ANALISIS STATISTIK PARAMETRIK

ANOVA DUA ARAH

LAPORAN KELOMPOK

Disusun sebagai tugas kelompok mata kuliah Statistika Terapan dengan

dosen pengampu Dr. Elah Nurlaelah, M.Si

Disusun Oleh:

Aulia Putri 1707022

Irma Noor Atikah 1706327
Riezkia Sholehawati 1706313
Vingky Zulfa Asria 1706301

PROGRAM STUDI MAGISTER PENDIDIKAN MATEMATIKA

SEKOLAH PASCASARJANA
UNIVERSITAS PENDIDIKAN INDONESIA
2017
 BAB I
PENDAHULUAN

A. Latar Belakang
Anova atau analysis of variance adalah tergolong analisis komparatif
lebih dari dua variabel atau lebih dari dua rata-rata. Tujuannya adalah untuk
membandingkan lebih dari dua rata-rata. Gunanya untuk menguji kemampuan
generalisasi, artinya data sampel dianggap dapat mewakili populasi (Riduan,
2010). Anova adalah suatu cara untuk melihat perbedaan rata-rata melalui
pengetesan variansinya. Dalam anova yang dipertentangkan bukan reratanya
tetapi variansinya. Anova juga memungkinkan untuk dapat melihat pengaruh
peubah bebas dan peubah kontrol, baik secara terpisah maupun bersama-sama,
terhadap peubah terikatnya. Dengan kata lain dapat dilihat apakah ada
interaksi antara peubah bebas dengan peubah kontrol sehingga peubah terikat
itu hasilnya akan lain bila besar pengaruh peubah kontrolnya berbeda
(Ruseffendi, 1998).
Jika pada anova satu arah kita dapat mengetahui ada atau tidaknya
perbedaan beberapa variabel bebas dengan sebuah variabel terikat dan masing-
masing variabel tidak mempunyai jenjang, maka dalam anova dua arah kita
ingin mengetahui ada atau tidaknya perbedaan beberapa variabel bebas dengan
sebuah variabel terikatnya dan masing-masing variabel mempunyai dua
jenjang atau lebih. Banyaknya jenjang yang dimiliki variabel bebas dan
variabel terikat ini menentukan nama dari anovanya. Misalnya variabel bebas
mempunyai jenjang dua buah dan variabel terikatnya mempunyai jenjang dua
buah pula,maka anovanya ditulis ANOVA 2 x 2 (Usman, 2006).

B. Tujuan
Makalah ini disusun dengan tujuan untuk mendeskripsikan mengenai anova
dua arah (two ways anova).

C. Manfaat
Manfaat dari penyusunan makalah ini adalah agar menjadi penambah
pengetahuan bagi penulis maupun pembaca.

1
 BAB II

TINJAUAN TEORI

Anova dua arah adalah analisis varian yang digunakan untuk menguji
hipotesis perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua
jenis atau lebih secara bersama-sama (Riduan, 2010). Anova dua arah terbagi atas
dua jenis yaitu anova dua arah tanpa interaksi dan anova dua arah dengan
interaksi.
Pengujian anova dua arah mempunyai beberapa asumsi diantaranya:
1. Populasi yang diuji berdistribusi normal,
2. Varians atau ragam dan populasi yang diuji sama,
3. Sampel tidak berhubungan satu dengan yang lain.
Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah
ada pengaruh dari berbagai kriteria yang diuji terhadap hasil yang diinginkan
(Furqon, 2009). 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, 2003).

A. ANOVA Dua Arah Tanpa Interaksi

ANOVA dua arah tanpa interaksi adalah pengujian hipotesis komparatif
(perbandingan) untuk k sampel (lebih dari dua sampel) yang berkorelasi
dengan dua faktor yang berpengaruh. Sedangkan interaksi kedua faktor
tersebut ditiadakan. Anova dua arah tanpa interaksi digunakan pada kelompok
yang digunakan berasal dari sampel yang sama tiap kelompok.
Prosedur uji statistiknya:
1. Membuat hipotesis dalam kalimat
a. H0b: Tidak terdapat perbedaan yang signifikan nilai rata-rata antara
kelompok data b1, kelompok data b2 dan kelompok data b𝑛.

2
 H𝐴𝑏: Terdapat perbedaan yang signifikan nilai rata-rata antara kelompok
data b1, kelompok data 𝑏2 dan kelompok data 𝑏𝑛.
b. 𝐻0𝑗 : Tidak terdapat pengaruh pada nilai rata-rata kelompok data ke 1, 2,

..., n terhadap perlakuan kelompok data 1, 2, ..., j.

𝐻𝐴𝑗 : Terdapat pengaruh pada nilai rata-rata kelompok data ke 1, 2, ..., n
terhadap perlakuan kelompok data 1, 2, ..., j.
2. Membuat hipotesis dalam statistik
𝐻0: 𝜇𝐴1 = 𝜇𝐴2 = ..... = 𝜇𝐴𝑛
𝐻𝐴: sekurang-kurangnya satu 𝜇𝐴𝑗 ≠ 0
𝐻0: 𝜇𝐵1 = 𝜇𝐵2 =.....= 𝜇𝐵𝑛
𝐻𝐴: sekurang-kurangnya satu 𝜇𝐵𝑖 ≠ 0
3. Kaidah pengujian
a. Jika 𝑓1 ℎ hitung ≤ 𝑓1 tabel , maka 𝐻0 diterima, artinya tidak terdapat
perbedaan yang signifikan pada kelompok data baris.
Jika 𝑓1 ℎ hitung > 𝑓1 , maka 𝐻0 ditolak, artinya terdapat perbedaan
tabel

yang signifikan pada kelompok data baris.

b. Jika 𝑓2 ℎ hitung > 𝑓2 tabel, maka 𝐻0 diterima, artinya tidak terdapat
perbedaan yang signifikan pada kelompok data kolom.
Jika 𝑓2 ℎ hitung > 𝑓2 tabel, maka 𝐻0 ditolak, artinya terdapat perbedaan yang
signifikan pada kelompok data kolom.
4. Menghitung nilai 𝑓 ℎ𝑖𝑡𝑢𝑛𝑔
Langkah-langkah menghitung 𝑓ℎ𝑖𝑡𝑢𝑛𝑔:
a. Buat tabel penolong

Baris Kolom (C) Total

Rata-rata 𝑋̅𝑖
(R) 1 2 3 ... j ∑X

1 ... ̅ 𝑋̅𝑅̅1
𝑋11 𝑋12 𝑋13 𝑋1𝑗 ∑ 𝑋𝑅1

2 ... ̅ 𝑋̅𝑅̅2
𝑋21 𝑋22 𝑋23 𝑋2𝑗 ∑ 𝑋𝑅2

... ... ... ... ... ... ... ...

