BAB VII

ANALISIS VARIAN DUA ARAH

(FACTORIAL)

Tujuan Pembelajaran
Setelah menyelesaikan bahasan analisis varian dua arah (faktorial) ini diharapkan:
(1) Mahasiswa dapat menggunakan analisis faktorial untuk data bebas dengan jumlah kasus
sama,
(2) Mahasiswa dapat menggunakan analisis faktorial untuk data bebas dengan jumlah kasus
tidak sama,
(3) Mahasiswa dapat menggunakan analisis faktorial untuk data berkorelasi.

Analisis varian dua arah digunakan untuk menganalisis data penelitian yang menggunakan
rancangan dua variabel bebas, atau satu variabel bebas dan satu variabel moderator. Satu variabel
bebas arah kolom dan satu variabel bebas arah baris. Dapat juga satu variabel bebas arah kolom
dan satu variabel moderator arah baris. Selain dapat digunakan untuk mengetahui perbedaan rerata
data arah kolom dan arah baris, juga dapat digunakan untuk mengetahui interaksinya. Analisis
interaksi ini merupakan hasil terpenting dalam analisis varian faktorial. Karena kalau tidak ingin
melihat interaksinya analisis ini bisa diganti dengan uji t-tes atau varian oneway arah kolom dan
arah baris. Akan tetapi bila yang diinginkan adalah mengetahui interaksi, maka harus dianalisis
dengan varian faktorial ini. Dengan demikian melalui uji ini ada tiga hipotesis sekaligus yang dapat
diuji, yaitu (1) perbedaan rerata antar kelompok kolom, (2) perbedaan rerata antar kelompok baris,
dan (3) interaksi harga rerata data antara kelompok kolom dan baris. Bila data arah ke kanan ada
dua kelompok dan ke bawah ada dua kelompok, maka menjadi faktorial 2 x 2, seperti terlihat pada
Gambar 7.1.

A B

1 µA1 µB1

2 µA2 µB2

Gambar 7.1. Rancangan ANAVA Faktorial 2 x 2

Adanya interaksi antara data kolom dan balok menunjukkan bahwa adanya kekhususan
data kolom terhadap data baris. Model pembelajaran A cocok untuk siswa laki-laki, sedang model
pembelajaran B cocok untuk siswa perempuan. Model pembelajaran P cocok untuk siswa IQ
tinggi, sedang pembelajaran Q cocok untuk siswa IQ rendah. Portland Cemen merk A cocok untuk
jenis batu P, sedang portland cemen merk B cocok untuk jenis batu Q dalam pembuatan beton.
Sebaliknya tidak ada interaksi, bila model pembelajaran A cocok untuk siswa laki-laki maupun
perempuan, sedang model pembelajaran B tidak cocok untuk siswa laki-laki maupun perempuan.
Portland cemen merk R cocok untuk jenis batu A maupun B.
Analisis varian faktorial dapat dikelompokan menjadi data bebas dan data berkorelasi. Data
bebas bila data antar kelompok tidak ada keterkaitan. Masing-masing data dalam kelompok lepas
satu sama lain. Sebaliknya data berkorelasi bila yang dibandingkan merupakan data amatan ulang.
Sebagai contoh adalah menguji perbedaan prestasi belajar siswa menggunakan pembelajaran model
A dan pembelajaran model B yang dilakukan ujian ulang pada standar kompetensi 1 dan standar
kompetensi 2. Perbedaan pertumbuhan akibat penggunaan jenis obat A dan jenis obat B, dan dimati
setelah minggu ke 1, minggu ke 2, dan minggu ke 3.

60
 ANALISIS VARIAN
FAKTORIAL

DATA BEBAS

∑ KASUS ∑ KASUS DATA

SAMA TIDAK SAMA BERKORELASI

Gambar 7.2. Jenis Analisis dalam Analisis varian Faktorial

Penggunaan data bebas dalam analisis faktorial dapat dikelompokkan lagi menjadi data
dengan jumlah kasus sama dan jumah kasus tidak sama. Akibat beda jumlah kasus ini dalam
analisis faktorial berbeda pula penggunaan rumus-rumusnya. Secara ringkas jenis analisis dalam
analisis faktorial seperti terlihat pada Gambar 7.2.

7.1. Analisis Varian Faktorial Data Bebas Banyak Kasus Sama

Seperti halnya analisis varian satu arah, maka jumlah kasus dalam analisis varian faktorial
bisa sama atau tidak sama. Apabila jumlah kasus (n) pada masing-masing sel (kelompok) sama,
maka secara umum rumus-rumus dalam analisis varian faktorial seperti terlihat pada Tabel 7.1.1.
Tabel 7.1.1. Analisis Varian (ANAVA) Faktorial
Sumber JK db KT F
𝐽𝐾𝐵 /(𝑘𝐵 − 1)
B JKB kB – 1 JKB/(kB – 1)
𝐽𝐾𝑔𝑎𝑙𝑎𝑡 /(𝑁 − 𝑘𝑠𝑒𝑙 )
𝐽𝐾𝑀 /(𝑘𝑀 − 1)
M JKM kM – 1 JKM/( kM – 1)
𝐽𝐾𝑔𝑎𝑙𝑎𝑡 /(𝑁 − 𝑘𝑠𝑒𝑙 )
𝐽𝐾𝐵𝑀 /(𝑘𝐵 − 1)(𝑘𝑀 − 1)
B*M JKB*M (kB – 1) (kM – 1) JKBM/(kB – 1) (kM – 1)
𝐽𝐾𝑔𝑎𝑙𝑎𝑡 /(𝑁 − 𝑘𝑠𝑒𝑙 )
Galat JKgalat N – ksel JKgalat/( N – ksel)
Total JKtotal N–1

Jumlah Kuadrat Total (JKtotal)

(∑X)2
JKtotal = ∑X2 – 𝑁
Jumlah Kuadrat Kelompok Bahan (JKB)
(∑X1 )2 (∑X2 )2 (∑X)2
JKB = 𝑛1
+ 𝑛2
+ …. – 𝑁
Jumlah Kuadrat Kelompok Metode (JKM)
(∑X𝐴 )2 (∑X𝐵 )2 (∑X)2
JKM = 𝑛𝐴
+ 𝑛𝐵
+ …. – 𝑁
Jumlah Kuadrat Sel (JKSel)
(∑X1𝐴 )2 (∑X1𝐵 )2 (∑X2𝐴 )2 (∑X2𝐵 )2 (∑X)2
JKsel = 𝑛1𝐴
+ 𝑛1𝐵
+ 𝑛2𝐴
+ 𝑛2𝐵
+ …. – 𝑁
Jumlah Kuadrat Interaksi (JKBM)
JKBM = JKsel – JKB – JKM
Jumlah Kuadrat Galat (JKgalat)
JKgalat = JKtotal – JKsel

