MAKALAH

KOMPUTER STATISTIK

UJI KOMPARASI

(PARAMETRIK)

DISUSUN OLEH :

KELOMPOK IV

UNGGUL MENAWAN (17221053)

NENI SATRIANI (17221064)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS DAYANU IKHSANUDDIN

BAUBAU

2020

i
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SubhanahuwaTa'ala karena atas

rahmat dan ridoh-Nya sehingga kami dapat menyelesaikan penyusunan makalah
yang berjudul “UJI KOMPARASI (PARAMETRIK)”. Shalawat serta salam
semoga terlimpah curahkan kepada baginda tercinta yakni Nabi Muhammad
Shallallahu alaihi WaSallam. Penulisan makalah ini merupakan salah satu
persyaratan untuk memenuhi tugas matakuliah Komputer Statistik.

Makalah ini tidak akan berjalan dengan baik tanpa bantuan dari berbagai
pihak. Oleh sebab itu, pada kesempatan ini kami mengucapkan banyak
terimakasih kepada seluruh pihak yang telah membantu dan berbagai sumber yang
telah kami pakai sebagai data dan referensi pada makalah ini. Selain itu, kami
juga mengucapkan terimakasih kepada Dosen Azis, S.Pd.,M.Pd yang telah
membimbing kami dalam penyusunan tugas ini.

Dalam penulisan makalah ini, kami merasa masih banyak kekurangan-

kekurangan baik pada teknis penulisan maupun materi, mengingat akan
kemampuan yang dimiliki. Untuk itu, kritik dan saran dari semua pihak sangat
kami harapkan demi penyempurnaan pembuatan makalah ini. Terimakasih.

BauBau, 10 April 2020

Kelompok 4

ii
DAFTAR ISI

HALAMAN JUDUL............................................................................................i

KATA PENGANTAR........................................................................................ii

DAFTAR ISI......................................................................................................iii

BAB I PENDAHULUAN....................................................................................1

A. LATAR BELAKANG.............................................................................1
B. RUMUSAN MASALAH.........................................................................1

BAB II PEMBAHASAN.....................................................................................2

UJI KOMPARASI (PARAMETIK)...............................................................2

A. UJI T ANTAR KELOMPOK................................................................2

1. INDEPENDENT T-TEST...............................................................2
2. PAIRED SAMPLE T-TEST............................................................8

B. ANOVA..................................................................................................12
1. ONE WAY (ANOVA)....................................................................13
2. TWO WAY (ANOVA)...................................................................18

BAB III PENUTUP

A. KESIMPULAN.....................................................................................30
B. SARAN...................................................................................................30

DAFTAR PUSTAKA........................................................................................31

iii
 BAB I

PENDAHULUAN

A. Latar Belakang

Supriadi (2013:8) mengatakan Statistik Parametrik adalah bagian statistik

yang parameter populasinya harus memenuhi syarat-syarat tertentu seperti syarat
data berkala interval/rasio, syarat pengambilan sampel harus random, berdistribusi
normal atau normalitas dan syarat memiliki varian yang homogen atau
homogenitas, model regsi lineier, dan sebagainya.

Uji “t” atau Tes “t” adalah salah satu test statistik yang di gunakan untuk
menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa
diantara dua buah mean sampel yang di ambil secara random dari populasi yang
sama, tidak terdapat perbedaan yang signifikan (Sudjiono, 2010:278).

Independen sampel T-tes adalah pengujian menggunakan distribusi t

terhadap signifikansi perbedaan nilai rata-rata tertentu dari dua kelompok sampai
yang tidak berhubungan. Data yang diperlukan adalah data rasio atau interval.

Analisis varians (ANOVA) adalah teknik statistik untuk menganalisis

variasi dalam variabel respons (variabel acak kontinu) yang diukur dalam kondisi
yang ditentukan oleh faktor diskrit (variabel klasifikasi, seringkali dengan tingkat
nominal) atau analysis of variance (ANOVA) merupakan metode untuk menguji
hubungan antara satu variabel dependen (skala metrik) dengan satu atau lebih
variabel independen (skala non metrik atau kategorikal kategori lebih dari dua).

B. Rumusan Masalah
1. Apa yang dimaksud dengan uji komparasi (parametrik)?
2. Bagaimana cara menganalisis uji t antar kelompok dan Analysis Of
Variance (ANOVA)?

1
 BAB II
PEMBAHASAN

Uji Komparasi (Parametik)

Menurut Nazir (2015:58) penelitian komparasi adalah sejenis penelitian

deskriptif yang ingin mencari jawaban secara mendasar tentang sebab-akibat,
dengan menganalisis faktor-faktor penyebab terjadinya ataupun munculnya suatu
fenomena tertentu.

Penelitian komparatif merupakan penelitian yang bersifat

membandingkan. Penelitian ini dilakukan untuk membandingkan persamaan dan
perbedaan dua atau lebih fakta-fakta dan sift-sifat objek yang diteliti berdasarkan
kerangka pemikiran tertentu. Pada penelitian ini variabelnya masih mandiri tetapi
untuk sampel yang lebih dari satu atau dalam waktu yang berbeda. Jadi, penelitian
komparatif adalah jenis penelitian yang digunakan untuk membandingkan antar
dua kelompok atau lebih dari suatu variabel tertentu.