3
 i ... ̅ 𝑋̅
𝑋 𝑖1 𝑋𝑖2 𝑋 𝑖3 𝑋𝑖𝑗 ∑ 𝑋𝑅𝑛
̅̅
𝑅𝑛
𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠
Total ∑ 𝐶1 ∑ 𝐶2 ∑ 𝐶3 ... ∑ 𝐶𝑗 ∑ 𝑋

b. Total nilai pengamatan pada baris (R)

∑ 𝑋𝑖 = 𝑋11 + 𝑋12 + 𝑋13 +..... + 𝑋𝑖𝑗

c. Total nilai pengamatan pada kolom (C)

∑ 𝑋𝑗 = 𝑋11 + 𝑋21 + 𝑋31 +.....+ 𝑋𝑖𝑗

d. Total nilai pengamatan

𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠

∑ X = ∑ 𝑋𝑅1 + ∑ 𝑋𝑅2 +.....+ ∑ 𝑋𝑅𝑛

e. Menghitung rata-rata populasi (sampel) pada baris dan kolom

4
 ∑ 𝑋𝑖 ∑ 𝑋𝑗
̅ 𝑋̅ =
𝑎𝑡𝑎𝑢 ̅X =
𝑅𝑖 𝑅𝑗
𝑛𝐶 𝑛𝑅
Keterangan:
𝑛𝐶 = jumlah kolom
𝑛𝑅 = jumlah baris
f. Menghitung rata-rata populasi
∑ 𝑎𝑙𝑙
𝑠𝑐𝑜r𝑒𝑠 X
𝑋̅=
𝑛𝑡𝑜𝑡𝑎𝑙
g. Menghitung nilai jumlah kuadrat antarbaris
(∑ 𝑋𝑅1)2 + (∑ 𝑋𝑅2)2 + … + (∑ 𝑋𝑅𝑛)2
(∑𝑎𝑙𝑙 𝑋)2
𝑆𝑆𝑅 = [ 𝑠𝑐𝑜𝑟𝑒𝑠
𝑛𝐶 ]− 𝑛𝑡𝑜𝑡𝑎𝑙
h. Menentukan nilai jumlah kuadrat antarkolom
(∑ 𝑋𝐶1)2 + (∑ 𝑋𝐶2)2 + … + (∑ 𝑋𝐶𝑗)2
(∑𝑎𝑙𝑙 𝑋)2
𝑆𝑆𝐶 = [ 𝑠𝑐𝑜𝑟𝑒𝑠
𝑛𝑅 ]− 𝑛𝑡𝑜𝑡𝑎𝑙
i. Menentukan nilai jumlah kuadrat total

𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = [(∑ 𝑋11 )2 + (∑ 𝑋12 )2 + … + (∑ 𝑋𝑖𝑗 )2 ]

𝑎𝑙𝑙
(∑ 𝑠𝑐𝑜𝑟𝑒𝑠 𝑋)
− 2 𝑎𝑡𝑎𝑢
𝑛𝑡𝑜𝑡𝑎𝑙

5
 𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠
𝑆𝑆 = ∑ 𝑋2 − (∑𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠 𝑋)
2
 𝑡𝑜𝑡𝑎𝑙
𝑛𝑡𝑜𝑡𝑎𝑙

j. Menentukan nilai jumlah kuadrat galat

𝑆𝑆𝑤𝑐 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝑅 − 𝑆𝑆𝐶
k. Menentukan nilai derajat kebebasan antarbaris
𝑑𝑓𝑅 = 𝑛𝑅 − 1
l. Menentukan nilai derajat kebebasan antarkolom
𝑑𝑓𝐶 = 𝑛𝐶 − 1
m. Menentukan nilai derajar kebebasan galat
𝑑𝑓𝑤𝑐 = (𝑛𝑅 − 1)(𝑛𝐶 − 1)
n. Menentukan nilai ragam antarbaris
𝑆𝑆𝑅
𝑆𝑅2 =
𝑑𝑓𝑅
o. Menentukan nilai ragam antarkolom
𝑆𝑆𝐶
𝑆𝐶2 =
𝑑𝑓𝐶
p. Menentukan nilai ragam galat

2
𝑆𝑆𝑤𝑐
𝑆𝑤𝑐=
𝑑𝑓𝑤𝑐
q. Menentukan nilai 𝑓ℎ𝑖𝑡𝑢𝑛𝑔
𝑆2
𝐹1 = 𝑅
𝑆𝐶2

𝑆𝐶2
𝐹2 =
2
𝑆𝑤𝑐
5. Menghitung nilai 𝑓𝑡𝑎𝑏𝑒𝑙
𝐹1 𝑡𝑎𝑏𝑒𝑙 = 𝐹2 𝑡𝑎𝑏𝑒𝑙 = 𝐹(𝛼)(𝑑𝑓𝑅)(𝑑𝑓𝐶)
6. Membandingkan 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 dan 𝑓𝑡𝑎𝑏𝑒𝑙
Tujuan membandingkan 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 dan 𝑓𝑡𝑎𝑏𝑒𝑙 adalah mengetahui, apakah 𝐻0
ditolak atau diterima berdasarkan kaidah pengujian.
7. Membuat keputusan
B. ANOVA Dua Arah dengan Interaksi
Iqbal Hasan (2006) mengemukakan bahwa pengujian klasifikasi dua
arah dengan interaksi merupakan pengujian beda tiga rata-rata atau lebih
dengan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua
faktor tersebut diperhitungkan.
Prosedur uji statistiknya:
1. Membuat hipotesis
a. Pengujian pengaruh (efek) utama
1) 𝐻0: 𝜇𝐴1 = 𝜇𝐴2 = ⋯ = 𝜇𝐴𝑛
𝐻𝐴: sekurang-kurangnya satu 𝜇𝐴𝑗 ≠ 0
2) 𝐻0: 𝜇𝐵1 = 𝜇𝐵2 = ⋯ = 𝜇𝐵𝑛
𝐻𝐴: sekurang-kurangnya satu 𝜇𝐵𝑖 ≠ 0
b. Pengujian interaksi
𝐻0: 𝜇(𝐴𝐵) = 𝜇(𝐴𝐵) = ⋯ = 𝜇(𝐴𝐵) (tidak terdapat interaksi)
11 12 𝑗𝑖

𝐻𝐴: sekurang-kurangnya satu 𝜇(𝐴𝐵) ≠ 0 (terdapat interaksi)

𝑖𝑗

2. Kaidah pengujian
a. Jika 𝑓1 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓1 𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima, artinya tidak terdapat perbedaan
yang signifikan pada kelompok data baris.
Jika 𝑓1 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑓1 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 ditolak, artinya terdapat perbedaan
yang signifikan pada kelompok data baris.
b. Jika 𝑓2 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓2 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 diterima, artinya tidak terdapat perbedaan
yang signifikan pada kelompok data kolom.
Jika 𝑓2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑓2 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 ditolak, artinya terdapat perbedaan
yang signifikan pada kelompok data kolom.
c. Jika 𝑓3 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓3 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 diterima, artinya tidak terdapat interaksi
yang signifikan pada kelompok data kolom dan baris.
Jika 𝑓3 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑓3 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 ditolak, artinya terdapat interaksi yang
signifikan pada kelompok data kolom dan baris.