61
N = Kasus total
n1A = Kasus sel 1A
n1 = Kasus kelompok 1
nA = Kasus kelompok A
∑X2 = Jumlah kuadrat data keseluruhan
X = Seperti terlihat pada tabel
A B
X X
X X
1
X X
X1A X1B X1
X X
X X
2
X X
X2A X2B X2
XA XB X

Contoh 7.1
Jika rancangan faktorial arah ke bawah berupa bahan dibagi dalam dua kelompok yaitu 1 dan 2,
sedang arah kekanan berupa metode juga dibagi dalam dua kelompok yaitu A dan B. Jika data
yang digunakan seperti terlihat pada Tabel 7.1.2. Lakukan analisis ANAVA faktorial dengan  =
0,05. Analisis dilakukan dengan langkah-langkah sebagai berikut.

Tabel 7.1.2. Data pada Rancangan Faktorial 2 x 2

Metode
A B
6 10
8 9
1 6 8
4 10
Bahan

7 12
10 9
8 12
2 12 10
6 17
14 14

N = 20
n1 = jumlah kasus kelompok 1 = 10
n2 = Jumlah kasus kelompok 2 = 10
nA = jumlah kasus kelompok A = 10
nB = Jumlah kasus kelompok B = 10
n1A = jumlah kasus Sel 1A = 5
n1B = jumlah kasus Sel 1A = 5
n2A = jumlah kasus Sel 2B = 5
n2B = jumlah kasus Sel 2B = 5

∑X = 192
∑X2 = 62 + 82 + …+172 + 142 = 2040

62
Jumlah masing-masing sel dan bagian dapat dihitung menggunakan tabel seperti berikut
Metode (M)
A B
6 10
8 9
1 6 8
4 10
Bahan (B)

7 12
31 49 80
10 9
8 12
12 10
2 6 17
14 14
50 62 112
81 111 192

Jumlah Kuadrat Total (JKtotal)

(∑X)2 (192)2
JKtotal = ∑X2 – 𝑁
= 2040 – 20
= 2040 – 1843,2 = 196,80
Jumlah Kuadrat Kelompok Bahan (JKB)
(∑X1 )2 (∑X2 )2 (∑X)2 802 + 1122 (192)2
JKB = 𝑛1
+ 𝑛2
– 𝑁
= 10
− 20
= 51,20
Jumlah Kuadrat Kelompok Metode (JKM)
(∑X𝐴 )2 (∑X𝐵 )2 (∑X)2 812 + 1112 (192)2
JKM = 𝑛𝐴
+ 𝑛𝐵
– 𝑁
= 10
− 20
= 45
Jumlah Kuadrat Sel (JKSel)
(∑X1𝐴 )2 (∑X1𝐵 )2 (∑X2𝐴 )2 (∑X2𝐵 )2 (∑X)2 312 + 492 + 502 + 622 (192)2
JKsel = 𝑛1𝐴
+ 𝑛1𝐵
+ 𝑛2𝐴
+ 𝑛2𝐵
– 𝑁
= 5
− 20
= 98
Jumlah Kuadrat Interaksi Bahan dan Metode (JKB*M)
JKB*M = JKsel – JKB – JKM = 98 – 51,20 – 45 = 1,80
Jumlah Kuadrat Galat (JKgalat)
JKgalat = JKtotal – JKsel = 196,80 – 98 = 98,80
Derajat kebebasan (db): dbB = kB – 1 = 2 – 1 = 1
dbM = kM – 1 = 2 – 1 = 1
dbBM = (kB – 1) (kM – 1) = (2 – 1)(2 – 1) = 1
dbt = N – 1 = 20 – 1 = 19
dbg = N – ksel = 20 – 4 = 16 (ksel = jumlah sel 2 x 2 = 4)
Kuadrat Tengah (KT)
𝐽𝐾 51,20
KTB = 𝑑𝑏𝐵 = 1
= 51,20
𝐵

𝐽𝐾 45
KTM = 𝑑𝑏𝑀 = 1
= 45
𝑀

𝐽𝐾 1,80
KTBM = 𝑑𝑏𝐵𝑀 = 1
= 1,80
𝐵𝑀

𝐽𝐾 98,80
KTG = 𝑑𝑏𝑔 = 16
= 6,175
𝑔

Harga Varian (F)

𝐾𝑇 51,20
FB = 𝐾𝑇𝐵 = 6,175
= 8,29
𝐺

63
 𝐾𝑇𝑀 45
FM = = = 7,29
𝐾𝑇𝐺 6,175

𝐾𝑇𝐵𝑀 1,80
FBM = 𝐾𝑇𝐺
= 6,175
= 0,29

Tabel Ringkasan
Sumber JK db KT F
B 51,20 1 51,20 8,29*
M 45,00 1 45,00 7,29*
B*M 1,80 1 1,80 0,29
Galat 98,80 16 6,175
Total 196,80 19

F tabel didapat dengan melihat ke arah bawah sebesar dbg (dbgalat) dan ke arah kanan sebesar dbB,
dbM, dan dbBM. Bila berdasarkan Ha menggunakan ½α = 0,025, maka F tabel untuk antar kelompok
bahan, antar kelompok metode, maupun interaksi bahan x metode = 5,72. Dengan demikian
perbedaan yang signifikan adalah antar kelompok bahan dan antar kelompok metode, tetapi tidak
ada interaksi bahan dengan metode. Harga yang signifikan diberi tanda bintang (*). Hasil analisis
ini dapat dinyatakan bahwa ada perbedaan signifikan antara kelompok bahan 1 dan bahan 2, juga
ada perbedaan yang signifikan antara metode A dan metode B. Tidak ada interaksi yang signifikan
antara bahan dan metode.
Analisis menggunakan program SPSS dengan langkah-langkah sebagai berikut: (1)
Analyze, (2) General linear model, (3) Univariate, (4) isikan pada kotak Dependent variable: Skor
dan pada kotak Fixed Factor(s): B dan M, (5) Klik Model, pilih Type I, (6) Continue, dan (7) Klik
OK. Hasil Analisis varian faktorial menggunakan program SPSS, terlihat pada Tabel 7.1.3.

