PRAKTIKUM SPSS

PRAKTIKUM KE 8

ONE WAY ANOVA

NAMA : MUTIARA SILABAN

NIM : 4193311047
KELAS : PSPM F 2019
PROGRAM STUDI : PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2021
I. Judul : One Way Anova

II. Tujuan :
1. Mengetahui apa itu ANOVA dan one way anova
2. Mengetahui tujuan dari one way anova
3. Mengetahui kegunaan one way anova
4. Mengetahui kriteria one way anova
5. Mengetahui prinsip dari uji one way anova
III.Alat & Bahan : a. Alat

No Alat Jumlah

1 Laptop 1 unit

b. Bahan

No Bahan Jumlah

1 Aplikasi SPSS 1 Unit

IV.Tanggal Praktikum: Jum’at, 29 Oktober 2021

V. Tinjauan Teoritis :

Uji Anova atau Analisis varians (ANOVA)dikembangkan

untuk memungkinkan peneliti untuk menguji hipotesis
perbandinganlebih dari dua kelompok. Dengan demikian, uji-t dan
uji anova adalah sama-sama metodestatistik untuk perbandingan.
Yang membedakan keduanya adalah hanya jumlahkelompok yang
dibandingkan. Ada beberapa jenis ANOVA yaitu one way
ANOVA, two way ANOVA,repeated ANOVA dan multivariate
ANOVA (MANOVA) (Herdiman, 2017).
Uji One Way Anova digunakan untuk menguji sebuah rancangan
eksperimen dengan rancangan lebih dari dua kelompok
independen. Uji One way Anova dapat digunakan apabila syarat
terpenuhi yaitu data berdistribusi normal, varian data homogen
dan sampel diambil secara acak. (Norfai, 2019)
Anova Satu Arah (One Way Anova) yaitu analisis yang
melibatkan hanya satu peubah bebas. Secara rinci, Anova Satu
Arah (One Way Anova) digunakan dalam suatu penelitian yang
memiliki ciri-ciri diantaranya melibatkan hanya satu peubah
bebas dengan dua kategori atau lebih yang dipilih dan ditentukan
oleh peneliti secara tidak acak. ( Fredy Dwi Ibnu, 2020)
Analisis varian (ANOVA) merupakan pengembangan dari
masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam
pengambilan keputusan. Analisis varians pertama kali
diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern.
Dalam praktek, analisis varians dapat merupakan uji hipotesis
(lebih sering dipakai) maupun pendugaan (estimation, khususnya
di bidang genetika terapan). (Budi Santoso dan Mersiha
Hastarina. 2018)
Kategori yang dipilih disebut tidak acak karena peneliti tidak
bermaksud menggeneralisasikan hasilnya ke kategori lain di luar
yang diteliti pada peubah itu. Sebagai contoh, peubah jenis
kelamin hanya terdiri atas dua ketgori (pria dan wanita), atau
peneliti hendak membandingkan antara jenis cacat Scratch, Burrs,
dan Pit dalam mengetahui faktor penyebabnya tanpa bermaksud
menggeneralisasikan ke jenis cacat lain di luar dari ketiga jenis
cacat tersebut. Anova juga lebih dikenal dengan ujiF (Fisher
Test), sedangkan untuk arti variasi atau varians itu berasal dari
sebuah pengertian konsep “Mean Square” atau kuadrat rerata
(KR).(Putra,2013)
VI.Prodesur Kerja :

1 Buka aplikasi SPSS pada laptop atau PC masing-masing.

MUTIARA SILABAN
4193311047

2 Masukkan data yang akan dianalisis pada Data View. Aturlah

nama, jenis dan label dalam Variabel View.

MUTIARA SILABAN
4193311047
3 Kemudian klik data view , kemudian masukkan data

MUTIARA SILABAN
4193311047

4 Klik analyze, Compare Means,One way Anova.

MUTIARA SILABAN
4193311047

5 Sehingga akan muncul kotak dialog One Way Anova.

Kemudian pindahkan tinggi badan ke kotak dependent list
dan profesi kekotak factor.

MUTIARA SILABAN
4193311047
6 Pilih Options maca akan muncul one way options. Yandai
sheckbox descriptive dan homogenity of variance. Klik
continue lalu oke