Rumusan masalah penelitian komparatif yang digunakan adalah rumusan

masalah komparatif. Rumusan masalah komparatif adalah rumusan masalah
penelitian yang membandingkan keberadaan suatu variabel atau lebih pada dua
atau lebih sampel yang berbeda atau waktu yang berbeda.

A. Uji t Antar Kelompok

1. Independent T-test
Independent T-test adalah uji komparatif atau uji beda untuk
mengetahui adakah perbedaan mean atau rerata yang bermakna antara dua
kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang
dimaksud disini adalah dua yang kelompok yang tidak berpasangan, artinya
sumber data berasal dari subjek yang berbeda. Misal kelompok kelas A dan
kelompok kelas B, dimana responden dalam kelas A dan kelas B adalah dua
kelompok yang subjeknya berbeda. Bandingkan dengan nilai pretest dan
posttest berasal dari subjek yang sama atau yang disebut dengan data
bersangan. Apabila menemui kasus yang data berpasangan, maka uji beda
yang tepat adalah uji paired T-test.

2
Asumsi Independent T-Test

Asumsi yang harus dipenuhi pada independent t-test antara lain:

1. Skala data interval/rasio.

2. Kelompok data saling bebas atau tidak berpasangan.
3. Data per kelompok berdistribusi normal.
4. Data per kelompok tidak terdapat outler.
5. Varians antar kelompok sama atau homogen.

Langkah-langkah independent T-test dengan SPSS

Data dibawah ini menunjukkan bahwa ada dua kelompok yaitu 1 dan 2, dimana
tiap kelompok terdapat 10 responden.

kelompok Nilai
1 60
1 33
1 76
1 54
1 66
1 66
1 45
1 55
1 50
1 62
2 80
2 50
2 95
2 67
2 77
2 96
2 58
2 69
2 64
2 75

Langkah pertama adalah dengan menguji asumsi normalitas, outler dan

homogenitas. Yaitu pada menu SPSS klik Analyze, Descriptive Statistic,
Explore. Maka akan muncul jendela seperti berikut:

3
Klik tombol plots, setelah muncul jendela, centang Factor levels together, Stem-
and-left, histogram, Normality plots with tests and power estimation.
Kemudian klik continue.

Kemudian klik ok pada jendela utama. Lihat output!

4
 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Kelompok Statistic Df Sig. Statistic Df Sig.

nilai 1 .115 10 .200* .988 10 .993

2 .131 10 .200* .959 10 .778

a. Lilliefors Significance Correction

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

Tabel diatas menunjukkan hasil uji Shapiro Wilk dan Lilliefors. Nilai p value (sig)
lilliefors 0,200 pada kelompok 2 di mana > 0,05 maka berdasarkan pada uji
lilliefors, data tiap kelompok berdistribusi normal. P value uji Shapiro wilk pada
kelompok 1 sebesar 0,993 > 0,05 dan pada kelompok 2 sebesar 0,778 > 0,05.
Karena semua 0,05 maka kedua kelompok sama-sama berdistribusi nomal
berdasarkan uji Shapiro wilk.

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

nilai Based on Mean .003 1 18 .961

Based on Median .002 1 18 .961

Based on Median and with

.002 1 17.816 .961
adjusted df

Based on trimmed mean .003 1 18 .961

Tabel di atas menunjukkan hasil uji homogenitas dengan metode Levene’s Test.
Nilai levene di tunjukkan pada baris nilai based on mean, yaitu 0,003 dengan p
value (sig) sebesar 0,961 di mana > 0,05 yang berarti terdapat kesamaan varians
antar kelompok atau yang berarti homogen.
Nilai Stem-and-Leaf Plot for
kelompok= 1

 Frequency    Stem &  Leaf

     1.00        3 .  3
     1.00        4 .  5
     3.00        5 .  045
     3.00        6 .  026
     1.00        7 .  6
     1.00        8 .  6

 Stem width:     10.00

5
 Each leaf:       1 case(s)

nilai Stem-and-Leaf Plot for
kelompok= 2

 Frequency    Stem &  Leaf

     2.00        5 .  08
     3.00        6 .  479
     2.00        7 .  57
     1.00        8 .  0
     2.00        9 .  56

 Stem width:     10.00
 Each leaf:       1 case(s)

Diagram di atas adalah diaram stem-leaf yang berfungsi untuk mendeteksi adanya
outlier. Ada outlier apabila terdapat nilai Extrem di atas dan di bawah stem-leaf.
Pada data tidak terdapat nilai extreme, maka terdapat outler. Deteksi outlier juga
bisa di nilai denga box-plot seperti berikut ini:

Box-plot di atas tidak menunjukkan terdapat plot-plot di atas dan/atau di bawah

boxplot yang berarti tidak terdapat outlier. Oleh Karen semua asumsi terpenuhi,
maka dapat di lanjutkan ke uji selanjutnya yaitu uji independent T test.

Langkah-langkah independent T test dengan SPSS

Pada menu SPSS, klik Analyze, compare means, independent samples T test.
Maka akan muncul jendela seperti berikut. Kemudian masukkan variabel terikat
yaitu nilai ke kotak test variable(s) dan masukka variabel bebas anda yaitu
kelompok ke kotak grouping variables.