3. Menghitung nilai 𝑓ℎ𝑖𝑡𝑢𝑛𝑔

Langkah-langkah menghitung 𝑓ℎ𝑖𝑡𝑢𝑛𝑔
a. Buat tabel penolong
Misalkan dalam suatu eksperimen terdapat dua faktor, yaitu faktor
Baris dengan r perlakuan (level) dan faktor Kolom dengan c perlakuan
(level). Pengamatan pada setiap kombinasi perlakuan diulang sebanyak n
kali. Jika hasil pengamatan disajikan dalam bentuk tabel atau matrik, maka
akan terdapat rc sel yang setiap selnya memuat n amatan. Misalkan xijk
menyatakan pengamatan ke-k yang diambil pada perlakuan ke-i dari faktor
Baris, dan perlakuan ke-j dari faktor Kolom. Seluruh data pengamatan
disusun seperti tabel di bawah ini:
Perlakuan Perlakuan Kolom
Total
Baris 1 2 ... c
1 𝑥111 𝑥121 ... 𝑥1𝑘1
𝑥112 𝑥122 𝑥1𝑘2
∑ 𝑋𝑅1
.... .... ....
𝑥11𝑛 𝑥12𝑛 𝑥1𝑘𝑛
2 𝑥211 𝑥221 ... 𝑥2𝑘1
𝑥212 𝑥222 𝑥2𝑘2
∑ 𝑋𝑅2
... ... ...
𝑥21𝑛 𝑥22𝑛 𝑥2𝑘𝑛
... ... ... ... ... ...

r 𝑥𝑟11 𝑥𝑟21 .... 𝑥𝑟𝑐1

𝑥𝑟12 𝑥𝑟22 𝑥𝑟𝑐2
∑ 𝑋𝑅𝑛
... ... ...
𝑥𝑟1𝑛 𝑥𝑟2𝑛 𝑥𝑟𝑐𝑛
𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠

Total ∑ 𝐶1 ∑ 𝐶2 ... ∑ ∑ 𝑋
𝐶𝑚
b. Menentukan nilai jumlah kuadrat total
𝑎𝑙𝑙
𝑎𝑙𝑙 (∑𝑎𝑙𝑙 𝑋)2

𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = ∑𝑠𝑐𝑜𝑟𝑒𝑠(𝑋 − 𝑋̿)2 atau 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = ∑𝑠𝑐𝑜𝑟𝑒𝑠 𝑋 2 − 𝑠𝑐𝑜𝑟𝑒𝑠

𝑛𝑡𝑜𝑡𝑎𝑙
c. Menentukan nilai jumlah kuadrat Baris
 2 2 + ⋯ ] −
𝑆𝑆 = [ (∑ 𝑋𝑅1) + (∑ 𝑋𝑅2) (∑𝑎𝑙𝑙 2
𝑠𝑐𝑜𝑟𝑒𝑠 𝑋)
𝑅 𝑛𝑅1 𝑛𝑅2 𝑛𝑡𝑜𝑡𝑎𝑙
d. Menentukan nilai jumlah kuadrat Kolom
2 + ⋯ ] −
𝑆𝑆 = [ (∑ 𝑋𝐶1) + (∑ 𝑋𝐶2)
2
(∑𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠 𝑋)
2

𝐶 𝑛𝐶1 𝑛𝐶2 𝑛𝑡𝑜𝑡𝑎𝑙

e. Menentukan nilai jumlah kuadrat Interaksi
𝑆𝑆𝑅×𝐶 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − (𝑆𝑆𝑤𝑐 + 𝑆𝑆𝑅 + 𝑆𝑆𝐶)
f. Menentukan nilai jumlah kuadrat galat
𝑎𝑙𝑙
𝑠𝑐𝑜𝑟𝑒𝑠
∑𝑎𝑙𝑙 (∑𝑐𝑒𝑙𝑙 𝑋)2
𝑆𝑆𝑤𝑐 𝑐𝑒𝑙𝑙
= ∑ 𝑋2 − 𝑛𝑐𝑒𝑙𝑙

g. Menentukan nilai derajat kebebasan antarbaris

𝑑𝑓𝑅 = 𝑛𝑅 − 1
h. Menentukan nilai derajat kebebasan antarkolom
𝑑𝑓𝐶 = 𝑛𝐶 − 1
i. Menentukan nilai derajat kebebasan galat
𝑎𝑙𝑙
𝑐𝑒𝑙𝑙𝑠

𝑑𝑓𝑤𝑐 = ∑(𝑛𝑤𝑐 − 1)

j. Menentukan nilai derajat kebebasan interaksi

𝑑𝑓𝑅×𝐶 = (𝑛𝑅 − 1)(𝑛𝐶 − 1)
k. Menentukan nilai derajat kebebasan total
𝑑𝑓𝑡𝑜𝑡𝑎𝑙 = 𝑑𝑓𝑤𝑐 + 𝑑𝑓𝐶 + 𝑑𝑓𝑅 + 𝑑𝑓𝑅×𝐶
l. Menentukan nilai ragam antarbaris
𝑆𝑆𝑅
𝑆𝑅2 =
𝑑𝑓𝑅
m. Menentukan nilai ragam antarkolom
𝑆𝑆𝐶
𝑆𝐶2 =
𝑑𝑓𝐶
n. Menentukan nilai ragam galat

2
𝑆𝑆𝑤𝑐
𝑆𝑤𝑐=
𝑑𝑓𝑤𝑐
o. Menentukan nilai ragam interaksi
𝑆𝑆𝑅×𝐶
𝑆2 =
 𝑅×𝐶
𝑑𝑓𝑅×𝐶
p. Menentukan nilai 𝑓ℎ𝑖𝑡𝑢𝑛𝑔
𝑆2
𝐹𝑅 = 𝑅
2
𝑆𝑤𝑐

𝑆𝐶2
𝐹𝐶 =
2
𝑆𝑤𝑐
𝐹 �2
𝑅×𝐶
𝑅×𝐶 = �2
𝑆𝑤𝑐
4. Membandingkan 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 dan 𝑓𝑡𝑎𝑏𝑒𝑙
Tujuan membandingkan 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 dan 𝑓𝑡𝑎𝑏𝑒𝑙 adalah mengetahui, apakah 𝐻0
ditolak atau diterima berdasarkan kaidah pengujian.
5. Membuat keputusan

C. Contoh Soal Anova Dua Arah

1. Sebuah perusahaan X pada 2009 yang bergerak dalam pembuatan air
minum kemasan ingin mengetahui pengaruh ukuran kemasan air dan
warna kemasan air minum terhadap hasil penjualan. Untuk keperluan
tersebut perusahaan mengambil sampel dari hasil penjualan untuk ukuran
kemasan air minum yang berukuran kecil, sedang dan besar. Data
penjualan selama satu bulan ada pada tabel di bawah ini. Dengan taraf
nyata (𝛼) = 0,05

 Ujilah apakah ada perbedaan rata-rata penjualan antara ukuran

kemasan air minum yang berukuran kecil, sedang dan besar?

 Ujilah apakah ada perbedaan rata-rata penjualan antara warna kemasan

air minum yang berwarna merah, hijau, kuning dan biru?

Tabel. Perbandingan Tingkat Penjualan Air Minum Berdasarkan Ukuran dan

Warna di PT X tahun 2009.

Ukuran Air Warna Kemasan Air Minum

Minum Kemasan Merah Kuning Hijau Biru
Kecil 1500 1350 1650 1500
Sedang 1750 1450 1750 1400
Besar 1700 1500 1600 1450
Ho1 : tidak terdapat perbedaan yang signifikan rata-rata penjualan antara ukuran
kemasan air minum yang berukuran kecil, sedang dan besar.
Ha1 : terdapat perbedaan yang signifikan rata-rata penjualan antara ukuran kemasan
air minum yang berukuran kecil, sedang dan besar.
Ho2 : tidak terdapat perbedaan yang signifikan rata-rata penjualan antara warna
kemasan air minum yang berwarna merah, hijau, kuning dan biru.
Ha2 : terdapat perbedaan yang signifikan rata-rata penjualan antara warna kemasan
air minum yang berwarna merah, hijau, kuning dan biru.