Tabel 7.1.3. Hasil ANAVA Faktorial dengan SPSS

Dependent Variable: Y
Type I Sum
Source of Squares df Mean Square F Sig.
Corrected Model 98.000(a) 3 32.667 5.290 .010
Intercept 1843.200 1 1843.200 298.494 .000
B 51.200 1 51.200 8.291 .011
M 45.000 1 45.000 7.287 .016
B*M 1.800 1 1.800 .291 .597
Error 98.800 16 6.175
Total 2040.000 20
Corrected Total 196.800 19
a R Squared = .498 (Adjusted R Squared = .404)

Hasil analisis menggunakan program SPSS sama dengan hitungan secara manual. Uji antar
kelompok bahan didapatkan harga F = 8,29 dengan sig, = 0,011 < 0,025 berarti ada perbedaan
secara signifikan. Uji antar metode didapatkan harga F = 7,29 dengan sig. 0,016 < 0,025 berarti ada
perbedaan secara signifikan. Interaksi bahan dan metode didapatkan F = 0,29 > 0,025 berarti tidak
terjadi interaksi yang signifikan. Harga rerata masing-masing sel terlihat pada tabel berikut.
Metode A Metode B
Bahan 1 6,2 9,8
Bahan 2 10,0 12,4

64
Diagram interaksi bahan dan metode terlihat pada gambar berikut. Garis metode B secara
keseluruhan berada di atas metode A, yang berarti bahwa metode B memang lebih baik dari metode
A baik pada bahan 1 maupun pada bahan 2. Hal inilah yang dinamakan tidak ada interaksi.

14

12

10

8
Skor

Metode A
6
Metode B

0
Bahan 1 Bahan 2

Contoh 7.2
Hipotesis1: Ada perbedaan hasil belajar siswa yang diajar oleh guru laki-laki dan perempuan
Hipotesis2: Ada perbedaan hasil belajar siswa yang berasal dari kota dan desa
Hipotesis3: Ada interaksi hasil belajar siswa antara asal siswa dengan jenis kelamin guru
Ha: μA1 ≠ μA2 Ho: μA1 = μA2
Ha: μB1 ≠ μB2 Ho: μB1 = μB2
Ha: μA x μB ≠ 0 Ho: μA x μB = 0
Skor siswa dipilah berdasar asal siswa dan jenis kelamin guru pengajar. Data yang digunakan
seperti terlihat pada Tabel 7.1.4. Ujilah hipotesisi tersebut dengan α = 0,05. Analisis dilakukan
menggunakan tabel kerja berikut.
Tabel 7.1.4. Data Faktorial 2 x 2
Siswa kota Siswa desa
(B1) (B2) TK X12 X22
Guru laki- 55 75 3025 5625
laki (A1) 60 85 3600 7225
50 80 2500 6400
65 77 4225 5929
45 83 2025 6889
275 400 675 15375 32068 47443
Guru 80 45 6400 2025
perempuan 74 55 5476 3025
(A2) 77 60 5929 3600
79 40 6241 1600
75 50 5625 2500
385 250 635 29671 12750 42421
TB 660 650 1310 45046 44818 89864

∑X2 = 89864
(∑X)2 (1310)2
𝑁
= 20
= 85805
na = 10 nb = 10 nsel = 5

65
Jumlah Kuadrat (JK)
(∑X)2
JKT = ∑X2 – = 89864 – 85805 = 4059
𝑁
2
∑𝑇𝐴𝑖 (∑X)2 6752 + 6352
JKA = 𝑛𝑏
– 𝑁
= 10
– 85805 = 80 (sex guru)
2
∑𝑇𝐵𝑖 (∑X)2 6602 + 6502
JKB = 𝑛𝑎
– 𝑁
= 10
– 85805 = 5 (asal siswa)
2
∑𝑇𝑖𝑗 (∑X)2 2752 + 4002 + 3852 + 2502
JKsel = 𝑛𝑠
– 𝑁
= 5
– 85805 = 3465
JKAB = JKsel – JKA – JKB = 3465 – 80 – 5 = 3380
JKG = JKT – JKsel = 4059 – 3465 = 594
Derajat kebebasan (db): dba = ka – 1 = 2 – 1 = 1
dbb = kb – 1 = 2 – 1 = 1
dbab = (ka – 1) (kb – 1) = (2 – 1)(2 – 1) = 1
dbt = N – 1 = 20 – 1 = 19
dbg = N – ksel = 20 – 4 = 16
Harga kuadrat tengah (KT) dan derajat kebebasan (db) selajutnya dimasukkan dalam tabel
ringkasan dan dihitung untuk mendapatkan harga varian (F). Hasil perhitungan seperti terlihat pada
Tabel 7.1.5.
Tabel 7.1.5. Ringkasan ANAVA Faktorial
Sumber Jumlah kuadrat db Kuadrat F
(JK) tengah (KT)
Sex guru (A) 80 1 80 2,155
Asal siswa (B) 5 1 5 0,135
Interaksi (A * B) 3380 1 3380 91,044*
Galat 594 16 37,125
Total 4059 19

Dengan harga ½α = 0,025, db bawah = 16 dan db kanan = 1, maka F tabel = 6,12.

Hipotesis 1
F hitung < F tabel berarti Ho gagal ditolak, yang berarti bahwa tidak ada perbedaan hasil belajar
siswa secara signifikan antara yang diajar oleh guru laki-laki dan perempuan.
Hipotesis 2
F hitung < F tabel berarti Ho gagal ditolak, yang berarti bahwa tidak ada perbedaan hasil belajar
siswa secara signifikan antara yang berasal dari kota dengan yang berasal dari desa.
Hipotesis 3
Fhitung = 91,044 > Ftabel = 6,12 berarti Ho ditolak, yang berarti bahwa ada interaksi hasil belajar
siwa secara signifikan antara asal siswa dengan jenis kelamin guru. Harga interaksi dapat dilihat
berdasarkan rerata faktorial dan diagram interaksinya. Rerata faktorial terlihat pada Tabel 7.1.6,
sedang diagram faktorial terlihat pada Gambar 7.1.1.