6
Klik tombol define groups kemudian masukkan kode 1 dan 2

Kemudian continue pada jendela utam klik ok kemudian lihat output

Group Statistics

Kelomp
ok N Mean Std. Deviation Std. Error Mean

nilai 1 10 58.7000 15.16612 4.79595

2 10 73.1000 14.79076 4.67725

Tabel di atas menunjukkan mean atau rerata tiap kelompok, yaitu pada
kelompok 1 nilainya 58,7 di mana lebih rendah dari kelompok 2 yaitu 73,1.
Apakah perbedaan ini memiliki makna? Lihat gambar berikut :

7
 Independent Samples Test

Levene's Test for

Equality of
Variances t-test for Equality of Means

95% Confidence
Std.
Interval of the
Mean Error
Difference
Sig. (2- Differenc Differenc
F Sig. t df tailed) e e Lower Upper

Nilai Equal -
variances .003 .961 -2.150 18 .045 14.4000 6.69909 -28.47426 -.32574
assumed 0

Equal -
variances not -2.150 17.989 .045 14.4000 6.69909 -28.47489 -.32511
assumed 0

Nilai hasil uji levene test untuk homogenitas sama dengan bahasan di atas
yaitu homogen. Karena homogen, maka gunakan baris pertama yaitu -2,150 pada
df 18. Df pada uji t adalah N-2, yaitu pada kasus ini 20 – 2 =18. Nilai t hitung ini
bandingkan dengan t table pada df 18 dan probabilitas 0,05.
Untuk menjawab hipotesis ada 2 cara:
1. Pada tabel t hitung dengan t tabel: Apabila t hitung positif, ada perbedaan
bermakna apabila t hitung > t tabel. Apabila t hitung negatif, ada perbedaan
bermakna apabila t hitung > t tabel.
2. Dengan melihat nilai sig (2 tailed) atau p value. Pada kasus dia atas nilai p
value sebesar 0,045 di mana < 0,05. Karena < 0,05 maka perbedaan
bermakna secara statistic atau signifikan pada probabilitas 0,05.
Besarnya pebedaan mean atau rerata kedua kelompok ditunjukkan pada kolom
mean Difference, yaitu -14,4. Karena bernilai negatif, maka berarti kelompok
pertama memiliki mean lebih rendah dari pada kelompok kedua.

2. Paired Sample T-test

Uji paired T-test adalah uji beda parametris pada dua data yang
berpasangan. Sesuai dengan pengertian tersebut, maka dapat dijelaskan lebih
detail lagi bahwa uji ini diperuntukkan pada uji beda atau uji komparatif. Artinya

8
membandingkan adakah perbedaan mean atau rata-rata dua kelompok yang
berpasangan. Berpasangan artinya adalah sumber data berasal dari subjek yang
sama.
Langkah-Langkah Uji T Paired Dengan SPPS
Contoh kasus :
Nilai uji siswa sebelum pemberian materi dan sesudah pemberian materi.

Sebelum Sesudah
55 55
46 46
45 45
55 50
66 66
55 55
76 76
54 54
55 55
65 65
55 55
55 55
55 55
67 67
55 55
45 45
55 55
65 65
55 55
66 66
Selanjutnya pada menu SPPS, klik pada menu yaitu Analyze, Compare Means,
Paired Sample T-test. Maka akan muncul jendela sebagai berikut :

9
Masukkan kedua variabel seperti contoh berikut caranya cukup select dua variabel
dikotak kiri kemudian klik tanda panah ke kanan.

Selanjutnya tentukan nilai confidence interval atau derajat kepercayaan biasanya

adalah 95% yang berarti tingkat kesalahan penelitian adalah 5% atau 0,05.

Klik Continue, maka akan tampil jendela utama kembali seperti berikut :

10
Pada jendela silahkan klik tombol Ok. Maka akan muncul jendela output hasil uji
Paired T-Test dengan SPPS sebagai berikut :

Cara baca ouput tersebut adalah

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 sebelum 57.25 20 7.973 1.783

sesudah 57.00 20 8.124 1.817

Paired Samples Correlations

N Correlation Sig.

Pair 1 sebelum & sesudah 20 .991 .000

11
Paired Samples Test

Sig. (2-
Paired Differences T df tailed)

95% Confidence Interval

of the Difference
Std. Std. Error
Mean Deviation Mean Lower Upper

Pair 1 sebelum -
.250 1.118 .250 -.273 .773 1.000 19 .330
sesudah

Correlation : Nilai kolerasi antara dua variabel tersebut : hasil 0,991 artinya
hubungan kuat dan positif.

Sig.: tingkat signifikansi hubungan : hasil 0,000 artinya signifikan pada level 0,01.

Df : degree of freedom (derajat kebebasan) : untuk analisis T Paired selalu n-1

dimana n adalah jumlah sampel

T = nilai T hitung : hasil 1,000 : harus di bandingkan dengan T tabel pada df 19.
Apabla T hitung > t tabel : signifikan.

Sig. (2-tailed) : nilai probabilitas/ p value uji T Paired = 0,330. Artinya : tidak ada
perbedaan antara sebelum dan sesudah perlakuan. Sebab : nilai p value > 0,05
(95% kepercayaan).

Mean : 0,250. Bernilai positif : artinya terjadi kecenderungan penurunan nilai

sesudah perlakuan. Rata-rata penuunannya adalah 0,250.