Ho1: 𝜇C1 = 𝜇𝐶2 = 𝜇𝐶3 = 𝜇𝐶4 = 0

Ha1: sekurang-kurangnya satu 𝜇C1 ≠ 0 Ho2:

𝜇R1 = 𝜇𝑅2 = 𝜇𝑅3 = 0

Ha2: sekurang-kurangnya satu 𝜇R1 ≠ 0

Penyelesaian:
a. Buat tabel penolong
Tabel Perhitungan untuk Uji Anova Dua Arah Tanpa Interaksi
Ukuran Air Warna Kemasan Air Minum (C) Total Rata-Rata
Minum (R) (∑ 𝑋𝑅𝑛) (𝑋̅𝑅𝑛 )
M K H B
1 1500 1350 1650 1500 6000 1500
2 1750 1450 1750 1400 6350 1588
3 1700 1500 1600 1450 6250 1563
Total (∑ 𝑋𝐶𝑛) 4950 4300 5000 4350 18600 4650
Rata-Rata 1650 1433,3 1667 4650
(𝑋̅𝐶𝑛 )

b. Menentukan nilai jumlah kuadrat total

 𝑎𝑙𝑙 𝑠𝑐𝑜𝑟𝑒
(∑ 𝑋)2
𝑆𝑆𝑡𝑜𝑡𝑎𝑙 = ∑ 𝑋2 −
𝑛𝑡𝑜𝑡𝑎𝑙

(18600)2
= [(1500) + (1350) + (1650) + ⋯ + (1450) ] −
2 2 2 2

12
= 29035000 − 28830000

= 205000
c. Menghitung nilai jumlah kuadrat antarbaris
 ( ∑ 𝑋𝑅 )2 + (∑ 𝑋𝑅 )2 + (∑ 𝑋𝑅 )
2 𝑎𝑙𝑙 𝑠𝑐𝑜𝑟𝑒 2
𝑆𝑆𝑅 = 1 2 3 − (∑ 𝑋)
𝑛𝑐 𝑛𝑡𝑜𝑡𝑎𝑙

𝑆𝑆𝑅 = (6000)2 + (6350)2 + (6250)2 (18600)2

−
4 12
𝑆𝑆𝑅 = 28846250 − 28830000 = 16250

d. Menghitung nilai jumlah kuadrat antarkolom

( ∑ 𝑋𝐶 )2 + (∑ 𝑋𝐶 )2 + (∑ 𝑋𝐶 )2 + (∑ 𝑋𝐶 )2
𝑆𝑆𝐶 = −
1 2 𝑛𝑅 3 3 (∑𝑎𝑙𝑙 𝑠𝑐𝑜𝑟𝑒
2
𝑋)
𝑛𝑡𝑜𝑡𝑎𝑙

𝑆𝑆𝐶 = (4950)2 + (4300)2 + (5000)2 + (4350)2 (18600)2

−
3 12
𝑆𝑆𝐶 = 28971667 − 28830000 = 141667

e. Menghitung nilai jumlah kuadrat galat

𝑆𝑆𝑤 = 𝑆𝑆𝑡𝑜𝑡𝑎𝑙 − 𝑆𝑆𝑅 − 𝑆𝑆𝐶

= 205000 − 16250 − 141667 = 47083
f. Menentukan nilai derajat kebebasan antarbaris

𝑑𝑓𝑅 = 3 − 1 = 2

g. Menentukan nilai derajat kebebasan antarkolom

𝑑𝑓𝐶 = 4 − 1 = 3

h. Menentukan nilai derajar kebebasan galat

𝑑𝑓𝑤𝑖𝑡ℎ = (3 − 1)(4 − 1) = 6

i. Menentukan nilai ragam antarbaris

𝑆𝑆𝑅 16250
𝑆2𝑅 = = = 825
𝑑𝑓𝑅 2

j. Menentukan nilai ragam antarkolom

𝑆𝑆𝐶 1441667
𝑆2𝐶 = = = 47222
𝑑𝑓𝐶 3

k. Menentukan nilai ragam galat

𝑆 2𝑊 = 47083
𝑆𝑆𝑊 = = 7847
6
𝑑𝑓 𝑊
l. Menentukan nilai 𝑓ℎ𝑖𝑡𝑢𝑛𝑔
 𝑆𝑅2 8125
𝐹1 ℎ𝑖𝑡𝑢𝑛𝑔 = 2
= = 1,0353
𝑆𝑤 7847

𝑆𝐶2 47222
𝐹2 ℎ𝑖𝑡𝑢𝑛𝑔 = 2
= = 6,018
𝑆𝑤 7847

m. Menentukan nilai 𝑓𝑡𝑎𝑏𝑒𝑙

𝐹1 𝑡𝑎𝑏𝑒𝑙 = 𝐹{𝛼,(𝑑𝑓𝑅),(𝑑𝑓𝑊)}

= 𝐹(0,05)(2,6) = 5,14

𝐹2 𝑡𝑎𝑏𝑒𝑙 = 𝐹{𝛼,(𝑑𝑓𝐶),(𝑑𝑓𝑊)}

= 𝐹(0,05)(3,6) = 4,53

n. Membandingkan 𝐹𝑡𝑎𝑏𝑒𝑙 dan 𝐹ℎ𝑖𝑡𝑢𝑛𝑔

 𝐹1 ℎ𝑖𝑡𝑢𝑛𝑔 = 1,503 < 𝐹1 𝑡𝑎𝑏𝑒𝑙 = 5,14, maka 𝐻0 diterima

 𝐹2 ℎ𝑖𝑡𝑢𝑛𝑔 = 6,0167 > 𝐹2 𝑡𝑎𝑏𝑒𝑙 = 4,53, maka 𝐻0 ditolak

Kesimpulan:

 𝐹1 ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹1 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 diterima. Sehingga tidak terdapat perbedaan

yang signifikan rata-rata penjualan antara ukuran kemasan air minum yang
berukuran kecil, sedang dan besar.

 𝐹2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹2 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 ditolak, Sehingga terdapat perbedaan yang

signifikan rata-rata penjualan antarwarna kemasan air minum.

 Karena 𝐹2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹2 𝑡𝑎𝑏𝑒𝑙 , maka 𝐻0 ditolak. Sehingga dilakukan uji lanjutan
(Post Hoc) dengan Tukey HSD.