Tabel 7.1.6. Harga Rerata Faktorial Skor Siswa

Siswa
Kota Desa
Laki-laki 55 80
Guru
Peremp. 77 50

66
 90

80

70

60
Hasil Belajar

50
Guru Laki-laki
40 Guru Peremp.
30

20

10

0
Siswa Kota Siswa Desa

Gambar 7.1.1. Diagram Interaksi

Makna dari adanya interaksi yang signifikan ini adalah siswa asal kota mempunyai skor lebih baik
bila diajar oleh guru perempuan, sedang siswa asal desa mempunyai skor lebih baik bila diajar oleh
guru laki-laki.
Perhitungan menggunakan program SPSS dengan langkah sebagai berikut: (1) Analyze, (2)
General linear model, (3) Univariate, (4) Isikan pada kotak Dependent variable: Skorsis dan pada
kotak Fixed Factor(s): Asalsis dan Sexguru, (5) Klik Model, pilih Type I, (6) Continue, dan (7)
OK. Hasil analisis menggunakan program SPSS seperti terlihat pada Tabel 7.1.7 dan Tabel 7.1.8.

Tabel 7.1.7. Hasil Deskriptif Skor Siswa dengan SPSS

Asal siswa Sex Guru Mean Std. Deviation N
Kota Laki-laki 55.00 7.91 5
Perempuan 77.00 2.55 5
Total 66.00 12.85 10
Desa Laki-laki 80.00 4.12 5
Perempuan 50.00 7.91 5
Total 65.00 16.89 10
Total Laki-laki 67.50 14.45 10
Perempuan 63.50 15.27 10
Total 65.50 14.62 20

Tabel 7.1.8. Hasil ANAVA Faktorial

Dependent Variable: Y
Type I Sum
Source of Squares df Mean Square F Sig.
Corrected Model 3465.000(a) 3 1155.000 31.111 .000
Intercept 85805.000 1 85805.000 2311.246 .000
A 80.000 1 80.000 2.155 .162
B 5.000 1 5.000 .135 .718
A*B 3380.000 1 3380.000 91.044 .000
Error 594.000 16 37.125
Total 89864.000 20
Corrected Total 4059.000 19
a R Squared = .854 (Adjusted R Squared = .826)

67
Diagram interaksi hasil output SPSS seperti terlihat pada Gambar 7.1.2.

Gambar 7.1.2. Diagram Interaksi Output SPSS

Contoh 7.3
Suatu penelitian ingin menguji kuat tekan beton yang dibuat dari bahan pasir putih dan pasir hitam,
dan menggunakan bahan pengikat semen gresik dan semen honsen. Ada tiga hipotesis yang akan
diuji, yaitu sebagai berikut.
Hipotesis 1: Ada perbedaan kuat tekan beton yang menggunakan pasir putih dan yang
menggunakan pasir hitam.
Hipotesis 2: Ada perbedaan kuat tekan beton yang menggunakan semen gresik dan yang
menggunakan semen honsen.
Hipotesis 3: Ada interaksi kuat tekan beton yang menggunakan jenis pasir dan jenis semen.
Data hasil tes kuat tekan beton terlihat pada Tabel 7.1.9. Ujilah hipotesis tersebut dengan α = 0,05.
Berdasarkan hipotesis di atas hipotesis alternatif dan hipotesis nol secara matematis dituliskan
sebagai berikut.
Ha1: μs1 ≠ μs2 Ho1: μs1 = μs2
Ha2: μp1 ≠ μp2 Ho2: μp1 = μp2
Ha3: μs x μp ≠ 0 Ho3: μs x μp = 0

Tabel 7.1.9. Data Hasil Tes Kuat Tekan Beton

Pasir putih (JP1) Pasir hitam (JP2)
50 87
61 76
Semen Gresik (JS1) 56 80
58 83
53 72
55 72
60 75
Semen Honsen
64 76
(JS2)
64 72
62 68

68
Hasil analisis menggunakan program SPSS disajikan pada Tabel 7.1.10 dan 7.1.11.

Tabel 7.1.10. Hasil Analisis Deskriptif dengan SPSS

Jenis pasir Jenis semen Mean Std. Deviation N
Pasir putih Semen gresik (JS1) 55.60 4.278 5
(JP1)
Semen honsen (JS2) 61.00 3.742 5
Total 58.30 4.739 10
Pasir hitam Semen gresik (JS1) 79.60 5.857 5
(JP2) Semen honsen (JS2) 72.60 3.130 5
Total 76.10 5.763 10
Total Semen gresik 67.60 13.542 10
Semen honsen 66.80 6.925 10
Total 67.20 10.476 20

Tabel 7.1.11. Hasil ANAVA Faktorial dengan SPSS

Dependent Variable: Y
Type I Sum of
Source Squares df Mean Square F Sig.

Corrected Model 1779.600(a) 3 593.200 31.058 .000

Intercept 90316.800 1 90316.800 4728.628 .000
JS 3.200 1 3.200 .168 .688
JP 1584.200 1 1584.200 82.942 .000
JS * JP 192.200 1 192.200 10.063 .006
Error 305.600 16 19.100
Total 92402.000 20
Corrected Total 2085.200 19
a R Squared = .853 (Adjusted R Squared = .826)

Pengujian Hipotesis 1
Rerata (𝑋̅) kuat tekan beton menggunakan pasir putih = 58,30 dan rerata (𝑋̅) kuat tekan beton
menggunakan pasir hitam = 76,10. Hasil analisis didapatkan F = 82.942 dengan harga signifikasi =
0,00 < 0,025. Hal ini berarti Ho ditolak, dengan kata lain ada perbedaan kuat tekan beton antara
yang menggunakan pasir putih dan pasir hitam. Kuat tekan beton yang menggunakan pasir hitam
lebih besar daripada yang menggunakan pasir putih.

Pengujian Hipotesis 2
Rerata kuat tekan beton menggunakan semen gresik = 67,60 dan rerata kuat tekan beton
menggunakan semen honsen = 66,80. Hasil analisis didapatkan F = 0,168 dengan harga signifikasi
= 0,688 > 0,025. Hal ini berarti Ho gagal ditolak, dengan kata lain tidak ada perbedaan kuat tekan
beton antara yang menggunakan semen gresik dan semen honsen.
Pengujian Hipotesis 3
Hasil analisis didapatkan F = 10,063 dengan harga signifikasi = 0,006 < 0,025. Hal ini berarti Ho
ditolak, dengan kata lain ada interaksi kuat tekan beton antara penggunaan jenis pasir dan jenis
semen. Harga interaksi dapat dilihat dari posisi nilai tinggi atau nilai rendah yang berbentuk silang
pada tabel faktorial. Pada pasir putih nilai tinggi terjadi pada semen honsen, sedang pada pasir
hitam nilai tinggi terjadi pada semen gresik, seperti terlihat pada Tabel 7.1.12. Bentuk diagram
interaksi dapat dilihat pada Gambar 7.1.3.

