keduanya tersebut
ditiadakan.
 PT HARMONIS sebagai perusahaan tekstil yang
memproduksi celana ingin mengaplikasikan ANOVA dua arah
untuk mengetahui pengaruh dari dua faktor rata-rata dari suatu
populasi. PT HARMONIS ingin mengetahui ada atau tidaknya
pengaruh antara banyaknya toko yaitu Matahaty, Ramahya,
Sego, Uniklo, dan Zahra terhadap banyaknya pembeli, maka
perusahaan menggunakan ANOVA dua arah tanpa interaksi. PT
HARMONIS juga ingin mengetahui apakah ada atau tidaknya
pengaruh pada jenis bahan baku yaitu Blancu, Ripstop, Marsoto,
Baby dan Sueding terhadap media promosi maka perusahaan
dapat menggunakan ANOVA dua arah dengan interaksi. Harapan
perusahaan adalah dengan mengetahui pengaruh antara dua
faktor tersebut perusahaan dapat meningkatkan keuntungan
perusahaan dengan maksimal agar dapat bersaing dengan
perusahaan lainya.

1.2 Tujuan Penulisan

Tujuan penulisan menjelaskan hasil yang ingin dicapai
berdasarkan permasalahan yang akan dibahas pada masing-
masong pembahasan. Berikut merupakan tujuan dari masing-
masing pembahasan pada modul ANOVA dua arah.
a. Mengetahui ada atau tidaknya pengaruh banyaknya toko dan
banyak pembeli terhadap jumlah pengiriman selama 6 hari
dengan taraf nyata 5%.
b. Mengetahui ada atau tidaknya pengaruh jenis bahan baku dan
media promosi terhadap banyak pesanan dan untuk
mengetahui ada atau tidaknya interaksi antara jenis bahan
baku terhadap media promosi terhadap banyaknya pesanan
selama 12 hari dengan taraf nyata sebesar 5%.
 BAB II
LANDASAN TEORI

2.1. Anova Dua Arah

Analisis Variansi (ANOVA) merupakan suatu metode untuk
menguraikan keragaman total data menjadi komponen-
komponen yang mengukur berbagai sumber keragaman. Dapat
dikatakan sebagai suatu rancangan percobaan sedemikian
sehingga informasi yang berhubungan dengan atau diperlukan
untuk persoalan yang diteliti dan dapat dikumpulkan. Asumsi-
asumsi dasar ANOVA dua arah adalah sebagai suatu populasi
menyebar normal, varians atau ragam dan populasi yang di uji
sama, sampel tidak berhubungan satu dengan yang lain
(Walpole, 1993).
Pengujian ANOVA yang didasarkan pada pengamatan dua
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. Dengan menggunakan
teknik ANOVA dua arah ini kita dapat membandingkan beberapa
rata-rata yang berasal dari beberapa kategori atau kelompok
untuk satu variabel 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 variabel. Anova dua 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, 2010).

2.1.1 ANOVA Dua Arah dengan Interaksi

ANOVA dua arah dengan interaksi merupakan pengujian
beda tiga rata-rata dengan dua faktor yang berpengaruh dan
pengaruh interaksi antara kedua faktor tersebut diperhitungkan.
(Hasan, 2006)

2.1.2 ANOVA Dua Arah tanpa Interaksi

ANOVA dua arah tanpa interaksi yaitu 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 (Hasan, 2003).

2.2 Ciri-ciri ANOVA

Uji yang dipergunakan dalam ANOVA adalah uji F karena
dipakai untuk pengujian lebih dari dua sampel.

2.3 Pengujian Hipotesis

Uji hipotesis adalah metode pengambilan keputusan yang
didasarkan dari analisis data, baik dari percobaan yang
terkontrol, maupun dari observasi (tidak terkontrol). Dalam
statistik sebuah hasil bisa dikatakan signifikan secara statistik
jika kejadian tersebut hampir tidak mungkin disebabkan oleh
faktor yang kebetulan, sesuai dengan batas probabilitas yang
sudah ditentukan sebelumnya. Pada pengujian hipotesis ANOVA
dua arah memiliki dua pengujian klasifikasi yaitu sebagai
berikut.
a. Pengujian Klasifikasi Dua Arah Tanpa Interaksi
Pengujian klasifikasi dua arah tanpa interaksi merupakan
pengujian hipotesis beda tiga rata – rata atau lebih dengan dua
faktor yang berpengaruh dan interaksi antara dua faktor
tersebut ditiadakan. Langkah – langkah pengujian klasifikasi dua
arah tanpa interaksi adalah sebagai berikut :
1. Menentukan formulasi hipotesis
a. H 0 : α1  α 2  α 3  . . . .  0 (pengaruh baris nol)
H 1 : Sekurang – kurang nya satu α1 tidak sama dengan

nol
b. H 0 : β1  β 2  β 3  . . . .  0 ( pengaruh kolom nol )
H 1 : Sekurang – kurang nya satu β 1 tidak sama dengan

nol
2. Menentukan Taraf nyata ( α ) dan F tabelnya
Taraf nyata ( α ) dan F table ditentukan dengan derajat
pembilang dan penyebut masing-masing :
a. Untuk baris : v1 = b – 1 dan v 2 = ( k – 1 ) ( b – 1 )
b. Untuk kolom : v1 = k – 1 dan v 2 = ( k – 1 ) ( b – 1 )
3. Menentukan kriteria pengujian
a. H 0 diterima apabila F0  Fα(v ; v ) 1 2

H 0 ditolak apabila F0  Fα(v ; v )

1 2

b. H 0 diterima apabila F0  Fα(v1 ; v 2 )

H 0 ditolak apabila F0  Fα(v ; v )
1 2

4. Membuat analisis varians dalam bentuk tabel ANOVA

Tabel 2.1 Pengujian Klasifikasi ANOVA Dua Arah Tanpa
Interaksi
 Sumber Jumlah Rata – Rata
Derajat Bebas F0
Varians Kuadrat Kuadrat
Rata-rata JKB s12
JKB b 1 s 12  f1 
baris db
s 32
Rata-rata JKK
JKK k 1 s 22 
kolom db
s 221
JKE f2 
Error JKE (k  1)(b  1) s 32  s 32
db
Total JKT kb  1

b k T 2 ...
JKT    x ij2 
i 1 j1 k . b
……………………(2.1)
b

T 2 ..
i 1
JKB  
k kb
……………….(2.2)
…………………………
k
 T 2 .j
j1 T 2 ..
JKK  
b kb
………………..(2.3)

KE = JKT – JKB – JKK

………..…….(2.4)

5. Membuat kesimpulan
Menyimpulkan H 0 diterima atau ditolak dengan
membandingkan antara langkah ke empat dengan kriteria
pengujian pada langkah ke – 3.

b. Pengujian klasifikasi Dua Arah Dengan Interaksi

ANOVA dua arah memiliki tiga hipotesis nol berbeda yang
dapat diuji dengan ANOVA dua arah dengan interaksi yaitu
pertama, tidak ada efek kolom atau perbedaan rata-rata kolom
yang tidak signifikan. Kedua, tidak ada efek baris atau
perbedaan rata-rata baris yang tidak signifikan. Ketiga, tidak ada
interaksi diantara dua faktor baris dan kolom atau dua faktor
independen.
Pengujian klasifikasi dua arah dengan interaksi merupakan
pengujian beda rata-rata atau lebih dengan dua faktor yang
berpengaruh dan pengaruh interaksi kedua faktor tersebut
diperhitungkan. Langkah-langkah pengujian klasifikasi dua arah
dengan interaksi ialah sebagai berikut (Hasan, 2002):
1. Menentukan formuasi hipotesis
a. H 0 : α1  α 2  α 3  ...  α b  0
H1 : Sekurang-kurangnya satu α i  0
b. H 0 : β1  β 2  β 3  ...  β k  0
H1 : Sekurang-kurangnya satu  j  0
c. H 0 :  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 ditemukan derajat pembilang
dan penyebut masing-masing:
a. Baris : V1 = b – 1 dan V2 = kb (n – 1)
b. Kolom : V1 = K – 1 dan V2 = kb (n – 1)
c. Interaksi : V1 = (k – 1)(b – 1) dan V2 = kb (n – 1)
3. Menentukan kriteria pengujian
a. Untuk Baris:

H0 diterima apabila F0  Fα(v1 ; v 2 )

H0 ditolak apabila F0  Fα(v1 ; v 2 )

b. Untuk Kolom:

H0 diterima apabila F0  Fα(v1 ; v 2 )

H0 ditolak apabila F0  Fα(v1 ; v 2 )

c. Untuk Interaksi:
 H0 diterima apabila F0  Fα(v1 ; v 2 )

H0 ditolak apabila F0  Fα(v1 ; v 2 )

4. Membuat analisis varians dalam bentuk tabel anova

Tabel 2.2 Pengujian Klasifikasi ANOVA Dua Arah Dengan
Interaksi

Sumber Jumlah Rata-rata

Derajat bebas F0
varians kuadrat kuadrat

Rata-rata JKB
baris
JKB b 1 s12 = s 12
db f1 = 2
JKK
s4
Rata-rata
JKK k 1 s 22 
kolom db s 22
f2 = 2
JKI s4
Interaksi JKI (b  1)(k  1) s 32 =
db s 32
JKE f3 =
Error JKE bk(n - 1) s 24 = s 24
db
Total JKT Bkn - 1

b k n
T 2 ...
JKT     x ijc2 
i 1 j1 c 1 b . k .…………………(2.5)
n

 T2
i
i 1 T 2 ...
JKB  
k.n b.k.n

……………….(2.6)

b
 T 2 .j
j1 T 2 ...
JKK  
b.n b.k.n
…..…………..(2.7)
 b k b k
  Tij2  T 2  T 2 .j 2
i 1 j1 i T ...
i 1 j1
JKI    
b.n k.n ………….(2.8)
b.n b.k.n
JKE  JKT  JKB  JKK  JKI
……………(2.9)
b = baris, k = kolom, n = ulangan percobaan
5. Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak, dengan
membandingkan antara langkah k-4 dengan kriteria pengujian
pada langkah k-3.