B. Analysis Of Variance (ANOVA)

Analisis varians (ANOVA) adalah teknik statistik untuk menganalisis

variasi dalam variabel respons (variabel acak kontinu) yang diukur dalam kondisi
yang ditentukan oleh faktor diskrit (variabel klasifikasi, seringkali dengan tingkat
nominal) atau analysis of variance (ANOVA) merupakan metode untuk menguji
hubungan antara satu variabel dependen (skala metrik) dengan satu atau lebih
variabel independen (skala non metrik atau kategorikal kategori lebih dari dua).
Hubungan antara satu variabel dependen dengan satu variabel independen disebut

12
One Way ANOVA. Pada kasus satu variabel dependen metrik dan dua atau tiga
variabel independen kategorikal sering disebut Two ways ANOVA dan Three
Ways ANOVA.

Untuk dapat menggunakan uji statistik ANOVA maka harus memenuhi

beberapa asumsi dibawah ini:

a. Homogeneity of variance: variabel dependen harus memiliki varian yang

sama dalam setiap kategori variabel independen. Jika terdapat lebih dari satu
variabel independen, maka harus ada homogeneity of variance di dalam cell
yang dibentuk oleh variabel independen kategorikal. SPSS memberikan tes
ini dengan nama Levene’s test of homogeneity of variance. Jika nilai Levene
tes signifikan (probalitas < 0,05) maka hipotesis nol akan ditolak bahwa
group memiliki variance yang berbeda dan hal ini menyalahi asumsi. Jadi
yang di kehendaki adalah tiidak dapat menolak hipotesis nol atau hasil
Levene test tidak signifikan (probalitas > 0,05). Walaupun asumsi variance
sama ini dilanggar, Box (1954) menyatakan bahwa ANOVA masih tetap
dapat digunakan oleh karena ANOVA robust untuk penyimpangan yang
kecil dan moderat dari homogeneity of variance.
b. Random Sampling: Untuk tujuan uji signifikasi, maka subyek di dalam
setiap grup harus di ambil secara random (acak).
c. Multivariate Normality: untuk tujuan uji signifikasi, maka variabel harus
mengikuti distribusi normal multivariate. Variabel dependen terdistribusi
secara normal dalam setiap kategori variabel independen . ANOVA masih
tetap robust walaupun terdapat penyimpangan asumsi multivariate
normality.
1. One Way Analysis Of Variance (ANOVA)
One Way ANOVA merupakan pengujian untuk mengetahui perbedaan
nyata rata-rata antar varian dari tiga kelompok sampel atau lebih akibat
adanya satu faktor perlakuan.
Contoh Kasus: BANK ALFIQRY memberlakukan program empat hari
kerja. Pihak manajemen BANK ALFIQRY ingin mengetahui apakah ada

13
 perbedaan produktifitas karyawan antara hari-hari kerja tersebut, berikut
datanya.

Hari
Ke
Produktifivitas (Unit)
rj
a
Senin 29 27 30 25 26 23 30 25 23 27 24 30
Selas
19 16 15 17 20 5 23 9 20 24 15 13
a
Rabu 34 38 32 34 31 35 38 39 32 31 29 23
Kami
1) Mendefinisikan variabel
Langkah pertama adalah mentranformasi table ke dalam bentuk berikut:
Tabel 9.2 Tabel hasil Transformasi Untuk Entry pada SPSS
No. Hari Kerja Produktivitas No. Hari Kerja Produktivitas
1 1 29 25 3 34
2 1 27 26 3 38
3 1 30 27 3 32
4 1 25 28 3 34
5 1 26 29 3 31
6 1 23 30 3 35
7 1 30 31 3 38
8 1 25 32 3 39
9 1 23 33 3 32
10 1 27 34 3 31
11 1 24 35 3 29
12 1 30 36 3 23
13 2 19 37 4 36
14 2 16 38 4 39
15 2 15 39 4 33
16 2 17 40 4 37
17 2 20 41 4 32
18 2 5 42 4 36
19 2 23 43 4 39
20 2 9 44 4 38
21 2 20 45 4 33
22 2 24 46 4 32
23 2 15 47 4 30

Hari kerja ditentukan oleh numeric: 1 = Senin , 2 = Selasa , 3 = Rabu , 4 = Kamis

Kini terdapat dua kolom penting, yaitu kolom hari kerja dan kolom
produktivitas. Langkah selanjutnya adalah pilih menu File, New, lalu klik kiri
data. Setelah itu klik sheet tab variabel View

14
a. Pendefinisian hari kerja, pada Name, ketikan Hari_krj, pada Width,
ketikan 8, dan pada Decimals, ketikan 0. Untuk Label, ketikan Hari
Kerja. Selanjutnya, Values digunakan untuk kode. Caranya, klik sel value
hingga muncul dilayar. Lihat pada gambar 1.1 dibawah. Isilah 1 pada
value, ketikan Senin pada value label, lalu klik Add, selanjutnya, isikan 2
pada value, ketikan Selasa pada value label, lalu klik Add. Isikan 3 pada
value, dan ketikan Rabu pada value label, lalu klik Add. Akhiri dengan
mengisi angka 4 pada value label. Klik Add, dengan demikian, pemberian
kode selesai. Untuk lebih jelasnya lihat Gambar 1.2

Gambar 1.1
Gambar 1.2
b. Pendefinisian produktifitas. Pada Name, ketikan produktivitas, pada
Width, ketikan 12 dan pada decimals, ketikan 0. Untuk Label ketikan
Produktivitas (unit). Tekan CTRL-T untuk melanjutkan proses entry
data pada Data View
2) Mengisi Data. Isikan data sesuai nama variabel. Untuk memunculkan
nama harinya cari menu View lalu Klik Value Labels