69
Tabel 7.1.12. Harga Rerata Kuat Tekan Beton
Pasir putih Pasir hitam
Semen Gresik 55,60 79,60
Semen Honsen 61,00 72,60

Gambar 7.1.3. Diagram Interaksi Jenis Pasir dan Jenis Semen

7.2. Analisis Faktorial Data Bebas Banyak Kasus Tidak Sama

Analisis faktorial data bebas jumlah kasus tidak sama, ada dua rumus yang dapat
digunakan, yaitu rumus sampel proporsional dan yang tidak proporsional (Howel, 1982:342).
Begitu juga pada program SPSS juga membedakan hal yang sama, sehingga pada analisis ini ada
beberapa tipe-tipe yang dapat digunakan. Akan tetapi hasil analisis program SPSS yang secara
keseluruhan sama adalah yang tidak membedakan antara data proporsional dengan yang tidak
proporsional. Berikut ini adalah analisis yang secara manual (berdasarkan rumus) sama dengan
hasil yang ada pada SPSS.
Rumus jumlah kuadrat (JK) yang digunakan adalah sebagai berikut:
(∑T)2 (∑X)2
JKT = ∑X 2 − N
atau ∑X 2 − N
2
∑ 𝑇𝐴𝑗 (∑T)2
JKA = ∑ 𝑎𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
2
∑ 𝑇𝐵𝑖 (∑T)2
JKB = ∑ 𝑏𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
2
∑ 𝑇𝑖𝑗 (∑T)2
JKsel = ∑ 𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
JKAB = JKsel – JKA – JKB
JKgalat = JKij

Contoh 7.4
Hipotesis 1: Ada perbedaan hasil belajar siswa antara penggunaan metode A1 dan A2.
Hipotesis 2: Ada perbedaan hasil belajar siswa jenis kelamin B1 dan B2.
Hipotesis 3: Ada interaksi antara menggunaan metode dan jenis kelamin siswa.
Bila didapatkan data seperti pada tabel berikut, ditanya ujilah hipotesis tersebut dengan  = 0,05.
Jawab: Ha1: μs1 ≠ μs2 Ho1: μs1 = μs2
Ha2: μp1 ≠ μp2 Ho2: μp1 = μp2
Ha3: μs x μp ≠ 0 Ho3: μs x μp = 0

70
Tabel 7.2.1. Data Penelitian dan Tabel Kerja
B1 B2 TAi
25 85
40 90
35 95
A1
30
45
175 270 445
75 50
60 45
80 60
A2 80 55
50
60
295 320 615
TBj 470 590 1060

N = 18 N11 = 5 N12 = 3 N21 = 4 N22 = 6

∑X = 1.060 ∑X11 = 175 ∑X12 = 270 ∑X21 = 295 ∑X22 = 320
∑X2 = 252 + 402 + …+502 + 602 = 70.000

Jumlah kasus (n)

B1 B2 T
A1 5 3 8
A2 4 6 10
9 9 18
4
Harga rerata 𝑛̅ℎ = 1 1 1 1 = 4,21
+ + +
5 3 4 6

Harga rerata sel data

∑ 𝑋𝑖𝑗
Harga rerata sel data 𝑋̅𝑖𝑗 = ̅𝑋11 = 175 = 35 270
𝑋̅12 = 3 = 90
𝑛𝑖𝑗 5

B1 B2
A1 35 90
A2 73,75 53,33

295 320
𝑋̅21 = = 73,75 𝑋̅22 = = 53,33
4 6

Adjusted nij Adjusted Total

Harga adjusted nij = rerata 𝑛̅ℎ Harga adjusted total =nij x 𝑋̅𝑖𝑗 = 4,21 x 35 = 147,35

B1 B2 B1 B2 Ti
A1 4,21 4,21 8,42 A1 147,35 378,9 526,25
A2 4,21 4,21 8,42 A2 310,49 224,52 535,01
8,42 8,42 16,84 Tj 457,84 603,42 1061,26

71
Jumlah Kuadrat (JK)
(∑X)2 (1060)2
JKT = ∑X 2 − N
= 70000 − 18
= 7577,78
(∑T)2 (1061,26)2
Faktor koreksi = 𝑎𝑏𝑛̅ℎ
= (2)(2)(4,21) = 66880,81
2
∑ 𝑇𝐴𝑗 (∑T)2 (526,25)2 + (535,01)2
JKA = ∑ – = (2)(4,21)
− 66880,81 = 4,55
𝑎𝑛̅ℎ 𝑎𝑏𝑛̅ℎ
2
∑ 𝑇𝐵𝑖 (∑T)2 (457,84)2 + (603,42)2
JKB = ∑ 𝑏𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
= (2)(4,21)
− 66880,81 = 1258,52
2
∑ 𝑇𝑖𝑗 (∑T)2 (147,35)2 + (378,9)2 +(310,49)2 +(224,52)2
JKsel = ∑ 𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
= (4,21)
− 66880,81 = 7249,95

JKAB = JKsel – JKA – JKB = 7249,951- 4,55 - 1258,52= 5986,88

JKgalat = JKij kelompok A1 + JKij kelompok A2.
JKij kelompok A1 dicari dengan cara sebagai berikut.
B1 B2
nij 5 3
Xij 175 270
A1
𝑋𝑖𝑗2 6375 24350

JKij 250 50

Xij = 25 + 40 + 35 + 30 + 45 = 175
𝑋𝑖𝑗2 = 252 + 402 + 352 + 302 + 452 = 6375
(𝑋𝑖𝑗)2
JKij = 𝑋𝑖𝑗
2
– 𝑛𝑖𝑗
1752 2702
JK11 = 6375 - = 250 JK12 = 24350 - = 50
5 3

JKij kelompok A2 dicari dengan cara sebagai berikut.

B1 B2
nij 4 6
Xij 295 320
A2
𝑋𝑖𝑗2 22025 17250

JKij 268,75 183,33

2952 3202
JK21 = 22025 - 4
= 268,75 JK22 = 17250 - 6
= 183,33

JKgalat = JKij kelompok A1 + JKij kelompok A2 = (250 + 50) + (268,75 + 183,33) = 752,08.