 Bandingkan |𝑋̅𝐶𝑖 −𝑋̅𝐶𝑘 | dengan nilai 𝐻𝑆𝐷. Jika |𝑋̅𝐶𝑖 −𝑋̅𝐶𝑘 | > 𝐻𝑆𝐷,
maka rata-rata yang dibandingkan tersebut berbeda.
2
𝐻𝑆𝐷 = 𝑞√ 𝑤𝑆, dengan 𝑞 = 4; (𝑞= tergantung pada banyak tingkatan untuk
𝑛
faktor yang di uji)

7847
= 4√
3

= 204,6
 |𝑋̅𝐶1 − 𝑋̅𝐶2 | = |1650 − 1433,3| = 216,7 > 204,6

|𝑋̅𝐶1 − 𝑋̅𝐶3 | = |1650 − 1667| = 17 < 204,6

|𝑋̅𝐶1 − 𝑋̅𝐶4 | = |1650 − 1450| = 200 < 204,6

|𝑋̅𝐶2 − 𝑋̅𝐶3 | = |1433,3 − 1667| = 233,7 > 204,6

|𝑋̅𝐶2 − 𝑋̅𝐶4 | = |1433,3 − 1450| = 16,7 < 204,6

|𝑋̅𝐶3 − 𝑋̅𝐶4 | = |1667 − 1450| = 217 > 204,6

Kesimpulan:
 Rata-rata penjualan berbeda secara signifikan antara kemasan air minum
berwarna merah dengan kemasan air minum berwarna kuning.
 Rata-rata penjualan berbeda secara signifikan antara kemasan air minum
berwarna kuning dengan kemasan air minum berwarna hijau.
 Rata-rata penjualan berbeda secara signifikan antara kemasan air minum
berwarna hijau dengan kemasan air minum berwarna biru.

2. Kita ingin meneliti efek dari kekurangan makanan (faktor A) pada perilaku
yang termotivasi. Kita tentukan secara acak 15 tikus pada satu dari ketiga grup
yang ada. (1) Tikus-tikus dipisahkan dari makanannya selama 12 jam. (2)
Tikus-tikus dipisahkan dari makanannya selama 24 jam. (3) Tikus-tikus
dipisahkan dari makanannya selama 48 jam. Sebagai variabel dependen, kita
catat waktu (dalam detik) yang dibutuhkan setiap tikus untuk melintasi
landasan pacu 10 kaki untuk penguatan makanan pada tiga percobaan berturut-
turut (faktor B). Tak satupun dari hewan-hewan tersebut yang memiliki
pengalaman sebelumnya di landasan pacu. Data diberikan sebagaimana pada
tabel di bawah ini. (a) Lengkapi ANOVA dua arah dan buat hasil penelitian
pada tabel. (b) Konstruksi sebuah grafik dari hasil penelitian. (c) Buatlah
kesimpulan.
A1 A2 A3
(12 HOURS) (24 HOURS) (48 HOURS)
B1 B2 B3 B1 B2 B3 B1 B2 B3
S1 60 40 25 S6 40 30 15 S11 50 20 5
S2 50 30 20 S7 60 25 10 S12 60 15 7
S3 40 35 20 S8 55 20 15 S13 40 20 10
S4 60 30 30 S9 45 25 8 S14 50 15 8
S5 70 40 15 S10 55 35 9 S15 55 10 10
Penyelesaian:

a. Hipotesis
1) 𝐻01 : Tidak terdapat perbedaan secara signifikan waktu yang
dibutuhkan tikus untuk melintasi landasan pacu antara kelompok tikus
yang dipisahkan dari makanannya 12 jam, 24 jam dan 48 jam.
𝐻𝐴1 : Terdapat perbedaan secara signifikan waktu yang dibutuhkan
tikus untuk melintasi landasan pacu antara kelompok tikus yang
dipisahkan dari makanannya 12 jam, 24 jam dan 48 jam.
𝐻01 : 𝜇𝐴1 = 𝜇𝐴2 = 𝜇𝐴3
𝐻𝐴1 : sekurang-kurangnya satu 𝜇𝐴𝑖 ≠ 𝜇𝐴𝑗

2) 𝐻02 : Tidak terdapat pengaruh waktu yang dibutuhkan tikus untuk

melintasi landasan pacu terhadap percobaan 1, percobaan 2, dan
percobaan 3.
𝐻𝐴2 : Terdapat pengaruh waktu yang dibutuhkan tikus untuk melintasi
landasan pacu terhadap percobaan 1, percobaan 2, dan percobaan 3.
𝐻02 : 𝜇𝐵1 = 𝜇𝐵2 = 𝜇𝐵3
𝐻𝐴2 : sekurang-kurangnya satu 𝜇𝐵𝑖 ≠ 𝜇𝐵𝑗

3) 𝐻03 : Tidak terdapat interaksi antara kelompok tikus yang dipisahkan

dari makanannya selama 12 jam, 24 jam, dan 48 jam dengan percobaan
1, percobaan 2, dan percobaan 3.
𝐻𝐴3 : Terdapat interaksi antara kelompok tikus yang dipisahkan dari
makanannya selama 12 jam, 24 jam, dan 48 jam dengan percobaan 1,
percobaan 2, dan percobaan 3.
𝐻03 : 𝜇𝐴𝐵11 = 𝜇𝐴𝐵12 = ⋯ = 𝜇𝐴𝐵33
𝐻𝐴3 : sekurang-kurangnya satu 𝜇𝐴𝐵𝑖𝑗 ≠ 𝜇𝐴𝐵𝑙𝑚

b. Kaidah Pengujian
1) Jika 𝑓1 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓1 𝑡𝑎𝑏𝑒𝑙 maka 𝐻0 diterima, artinya tidak terdapat perbedaan
yang signifikan pada kelompok data baris.
 2) Jika 𝑓2 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓2 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 diterima, artinya tidak terdapat perbedaan
yang signifikan pada kelompok data kolom.
3) Jika 𝑓3 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓3 𝑡𝑎𝑏𝑒𝑙, maka 𝐻0 diterima, artinya tidak terdapat
interaksi yang signifikan pada kelompok data kolom dengan kelompok
data baris.

c. Menghitung F hitung dan F tabel

Buat tabel bantuan
A×S

A1 A2 A3
S1 125 S6 85 S11 75
S2 100 S7 95 S12 82
S3 95 S8 90 S13 70
S4 120 S9 78 S14 73
S5 125 S10 99 S15 75
SUM 565 447 375

A× B
B1 B2 B3 SUM
A1 280 175 110 565
A2 255 135 57 447
A3 255 80 40 375
SUM 790 390 207 1387

1) Hitung 𝑆𝑆𝐴

𝐴𝑙𝑙 2
𝑆𝑐𝑜𝑟𝑒𝑠
(∑ 𝐴 ) + ( ∑ 𝐴 ) + ( ∑ 𝐴 )
2 2 2
(∑ 𝑋)
𝑆𝑆𝐴 = 1 2 3
𝑛𝐴. 𝑏 − 𝑛𝑡𝑜𝑡𝑎𝑙
(565) + (447)2 + (375)2
2
(1387)2
= −
(5)(3) 45
659659 1923769
= −
15 45
55208
= = 1226,84
45
2) Tentukan 𝑆𝑆𝑩

𝐴𝑙𝑙 2
2 2
(∑ 𝐵 ) + (∑ 𝐵 ) + (∑ 𝐵 ) 2
(∑𝑆𝑐𝑜𝑟𝑒𝑠 𝑋)
𝑆𝑆𝑩 = 1 2 3
(𝑛𝐴)(𝑎) − 𝑛𝑡𝑜𝑡𝑎𝑙
(790)2 + (390)2 + (207)2 (1387)2
= −
(5)(3) 45
819049 1923769
= −
15 45
2457147 − 1923769
=
45
533378
= = 11852,84
45
 3) Tentukan 𝑆𝑆𝑤