15
3) Pilih Analyze, Compare means, lalu pilih dan klik One Way ANOVA.
maka tampilannya seperti pada layar

4) Masukan variabel Produktivitas ke Dependent List dengan mengklik

sekali Produktivitas, lalu klik tombol di depan isian Dependent List. Lihat
gambar 1.3
5) Klik sekali Hari Kerja (Hari-krj), lalu klik tombol di depan isian Factor.
Dengan demikian, variabel Hari Kerja (Hari-krj) telah masuk ke dalam
isian Factor . tampak seperti pada gambar 1.3 dibawah ini

Gambar 1.3
6) Klik kanan Options, aktifkan descriptives dan homogeneity of variance
test
7) Klik kiri Continue, lalu tekan OK hingga muncul output hasil analisis data
pada windows yang berbeda.
a. Analisis dan Interpretasi Output Tabel Descriptives

16
 b. Analisis dan Interpretasi Test of Homogeneity of Variances

8) Selanjutnya buka kembali file One Way, Klik Analyze, Compare Mean,
dan One Way ANOVA

9) Klik Post Hoc, dan Klik pilihan Bonferoni dan Tukey

Klik Continue dan klik OK, lalu simpan output dengan nama One Way
a. Interpretasi Hasil Uji One Way ANOVA: Post Hoc Test

Pada prinsipnya analisis Post Hoc bertujuan mengetahui lebih rinci

mengenai pasangan kelompok sampel yang saling berbeda secara signifikan
dan pasangan kelompok sampel yang tidak berbeda. Sebagai contoh pada

17
 baris pertama hasil uji Tukey HSD di atas, antara produktifitas karyawan hari
senin dan produktifitas hari karyawan hari selasa diketahui bahwa pada
kolom mean difference diperoleh perbedaan rata-rata 10,250. Angka tersebut
di peroleh dari mean produktifitas karyawan hari kerja senin – mean
produktifitas karyawan hari selasa , atau 26,58 – 16,33 unit.

b. Interpretasi Hasil Uji One Way ANOVA: Homogeneous subsets

Berdasarkan hasil analisis dan interpretasi atas uji Pos Hoc maupun
homogeneous subsets , dapat disimpulkan bahwa hasil pengujian hasil
pengujian Bonferoni dan Tukey adalah saling melengkapi terhadap uji
Homogeneous Subsets.

2. Two Ways Analysis of Variance

Two Way ANOVA adalah pengujian hipotesis komparatif

(perbandingan) untuk k sampel (lebih dari dua sampel) dengan mengukur atau
mengelompokan data berdasarkan dua factor berpengaruh yang disusun dalam
baris dan kolom.

Contoh Kasus:

BANK ALFIQRY memberlakukan program 4 hari kerja . setiap minggu

pergantian dimulai dari 80% pekerja adalah pria (dominan pria), dan minggu
berikutnya 80% pekerja adalah wanita (dominan wanita). Demikian
seterusnnya setiap minggu bergantian pria dan wanita 80 berdasarkan %
gender dominan Management BANK ALFIQRY ingin mengetahui apakah ada
perbedaan produktifitas karyawan berdasarkan hari-hari kerja dan dominasi
gender.

18
 Analisisi kasus: Oleh karena ada dua faktor yaitu faktor hari kerja yang
membedakan empat kelompok sampel dan factor dominasi gender yang
membedakan dua kelompok sampel, maka di lakukan analisis dengan Two
Way ANOVA.

 Menggunakan SPSS
Langkah-langkah Uji Two Way ANOVA menggunakan SPSS:
1) Buka file One Way. Klik Save As, dan beri nama Baru dengan Two Way
2) Oleh karena variabel Hari Kerja dan Produktifitas telah didefinisikan
dan telah lengkap terisi data, maka anda tinggal menambahkan
pendefinisian variabel gender Dominan 80%. Supaya seragam, definisian
Variabel Gender Dominan 80%. Caranya pada Name_ketikan Gen
Dominan, pada Width, ketikan 8, dan pada Decimals, ketikan 0. Untuk
Label, ketikan Gender Dominan 80%. Selanjutnya values digunakan
untuk kode, caranya klik sel value hingga muncul di layar. Isilah 1 pada
value dan ketikan Pria pada value label lalu klik Add. Selanjutnya isikan
2 pada value ketikan Wanita pada value label lalu klik Add. Dengan
demikian pemberian kode gender selesai.

3) Tekan CTRL-T untuk mela njutkan proses entry data pada Data View

19
4) Mengisi Data. Oleh karena Hari Kerja dan Produktivitas telah ada, maka
anda cukup mengisikan data Gender Dominan sesuai kode berurutan
kebawah daari kolom (no. 1 samapai no. 48) pada kolom Gen_Dominan

5) Kemudian pilih menu Analyze, General Linear Model, lalu pilih dan
klik Univariate
6) Pada Dependent Variabel, masukan variabel Produktivitas dengan cara
klik Produktivitas, lalu klik tombol di depan isian Dependent Variable.