Derajat kebebasan (db): dbA = kA – 1 = 2 – 1 = 1

dbB = kB – 1 = 2 – 1 = 1
dbAB = (kA – 1) (kB – 1) = (2 – 1)(2 – 1) = 1
dbt = N – 1 = 18 – 1 = 17
dbg = N – ksel = 18 – 4 = 14

72
Ringkasan
Sumber JK db KT F Ftabel ½
A 4,55 1 4,55 0,085 6,55
B 1258,52 1 1258,52 23,435* 6,55
AB 5986,88 1 5986,88 111,446* 6,55
Galat 752,08 14 53,72
Total 7577,78 17
Perhitungan menggunakan program SPSS dengan langkah sebagai berikut: (1) Analyze, (2)
General linear model, (3) Univariate, (4) Isikan pada kotak Dependent variable: Y dan pada kotak
Fixed Factor(s): A dan B, (5) Klik Model, pada Sum of squares pilih Type III, (6) Continue, dan (7)
OK.
Tests of Between-Subjects Effects
Dependent Variable: Y
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 6825.694(a) 3 2275.231 42.353 .000
Intercept 66890.534 1 66890.534 1245.165 .000
A 4.569 1 4.569 .085 .775
B 1258.955 1 1258.955 23.435 .000
A*B 5987.025 1 5987.025 111.448 .000
Error 752.083 14 53.720
Total 70000.000 18
Corrected Total 7577.778 17
a R Squared = .901 (Adjusted R Squared = .879)

Contoh 7.5
Hipotesis: (1) Ada perbedaan produktivitas tukang antara menggunakan metode kerja A1 dan A2.
Hipotesis: (2) Ada perbedaan produktivitas tukang antara lulusan pendidikan B1dan B2.
Hipotesis: (3) Ada interaksi antara penggunaan metode dan pendidikan tukang.
Bila didapatkan data seperti pada Tabel 7.2.1, ditanya ujilah hipotesis tersebut dengan  = 0,05.
Jawab: Ha1: μs1 ≠ μs2 Ho1: μs1 = μs2
Ha2: μp1 ≠ μp2 Ho2: μp1 = μp2
Ha3: μs x μp ≠ 0 Ho3: μs x μp = 0

Tabel 7.2.1. Data Penelitian dan Tabel Kerja

B1 B2 TAi
2 8
4 9
A1 6 8
7
12 32 44
12 13
13 16
17 18
A2 14 17
11
56 75 131
TBj 68 107 175

N = 16 n11 = 3 n12 = 4
∑X = 175 ∑X11 = 12 ∑X12 = 32
∑X = 2 + 4 + …+17 + 11 = 2271
2 2 2 2 2

73
Jumlah kasus (n)
B1 B2 T
A1 3 4 7
A2 4 5 9
7 9 16
4
Harga rerata 𝑛̅ℎ = 1 1 1 1 = 3,87
+ + +
3 4 4 5

Harga rerata sel data

∑𝑋 12 32
Harga rerata sel data 𝑋̅𝑖𝑗 = 𝑖𝑗 𝑋̅11 = = 4 𝑋̅12 = = 8
𝑛𝑖𝑗 3 4

B1 B2
A1 4 8
A2 14 15
56 75
𝑋̅12 = 4 = 14 𝑋̅12 = 5 = 15
Adjusted nij Adjusted Total
Harga adjusted nij = rerata 𝑛̅ℎ Harga adjusted total =nij x 𝑋̅𝑖𝑗 = 3,87 x 4 = 15,48
B1 B2 B1 B2 Ti
A1 3,87 3,87 7,74 A1 15,48 30,96 46,44
A2 3,87 3,87 7,74 A2 54,18 58,05 112,23
7,74 7,74 15,48 Tj 69,66 89,01 158,67

Jumlah Kuadrat (JK)

(∑𝑋)2 (175)2
JKT = ∑X2 – = 2271 - = 356,937
𝑁 16
(∑T)2 (158,67)2
Faktor koreksi = = (2)(2)(3,87) = 1626,367
𝑎𝑏𝑛̅ℎ
2
∑ 𝑇𝐴𝑖 (∑T)2 (46,44)2 + (112,23)2 (158,67)2
JKA = ∑ 𝑏𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
= (2)(3,87)
− (2)(2)(3,87) = 279,61
2
∑ 𝑇𝐵𝑗 (∑T)2 (69,66)2 + (89,01)2 (158,67)2
JKB = ∑ 𝑎𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
= (2)(3,87)
− (2)(2)(3,87) = 24,188
2
∑ 𝑇𝑖𝑗 (∑T)2 (15,48)2 + (30,96)2 +(54,18)2 +(58,05)2 (158,67)2
JKsel = ∑ 𝑛̅ℎ
– 𝑎𝑏𝑛̅ℎ
= (3,87)
− (2)(2)(3,87) = 312,503

JKAB = JKsel – JKA – JKB = 312,503 - 279,61- 24,188= 8,705

JKgalat = JKij kelompok A1 + JKij kelompok A2.
JKij kelompok A1 dicari dengan cara sebagai berikut.
B1 B2
nij 3 4
Xij 12 32
A1
𝑋𝑖𝑗2 56 258
JKij 8 2

Xij = 2 + 4 + 6 = 12
𝑋𝑖𝑗2 = 22 + 42 + 62 = 56

74
 (𝑋𝑖𝑗)2
JKij = 𝑋𝑖𝑗
2
– 𝑛𝑖𝑗
122 322
JK11 = 56 - 3
=8 JK12 = 258 - 4
=2

JKij kelompok A2 dicari dengan cara sebagai berikut.