1.4 Rumus Interpolasi

BAB III
PEMBAHASAN

3.1. Studi Kasus

 Studi kasus adalah salah satu metode penelitian dalam
ilmu sosial yang berisi masalah-masalah yang harus diselesaikan
dengan menggunakan metode tertentu untuk mencapai suatu
titik temu dan dapat diambil keputusan yang paling tepat untuk
penyelesaiannya seperti pada perhitungan ANOVA dua arah
berdasarkan pengamatan dua kriteria . Studi kasus ANOVA dua
arah dibedakan menjadi dua, yaitu ANOVA dua arah tanpa
interaksi dan ANOVA dua arah dengan interaksi.

3.1.1 ANOVA Dua Arah tanpa Interaksi

PT HARMONIS merupakan perusahaan yang bergerak
dibidang tekstil yang memproduksi celana berbahan canvas.
Perusahaan memproduksi berbagai macam jenis celana
berbahan canvas dari beberapa toko seperti Matahatie,
Ramahya, Sego, Uniklo, dan Zahra. Semakin banyaknya toko
semakin bertambah juga banyaknya pembeli. Perusahaan ingin
mengetahui apakah ada perbedaan rata-rata banyaknya
pengiriman produk berdasarkan banyaknya toko terhadap
banyaknya pembeli. Berikut tabel pengamatan berdasarkan
banyaknya toko dan banyaknya pembeli terhadap banyaknya
pengiriman.

Tabel 3.1 Data Pengamatan Banyaknya Toko dan Banyaknya Pembeli

Banyaknya Banyaknya Toko
Pembeli Matahatie Ramahya Sego Uniklo Zahra
100 38 34 36 38 39
110 36 30 40 38 36
120 40 37 38 37 33
130 30 34 38 31 40
 140 36 38 31 36 36
150 35 35 36 38 38
∑ 215 208 219 218 222

Berdasarkan tabel di atas, perusahaan ingin mengetahui

apakah terdapat pengaruh perbedaan signifikan rata-rata
dengan menggunakan taraf nyata 5% terhadap kriteria yang
diuji dengan hasil yang diinginkan seperti berikut :

1. Apakah terdapat pengaruh yang signifikan dari kelima toko

terhadap perbedaan rata-rata banyaknya pengiriman produk
dengan taraf nyata 5% selama 6 hari?
2. Apakah terdapat pengaruh yang signifikan dari banyaknya
pembeli terhadap perbedaan rata-rata banyaknya pengiriman
produk dengan taraf nyata 5% selama 6 hari?

3.1.2 ANOVA Dua Arah dengan Interaksi

PT HARMONIS merupakan perusahaan yang bergerak
dibidang tekstil yang memproduksi celana berbahan canvas.
Perusahaan memproduksi jenis bahan baku dan
mempromosikannya dari media promosi yang berbeda seperti
majalah, sosial media, televisi, dan brosur. Untuk itu perusahaan
ingin mengetahui apakah ada perbedaan rata-rata banyaknya
pemesanan berdasarkan jenis bahan baku terhadap media
promosi yang diproduksi perusahaan serta ada tidaknya interaksi
antara jenis bahan baku dan media promosi yang ada. Berikut
pengamatan berdasarkan jenis bahan baku dan media promosi.
Tabel 3.2 Pengamatan Media Promosi dan Jenis Bahan Baku.
Media Jenis Bahan Baku
Promosi Blacu Ripstop Marsoto Baby Sueding
39 32 36 46 36
Majalah 37 36 41 45 38
31 34 48 28 42
Sosial Media 45 30 35 41 46
 44 39 37 44 28
40 31 35 42 27
26 31 36 36 42
Televisi 29 33 38 39 49
31 32 37 37 48
46 39 32 31 27
Brosur 44 37 24 34 39
45 31 26 36 36
∑ 457 405 425 459 458

Berdasarkan tabel di atas, perusahaan ingin mengetahui

apakah terdapat beda tiga rata-rata dengan dua faktor yang
berpengaruh, dan pengaruh interaksi antara kedua faktor
tersebut diperhitungkan dengan menggunakan taraf nyata 5%
seperti berikut :

1. Apakah terdapat pengaruh yang signifikan dari jenis bahan

baku (blacu, ripstop, marsoto, baby, dan sueding) terhadap
perbedaan rata-rata banyaknya pemesanan dengan taraf
nyata 5% selama 12 hari?
2. Apakah terdapat pengaruh yang signifikan dari media promosi
(majalah, sosial media, televisi, dan brosur) terhadap
perbedaan rata-rata banyaknya pemesanan dengan taraf
nyata 5% selama 12 hari?
3. Apakah terdapat interaksi yang signifikan antara jenis bahan
baku dan media promosi dalam mempengaruhi perbedaan
rata-rata banyaknya pemesanan dengan menggunakan taraf
5% selama 12 hari?

3.2. Pengujian Data

Pengujian data merupakan upaya mengolah data menjadi
informasi yaitu pembuktian apakah data-data sudah memenuhi
syarat yang dibutuhkan untuk pengolahan data yang dibantu
menggunakan software SPSS 16.0. Pengujian data kali ini
menggunakan uji Kolmogrov Smirnov dan Shapiro Wilk.
Pengolahan data dibagi menjadi dua, pertama menggunakan
perhitungan manual untuk mendapatkan hasil perhitungan
matematis yang lebih terperinci, kedua pengolahan data
berdasarkan penggunan software digunakan untuk memperoleh
hasil yang tepat.

3.2.1 ANOVA Dua Arah tanpa Interaksi

Pengujian digunakan untuk menunjukkan bahwa data
berdistribusi normal dan memiliki varians yang sama dengan
pengujian menggunakan software SPSS 16.0. Pengujian juga
dilakukan untuk menguji asumsi normalitas dan homogenitas.
Langkah pengujian data setelah data dimasukkan adalah sebagai
berikut.
Langkah pertama adalah membuka software 16.0 tersebut.
Langkah selanjutnya tekan variable view di pojok kiri bawah.
Berikutnya pada bagian Name yang pertama isi dengan
banyaknya pembeli, setelah itu Name yang kedua ganti menjadi
banyaknya toko dan Name yang ketiga isi dengan banyaknya
pengiriman. Berikut ini gambar tampilan awal Variable view.

Gambar 3.1 Tampilan Awal Variable view

Kedua adalah memilih value labels pada baris bahan baku
kemudian memasukkan angka 1 pada value dan “100” pada
labels, angka 2 untuk “110”, angka 3 untuk “120”, angka 4
untuk“130”, dan angka 5 untuk“140”,dan angka 6 untuk“150”.
Klik “Ok” lalu akan muncul tampilan yang sama dari value labels
seperti pada baris banyaknya pembeli kemudian memasukkan
angka 1 pada value dan “Matahatie” pada labels, angka 2 untuk
“Ramahya”, angka 3 untuk “Sego”, angka 4 untuk “Uniklo”, dan
angka 5 untuk “Zahra”. Klik “Ok” . Berikut ini gambar tampilan
Value Labels.

Gambar 3.2 Tampilan Value Labels

Ketiga memilih data view yang terletak di pojok kiri

bawah. Memasukkan data sebanyak 30 data pada data view.
Tampilan input dari data view seperti pada gambar dibawah
ini.

Gambar 3.3 Tampilan Input pada Data View

Keempat, selanjutnya membuat kotak dialog explore
descriptive statistics dengan memilih analyze yang terdapat pada
Status Bar kemudian pilih descriptive statistic lalu pilih explore.
Berikut ini gambar ilustrasi Analyze Explore.

Gambar 3.4 Ilustrasi Analyze Explore

Kelima, memindahkan variabel banyaknya pengiriman
pada dependent list lalu memindahkan variabel banyaknya
pembeli dan banyaknya toko pada factor list. Berikut ini
gambar tampilan kotak explore Descriptive Statistics.

Gambar 3.5 Tampilan Kotak Explore Descriptive Statistics

 Keenam adalah memilih plots lalu pilih factor levels
together pada boxplots, steam-and-leaf pada descriptives,
ceklis normality plots with tests, dan untransformed pada
spreadlevel with levene test lalu klik continue. Seperti pada
gambar 2.7 berikut ini. Klik OK maka akan muncul output.
Berikut ini gambar tampilan kotak explore plots.

Gambar 3.6 Tampilan Kotak Explore Plots

Berdasarkan langkah-langkah diatas, diperoleh beberapa

output. Output yang pertama adalah test of normality dan
output yang kedua adalah test of homogeneity of variance.
Berikut ini gambar tampilan outputtest of Normality.