Gambar 1.5
7) Pada Fixed Faccor, masukan Hari Kerja (Hari_krj) dan Gen Dominan
80 % (Gen_ Dominan) dengan menekan CTRL. Selanjutnya, klik sekali

20
 Hari Kerja (Hari_krj), lalu klik Gen Dominan 80 % (Gen_ Dominan)
dengan tatap menekan CTRL. Klik tombol di depan isian Fixed Factor.
Ulangi sama seperti Gambar 1.5 diatas.
8) Abaikan lainnya, lalu klik OK hingga muncul output. Simpan dengan
nama Two Way
9) Selesai
a. Output Interpretasi Tabel Between Subjects Factor dan Subjects
Effects

a) Interpretasi Tabel Between Subjects Factor. Merupakan ringkasan

jumlah N yang di analisis baik pada Hari Kerja maupun pada
Gender Dominan 80% dimana masing-masing hari kerja memiliki
N = 12 dan masing-masing gender dominan 80% memiliki N = 24
b) Interpretasi Tabel Between Subjects Subjects Effects Interaksi Satu
Faktor.

 Uji perbedaan Nyata Produktifitas Berdasarkan Hari Kerja.

Hipotesis yang dirumuskan untuk pegujian ini adalah:
 H0 =keempat rata rata populasi sama

21
  Ha = Keempat rata-rata populasi tidak sama
Dasar pengambilan keputusan berdasarkan probalitas:
 Apabila p>0,05, maka H0 diterima atau keempat rata-
rata populasi sama.
 Apabila p<0,05; maka H0 ditolak atau keempat rata-
rata populasi tidak sama.

Two Way ANOVA untuk sampel k berkorelasi dibedakan menjadi dua bagian
yaitu Two Way ANOVA tanpa interaksi dan Two Way ANOVA dengan interaksi.

1. Two Way ANOVA tanpa interaksi adalah pengujian hipotesis komparatif

(perbandingan) untuk k sampel (lebih dari dua sampel) yang berkorelasi
dengan dua factor yang berpengaruh, sedangkan interaksi kedua factor
tersebut ditiadakan

Contoh Kasus:

Sebuah perusahaan “A” pada tahun 2011 yang bergerak dalam pembuatan
air minum kemasan ingin mengetahui pengaruh ukuran dan warna
kemasan air minum terhadap hasil penjualan. Untuk keperkuan tersebut
perusahaan mengambil sampel dari hasil penjualan. Untuk keperluan
tersebut perusahaan mengambil sampel dari hasil penjualan untuk ukuran
kemasan air minun yang berukuran: kecil, sedang dan besar. Data
penjualan selama sebulan ada pada tabel di bawah ini. Dengan taraf nyata
(α) = 5%

a. Ujilah apakah ada perbedaan rata-rata penjualan berdasarkan ukuran

kemasan air minum kecil, sedang dan besar?
b. Ujilah apakah ada perbedaan rata-rata penjualan antara warna kemasan
air minum yang berwarna merah, hijau, kuning dan biru?

Warna Kemasan Air Minum

Ukuran Air Minum
Merah Hijau Kuning Biru
Kecil 1,500 1,350 1,650 1,500
Sedang 1,750 1,450 1,750 1,400
Besar 1,700 1,500 1,600 1,450

22
 Penyelesaian:

 Uji Menggunakan SPSS

La ngkah-langkah Uji Two Way ANOVA Tanpa Interaksi di SPSS:

1) Masuk ke Aplikasi SPSS

2) Klik Variabel view pada SPSS data editor.
a. Pada kolom name baris pertama ketik penjualan dan baris kedua ketik
penjualan serta baris ketiga ketik warna
b. Pada kolom type untuk baris pertama klik otak kecil lalu kemudian
klik string, baris kedua tidak di ubah
c. Pada kolom decimal ganti dengan angka nol.
d. Pada kolom label untuk baris pertama ketik rata-rata hasil penjualan,
pada baris kedua ketik ukuran kemasan air minum dan baris ketiga
ketik warna kemasan air minum.
e. Pada kolom values untuk baris pertama biarkan kosong. Pada baris
kedua ukuran kemasan air minum. Kolom ini klik kota kecil dan
kemudian langkah selanjutnya adalah:
a) Pada value ketik 1, dan pada value label ketik kecil, lalu klik
Add
b) Pada value ketik 2, pada value label ketik sedang, lalu klik Add
c) Pada value ketik 3, pada value label ketik besar , lalu klik Add.
Pada baris ketiga (warna kemasan air minum), kolom ini klik
kotak kecil lalu kemudian langkah selanjutnya adalah:
 Pada value ketik 1, dan pada value label ketik merah,
lalu klik Add
 Pada value ketik 2, pada value label ketik hujau, lalu
klik Add
 Pada value ketik 3, pada value label ketik kuning, lalu
klik Add
 Pada value ketik 4, pada value label ketik biru, lalu klik
Add. Selanjutnya,

23
3) Klik OK. Selanjutnya pada kolom measuare dari baris pertama klik skala
ordinal dan baris kedua dan ketiga klik skala nominal. Tampak seperti
gambar dibawah ini.
4) Pengisian data. Klik data view pada SPSS data editor:
a. Pada kolom penjualan masukan rata-rata penjualan untuk semua
ukuran dan warna kemasan minum
b. Pada kolom ukurann kemasan minum masukan angka sesuai dengan
identifikasi ukuran seperti pada gambar value label.
c. Pada kolom warna kemasan minum masukan angka sesuai dengan
indentifikasi warna, seperti pada gambar value label
5) Pengolahan data. Klik Analysis → General linear model →