(∑ 𝑋
)2 + (∑ 𝑋 )2 + ⋯ + (∑ 𝑋 )2 (∑ )2 + (∑ 𝑋 )2 (∑ 𝑋 )2
𝑋
𝑆𝑆𝑤 = 𝑆1 𝑆2 𝑆15 𝐴1 𝐴2 𝐴3
𝑏 − 𝑛𝐵. 𝑏
(125)2 + (100)2 + ⋯ + (75)2 (565)2 + (447)2 + (375)2
= −
3 (5)(3)
133113 659659
= 3 − 15
665565 − 659659
= 15
5906
= = 393,73
15

4) Tentukan 𝑆𝑆𝐴×𝐵

𝐴𝑙𝑙 2

𝑆𝑆𝐴×𝐵 = ( ∑𝑋
𝐴1𝐵1
)2 + (∑ 𝑋𝐴1𝐵2)2 + ⋯ + (∑ 𝑋𝐴3𝐵3)2 ∑ 𝐴2 ∑ 𝐵2 (∑𝑆𝑐𝑜𝑟𝑒𝑠 𝑋)
− − +
𝑏 (𝑛 �)(𝑏) (𝑛 �)(𝑎) 𝑛𝑡𝑜𝑡𝑎𝑙
(280)2 + (175)2 + ⋯ + (40)2 − 659659 − 819049 + 1923769
= 5 15 15 45
280649 659659 819049 1923769
= − − + = 299,68
5 15 15 45

5) Tentukan 𝑆𝑆𝐵×𝑊

𝐴𝑙𝑙
𝑆𝑐𝑜𝑟𝑒𝑠
∑(𝐴 × 𝐵)2 ∑(𝐴 × 𝑆)2 ∑ 𝐴2
𝑆𝑆𝐵×𝑊 = ∑ 𝑋2 − − +
𝑛𝐴 𝑏 (𝑛𝐴)(𝑏)
280649 133113 659659
= 57633 − − + = 1109,47
5 3 15
6) Tentukan df

𝑑𝑓𝐴 = 3 − 1 = 2
𝑑𝑓𝐵 = 3 − 1 = 2
𝑑𝑓𝑊𝑖𝑡ℎ𝑖𝑛 = (3)(5 − 1) = 12
𝑑𝑓𝐴 × 𝐵 = 2 × 2 = 4
𝑑𝑓𝐵 × 𝑊𝑖𝑡ℎ𝑖𝑛 = 2 × 12 = 24

7) Tentukan Ragam
𝑆𝑆𝐴 1226,84
𝑆2 𝐴 = = = 613,42
𝑑𝑓𝐴 2

𝑆𝑆𝐵 11852,84
𝑆2 𝐵 = = = 5926,42
𝑑𝑓𝐵 2

𝑆𝑆𝐵×𝑊 1109,47
𝑆2 𝐵 × = = = 46,23
𝑑𝑓𝐵×𝑊 24
𝑊
𝑆𝑆𝐴×𝐵 299,68
𝑆2 𝐴 × 𝐵 = = = 74,92
𝑑𝑓𝐴×𝐵 4

𝑆𝑆𝑊 393,73
𝑆2 𝑊 = = = 32,81
𝑑𝑓𝑊 12

8) Tentukan F hitung
 𝑆2𝐴 613,42
𝐹𝐴 = = = 18,70
𝑆 2𝑊 32,81
𝑆 2𝐵 5926,42
𝐹𝐵 = = 128,19
𝑆 2𝐵 × 𝑊 46,23
=

𝑆 2𝐴 × 𝐵 74,92
𝐹𝐴×𝐵 = = = 1,62
𝑆 2𝐵 × 𝑊 46,23

9) Membuat Tabel

SOURCE SS Df 𝑆2 F hitung
A 1226,84 2 613,42 18,70
B 11852,84 2 5926,42 128,19
A×B 299,68 4 74,92 1,62
Within 393,73 12 32,81
B × Within 1109,47 24 46,23
10) Langkah-langkah menghitung nilai 𝐹𝑡𝑎𝑏𝑒𝑙
Menentukan 𝐹1 𝑡𝑎𝑏𝑒𝑙 = 𝐹{𝛼,(𝑑𝑓𝐴),(𝑑𝑓𝑊)} = 3,88

Menentukan 𝐹2 𝑡𝑎𝑏𝑒𝑙 = 𝐹{𝛼,(𝑑𝑓𝐵),(𝑑𝑓𝑊)} = 3,88

Menentukan 𝐹3 𝑡𝑎𝑏𝑒𝑙 = 𝐹{𝛼,(𝑑𝑓A × B),(𝑑𝑓𝑊)} = 3,26

11) Membandingkan F hitung dengan F tabel

 Karena 18,70 > 3,88, 𝐹1 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹1 𝑡𝑎𝑏𝑒𝑙, maka Ho 1 ditolak.
Artinya, Terdapat perbedaan secara signifikan waktu yang dibutuhkan
tikus untuk melintasi landasan pacu antara kelompok tikus yang
dipisahkan dari makanannya 12 jam, 24 jam dan 48 jam.
 Karena 128,19 > 3,88, 𝐹2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹2 𝑡𝑎𝑏𝑒𝑙, maka Ho 2 ditolak.
Artinya, Terdapat pengaruh waktu yang dibutuhkan tikus untuk
melintasi landasan pacu terhadap percobaan 1, percobaan 2, dan
percobaan 3.
 Karena 1,62 < 3,26, 𝐹3 ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹3 𝑡𝑎𝑏𝑒𝑙, maka Ho 3 diterima.
Artinya, Tidak terdapat interaksi antara kelompok tikus yang
dipisahkan dari makanannya selama 12 jam, 24 jam, dan 48 jam
dengan percobaan 1, percobaan 2, dan percobaan 3.

12) Untuk Ho yang ditolak, lanjutkan Uji Post Hoc Tukey HSD

𝑆2 𝑊
𝐻𝑆𝐷 = 𝑞√
𝑛

Untuk Ho 1:
 32,81
𝐻𝑆𝐷 = 3√
15 = 4,44

|
𝑋̅
̅𝐴̅1̅ −
𝑋̅
̅𝐴̅2̅| = |37,67 − 29,8| = 7,87 > 4,44
Artinya, kelompok tikus yang dipisahkan dari makanannya 12 jam berbeda
secara signifikan dengan kelompok tikus yang dipisahkan dari
makanannya 24 jam.
|
𝑋̅
̅𝐴̅1̅ −
𝑋̅
̅𝐴̅3̅| = |37,67 − 25| = 12,67 > 4,44
Artinya, kelompok tikus yang dipisahkan dari makanannya 12 jam berbeda
secara signifikan dengan kelompok tikus yang dipisahkan dari
makanannya 48 jam.

|
𝑋̅
̅𝐴̅2̅ −
𝑋̅
̅𝐴̅3̅| = |29,8 − 25| = 4,8 > 4,44
Artinya, kelompok tikus yang dipisahkan dari makanannya 24 jam berbeda
secara signifikan dengan kelompok tikus yang dipisahkan dari
makanannya 48 jam.

Untuk Ho 2:
 32,81
𝐻𝑆𝐷 = 3√
15 = 4,44

|𝑋̅𝐵̅1̅ − 𝑋̅𝐵̅2̅| = |52,67 − 26| = 26,67 > 4,44

Artinya, percobaan 1 berbeda secara signifikan dengan percobaan 2.

|𝑋̅𝐵̅1̅ − 𝑋̅𝐵̅3̅| = |52,67 − 13,8| = 38,87 > 4,44

Artinya, percobaan 1 berbeda secara signifikan dengan percobaan 3.

|𝑋̅𝐵̅2̅ − 𝑋̅𝐵̅3̅| = |26 − 13,8| = 12,2 > 4,44

Artinya, percobaan 2 berbeda secara signifikan dengan percobaan 3.