B1 B2
nij 4 5
Xij 56 75
A2
𝑋𝑖𝑗2 798 1159
JKij 14 34
562 752
JK21 = 798 - 4
= 14 JK22 = 1159 - 5
= 34
JKgalat = JKij kelompok A1 + JKij kelompok A2 = (8 + 2) + (14 + 34) = 58

Derajat kebebasan (db): dbA = kA – 1 = 2 – 1 = 1

dbB = kB – 1 = 2 – 1 = 1
dbAB = (kA – 1) (kB – 1) = (2 – 1)(2 – 1) = 1
dbt = N – 1 = 16 – 1 = 15
dbg = N – ksel = 16 – 4 = 12
Ringkasan
Sumber JK db KT F Ftabel ½
A 279,61 1 279,61 57,85* 6,55
B 24,188 1 24,188 5,00 6,55
AB 8,705 1 8,705 1,80 6,55
Galat 58,000 12 4,833
Total 356,937 15
Harga F tabel beberapa literature menggunakan 1 ekor, demikian juga SPSS. Dengan demikian
dapat menggunakan 1 ekor atau 2 ekor.
Analisis menggunakan program SPSS dengan langkah-langkah sebagai berikut: (1)
Analyze, (2) General linear model, (3) Univariate, (4) Isikan pada kotak Dependent variable:
Produktivitas (Y) dan pada kotak Fixed Factor(s): Metode (A) dan Lulusan (B), (5) Klik Model,
pada Sum of squares pilih Type III, (6) Continue, (7) Klik Options, (8) Centang Descriptive
Statistics, (9) Continue, dan (10) OK. Hasil perhitungan menggunakan program SPSS seperti
terlihat pada Tabel 7.2.2. dan 7.2.3.

Tabel 7.2.2. Deskripsi Tiap Sel

Dependent Variable: Y
A B Mean Std. Deviation N
A1 B1 4.00 2.000 3
B2 8.00 .816 4
Total 6.29 2.498 7
A2 B1 14.00 2.160 4
B2 15.00 2.915 5
Total 14.56 2.506 9
Total B1 9.71 5.678 7
B2 11.89 4.256 9
Total 10.94 4.878 16

75
Tabel 7.2.3. Hasil ANAVA Faktorial data Bebas
Dependent Variable: Y
Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 298.938(a) 3 99.646 20.616 .000
Intercept 1626.774 1 1626.774 336.574 .000
A 279.677 1 279.677 57.864 .000
B 24.194 1 24.194 5.006 .045
A*B 8.710 1 8.710 1.802 .204
Error 58.000 12 4.833
Total 2271.000 16
Corrected Total 356.938 15
a R Squared = .838 (Adjusted R Squared = .797)

Pengujian Hipotesis 1
Rerata (𝑋̅) prestasi siswa menggunakan pembelajaran metode A1 = 6,29 dan rerata (𝑋̅) prestasi
siswa menggunakan pembelajaran metode A2 = 14,56. Hasil analisis didapatkan F = 57,86 dengan
harga signifikasi = 0,00 < 0,025. Hal ini berarti Ho ditolak, dengan kata lain ada perbedaan
produktivitas tukang antara yang menggunakan metode kerja A1 dan A2 secara signifikan.
Prokduktivitas tukang yang menggunakan metode kerja A2 lebih baik daripada metode A1.

Pengujian Hipotesis 2
Rerata (𝑋̅) produktivitas tukang lulusan B1 = 9,71 dan produktivitas tukan lulusan B2 = 11,89.
Hasil analisis didapatkan F = 5,00 dengan harga signifikasi = 0,045 > 0,025. Hal ini berarti Ho
gagal ditolak, dengan kata lain tidak ada perbedaan produktivitas tukang antara lulusan B1 dengan
B2.

Pengujian Hipotesis 3
Harga rerata masing-masing sel sebagai berikut.
B1 B2
A1 4 8
A2 14 15

Hasil analisis interaksi didapatkan F = 1,80 dengan harga signifikasi = 0,20 > 0,025. Hal ini berarti
Ho gagal tolak, dengan kata lain tidak ada interaksi produktivitas yang signifikan antara
penggunaan metode kerja dengan asal lulusan tukang.

7.3. Analisis Faktorial Data Berkorelasi

Analisis faktorial data berkorelasi digunakan untuk menguji perbedaan dua kelompok atau
lebih dengan pengamatan yang dilakukan secara berulang-ulang. Analisis varian faktorial data
berkorelasi dapat dilakukan dengan langkah-langkah seperti pada analisis data tidak berkorelasi.
Perbedaan yang terjadi adalah pada rumus-rumus yang digunakan untuk analisis data berkorelasi.

Contoh 7.7
Ujilah perbedaan prestasi kelompok A1 dan A2 yang diamati pada waktu B1, B2, dan B3.
Bila data yang didapatkan seperti pada Tabel 7.3.1, taraf signifikan  = 0,05. Pengujian dilakukan
sebagai berikut.

76
Tabel 7.3.1. Data dan Tabel Kerja
Subyek B1 B2 B3 Tsk
1 4 9 14 27
2 8 12 19 39
A1
3 6 10 13 29
4 3 6 11 20
5 5 6 9 20
6 3 3 3 9
A2
7 8 10 9 27
8 4 3 3 10

Jumlah masing-masing sel sebagai berikut.

B1 B2 B3 TAi
A1 21 37 57 115
A2 20 22 24 66
TBj 41 59 81 181

(∑𝑋)2 1812
JKtotal = ∑X2 – 𝑁
= (42 + 82 + … + 92 + 32) – 24
= 1781 – 1365,04 = 415,96
2 (∑𝑋)2
∑𝑇𝑠𝑘 272 + … + 102 1812
JKsbj = 𝑏
– 𝑁
= 3
– 24
= 1600,33 – 1365,04 = 235,29
2
∑𝑇𝐴𝑖 (∑𝑋)2 1152 + 662 1812
JKA = – = – = 1465,08 – 1365,04 = 100,04
𝑛𝑏 𝑁 12 24
2
∑𝑇𝐵𝑗 (∑𝑋)2 412 + 592 + 812 1812
JKB = 𝑛𝑎
– 𝑁
= 8
– 24
= 1465,38 – 1365,04 = 100,34
2
∑𝑇𝐴𝐵𝑖𝑗 (∑𝑋)2 212 + … + 242 1812
JKSel AB = – = – = 1629,75 – 1365,04 = 264,71
𝑛 𝑁 4 24

JKAB = JKsel AB – JKA – JKB = 264,71 – 100,04 – 100,34 = 64,33

JK dalam kelompok = JKsbj - JKA = 235,29 – 100,04 = 135,25
JK Bxdalam kelompok = JKtotal - JKsbj - JKB - JKAB = 415,96 – 235,29 - 100,34 – 64,33 = 16,00

db Antar Subj = a(n) – 1= 2 (4) – 1 = 7

dbA = a – 1 = 2 – 1 = 1
db dlm kelompok = a (n – 1) = 2 (4 – 1) = 6
db dlm Subj = a(n) (b – 1) = 2 (4)(3 – 1) = 16
dbB = b – 1 = 3 – 1 = 2
dbAB = (a – 1) (b – 1) = (2 – 1)(3 – 1) = 2
db B x dlm kelompok = a(n – 1)(b – 1) = 2(4 – 1)(3 – 1) = 12
dbt = N – 1 = 24 – 1 = 23
𝐽𝐾 100,04
KT = 𝑑𝑏 KTA = 1
= 100,04
100,34
KTB = 2
= 50,17
64,33
KTAB = = 32,16
2
135,25
KTdalam kelompok = 6
= 22,54