Gambar 3.7 Tampilan Output Test of Normality

Output yang pertama merupakan Uji normalitas. Uji

normalitas pada ANOVA dua arah tanpa interaksi dilakukan
untuk melihat apakah data tersebut berdistribusi normal atau
tidak. Pengujian data ANOVA dua arah tanpa interaksi
berjumlah 30 data pengamatan (N), oleh karena itu output
pada tabel tests of normality yang dilihat adalah bagian
Shapiro-Wilk. Bagian Shapiro-Wilk digunakan apabila data
yang digunakan jumlahnya kurang dari 50 data. Penetapan
hipotesis uji normalitas terdiri atas hipotesis awal H 0 dimana
data berdistribusi normal dan Hipotesis alternatif H1 dimana
data tidak berdistribusi normal. H0 diterima apabila nilai
signifikan lebih dari 0,05 dan H 0 ditolak apabila nilai signifikan
kurang dari 0,05. Berdasarkan tabel diatas baris pertama
menampilkan bahan baku kulit memiliki nilai significant
sebesar 0,440. Keadaan ini menunjukkan bahwa nilai
signifikan dari banyaknya 100 pembeli sebesar 0,440, 110 sig
sebesar 0,453, 120 sig sebesar 0,537, 130 sig sebesar 0,556,
140 sig sebesar 0,075, 150 sig sebesar 0,086 > 0,05. Artinya
nilai signifikan H0 diterima. Berikut ini gambar tampilan output
Test of Homogenety of Variance.

Gambar 3.8 Tampilan Output Test of Homogeneity of Variance

Output yang kedua adalah tabel tampilan output tests of

homogeneity of variance. Pengujian ini dilakukan untuk
mengetahui apakah data sampel memiliki varians yang sama
(homogenitas). Penetapan hipotesis uji homogenitas terdiri
atas hipotesis awal H0 dimana data bersifat homogen dan
Hipotesis alternatif H1 dimana data tidak bersifat homogen. H0
diterima apabila nilai signifikan lebih dari 0,05 dan H 0 ditolak
apabila nilai signifikan kurang dari 0,05. Baris yang pertama
adalah Based on Mean yang memiliki nilai levene statistic
sebesar 1,160. Output untuk baris Based on Mean
menampilan dua nilai yaitu df1 dan df2. df1 adalah derajat
pembilang dan df2 adalah derajat penyebut. Nilai signifikan
untuk baris Based on Mean tersebut adalah sebesar 0,357
yang artinya lebih besar dari 0,50. Berdasarkan output yang
didapatkan nilai signifikan dari baris Based on Mean adalah
lebih besar dari uji hipotesis awal dimana H 0 diterima apabila
nilai signifikan lebih dari 0,05. Nilai signifikan baris Based on
Mean adalah 0,357 lebih besar dari 0,05 yang artinya H 0
diterima. Berarti output yang lain juga berlaku karena
memiliki nilai signifikan yang lebih dari 0,05 dimana data
tersebut telah memenuhi uji homogenitas dan data bersifat
homogen.

3.2.2 ANOVA Dua Arah dengan Interaksi

Pengujian digunakan untuk menunjukkan bahwa data
berdistribusi normal dan memiliki varians yang sama dengan
pengujian menggunakan software SPSS 16.0. ANOVA Dua
Arah dengan Interaksi adalah pengujian hipotesis beda tiga
rata-rata atau lebih dengan dua faktor yang berpengaruh dan
pengaruh interaksi antara kedua faktor tersebut
diperhitungkan.

Gambar 3.9 Tampilan Output Test of Normality

 Output yang pertama adalah Uji normalitas. Uji
normalitas pada ANOVA dua arah dengan interaksi dilakukan
untuk melihat apakah data tersebut berdistribusi normal atau
tidak. Pengujian data ANOVA dua arah dengan interaksi
berjumlah 60 data pengamatan (N), oleh karena itu output
pada tabel tests of normality yang dilihat adalah bagian
Kolmogorov-Smirnov. Bagian Kolmogorov-Smirnov digunakan
apabila data yang digunakan lebih dari 50. Penetapan
hipotesis uji normalitas terdiri atas hipotesis awal H 0 dimana
data berdistribusi normal dan Hipotesis alternatif H 1 dimana
data tidak berdistribusi normal. H0 diterima apabila nilai
signifikan lebih dari 0,05 dan H0 ditolak apabila nilai signifikan
kurang dari 0,05. Berdasarkan tabel diatas baris pertama
menampilkan banyaknya varian jenis memiliki nilai significant
sebesar 0,200. Keadaan ini menunjukkan bahwa nilai
signifikan dari banyaknya varian jenis celana lebih besar dari
uji hipotesis awal sehingga hipotesis awal (H 0) diterima. Nilai
signifikan banyaknya varian jenis celana blacu memiliki nilai
signifikan sebesar 0,200 lebih besar dari 0,05 yang artinya H 0
diterima yang berarti data pengamatan berdistribusi normal .

GG
ambar 3.10 Tampilan Output Test Of Homogeneity Of Variance.

Output yang kedua adalah tabel tampilan output tests of

homogeneity of variance. Pengujian ini dilakukan untuk
mengetahui apakah data sampel memiliki varians yang sama
(homogenitas). Penetapan hipotesis uji homogenitas terdiri
atas hipotesis awal H0 dimana data bersifat homogen dan
hipotesis alternatif H1 dimana data tidak bersifat homogen. H 0
diterima apabila nilai signifikan lebih dari 0,05 dan H 0 ditolak
apabila nilai signifikan kurang dari 0,05. Baris yang pertama
adalah Based on Mean yang memiliki nilai levene statistic
sebesar 0,253. Uji levene adalah statistic inferensial yang
digunakan untuk menilai kesetaraan varian untuk variabel
yang dihitung untuk dua atau lebih kelompok semakin kecil
nilainya maka semakin besar homogenitasnya. Uji
homogenitas varian dapat dilihat dari nilai sig yang melebihi
0,05 maka varian berasal dari populasi homogeny dan
sebaliknya jika kurang dari 0,05 maka varian tidak bersifat
homogen. Output untuk baris Based on Mean menampilan dua
nilai yaitu df1 dan df2. df1 adalah derajat pembilang dan df2
adalah derajat penyebut. Nilai signifikan untuk baris Based on
Mean tersebut adalah sebesar 0,859 yang artinya lebih besar
dari 0,50. Keadaan ini menunjukkan bahwa nilai signifikan dari
baris Based on Mean adalah lebih besar dari uji hipotesis awal
dimana H0 diterima apabila nilai signifikan lebih dari 0,05. Nilai
signifikan baris Based on Mean memiliki nilai signifikan
sebesar 0,859 lebih besar dari 0,05 yang artinya H 0 diterima.
Output yang lain juga berlaku karena memiliki nilai yang
signifikan.

3.3. Perhitungan Manual

Perhitungan manual merupakan pertimbangan mengenai
penyelesaian yang dilakukan dengan manual tanpa bantuan dari
software atau aplikasi. Perhitungan manual ANOVA dua arah
terbagi menjadi dua yaitu perhitugan manual unttuk dua arah
tanpa interaksi dan perhitungan manual ANOVA dua arah dengan
interaksi. Hasil perhitungan manual ini dapat dikatakan benar,
bila hasilnya sama dengan perhitungan software. Berikut
merupakan perhitungan manual ANOVA dua arah.

3.3.1 Perhitungan Manual ANOVA dua arah tanpa interaksi

Perhitungan manual untuk ANOVA Dua Arah tanpa
interaksi adalah bentuk pengolahan data dari studi kasus
tentang ada atau tidak adanya pengaruh yang terjadi antara
banyaknya toko terhadap banyaknya pembeli. Perhitungan
manual ANOVA dua arah tanpa interaksi terdiri dari lima langkah
penyelesaian Berikut merupakan langkah-langkah yang harus
dilakukan untuk pengujian ANOVA dua arah tanpa interaksi.

1. Menentukan Formulasi Hipotesis

Formulasi Hipotesis merupakan pernyataan atau dugaan
mengenai keadaan populasi yang sifatnya masih sementara
atau lemah kebenaranya. Formulasi hipotesis harus diuji,
karna itu harus berbentuk kuantitas untuk dapat diterina atau
ditolak. Hipotesis statistik akan diterima jika hasil pengujian
membenarkan pernyataanya dan akan ditolak jika terjadi
penyangkalan dari pernyataanya.
a. H0 = Rata-rata banyaknya toko sama sehingga tidak ada
pengaruh perbedaan antara banyaknya pembeli terhadap
banyaknya pengiriman produk selama 6 hari.
H 1 = Rata-rata banyaknya toko tidak sama sehingga
sekurang-kurangnya ada satu pengaruh perbedaan
banyaknya pembeli terhadap pengiriman produk selama 6
hari.
 b. H0 = Rata-rata banyaknya pembeli sama sehingga tidak
ada pengaruh perbedaan banyaknya pembeli terhadap
banyaknya pengiriman produk selama 6 hari.
H1 = Rata-rata banyaknya pembeli tidak sama
sehingga sekurang-kurangnya ada satu pengaruh
perbedaan banyaknya pembeli terhadap pengiriman
produk selama 6 hari.
2. Menentukan Taraf nyata dan nilai F tabel
Taraf nyata adalah besarnya batas toleransi dalam menerima
kesalahan hasil hipotesis terhadap nilai parameter
populasinya. Taraf nyata yang digunakan pada ANOVA Dua