D. Analisis dengan Aplikasi SPSS 23.0

1. Anova Dua Arah Tanpa Interaksi
Sebuah perusahaan X pada 2009 yang bergerak dalam pembuatan air
minum kemasan ingin mengetahui pengaruh ukuran kemasan air dan
warna kemasan air minum terhadap hasil penjualan. Untuk keperluan
tersebut perusahaan mengambil sampel dari hasil penjualan untuk ukuran
kemasan air minum yang berukuran kecil, sedang dan besar. Data
penjualan selama satu bulan ada pada tabel di bawah ini. Dengan taraf
nyata (𝛼) = 0,05
Tabel. Perbandingan Tingkat Penjualan Air Minum Berdasarkan Ukuran dan
Warna di PT X tahun 2009

Ukuran Air Warna Kemasan Air Minum

Minum Kemasan Merah Kuning Hijau Biru
Kecil 1500 1350 1650 1500
Sedang 1750 1450 1750 1400
Besar 1700 1500 1600 1450

Adapun cara menganalisis data dengan ANOVA dua arah tanpa interaksi
adalah sebagai berikut:
1) Input variable pada window variable view

2) Input data yang telah tersedia pada window data view

3) Langkah-langkah analisis data sebagai berikut:

a. Pilih Analyze pada menu file kemudian pilih General Linear Model
b. Klik Unvariate sehingga muncul tampilan seperti berikut:
c. Pada kotak Dependent Variable masukkan variabel terikat yang akan
dianalisis. Dalam hal ini tingkat penjualan. sedangkan pada kotak fixed
factor masukkan variabel bebas. Dalam hal ini masukkan warna kemasan
air minum dan ukuran air minum kemasan.

d. Pilih Model, pilih Custom. Pada Build Term pilih All 2-way. Pada kotak
Model pilih warna dan ukuran (masukkan satu persatu), kemudian klik
Continue.
 e. Pilih Plots. Pada kotak Horizontal Axis pilih warna sedangkan Separates
Lines pilih ukuran, kemudian klik Add. Selanjutnya, untuk melihat grafik
pada dua posisi yang berbeda, pada kotak Horizontal Axis pilih ukuran
sedangkan Separates Lines pilih warna, kemudian klik Add. pilih warna dan
ukuran (masukkan satu persatu), kemudian klik Continue.

f. Pilih Post Hoc. Pilih warna dan ukuran pada kolom Factor(s) dan klik Scheffe
dan Tukey pada kolom Equal Variances Assumed, kemudian klik Continue.
g. Pilih Option. Pilih warna dan ukuran pada Display Means for. Klik
Descriptive statistics pada kolom Display, kemudian klik Continue.

h. Klik Ok sehingga akan muncul tampilan Output sebagai berikut:

1) Output Between-Subject Factors
2) Output Descriptive Statistics

Bagian ini menampilkan statistik deskriptif dari data yang dianalisis, berupa
mean dan standar deviasi. Dari tabel terlihat mean kelompok kemasan merah
dengan ukuran kecil adalah 1500 dan seterusnya. Untuk standar deviasi
keseluruhan dari warna kemasan merah berukuran kecil, sedang, dan besar
adalah 132.288.
3) Output Test of Between-Subjects Effects

Kolom pertama dari tabel menunjukkan faktor apa yang akan diuji, kolom
kedua menunjukkan jumlah kuadrat dari faktor yang dianalisis, kolom ketiga
menunjukkan dejar kebebasan, kolom keempat menunjukkan rata-rata
kuadrat, kolom kelima menunjukkan F hitung dan kolom keenam
menunjukkan nilai signifikansi. Karena nilai signifikansi dari variabel
warna kurang dari 𝛼 =
 0,05 maka 𝐻𝑜1 ditolak, ini berarti terdapat perbedaan yang signifikan rata-rata
penjualan antara ukuran kemasan air minum yang berukuran kecil, sedang
dan besar. Untuk mengetahui perbedaannya perlu dilakukan uji lanjutan
(Post Hoc). Sedangkan nilai signifikansi dari variabel ukuran lebih besar dari
𝛼 = 0,05 maka 𝐻𝑜2 diterima, ini berarti tidak terdapat perbedaan yang
signifikan rata-rata penjualan antara warna kemasan air minum yang
berwarna merah, hijau, kuning dan biru.
4) Output Estimated Marginal Means

5) Output Post Hoc Tests dan Homogeneous Subsets

25
 Dari tabel dapat dilihat bahwa perbedaan mean kemasan warna merah dengan
kemasan warna hijau adalah 216,67 (kemasan warna merah lebih banyak
sebanyak 216,67), perbedaan mean kemasan warna merah dengan kemasan
warna kuning adalah -16,67 (kemasan warna merah lebih kecil sebanyak
216,67), dan seterusnya.

Subsets homogenitas ini untuk mencari kelompok mana yang tidak berbeda
secara signifikan dengan kelompok lainnya. Dari tabel terlihat bahwa pada
subset 1 terdapat kemasan warna hijau, biru, merah, dan kuning, untuk
kemasan warna hijau dengan nilai 1433,33, untuk kemasan warna biru dengan
nilai 1450, untuk kemasan warna merah dengan nilai 1650, dan untuk
kemasan warna kuning dengan nilai 1666, 67. Ini berarti kemasan warna hijau
tidak berbeda secara signifikan dari kemasan warna biru, merah, dan kuning.
6) Output Plots

26
 Dari grafik telihat bahwa tidak ada interaksi antara warna kemasan air minum
dan ukuran air minum kemasan.

2. Anova Dua Arah dengan Interaksi

Kita ingin meneliti efek dari kekurangan makanan (faktor A) pada perilaku
yang termotivasi. Kita tentukan secara acak 15 tikus pada satu dari ketiga grup
yang ada. (1) Tikus-tikus dipisahkan dari makanannya selama 12 jam. (2)
Tikus-tikus dipisahkan dari makanannya selama 24 jam. (3) Tikus-tikus
dipisahkan dari makanannya selama 48 jam. Sebagai variabel dependen, kita
catat waktu (dalam detik) yang dibutuhkan setiap tikus untuk melintasi
landasan pacu 10 kaki untuk penguatan makanan pada tiga percobaan berturut-
turut (faktor B). Tak satupun dari hewan-hewan tersebut yang memiliki
pengalaman sebelumnya di landasan pacu. Data diberikan sebagaimana pada
tabel di bawah ini. (a) Lengkapi ANOVA dua arah dan buat hasil penelitian
pada tabel. (b) Konstruksi sebuah grafik dari hasil penelitian. (c) Buatlah
kesimpulan.
A1 A2 A3
(12 HOURS) (24 HOURS) (48 HOURS)
B1 B2 B3 B1 B2 B3 B1 B2 B3
S1 60 40 25 S6 40 30 15 S11 50 20 5
S2 50 30 20 S7 60 25 10 S12 60 15 7
S3 40 35 20 S8 55 20 15 S13 40 20 10
S4 60 30 30 S9 45 25 8 S14 50 15 8
S5 70 40 15 S10 55 35 9 S15 55 10 10