Univariate. Dari univariate masukan hasil penjualan ke dependent

variabel, selanjutnya masukan jawaban ukuran kemasan air minum dan
warna kemasan air minum ke fixed factor
6) Klik model, kemudian pada specity model klik custom. Dari factors dan
covariates masukan ukuran dan warna ke model. Dari type plilih all 2 way.
Dari sum of square pilih type II, lalu klik include intercept of model
7) Kemudian, klik OK untuk memproses data. Dan akan muncul Output
SPSSnya
a. Output SPSS Between-Subjects Factor

b. Output SPSS Test of Between-Subjets Effects

24
2. Two Way ANOVA dengan interaksi adalah adalah pengujian hipotesis
komparatif (perbandingan) untuk k sampel (lebih dari dua sampel) yang
berkorelasi dengan dua factor yang berpengaruh, sedangkan interaksi kedua
factor di perhitungkan.
Contoh Kasus:
Seorang Dosen ingin melakukan pengujian terhadap perolehan hasil
belajar mahasiswa yang disebabkan oleh penggunaan waktu belajar
mahasiswa. Dalam pengujian ini sebagai variabel terikat (Y) adalah hasil
belajar. Sebagai variabel bebas pertama (X1) adalah lama waktu belajar
(dalam jam) yang dikelompokan menjadi empat yaitu: 2 jam, 3 jam, 4 jam,
dan 5 jam. Sebagai variabel bebas kedua (X2) yaitu kemampuan awal
mahasiswa yang dikelompokan menjadi tinggi, sedang, dan rendah. Jumlah
responden untuk masing-masing kelompok sebanyak 4 orang dan tingkat
kesalahan yang dipilih yaitu 5%, setelah diperoleh dilaksanakan tes kepada
seluruh responden data sebagai berikut:
Lama Belajar (jam)
1 2 3 4
79,3 85,5 84 83,3
83,8 87,2 86,8 84
Tinggi
82 87,5 83,1 82,8
82,5 87 87,8 82,5
80,3 84 83,3 85,5
81,8 86,8 83 85,2
Kemampuan Awal Sedang
80 83,1 82,8 84,5
82,5 87,8 81,5 83
70,3 84 73,3 75,5
71,8 76,8 73 75,2
Rendah
80 83,1 82,8 84,5

25
 Uji Menggunakan SPSS

Langkah-langkah Uji Two Way dengan Interaksi Menggunakan SPSS:

1. Masuk di aplikasi SPSS

2. Selanjutnya masuk di variabel view, kemudian ganti name dibaris pertama
dengan baris kedua dengan X2 dan baris ketiga dengan Y.
3. Kemudian pada baris ketiga menu decimals ganti dengan 2, selanjutnya
untuk label baris pertama ketikan Lama belajar, baris kedua ketikan
Kemampuan awal, dan baris ketiga ketikan Hasil belajar.
4. Pada menu values baris pertama ketikan:
 Pada value ketik 1, dan pada value label ketik 2 jam , lalu klik Add
 Pada value ketik 2, pada value label ketik 3 jam, lalu klik Add
 Pada value ketik 3, pada value label ketik 4 jam, lalu klik Add

Kemudian untuk baris kedua pada menu values:

 Pada value ketik 1, dan pada value label ketik tinggi, lalu klik Add
 Pada value ketik 2, pada value label ketik sedang, lalu klik Add
 Pada value ketik 3, pada value label ketik rendah, lalu klik Add
Seperti pada gambar dibawah ini.

5. Selanjutnya klik Ok, dan pada baris kedua menu measure ganti menjadi
Ordinal dan untuk baris satu dan baris 3 ganti dengan Scale. Kemudian
kembali ke Data View. Selanjutnya
6. Pilih memu Analyze → General Liner Model → Univariate
7. Kemudian pindahkan hasil belajar (Y) kekotak Dependent Variable,
selanjutnya lama belajar (X1) dan kemampuan awal (X2) pindahkan ke
dibawa kotaK fixed factor (s)

26
 8. Kemudia klik model dan masukan X1,X2 serta X1*X2 kekolom Model dan
typenya ganti menjadi All 2-way dan sum of square ganti menjadi type I.
9. Selanjutnya klik Ok. Setelah itu klik Post hoc. Kemudian pindahkan X 1 dan
X2 ke kolom post hoc tests for serta centang Bonferoni dan Tukey, lalu
tekan Ok
10. Selanjutnya klik plots. Masukan X1 ke horizontal axis selanjutkan
pindahkan X2 ke Separate Lines, lalu klik continue.
11. Dan terakhir tekan OK. Maka akan muncul Output Two Way ANOVA
dengan interaksi.