Arah tanpa interaksi adalah sebesar 5%, dimana nilai yang

dipakai sebagai taraf nyata digunakan untuk menentukan nilai

distribusi yang digunakan pada pengujian. Berikut
perhitungan taraf nyata.
α = 5 % = 0,05
a. Untuk baris: V1 = b – 1
=6–1
=5
V2 = (k – 1) (b – 1)
= (5 – 1) (6 – 1)
= 20
Maka, F0,05(5;20) = 2,71
b. Untuk kolom: V1 = k – 1
=5–1
=4
V2 = (k – 1) (b – 1)
= (6 – 1) (5 – 1)
= 20
Maka, F0,05(4;20) = 2,87
3. Menentukan Kriteria Pengujian
Kriteria pengujian merupakan bentuk pengujian keputusan
dalam menerima atau menolak hipotesis nol H0 dengan cara
membandingkan Ftabel terhadap Fhitung. Untuk kriteria pengujian
dapat dilakukan sesuai dengan suatu keadan atau praduga
dari suatu masalah. Berikut kriteria pengujian pada ANOVA
dua arah yang dilihat melalui baris dan kolom.
a. Untuk baris
H0 diterima apabila F0 ≤ 2,71
H0 ditolak apabila F0 > 2,71
b. Untuk kolom
H0 diterima apabila F0 ≤ 2,87
H0 ditolak apabila F0 > 2,87
4. Analisis Varians dan Membuat Tabel ANOVA
Analisis varians digunakan untuk mengetahui perbedaan
pengaruh antar faktor yang satu dengan yang lain. Berikut ini
perhitungan untuk mengetahui hasil jumlah kuadrat total
(JKT), jumlah kuadrat baris (JKB), jumlah kuadrat kolom
(JKK), dan jumlah kuadrat error (JKE). Berikut analisis
varians dan tabel ANOVA.
Tabel 3.3 Perhitungan Manual ANOVA Dua Arah Tanpa
Interaksi.
Banyaknya Banyaknya Toko
Pembeli Matahaty Ramahya Sego Uniklo Zahra Total
100 38 34 36 38 39 185
110 36 30 40 38 36 180
120 40 37 38 37 33 185
130 30 34 38 31 40 173
140 36 38 31 36 36 177
150 35 35 36 38 38 182
∑ 215 208 219 218 222 1082
b k 2
T ..
JKT =  x
i 1 j1
2
ij 
kb
 = -

= 39256 –

= 39256 – 39024,1333
= 231,8667
b

JKB =
T i
2
T 2 ..
i 1

k kb

= -

= 39046,4 – 39024,1333

= 22,2667
k

JKK =
T j 1
2
j
T 2 ..

b kb

= -

= 39043 - 39024,1333
= 18,866
JKE = JKT - JKB - JKK
= 231,8667 – 22,2667– 18,8667
= 190,7333

S1 = S32 =

= =

= 4,4533 = 9,5366
 S22 =

= 4,7166

F1 =

= 0,4671

F2 =

= 0,4945

Tabel 3.4 Bentuk ANOVA Tanpa Interaksi

Sumber Jumlah Derajat Rata-rata F0
varians kuadrat bebas kuadrat
Rata-rata 22,2667 5 4,4533 0,4669
baris
Rata-rata 18,8667 4 4,7166 0,4945
kolom
Error 190,7333 20 9,5366
Total 231,8667 29

2. Membuat Kesimpulan
Kesimpulan adalah suatu proposi yang diambil dari beberapa
premis dengan aturan-aturan inferensi. Dapat diartikan
dengan rangkuman atau pokok bahasan yang terdapat dari
keseluruhan data secara ringkas dan jelas atau bisa dikatakan
 sebagai bagian penting dari suatu data/tulisan guna
menjelaskan inti dari suatu info.
a. Hasil distribusi F0= 0,4669 sesuai dengan kriteria
pengujian H0 diterima apabila F0 ≤ F, karena 0,4669 ≤
2,71 H0 diterima, maka tidak terdapat pengaruh antara
banyaknya pembeli terhadap banyaknya pengiriman
produk.
b. Hasil distribusi F2= 0,4945 sesuai dengan kriteria
pengujian H0 diterima apabila F2 ≤ F, karena 0,4945 ≤
2,87 H0 diterima, maka tidak terdapat pengaruh antara
banyaknya pembeli terhadap banyaknya pengiriman
produk.

3.3.2 Perhitungan Manual ANOVA Dua Arah Dengan

Interaksi
Perhitungan manual ANOVA dua arah dengan interaksi
merupakan metode pengolahan data dari studi kasus yang
dilakukan secara manual dengan bantuan kalkukator dan dengan
acuan tabel pengamatan serta rumus. Perhitungan manual
dilakukan untuk mencari tahu apakah ada atau tidak pengaruh
dari kedua faktor terhadap variabelnya. Data yang digunakan
pada perhitungan manual ANOVA dua arah dengan interaksi ini
berjumlah 60. Terdiri dari 5 baris faktor jenis bahan baku dan 4
kolom faktor media promosi, dengan 3 kali pengulangan.
Perhitungan manual ANOVA dua arah dengan interaksi terdiri
dari lima langkah dalam penyelesaiannya. Berikut adalah
perhitungan manual ANOVA dua arah dengan interaksi.
1. Formulasi Hipotesis
Formulasi Hipotesis merupakan pernyataan atau dugaan
mengenai keadaan populasi yang sifatnya masih sementara
atau lemah kebenaranya. Formulasi hipotesis harus diuji,
 karna itu harus berbentuk kuantitas untuk dapat diterina atau
ditolak. Hipotesis statistik akan diterima jika hasil pengujian
membenarkan pernyataanya dan akan ditolak jika terjadi
penyangkalan dari pernyataanya.
a. H0 = Rata-rata jenis bahan baku sama sehingga tidak ada
pengaruh perbedaan jenis bahan baku terhadap
banyaknya pemesanan selama 6 hari
H1 = Rata-rata jenis bahan baku tidak sama sehingga
sekurang-kurangnya ada satu pengaruh perbedaan jenis
bahan baku yang dipakai terhadap banyaknya pemesanan
selama 6 hari.
b. H0 = Rata-rata media promosi sama sehingga tidak ada
pengaruh perbedaan media promosi terhadap banyaknya
pemesanan selama 6 hari.
H1 = Rata-rata media promosi tidak sama sehingga
sekurang-kurangnya ada satu pengaruh media promosi
terhadap banyaknya pemesanan selama 6 hari.
c. H0 = Rata-rata jenis bahan baku yang dipakai dan media
promosi sehingga tidak ada interaksi terhadap banyaknya
pemesanan selama 6 hari.
H1 = Rata-rata jenis bahan baku yang dipakai dan media
promosi tidak sama sehingga sekurang-kurangnya ada
satu interaksi terhadap banyaknya pemesanan selama 6
hari.
2. Menentukan Taraf Nyata (α) dan Nilai F tabel
Taraf nyata adalah besarnya batas toleransi dalam menerima
kesalahan hasil hipotesis terhadap nilai parameter
populasinya. Taraf nyata yang digunakan pada ANOVA Dua

Arah tanpa interaksi adalah sebesar 5%, dimana nilai yang

dipakai sebagai taraf nyata digunakan untuk menentukan nilai

 distribusi yang digunakan pada pengujian. Berikut
perhitungan taraf nyata.
α = 5% = 0,05
a. Untuk baris: V1 = b – 1
=4–1
=3
V2 = kb(n – 1)
= 4.3(3 - 1)
= 40
F0,05(3;40) = 2,84
b. Untuk kolom:
V1 = k – 1
=5–1=4
V2 = kb (n – 1)
= (5).(4) . (3-1)
= 20 . 2
= 40
F0,05(4;40) = 2,61
c. Untuk interaksi:
V1 = (b – 1) (k – 1)
= (5 – 1) (4 – 1)
= (4) (3) = 12

V2 = bk (n – 1)
= (4).(5) (3 – 1)
= 20 . 2
= 40
F0,05(4;40) = 2,00
3. Menentukan kriteria pengujian.
Kriteria pengujian merupakan bentuk pengujian keputusan
dalam menerima atau menolak hipotesis nol H0 dengan cara
membandingkan Ftabel terhadap Fhitung. Untuk kriteria pengujian
dapat dilakukan sesuai dengan suatu keadan atau praduga
dari suatu masalah. Berikut kriteria pengujian pada ANOVA
dua arah yang dilihat melalui baris dan kolom.
a. Untuk baris

diterima apabila: F0 2,84

 ditolak apabila: F0 2,84
b. Untuk kolom
diterima apabila: F0 2,61
ditolak apabila: F0 2,61
c. Untuk interaksi
diterima apabila:F0 2,00
ditolak apabila: F0 2,00
4. Membuat analisis varians.
Analisis varians digunakan untuk mengetahui perbedaan
pengaruh antara faktor yang satu dengan yang lain. Berikut
ini perhitungan untuk mengetahui hasil jumlah kuadrat total
(JKT), jumlah kuadrat baris (JKB), jumlah kuadrat kolom
(JKK), jumlah kuadrat interaksi (JKI), dan jumlah kuadrat
error (JKE). Berikut analisis varians dan tabel ANOVA.

Tabel 3.5 Perhitungan Manual ANOVA Dua Arah dengan Interaksi

Media Jenis Bahan Baku
Promosi Blacu Ripstop Marsoto Baby Sueding
39 32 36 46 36
Majalah 37 36 41 45 38
31 34 48 28 42
45 30 35 41 46
Sosial Media 44 39 37 44 28
40 31 35 42 27
26 31 36 36 42
Televisi 29 33 38 39 49
31 32 37 37 48
46 39 32 31 27
Brosur 44 37 24 34 39
45 31 26 36 36
∑ 457 405 425 459 458

b k
T 2 ..
JKT =  x ij 
2

i 1 j1 kb
= 82438,6666 - +

= 1.202,9332

– JKK – JKI

1.202,9332
 S32 =

=100,2444

S42 =

= =

= 50,4333 = 21,2133

F3 =

= =

= 1,1711 = 4,7255

= 2,3774
 Tabel 3.6 Bentuk ANOVA dengan Interaksi.
Jumlah Derajat Rata-rata
Sumber Varians F0
Kuadrat Babas Kuadrat

Rata-rata Baris 3 1,1711

Rata-rata kolom 4 2,3774
4,7255
Interaksi 1.202,9332 12 100,2444

Error 848,5334 40 21,2133

Total 59
5. Kesimpulan
Kesimpulan adalah suatu proposi yang diambil dari beberapa
premis dengan aturan-aturan inferensi. Dapat diartikan
dengan rangkuman atau pokok bahasan yang terdapat dari
keseluruhan data secara ringkas dan jelas atau bisa dikatakan
sebagai bagian penting dari suatu data/tulisan guna
menjelaskan inti dari suatu info.
a. Nilai F0 = 1,1711 ≤ F0,05(3:40) = 2,84 maka H0 diterima
sehingga tidak ada pengaruh perbedaan jenis bahan baku
terhadap banyaknya pemesanan selama 6 hari.
b. Nilai F0 = 2,3774 ≤ F0,05(4:40) = 2,61 maka H0 diterima,
sehingga tidak ada pengaruh perbedaan media promosi
terhadap banyaknya pemesanan selama 6 hari.
c. Nilai F0 = 4,7225 ≥ F0,05(4:40) = 2,00 maka H0 ditolak,
sehingga tidak ada
interaksi banyaknya pemesanan selama 6 hari.