27
 Adapun cara menganalisis data denganANOVA dua arah dengan interaksi
adalah sebagai berikut:
1) Input variable pada window variable view

2) Input data yang telah tersedia pada window data view

3) Langkah-langkah analisis data sebagai berikut:

a. Pilih Analyze pada menu file kemudian pilih General Linear Model
b. Klik Unvariate sehingga muncul tampilan seperti berikut:

28
c. Pada kotak Dependent Variable masukkan variabel terikat yang akan
dianalisis. Dalam hal ini waktu. Sedangkan pada kotak fixed factor masukkan
variabel bebas. Dalam hal ini masukkan A dan B.

d. Pilih Model, pilih Full factorial, kemudian klik Continue.

e. Pilih Plots. Pada kotak Horizontal Axis pilih A sedangkan Separates Lines
pilih B, kemudian klik Add. Selanjutnya, untuk melihat grafik pada dua posisi
yang berbeda, pada kotak Horizontal Axis pilih B sedangkan Separates Lines
pilih A, kemudian klik Add. pilih warna dan ukuran (masukkan satu persatu),
kemudian klik Continue.

29
f. Pilih Post Hoc. Pilih warna dan ukuran pada kolom Factor(s) dan klik Scheffe
dan Tukey pada kolom Equal Variances Assumed, kemudian klik Continue.

g. Pilih Option. Pilih A, B, dan A✳B pada Display Means for. Klik Descriptive
statistics pada kolom Display, kemudian klik Continue.

30
h. Klik Ok sehingga akan muncul tampilan Output sebagai berikut:
1) Output Between-Subject Factors

Dari hasil output terlihat bahwa jumlah semua subjek sama yaitu 15.

2) Output Descriptive Statistics

Bagian ini menampilkan statistik deskriptif dari data yang dianalisis,

berupa mean dan standar deviasi. Dari tabel terlihat mean kelompok A1
dengan B1 adalah 56 sedangkan untuk standar deviasi kelompok A1
dengan B1 adalah 11,402, dan seterusnya.

31
3) Output Test of Between-Subjects Effects

Dari tabel dapat dilihat bahwa jumlah kuadrat dari variabel A adalah 122,844,
untuk variabel B adalah 11852, 844, dan untuk jumlah kuadrat totalnya adalah
57633. Rata-rata kuadrat dari variabel A adalah 613,422 dan untuk variabel B
adalah 5926,422. Diperoleh nilai F hitung untuk variabel A adalah 14,691 dan
variabel B adalah 141,931. Karena nilai signifikansi dari variabel A kurang
dari
𝛼 = 0,05 maka 𝐻𝑜1 ditolak, ini berarti Terdapat perbedaan secara signifikan
waktu yang dibutuhkan tikus untuk melintasi landasan pacu antara kelompok
tikus yang dipisahkan dari makanannya 12 jam, 24 jam dan 48 jam.
Sedangkan nilai signifikansi dari variabel B kurang 𝛼 = 0,05 maka 𝐻𝑜2 juga
ditolak, ini berarti terdapat pengaruh waktu yang dibutuhkan tikus untuk
melintasi landasan pacu terhadap percobaan 1, percobaan 2, dan percobaan 3.
Untuk mengetahui perbedaannya perlu dilakukan uji lanjutan (Post Hoc).
Catatan: berdasarkan hasil output SPSS 23.0 pada tabel tidak diperoleh nilai
𝐵 × 𝑤𝑖𝑡ℎ𝑖𝑛 sehingga mempengaruhi nilai F akibatnya berbeda dengan hasil
yang dihitung secara manual.
4) Output Estimated Marginal Means
Tabel output di bawah ini menunjukkan rata-rata waktu yang dibutuhkan
dalam waktu A1 (12 jam) antara 34,283 sampai 41,050, dan seterusnya.
Sedangkan rata-rata waktu yang dibutuhkan dalam waktu B1 berkisar antara
49,283 sampai 56,050 dan seterusnya.

32
5) Output Post Hoc Tests dan Homogeneous Subsets

33
Dari tabel diatas dapat dilihat bahwa perbedaan mean dari A1 dengan A2
adalah 7,87 (A1 lebih banyak 7,87, dari A2) dan seterusnya.

Subsets homogenitas ini untuk mencari kelompok mana yang tidak berbeda
secara signifikan dengan kelompok lainnya. Dari tabel terlihat bahwa pada
subset 1 terdapat A3 dan A2 dengan nilai 25, ini berarti A3 tidak berbeda
secara signifikan dari A2. Untuk subset 2 terdapat A1 dengan nilai 37,67. Ini
berarti A1 berbeda secara signifikan dengan A2 dan A3.

Dari tabel dapat dilihat bahwa perbedaan mean dari B1 dengan B2 adalah
26,67 (B1 lebih banyak 26,67 dari B2) dan seterusnya.

34
 Subsets homogenitas ini untuk mencari kelompok mana yang tidak berbeda
secara signifikan dengan kelompok lainnya. Dari tabel terlihat bahwa pada
subset 1 terdapat B3 dengan nilai 13,80, subset 2 terdapat B2 dengan nilai 26,
dan subset 3 terdapat B1 dengan nilai 52,67. Ini berarti B3 berbeda secara
signifikan dengan B1 dan B2.
6) Output Plots

Dari grafik terlihat bahwa terdapat interaksi antara A dan B.

35
 BAB III
PENUTUP

Kesimpulan
Dalam anova dua arah, kita ingin mengetahui ada atau tidaknya perbedaan
beberapa variabel bebas dengan sebuah variabel terikatnya dan masing-masing
variabel mempunyai dua jenjang atau lebih. Banyaknya jenjang yang dimiliki
variabel bebas dan variabel terikat ini menentukan nama dari anovanya.

Pengujian anova dua arah mempunyai beberapa asumsi diantaranya:

1. Populasi yang diuji berdistribusi normal.
2. Varians atau ragam dan populasi yang diuji sama.
3. Sampel tidak berhubungan satu dengan yang lain.

Pada pengujian ANOVA 2 didasarkan pada pengamatan 2 kriteria. Setiap

kriteria dalam pengujian ANOVA mempunyal level. Tujuan dari pengujian
ANOVA 2 arah ini adalah untuk mengetahui apakah ada pengaruh dan berbagai
kriteria yang diuji terhadap hasil yang diinginkan.

Ada 2 jenis anova dua arah:

1. Anova Dua Arah tanpa Interaksi, merupakan pengujian hipotesis beda tiga
rata- rata atau lebih dengan dua faktor yang berpengaruh dan interaksi antara
kedua faktor tersebut ditiadakan.
2. 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 diperhitungkan.

36
 DAFTAR PUSTAKA

Furqon. 2009. Statistika Terapan untuk Penelitian. Cetakan ketujuh. Bandung:

Alfabeta.

Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial). Jakarta:

Bumi Aksara

Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta: Bumi
Aksara.

Pramesti, Getut. 2016. Statistika Lengkap secara Teori dan Aplikasi dengan SPSS
23. Jakarta: PT. Elex Media Komputindo.

Riduan. 2010. Metode dan Teknik Menyusun Tesis.Bandung: Alfabeta.

Russefendy.1998. Statistika Dasar. Bandung: IKIP Bandung Press.

Usman, Husaini. 2006. Pengantar Statistika. Jakarta: PT Bumi Aksara.

37