77
 16,00
KTBxdalam kelompok = 12
= 1,33

𝐾𝑇𝐴 100,04
FA = 𝐾𝑇 = 22,54
= 4,44
𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘

𝐾𝑇𝐵 50,17
FB = 𝐾𝑇 = 1,33
= 37,72
𝐵𝑥𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘

𝐾𝑇𝐴𝐵 32,16
FAB = 𝐾𝑇 = 1,33
= 24,18
𝐵𝑥𝑑𝑎𝑙𝑎𝑚 𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘

Ringkasan
Sumber JK db KT F F tabel
Antar Subj 235,29 7
A 100,04 1 100,04 4,44 5,99
Dalam kelompok 135,25 6 22,54
Dalam Subj 180,67 16
B 100,34 2 50,17 37,72* 3,89
A*B 64,33 2 32,16 24,18* 3,89
B x dalam kelompok 16,00 12 1,33
Total 415,96 23

Harga tabel ringkasan didapatkan dengan F0,05(1, 6) = 5,99 dan F0,05(2,12) = 3,89. Dengan
demikian dapat dinyatakan bahwa kelompok yang memiliki perbedaan secara signifikan adalah
pada antar kelompok B. Demikian pula interaksi kelompok A dengan kelompok B terjadi interaksi
yang signifikan. Sedangkan antar kelompok A tidak berbeda secara signifikan.
Analisis menggunakan program SPSS dilakukan dengan cara sebagai berikut. Sebelum
dianalisis melalui program SPSS, maka terlebih dulu data disusun dalam format program SPSS.
Adapun penyusunan data pada format SPSS sebagai berikut. Kolom A diisi dengan angka 1 yang
berarti kelompok 1 dan angka 2 yang berarti kelompok 2. Kolom B1 merupakan prestasi siswa
pada pengamatan 1, kolom B2 prestasi siswa pada pengamatan 2, dan kolom B3 prestasi siswa
pada pengamatan 3.

A B1 B2 B3
1 4 9 14
1 8 12 19
1 6 10 13
1 3 6 11
2 5 6 9
2 3 3 3
2 8 10 9
2 4 3 3

Perintah Program SPSS adalah: ● Klik Analyze, ● Klik General Linear Model, ●
Klik Repeated Measures, ●Isikan pada kotak Within-Subject Factor Name: B, ● Isikan
pada Number of Levels: 3 (jumlah kelompok B ada 3), ● Klik Add (akan muncul B(3)), ●
Klik Define dan masukkan B1, B2, B3 ke kolom Within-Subject Variables sehingga
muncul B1(1), B2(2), B3(3), juga masukkan A ke kolom Between-Subject Factor(s), ●
Klik Option, ● Descriptive Statistic, ● Continue, dan ● OK. Hasil analisis menggunakan
program SPSS terlihat pada Tabel 7.3.2, Tabel 7.3.3, dan Tabel 7.3.4.

78
Tabel 7.3.2. Hasil Deskriptif
Kelompok
A Mean Std. Deviation N
Skor B1 A1 5.25 2.217 4
A2 5.00 2.160 4
Total 5.13 2.031 8
Skor B2 A1 9.25 2.500 4
A2 5.50 3.317 4
Total 7.37 3.378 8
Skor B3 A1 14.25 3.403 4
A2 6.00 3.464 4
Total 10.12 5.436 8

Tabel 7.3.3. Hasil Perbedaan Antar Kelompok A

Type III Sum
Source of Squares df Mean Square F Sig.
Intercept 1365.042 1 1365.042 60.556 .000
A 100.042 1 100.042 4.438 .080
Error 135.250 6 22.542

Hasil analisis didapatkan F = 4,438 dengan sig. = 0,08 >  = 0,05, sehingga dapat dinyatakan
bahwa tidak terjadi perbedaan yang signifikan antar kelompok A.

Tabel 7.3.4. Hasil Perbedaan antar Kelompok B dan Interaksi Kelompok A dengan B
Type III Sum of
Source Squares df Mean Square F Sig.

B Sphericity Assumed 100.333 2 50.167 37.625 .000

Greenhouse-Geisser 100.333 1.449 69.240 37.625 .000
Huynh-Feldt 100.333 2.000 50.167 37.625 .000
Lower-bound 100.333 1.000 100.333 37.625 .001

B*A Sphericity Assumed 64.333 2 32.167 24.125 .000

Greenhouse-Geisser 64.333 1.449 44.397 24.125 .000
Huynh-Feldt 64.333 2.000 32.167 24.125 .000
Lower-bound 64.333 1.000 64.333 24.125 .003

Error(B) Sphericity Assumed 16.000 12 1.333

Greenhouse-Geisser 16.000 8.694 1.840
Huynh-Feldt 16.000 12.000 1.333
Lower-bound 16.000 6.000 2.667

Hasil uji beda antar kelompok B dari beberapa rumus didapatkan harga F = 37,625 dengan sig. =
0,000, yang berarti ada perbedaan yang signifikan antar kelompok B. Hasil uji interaksi kelompok
A dengan kelompok B didapatkan harga F = 24,125 dengan sig. = 0,000, yang berarti ada interaksi
yang signifikan kelompok A dengan kelompok B.

79
7.4. Uji Persyaratan Analisis Varian Factorial
Karena analisis varian factorial merupakan uji beda rerata, maka secara umum uji
persyaratan yang perlu dipenuhi adalah uji normalitas dan homogenitas data. Analisis varian
factorial membandingkan rerata kelompok ada baik arah horizontal, arah vertical, maupun antar
sel. Oleh karena itu persyaratan yang perlu dipenuhi antara lain:
(1) Setiap bagian yang dibandingkan, baik antar kelompok maupun sel hendaknya berdistribusi
normal, (2) Pasangan bagian yang dibandingkan, baik antar kelompok maupun sel hendaknya
homogen. Akan tetapi pasangan data berkorelasi tidak diperlukan uji homogenitas.
Langkah-langkah, rumus-rumus, dan perhitungan uji persyaratan akan dibahas
secara lengkap pada bab tersendiri.

80