3.4. Pengolahan Software

Pengolahan software merupakan salah satu cara
pengolahan data yang menggunakan aplikasi pemrograman atau
software. Pengolahan data ANOVA Dua Arah terdiri dari
pengolahan software ANOVA Dua Arah tanpa Interaksi dan
pengolahan software ANOVA Dua Arah dengan
Interaksi.Software yang digunakan pada pengolahan ini yaitu
SPSS 16.0. Berikut ini merupakan pengolahan data dengan
software dari masing-masing jenis ANOVA Dua Arah.

3.4.1 ANOVA Dua Arah tanpa Interaksi

Berikut ini merupakan langkah-langkah dalam melakukan
pengolahan software ANOVA Dua Arah tanpa Interaksi. Langkah
pertama yang harus dilakukan yaitu membuka aplikasi SPSS
16.0. Tampilan pertama yang akan muncul setelah membuka
aplikasi SPSS 16.0 adalah tampilan data view. Klik Variable View
yang berada di sudut kiri bawah tampilan data view maka akan
muncul tampilan variable view.

Gambar 3.11 Tampilan Awal Variable View

Sel pada variable view selanjutnya diisi seperti pada name

diisi dengan banyaknya_pembeli, banyaknya_toko dan
banyaknya_pengiriman dengan type Numeric, Width 8, Decimals
0, bagian Label dikosongkan, Values dan Missing diisi dengan
None, Columns 8, Align diisi dengan Right, dan Measure diisi
dengan Scale.
 Gambar 3.12 Tampilan Variable View

Tampilan selanjutnya yang muncul setelah tampilan

variable view yang telah diisi dengan variabel-variabel yaitu
tampilan kotak dialog Value Labels. Kotak dialog Value Labels ini
berisikan variabel Banyaknya Pembeli sehingga pada kotak teks
terlihat urutan dari 1 hing ga 6 yang menyatakan masing-masing
Banyaknya Pembeli.

Gambar 3.13 Kotak Dialog Value Labels

Tampilan selanjutnya yaitu kotak dialog Value Labels

namun yang membedakan dengan kotak dialog sebelumnya
yaitu pada kotak dialog ini berisikan variabel Banyaknya Toko.
Hal ini terlihat pada kotak teks yang memiliki urutan dari 1
hingga 5 yang menyatakan nama-nama toko pada variabel
Banyaknya Toko lalu klik Ok. Tampilan yang muncul setelah
langkah tersebut yaitu tampilan data view yang terdapat
variabel-variabelnya pada kolom teratas yaitu banyaknya
pembeli, banyaknya_toko dan banyaknya_pengiriman_produk.
 Gambar 3.14 Tampilan Data View

Tampilan berikutnya yang muncul yaitu tampilan data view

dimana sel-selnya berisi variabel yang masih berupa angka serta
data-data dari masing-masing variabel.

Gambar 3.15 Tampilan Data View Berisi Data Berupa Angka

Tampilan selanjutnya dimana sebelumnya tampilan data

view yang masih berupa angka kemudian dengan mengklik View
pada toolbar tampilan data view lalu klik value labels maka
muncul tampilan data view yang berisi nama faktor dari masing-
masing variabel.
 Gambar 3.16 Tampilan Data View Berisi Variabel dan Data

Langkah selanjutnya yaitu memilih toolbar Analyze yang

berada di tampilan variable view lalu pilih opsi General Linear
Model kemudian pilih Univariate.

Gambar 3.17 Kotak Opsi General Linear Model

Opsi yang telah dipilih pada langkah selanjutnya

menghasilkan output berupa kotak dialog Univariate. Kotak
dialog ini diisi dengan masing-masing variabel sesuai dengan
jenisnya seperti pada Dependent Variable diisi dengan
banyaknya_pengiriman_produk, Fixed Factor(s) diisi dengan
banyaknya_pembeli dan Random Factor(s) diisi dengan
banyaknya_toko lalu klik Ok.
 Gambar 3.18 Kotak Dialog Univariate

Langkah-langkah yang telah dilakukan sebelumnya

menghasilkan beberapa output. Output pertama yang dihasilkan
yaitu Between-Subjects Factors. Between-Subjects Factors
merupakan output yang berfungsi untuk member informasi
tentang banyaknya data dari masing-masing variabel beserta
jumlah variabel yang ada. Berdasarkan output maka dapat
diketahui bahwa terdapat 6 jenis banyaknya pembeli dengan
pembeli pertama sebanyak 100 hingga pembeli terakhir
berjunlah 150 pembeli dengan masing-masing jumlah data
banyaknya pembeli sama yaitu sejumlah 5 data. Output ini juga
memberikan informasi bahwa banyaknya toko yang ada yaitu 5
buah toko dengan masing-masing jumlah data sebanyak 6 data.

Gambar 3.19 Output Between-Subjects Factors

 Output selanjutnya yaitu output Tests of Between-Subjects
Effects. Tests of Between-Subjects Effects merupakan nilai hasil
akhir dari pengolahan data dengan menggunakan software.
Output ini menghasilkan data-data diantaranya, sumber data
yang terdiri dari intercept dimana intercept merupakan nilai pada
variabel dependent tidak ada pengaruh sedikit pun oleh variabel
independent, banyaknya_pembeli, banyaknya_toko,
banyaknya_toko dan banyaknya_toko lalu hasil jumlah kuadrat
dari masing-masing sumber data, derajat bebas, rata-rata
kuadrat, nilai F perhitungan (F0) serta nilai signifikan.
Berdasarkan output maka diperoleh nilai Jumlah Kuadrat Baris
sebesar 22,267, Jumlah Kuadrat Kolom sebesar 18,867, Jumlah
Kuadrat Error sebesar190,733, F perhitungan pertama (F 1)
sebesar 0,467 dan F perhitungan kedua (F 2) sebesar 0,495
dengan nilai signfikan pada Intercept sebesar 0,00 yang berarti
model yang diperoleh valid sebab nilai signifikan pada intercept
lebih kecil dibandingkan nilai signifikan taraf nyata sebesar 0,05.

Gambar 3.20 Output Tests of Between-Subjects Effects

3.4.2 ANOVA Dua Arah dengan Interaksi

Berikut ini merupakan langkah-langkah dalam melakukan
pengolahan software ANOVA Dua Arah dengan Interaksi.
Langkah pertama yang harus dilakukan yaitu membuka aplikasi
SPSS 16.0. Tampilan pertama yang akan muncul setelah
membuka aplikasi SPSS 16.0 adalah tampilan data view. Klik
Variable View yang berada di sudut kiri bawah tampilan data
view maka akan muncul tampilan variable view.

Gambar 3.21 Tampilan Awal Variable View

Sel pada variable view selanjutnya diisi seperti pada name

diisi dengan media_promosi, jenis_bahan_baku, banyaknya_
pemesanan dengan type Numeric, Width 8, Decimals 0, bagian
Label dikosongkan, Values diisi dengan faktor dari masing-
masing variabel, Missing diisi dengan None, Columns 8, Align
diisi dengan Right, dan Measure diisi dengan Scale.

Gambar 3.22 Tampilan Variable View

Tampilan selanjutnya yang muncul setelah tampilan

variable view yang telah diisi dengan variabel-variabel yaitu
tampilan kotak dialog Value Labels. Kotak dialog Value Labels ini
berisikan variabel Media Promosi sehingga pada kotak teks
terlihat urutan dari 1 hingga 4 yang menyatakan masing-masing
media promosi.
 Gambar 3.23 Kotak Dialog Value Labels Media Promosi

Tampilan selanjutnya yaitu kotak dialog Value Labels

namun yang membedakan dengan kotak dialog sebelumnya
yaitu pada kotak dialog ini berisikan variabel Jenis Bahan Baku.
Hal ini terlihat pada kotak teks yang memiliki urutan dari 1
hingga 5 yang menyatakan nama-nama jenis bahan baku celana
pada variabel Jenis Bahan Baku lalu klik Ok.

Gambar 3.24 Kotak Dialog Value Labels Jenis Bahan Baku

Tampilan yang muncul setelah langkah tersebut yaitu

tampilan data view yang terdapat variabel-variabelnya pada
kolom teratas yaitu media_promosi, jenis_bahan_baku,
banyaknya_pemesanan.
 Gambar 3.25 Tampilan Data View

Tampilan berikutnya yang muncul yaitu tampilan data view

dimana sel-selnya berisi variabel yang masih berupa angka serta
data-data dari masing-masing variabel.