Output Between Subjects-Factors And Effects

No. Hipotesis F hitung F Tabel Sig Alpha

1 Gabungan 3178,85 1,95 0,000 0,05
2 Effek Lama Belajar 9523,70 2,56 0,000 0,05
3 Efek kemampuan awal 23,57 3,19 0,000 0,05
4 Interaksi 0,71 2,30 0,647 0,05
Harga koefisien Sig. untuk hipotesis 1-3 (hipotesis gabungan, efek lama
belajar, dan efek kemampuan awal) seluruhnya <alpha yang ditetapkan (5%).
Sedangkan untuk hipotesis keempat tentang interaksi antara lama belajar dengan
kemampuan awal menunjukan bahwa koefisien Sig > alpha yang ditetapkan (5%)
Hipotesis Between Subjects-Factors
1. Gabungan

27
  H0 Yang menyatakan tidak ada perbedaan hasil belajar siswa antara
lama belajar (2, 3, 4 dan 5 jam) dan antara tingkat kemampuan
awal siswa siswa secara gabungan (bersama –sama) ditolak
sehingga dapat dinyatakan bahwa ada perbedaan hasil belajar siswa
antar lama belajar (2, 3, 4, dan 5 jam)dan antar tingkat kemampuan
awal siswa secara gabungan (bersama –sama)
2. Lama Belajar
 H0 yang menyatakan tidak ada perbedaan hasil belajar antara
siswa yang lama belajarnya 2, 3, 4, dan 5 jam di tolak sehingga
dapat di nyatakan bahwa ada perbedaan hasil belajar antara siswa
yang lama belajarnya 2, 3, 4, dan 5 jam
3. Kemampuan Awal
 H0 yang menyatakan tidak ada perbedaan hasil belajar antara
siswa yang tingkat kemampuan awalnya tinggi, sedang, dan
rendah di tolak sehingga dapat dinyatakan bahwa ada
perbedaan hasil belajar antara siswa yang tingkat kemampuan
awalnya tinggi, sedang, rendah
4. Lama Belajar VS Kemampuan Awal
 H0 yang menyatakan tidak terdapat interaksi yang signifikan
antara lama belajar dengan Tingkat Kemampuan Awal siswa
diterima sehingga dinyatakan tidak terdapat interaksi yang
signifikan antara Lama Belajar dengan Tingkat Kemampuan
Awal Siwa.

Output Post Hoct Test

28
Lama Belajar

Beberapa pasangan yang dinyatakan berbeda secara nyata untuk hasil

analisis diatas dapat ditunujukan sbb:
a. Pasangan 2-3 jam, dengan koefisien Mean Diffence sebesar -5,3167
dan signifikasi hitung sebesar 0,000.
b. Pasangan 2-5 jam, dengan koefisien Mean Difference sebesar 3,5167
dan signifikasi hitung sebesar 0,026 sedangkan pasangan pasangan
lainya dinyatakan tidak ada perbedaan, yaitu untuk pasangan berikut
ini. Sedangkan pasangan lainya yang dinyatakan tidak ada
perbedaan yaitu pasangan berikut ini:
a) Pasangan 2-4 jam, dengan koefisien Mean Difference sebesar
-3,0083 dan signifikasi hitung sebesar 0,071
b) Pasangan 3-5jam, dengan koefisien Mean Difference sebesar
2,3083 dan signifikasi hitung sebesar 0,228
Jadi, Hasil analisis varian per pasangan menunjukan bahwa
terdapat dua pasangan yang berbeda secara nyata (signifikan).

BAB III

29
 PENUTUP

A. KESIMPULAN

Supriadi (2013:8) mengatakan Statistik Parametrik adalah bagian statistik

yang parameter populasinya harus memenuhi syarat-syarat tertentu seperti syarat
data berkala interval/rasio, syarat pengambilan sampel harus random, berdistribusi
normal atau normalitas dan syarat memiliki varian yang homogen atau
homogenitas, model regsi lineier, dan sebagainya

Independent T-test adalah uji komparatif atau uji beda untuk mengetahui
adakah perbedaan mean atau rerata yang bermakna antara dua kelompok bebas
yang berskala data interval/rasio.

Analysis of Variance (ANOVA) merupakan metode untuk menguji

hubungan antara satu variabel dependen (skala metrik) dengan satu atau lebih
variabel independen (skala non metrik atau kategorikal kategori lebih dari dua).

B. SARAN
Penulis menyadari bahwa makalah diatas banyak sekali terdapat kesalahan
dan jauh dari kesempurnaan. Kami selaku penulis makalah mengharapkan kritik
dan saran dari pembaca demi perbaikan makalah selanjutnya.

30
 DAFTAR PUSTAKA

Ghozali, Imam (2011). Aplikasi Analisis Multivariate Dengan Program IBM

SPSS. Semarang: Badan Penerbit Universitas Diponegoro.

P.B, Triton (2005). Terapan Riset Statistik Parametrik “SPSS 13.0”.Yogyakarta.

C.V ANDI OFFSET. Di akses pada tanggal 10 April 2020

Siregar. Syofyan (2017). Uji Statistik Parametrik . PT Fajar Interpratama Mandiri.

Diakses tanggal 5 April 2020

Anwar Hidayat. (2014) Tutorial independen T test dengan SPSS-Uji Statistik.

https://www.statistikian.com/2014/04/independen-t-test-dengan-spss.html. Di
akses pada tanggal 9 April 2020

Anwar Hidayat. (2012) Tutorial Cara Uji T Paired dengan SPSS.

https://www.statistikian.com/2012/07/uji-t-paired-dengan-spss.html. Di akses
pada tanggal 8 April 2020

Rohman. Ghofar. 2019. ANOVA 2Way (2 arah) dan ANOVA Multi Arah.
https://www.academia.edu/9119907/ANOVA_2way_dan_n-Way. Diakses
pada tanggal 10 April 2020

31