Gambar 3.26 Tampilan Data View Berupa Angka

Tampilan selanjutnya dimana sebelumnya tampilan data

view yang masih berupa angka kemudian dengan mengklik View
pada toolbar tampilan data view lalu klik value labels maka
muncul tampilan data view yang berisi nama faktor dari masing-
masing variabel.
 Gambar 3.27 Tampilan Data View Berupa Variabel dan Data

Langkah selanjutnya yaitu memilih toolbar Analyze yang

berada di tampilan variable view lalu pilih opsi General Linear
Model kemudian pilih Univariate.

Gambar 3.28 Kotak Opsi General Linear Model

Opsi yang telah dipilih pada langkah selanjutnya

menghasilkan output berupa kotak dialog Univariate. Kotak
dialog ini diisi dengan masing-masing variabel sesuai dengan
jenisnya seperti pada Dependent Variable diisi dengan
banyaknya_pemesanan, Fixed Factor(s) diisi dengan
media_promosi dan jenis_bahan_baku lalu klik Ok.
 Gambar 3.29 Kotak Dialog Univariate

Langkah-langkah yang telah dilakukan sebelumnya

menghasilkan beberapa output. Output pertama yang dihasilkan
yaitu Between-Subjects Factors. Between-Subjects Factors
merupakan output yang berfungsi untuk member informasi
tentang banyaknya data dari masing-masing variabel beserta
jumlah variabel yang ada. Berdasarkan output maka dapat
diketahui bahwa terdapat 4 jenis media promosi dengan faktor-
faktornya yaitu Majalah, Sosial Media, Televisi, dan Brosur
dengan masing-masing jumlah data media promosi yaitu
sejumlah 15 data. Output ini juga memberikan informasi bahwa
jenis bahan baku yang digunakan sejumlah 5 jenis dengan
masing-masing jumlah data sebanyak 12 data.

Gambar 3.30 Output Between-Subjects Factors

 Output selanjutnya yaitu output Tests of Between-Subjects
Effects. Tests of Between-Subjects Effects merupakan nilai hasil
akhir dari pengolahan data dengan menggunakan software.
Output ini menghasilkan sumber-sumber data diantaranya
Corrected Model yang berfungsi untuk mengetahui seberapa
besar pengaruh variabel independent (variabel bebas) terhadap
variabel dependent (variabel terikat), Intercept dimana nilai
pada variabel dependen tidak ada pengaruh sedikit pun oleh
variabel independen, media promosi, jenis bahan baku, media
promosi yang mengalami interaksi dengan jumlah bahan baku,
jenis bahan baku, nilai Error, jumlah keseluruhan, dan Corrected
Total. Berdasarkan output tersebut diperoleh Jumlah Kuadrat
Total sebesar 83288 dengan derajat bebas sebesar 60, Jumlah
Kuadrat Interaksi sebesar 1202,133 dengan derajat bebas
sebesar 12, Jumlah Kuadrat Baris sebesar 74,533 dengan
derajat bebas sebesar 3, Jumlah Kuadrat Kolom sebesar 201,733
dengan derajat bebas sebesar 4, Jumlah Kuadrat Error sebesar
849,333 dengan derajat bebas sebesar 40. Berdasarkan output
diperoleh pula nilai F perhitungan pertama sebesar 1,170, F
perhitungan kedua sebesar 2,375 dan F perhitungan ketiga
sebesar 4,718.

Gambar 3.31 Output Tests of Between-Subjects Effects

3.5. Analisis Perhitungan Manual
Analisis perhitungan manual merupakan pertimbangan
mengenai penyelesaian yang dilakukan dengan manual tanpa
bantuan dari software atau aplikasi. Analisis perhitungan
manual terbagi menjadi dua, yaitu ANOVA dua arah tanpa
interaksi dan ANOVA dua arah dengan interaksi.

3.5.1 ANOVA Dua Arah tanpa Interaksi

Analisis ANOVA dua arah tanpa interaksi adalah
pengujian beda tiga rata- rata atau lebih dengan dua faktor
yang saling berpengaruh dan interaksi dari kedua faktor
tersebt ditiadakan. Perhitungan manual ANOVA dua arah
tanpa interaksi adalah metode perhitungan data dari studi
kasus dengan menggunakan rumus yang telah ditentukan.
Hipotesis statistik adalah pernyataan atau dugaan mengenai
populasi yang sifatnya sementara karena masih belum jelas
atau lemah kebenarannya. Hipotesis statistik dapat berbentuk
variabel atau nilai dari suatu parameter. Pengujian hipotesis
adalah metode untuk menghasilkan keputusan apakah
hipotesis diterima atau ditolak. Berdasarkan pengujian
statistik menurut (Hasan, 2001) yang telah dilakukan pada
perhitungan manual didapatkan analisis sebagai berikut.
Pertama, menentukan formulasi hipotesis ada dua jenis
yaitu hipotesis nol (H0) dan hipotesis alternatif (H 1). H0
merupakan pernyataan yang dilakukan untuk di uji. H 1
merupakan pernyataan lawan dari H0. ANOVA dua arah tanpa
interaksi menggunakan dua faktor yang tanpa
memperhitungkan interaksi dari faktor tersebut, oleh karena
itu kedua faktor memiliki formulasi hipotesisnya masing-
masing. Formulasi hipotesis untuk faktor pertama yaitu H 0
sama dengan rata-rata banyaknya pembeli sehingga tidak ada
pengaruh jumlah banyaknya pembeli terhadap banyaknya
pengiriman selama 6 hari sedangkan untuk H1 sama dengan
rata-rata banyaknya pembeli tidak sama sehingga ada
pengaruh perbedaan jumlah banyaknya pembeli terhadap
banyaknya pengiriman selama 6 hari. Formulasi hipotesis
untuk faktor kedua yaitu H0 sama dengan rata-rata kelima
jenis bahan baku sama sehingga tidak ada pengaruh
perbedaan jenis bahan baku terhadap banyaknya pengiriman
selama 6 hari sedangkan untuk H1 sama dengan rata-rata
kelima jenis bahan baku tidak sama sehingga ada pengaruh
perbedaan jenis bahan baku terhadap jumlah pengiriman
selama 6 hari.
Kedua, menentukan taraf nyata (α) dan nilai F tabel.
Taraf nyata adalah besarnya batas toleransi dalam menerima

kesalahan hasil hipotesis terhadap nilai parameter

populasinya. Taraf nyata ditentukan dengan derajat pembilang
(V1) dan derajat penyebut (V2). ANOVA dua arah mempunyai
derajat baris yang berisi nilai (V 1, V2) dan derajat kolom yang
berisi nilai (V1, V2). Menentukan baris yaitu menggunakan
rumus V1 sama dengan baris dikurangi 1 dengan diketahui
nilai baris sebesar 6 dan hasil V1 sebesar 5 sedangkan untuk
nilai V2 menggunakan rumus V2 sama dengan hasil kolom
dikurang 1 yang dikalikan dengan hasil baris dikurangi 1
dimana jumlah kolom sebanyak 5 kolom dan jumlah baris
sebanyak 6 baris sehingga didapatkan nilai V 2 sebesar 20.
Berdasarkan derajat pembilang serta derajat penyebut pada
Ftabel di dapatkan pada baris adalah F 0,05(5;20) dan pada
perhitungan F0,05(5;20) didapatkan hasil sebesar 2,71
berdasarkan taraf nyata 5% atau sebesar 0,05. Menentukan
kolom yaitu menggunakan rumus V 1 sama dengan kolom
dikurangi 1 dengan diketahui nilai kolom sebesar 5 dan hasil
V1 sebesar 4 sedangkan untuk nilai V 2 menggunakan rumus
V2 sama dengan hasil kolom dikurangi 1 yang dikalikan
dengan hasil baris dikurang 1 dimana jumlah kolom
sebanyak 5 kolom dan jumlah baris sebanyak 6 baris sehingga
didapatkan nilai V2 sebesar 20 dan pada perhitungan
F0,05(4;20) didapatkan hasil sebesar 2,87 berdasarkan taraf
nyata 5% atau sebesar 0,05.
Ketiga, menentukan kriteria pengujian. Kriteria
pengujian suatu bentuk pembuatan keputusan dalam
menerima atau menolak hipotesis nol (H0) dengan cara
membandingkan Ftabel terhadap F0. Kriteria pengujian pada
ANOVA dua arah tanpa interaksi terbagi menjadi dua, yaitu

pengujian pada baris dan kolom. Kriteria pengujian untuk

baris ialah H0 diterima apabila F0 lebih kecil sama dengan
2,71 dan H0 ditolak apabila F0 lebih besar dari 2,71,
sedamgkan pengujian untuk kolom ialah Ho diterima apabila
F0 lebih kecil sama dengan 2,87 dan H0 ditolak apabila F0
lebih besar dari 2,87.
Keempat, membuat analisis varian dan tabel anova. Nilai
Jumlah Kuadrat Total didapatkan hasil dari nilai masing
masing data yang telah di kuadratkan kemudian dikurangi
oleh jumlah semua data yang telah di kuadratkan di bagi
banyaknya data, sehingga memperoleh hasil sebesar
231,8667. Nilai Jumlah Kuadrat Baris didapatkan dari jumlah
rata-rata baris dikurangi dengan total semua data yang telah
di kuadratkan dibagi banyaknya data, sehingga mendapatkan
hasil sebesar 22,2667. Nilai Jumlah Kuadrat Kolom didapatkan
dari jumlah rata-rata kelompok pada kolom dikurangi dengan
total semua data yang telah dikuadratkan dibagi banyaknya
data, sehingga mendapatkan hasil sebesar 18,8667. Nilai
Jumlah Kuadrat Error didapatkan dari JKT dikurangi JKB
dikurangi JKK, sehingga memperoleh hasil sebesar 190,7333.

2
Nilai rata-rata kuadrat baris (s1 ) didapatkan dari nilai JKB
sebesar 22,2667 dibagi dengan nilai derajat bebas dari rata-
rata baris sebesar 5, sehingga memperoleh hasil sebesar

4,4533. Nilai rata-rata kuadrat kolom (s22) didapatkan dari

nilai JKK sebesar 18,8667 dibagi dengan derajat bebas dari

rata-rata kolom sebesar 4, sehingga memperoleh hasil

sebesar 4,7166. Nilai rata-rata kuadrat error (s32) didapatkan

dari nilai JKE sebesar 190,7333 dibagi nilai derajat bebas error
sebesar 20, sehingga memperoleh hasil sebesar 9,5366. Nilai

F0 pada baris (f1) didapatkan dari nilai s12 dibagi dengan nilai

s32, sehingga di peroleh 0,4671. Nilai F 0 pada kolom (f2)

didapatkan dari nilai s22 dibagi dengan nilai s32, sehingga

diperoleh 0,4947.
Kelima, membuat kesimpulan dengan cara
menyimpulkan H0 apakah diterima atau ditolak dengan
membandingkan langkah-langkah dari keempat kriteria
dengan kriteria pengujian dari langkah langkah ketiga cara.
Kesimpulan diperoleh menggunakan dua cara, yaitu hasil
perhitungan yang telah dilakukan untuk baris memiliki nilai
bahwa F0 sebesar 0,4671 lebih kecil sama dengan
F0,05(5;20) sebesar 2,71, maka H0 diterima dan hal ini
menunjukkan bahwa rata-rata banyaknya pembeli sama
sehingga tidak ada pengaruh perbedaan banyaknya pembeli
terhadap banyaknya pengiriman produk selama 6 hari. Hasil
perhitungan yang telah dilakukan untuk kolom memiliki nilai
bahwa F0 sebesar 0,4947 lebih kecil sama dengan
F0,05(5;20) sebesar 2,87, maka H0 diterima dan hal ini
menunjukkan bahwa rata-rata kelima banyaknya toko sama
sehingga tidak ada pengaruh perbedaan banyaknya toko
terhadap banyaknya pengiriman produk selama 6 hari.

3.5.2 ANOVA Dua Arah dengan Interaksi

Hasil dari perhitungan manual menggunakan ANOVA dua
arah dengan interaksi yaitu dengan menentukan taraf nyata
(α) dan nilai Ftabel. Taraf nyata adalah besarnya batas
toleransi dalam menerima kesalahan hasil hipotesis terhadap
nilai parameter populasinya. Taraf nyata ditentukan dengan
derajat pembilang (V1) dan derajat penyebut (V2). ANOVA
dua arah mempunyai derajat baris yang berisi nilai (V 1, V2)
dan derajat kolom yang berisi nilai (V 1, V2). Menentukan baris
yaitu menggunakan rumus V1 sama dengan baris dikurangi 1
dengan diketahui nilai baris sebesar 4 dan hasilnya V 1 sebesar
3 sedangkan untuk nilai V2 menggunakan rumus V2 sama
dengan kolom dikali baris yang dikalikan dengan jumlah
pengulangan pada percobaan dikurangi 1 dimana jumlah
kolom sebanyak 5 kolom dan jumlah baris sebanyak 4 baris
sedangkan jumlah pengulangan pada percobaan sebesar 3
sehingga didapatkan nilai V2 sebesar 40. Berdasarkan derajat
pembilang serta derajat penyebut pada F 0 didapatkan pada
baris adalah F0,05(3;40) sebesar 2,84 berdasarkan taraf
nyata 5% atau sebesar 0,05. Menentukan kolom yaitu
menggunakan rumus V1 sama dengan kolom dikurangi 1
dengan diketahui nilai kolom sebesar 5 dan hasilnya V 1
sebesar 4 sedangkan untuk nilai V2 menggunakan rumus V2
sama dengan kolom dikali baris yang dikalikan dengan jumlah
pengulangan pada percobaan dikurangi 1 dimana jumlah
kolom sebanyak 5 kolom dan jumlah baris sebanyak 4 baris
sedangkan jumlah pengulangan pada percobaan sebesar 3
sehingga didapatkan nilai V2 sebesar 40 dan pada perhitungan
F0,05(4;40) didapatkan hasil sebesar 2,61 berdasarkan taraf
nyata 5% atau sebesar 0,05. Menentukan interaksi yaitu
menggunakan rumus V1 sama dengan hasil kolom dikurangi 1
yang dikalikan dengan hasil baris dikurangi 1 dengan diketahui
nilai kolom sebesar 5 dan baris sebesar 4 sehingga hasilnya
V1 sebesar 12 sedangkan untuk nilai V 2 menggunakan rumus
V2 sama dengan kolom dikali baris yang dikalikan dengan
jumlah pengulangan pada percobaan dikurangi 1 dimana
jumlah kolom sebanyak 5 kolom dan jumlah baris sebanyak 4
baris sedangkan jumlah pengulangan pada percobaan sebesar
3 sehingga didapatkan nilai V2 sebesar 40 dan pada
perhitungan F0,05(12;40) didapatkan hasil sebesar 2,00
berdasarkan taraf nyata 5% atau sebesar 0,05.
Menentukan kriteria pengujian. Kriteria pengujian suatu
bentuk pembuatan keputusan dalam menerima atau menolak
hipotesis nol (H0) dengan cara membandingkan Ftabel
terhadap F0. Kriteria pengujian pada ANOVA dua arah dengan
interaksi terbagi menjadi tiga, yaitu pengujian pada baris,
kolom dan interaksi. Kriteria pengujian untuk baris ialah H0
diterima apabila F0 lebih kecil sama dengan 2,84 dan H 0
ditolak apabila F0 lebih besar dari 2,84. Pengujian untuk
kolom ialah H0 diterima apabila F0 lebih kecil sama dengan
2,61 dan H0 ditolak apabila F0 lebih besar dari 2,61.
Pengujian untuk interaksi yaitu H0 diterima apabila F0 lebih
kecil sama dengan 2,00 dan H0 ditolak apabila F0 lebih besar
dari 2,00.
Membuat analisis varian dan tabel anova. Nilai Jumlah
Kuadrat Total didapatkan hasil dari nilai masing masing data
yang telah di kuadratkan kemudian dikurangi oleh jumlah
semua data yang telah di kuadratkan di bagi banyaknya data,
sehingga memperoleh hasil sebesar 2327,7334. Nilai JKB
didapatkan dari jumlah rata-rata baris dikurangi dengan total
semua data yang telah di kuadratkan dibagi banyaknya data,
sehingga mendapatkan hasil sebesar 74,5334. Nilai JKK
didapatkan dari jumlah rata-rata kelompok pada kolom
dikurangi dengan total semua data yang telah dikuadratkan
dibagi banyaknya data, sehingga mendapatkan hasil sebesar
201,7334. Nilai JKI didapatkan dari jumlah rata-rata interaksi
dikurangi dengan jumlah rata-rata baris dikurangi dengan
jumlah rata- rata kolom ditambah total semua data yang telah
dikuadratkan dibagi banyaknya data, sehingga mendapatkan
hasil sebesar 1202,9332. Nilai JKE didapatkan dari JKT
dikurangi JKB dikurangi JKK dikurangi JKI, sehingga
memperoleh hasil sebesar 848,5334 . Nilai rata-rata kuadrat

baris (S12) didapatkan dari nilai JKB sebesar 74,5334 dibagi

dengan nilai derajat bebas dari rata-rata baris sebesar 3,
sehingga memperoleh hasil sebesar 24,8444. Nilai rata-rata

kuadrat kolom (S22) didapatkan dari nilai JKK sebesar

201,7334 dibagi dengan derajat bebas dari rata-rata kolom
sebesar 4, sehingga memperoleh hasil sebesar 50,4333. Nilai

2
rata-rata kuadrat interaksi (S3 ) didapatkan dari nilai JKI
sebesar 1202,9332 dibagi dengan derajat bebas interaksi
sebesar 12, sehingga memperoleh hasil sebesar 133,8666.

2
Nilai rata- rata kuadrat error (S4 ) didapatkan dari nilai JKE
sebesar 848,5334 dibagi nilai derajat error dengan rumus
sama dengan hasil jumlah baris dikali jumlah kolom yang
dikalikan dengan hasil jumlah pengulangan pada percobaan
dikurangi 1 menghasilkan nilai derajat error sebesar 40,

2
sehingga memperoleh hasil nilai rata- rata kuadrat error (S4 )
sebesar 21,2133. Nilai F0 pada baris (f1) didapatkan dari nilai

S12 dibagi dengan nilai S42, sehingga di peroleh 1,1711. Nilai

F0 pada kolom (F2) didapatkan dari nilai S22 dibagi dengan nilai

S42, sehingga diperoleh 2,3774. Nilai F 0 pada interaksi (F3)

didapatkan dari nilai S32 dibagi dengan nilai S42, sehingga

diperoleh 4,7225.
Membuat kesimpulan dengan cara menyimpulkan H 0
apakah diterima atau ditolak dengan membandingkan
langkah-langkah dari keempat kriteria dengan kriteria
pengujian dari langkah langkah ketiga cara. Kesimpulan
diperoleh menggunakan tiga cara, yaitu berdasarkan dari hasil
perhitungan untuk baris yang memiliki nilai bahwa F0 sebesar
1,1711 lebih kecil sama dengan F 0,05(5;20) sebesar 2,84,
maka H0 diterima dan hal ini menunjukkan bahwa rata-rata
keempat media promosi sama sehingga tidak ada pengaruh
perbedaan media promosi terhadap banyaknya pemesanan
selama 6 hari. Berdasarkan dari hasil perhitungan untuk
kolom yang memiliki nilai bahwa F0 sebesar 2,3774 lebih kecil
sama sama dengan F0,05(5;20) sebesar 2,61, maka H0
diterima dan sehingga tidak ada pengaruh perbedaan media
promosi terhadap banyaknya pemesanan selama 6 hari. .

Berdasarkan dari hasil perhitungan untuk interaksi yang

memiliki nilai bahwa F0 sebesar 4,7225 lebih besar dari
F0,05(5;20) sebesar 2,00, maka H0 ditolak dan hal ini
menunjukkan bahwa rata-rata keempat media promosi dan
kelima jenis bahan baku tidak sama sehingga ada interaksi
terhadap jumlah pengiriman selama 6 hari.

3.6. Analisis Pengolahan Software

Analisis pengolahan software adalah suatu kegiatan
menguraikan hasil-hasil yang diperoleh melalui pengolahan
software yaitu dengan menggunakan software SPSS 16.0.
Analisis pengolahan software ANOVA Dua Arah terdiri dari dua
analisis, yaitu analisis ANOVA Dua Arah tanpa Interaksi, dan
ANOVA Dua Arah dengan Interaksi. Berikut ini adalah analisis
dari kedua perhitungan software tersebut.
3.6.1 ANOVA Dua Arah tanpa Interaksi
Pengolahan data dengan Software dalam mengolah data
ANOVA Dua Arah Tanpa Interaksi menghasilkan beberapa
output. Gambar 3.20 merupakan output pertama yang dihasilkan
yaitu Between-Subjects Factors. Between-Subjects Factors
merupakan output yang berfungsi untuk member informasi
tentang banyaknya data dari masing-masing variabel beserta
jumlah variabel yang ada. Berdasarkan output maka dapat
diketahui bahwa terdapat 6 jenis banyaknya pembeli dengan
pembeli pertama sebanyak 100 hingga pembeli terakhir
berjunlah 150 pembeli dengan masing-masing jumlah data
banyaknya pembeli sama yaitu sejumlah 5 data. Output ini juga
memberikan informasi bahwa banyaknya toko yang ada yaitu 5
buah toko dengan masing-masing jumlah data sebanyak 6 data.
Gambar 3.21 yaitu output Tests of Between-Subjects
Effects. Tests of Between-Subjects Effects merupakan nilai hasil
akhir dari pengolahan data dengan menggunakan software.
Output ini menghasilkan data-data diantaranya, sumber data
yang terdiri dari intercept dimana intercept merupakan nilai pada
variabel dependent tidak ada pengaruh sedikit pun oleh variabel
independent, banyaknya_pembeli, banyaknya_toko, interaksi
antara banyaknya_pembeli dengan banyaknya_toko lalu hasil
jumlah kuadrat dari masing-masing sumber data, derajat bebas,
rata-rata kuadrat, nilai F perhitungan (F 0) serta nilai signifikan.
Berdasarkan output maka diperoleh nilai Jumlah Kuadrat Baris
sebesar 22,267, Jumlah Kuadrat Kolom sebesar 18,867, Jumlah
Kuadrat Error sebesar190,733, F perhitungan pertama (F 1)
sebesar 0,467 dan F perhitungan kedua (F 2) sebesar 0,495
dengan nilai signfikan pada Intercept sebesar 0,00 yang berarti
model yang diperoleh valid sebab nilai signifikan pada intercept
lebih kecil dibandingkan nilai signifikan taraf nyata sebesar 0,05
sedangkan nilai signifikan pada Corrected Models yang berarti
model yang diperoleh valid sebab nilai signifikan pada Corrected
Models lebih kecil dibandingkan nilai signifikan taraf nyata
sebesar 0,05.

3.6.2 ANOVA Dua Arah dengan Interaksi

Gambar 3.31 merupakan output pertama yang dihasilkan
yaitu Between-Subjects Factors. Between-Subjects Factors
merupakan output yang berfungsi untuk member informasi
tentang banyaknya data dari masing-masing variabel beserta
jumlah variabel yang ada. Berdasarkan output maka dapat
diketahui bahwa terdapat 4 jenis media promosi dengan faktor-
faktornya yaitu Majalah, Sosial Media, Televisi, dan Brosur
dengan masing-masing jumlah data media promosi yaitu
sejumlah 15 data. Output ini juga memberikan informasi bahwa
jenis bahan baku yang digunakan sejumlah 5 jenis dengan
masing-masing jumlah data sebanyak 12 data.
Gambar 3.32 merupakan output berikutnya yaitu output
Tests of Between-Subjects Effects. Tests of Between-Subjects
Effects merupakan nilai hasil akhir dari pengolahan data dengan
menggunakan software. Output ini menghasilkan sumber-
sumber data diantaranya Corrected Model yang berfungsi untuk
mengetahui seberapa besar pengaruh variabel independent
(variabel bebas) terhadap variabel dependent (variabel terikat),
Intercept dimana nilai pada variabel dependen tidak ada
pengaruh sedikit pun oleh variabel independen, media promosi,
jenis bahan baku, media promosi yang mengalami interaksi
dengan jumlah bahan baku, jenis bahan baku, nilai Error, jumlah
keseluruhan, dan Corrected Total. Berdasarkan output tersebut
diperoleh Jumlah Kuadrat Total sebesar 83288 dengan derajat
bebas sebesar 60, Jumlah Kuadrat Interaksi sebesar 1202,133
dengan derajat bebas sebesar 12, Jumlah Kuadrat Baris sebesar
74,533 dengan derajat bebas sebesar 3, Jumlah Kuadrat Kolom
sebesar 201,733 dengan derajat bebas sebesar 4, Jumlah
Kuadrat Error sebesar 849,333 dengan derajat bebas sebesar
40. Berdasarkan output diperoleh pula nilai F perhitungan
pertama sebesar 1,170, F perhitungan kedua sebesar 2,375 dan
F perhitungan ketiga sebesar 4,718. Nilai signfikan pada
Intercept sebesar 0,00 yang berarti model yang diperoleh
signifikan sebab nilai signifikan pada intercept lebih kecil
dibandingkan nilai signifikan taraf nyata sebesar 0,05 sedangkan
nilai signifikan pada Corrected Models yang berarti model yang
diperoleh valid sebab nilai signifikan pada Corrected Models lebih
kecil dibandingkan nilai signifikan taraf nyata sebesar 0,05.
 BAB IV
PENUTUP

4.1 Kesimpulan
Kesimpulan merupakan sebuah gagasan yang tecapai pada
akhir pembahasan. Analisis varians merupakan uji statistik
parametrik untuk melakukan pengujian terhadap uji hipotesis
beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh, sehingga dapat diketahui ada atau tidaknya
pengaruh dari dua faktor tersebut berdasarkan rata-rata dari
satu populasi. Berikut kesimpulan yang didapat dari pengujian
analisis varians yang telah dilakukan.
1. Berdasarkan perhitungan dan pengolahan data yang telah
dilakukan untuk anova dua arah tanpa intrraksi didapatkan
a. Hasil perhitungan dengan taraf nyata 5% untuk baris
didapatkan nilai F0 sebesar 0,4669 ≤ 2,71 maka dapat
disimpulkan H0 diterima dan tidak terdapat pengaruh
antara banyaknya pembeli terhadap banyaknya
pengiriman produk selama 6 hari.
b. Hasil perhitungan dengan taraf nyata 5% untuk kolom
didapatkan nilai F0 sebesar 0,4945 ≤ 2,87 H0 maka dapat
disimpulkan H0 diterima dan tidak terdapat perbedaan
rata-rata yang signifikan antara banyaknya toko dengan
banyaknya pengiriman produk selama 6 hari
2. Berdasarkan perhitungan dan pengolahan data yang telah
dilakukan untuk ANOVA dua arah dengan diberlakukannya
interaksi didapatkan :
a. Berdasarkan hasil perhitungan dengan taraf nyata 5%
untuk baris didapatkan nilai = 1,1711 ≤ F0,05(3:40) = 2,84,
 maka dapat disimpulkan H0 diterima sehingga tidak ada
pengaruh perbedaan jenis bahan baku terhadap
banyaknya pemesanan selama 6 hari.
b. Berdasrkan hasil perhitungan dengan taraf nyata 5% untuk
kolom didapatkan nilai F0 = 2,3774 ≤ F0,05(4:40) = 2,61,maka
dapat disimpulkan H0 diterima, sehingga tidak ada
pengaruh perbedaan media promosi terhadap banyaknya
pemesanan selama 6 hari.
c. Berdasarkan hasil perhitungan dengan taraf nyata 5%
didapatkan nilai F0 = 4,7225 ≥ F0,05(4:40) = 2,00, maka dapat
disimpulkan H0 ditolak sehingga tidak ada interaksi
banyaknya pemesanan selama 6 hari.

DAFTAR PUSTAKA

Hasan, M Iqbal. 2006. Analisis Data Penelitian dengan Statistik.

Jakarta : Bumi Aksara.
Hasan, M Iqbal. 2003. Pokok-Pokok Materi Statistik 1 (Statistik
Deskriptif). Edisi Kedua, Jakarta : Bumi Aksara.
Hasan, M Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik
Inferensial). Edisi Kedua, Jakarta : Bumi Aksara.
Walpole , Ronald E. 1995 “Pengantar Statistika”. Edisi Ketiga,
Jakarta : PT. Gramedia Pustaka Utama.