MUTIARA SILABAN
4193311047

7 Kemudian pilih Post Hoc maka akan muncul kotak dialog

one way anova: psy hoc comprasions. Pilih Turkey.
Continue. Ok

MUTIARA SILABAN
4193311047
8 klik OK . Maka hasil output akan sebagai berikut

MUTIARA SILABAN
4193311047
VII.Hasil & Pembahasan : A. Output

 Dari hasil pengujian homogenity of variances ini kita

bisa melihat varians dari ke 3 merek sama dan itu dapat
kita liahat dari Sig. nya dengan ketentuan apabila nilai
Sig. > 0.05 maka anova valid.
 Selanjutnya pada pengujian ANOVA dapat kita lihat
apakah ada perbedaan antara merek suzuki, yamaha dan
honda terhadap jumlah yang terjual dengan melihat nilai
signifikan yang diperoleh dengan ketentuan apabila Sig.
< 0.05 maka ada perbedaan merek suzuki,yamaha dan
honda terhadap jumlah yang terjual
 Jika di ANOVA kita hanya bisa melihat bahwasanya ada
perbedaan merek suzuki, yamaha, dan honda terhadap
jumlah yang terjual, maka dengan Post Hoc kita bbisa
mengetahui letak perbedaan itu.
B.Manual
VIII.Kesimpulan :

1. Anova merupakan singkatan dari “analysis of varian“.

Analysis of Varian adalah salah satu uji komparatif yang
digunakan untuk menguji perbedaan mean (rata-rata) data lebih
dari dua kelompok. Menurut Teguh Wahyono dalam bukunya,
One-Way ANOVA merupakan prosedur yang digunakan untuk
menghasilkan analisis variansi satu arah untuk variabel dependen
dengan tipe data kuantitatif dengan sebuah variabel independen
sebagai variabel faktor.
2. Tujuan dari one way anova adalah untuk membandingkan
lebih dari dua rata-rata.Sedangkan gunanya untuk menguji
generalisasi.Yang artinya signifikan hasil penelitian. jika terbukti
berbeda berarti kedua sampel tersebut dapat digeneralisasikan
(data sampel dianggap dapat mewakili populasi).
3. Kegunaan one way anova
• Analisis varian banyak dipergunakan pada penelitian-
penelitian yang banyak melibatkan pengujian komparatif yaitu
menguji variabel terikat dengan cara membandingkannya pada
kelompok-kelompok sampel independen yang diamati. Analisis
varian saat ini banyak digunakan dalam penelitian survey dan
penelitian eksperimen.
• Analisis varians relatif mudah dimodifikasi dan dapat
dikembangkan untuk berbagai bentuk percobaan yang lebih rumit.
Selain itu, analisis ini juga masih memiliki keterkaitan dengan
analisis regresi. Akibatnya, penggunaannya sangat luas di
berbagai bidang, mulai dari eksperimen laboratorium hingga
eksperimen periklanan, psikologi, dan kemasyarakatan.
4. Kriteria data one way anova
• Sebelum menguji dengan ANOVA, data harus berdistribusi
normal dan mempunyai varians yang sama.
• Data yang digunakan pada One-way Anova untuk nilai
variabel pada faktor harus integer sedangkan variabel dependen
harus berupa data kuantitatif (tingkat pengukuran interval).
• Asumsi yang digunakan pada One-way Anova, yaitu setiap
kelompok pada sampel acak independen dari populasi yang
normal dan bervarian homogen.
• Dari output uji Anova akan diperoleh nilai F hitung. Jika
nilai F hitung tidak signifikan, berarti rata-rata variabel dependen
pada tingkat faktor yang ditentukan identik. Jika F hitung
signifikan berarti terdapat perbedaan rata-rata variabel dependen
pada tingkat faktor yang telah ditentukan.
5. Prinsip Uji One Way Anova yaitu Melakukan analisis
variabilitas data menjadi dua sumber variasi yaitu variasi di dalam
kelompok (within) dan variasi antar kelompok (between). Bila
variasi within dan between sama (nilai perbandingan kedua varian
mendekati angka satu). Maka berarti tidak ada perbedaan efek
dari intervensi yang dilakukan, dengan kata lain nilai mean yang
dibandingkan tidak ada perbedaan. Sebaliknya bila variasi antar
kelompok lebih besar dari variasi didalam kelompok, artinya
intervensi tersebut memberikan efek yang berbeda, dengan kata
lain nilai mean yang dibandingkan menunjukkan adanya
perbedaan.
XI.Daftar Pustaka :

Herdiman, I. Sariningsih, R. 2017. Mengembangkan Kemampuan

Penalaran Statistik dan Berpikir Kreatif Matematis Mahasiswa di
Kota Cimahi Melalui Pendekatan open – ended. Jurnal Riset
Pendidikan Matematika. Vol 4 (2), 239 – 246.

Santoso, Budi dan Mersiha Hastarina. 2018.

PENDISTRIBUSIAN MINYAK AVTUR DENGAN METODE
ONE WAY ANNOVA DI DPPU SMB II PALEMBANG. Vol. 3
No. 1

Norfai. 2019. Analisis Data Penelitian. Jawa Timur : CV Penerbit

Qiara Media.
Putra, F. D. (2013). Analisis Kualitas Pelayanan Konsumen Pada
Ritel Pamella I Yogyakarta. Jurnal Manajemen, 3(2), 41-46.
Ramadhani Rahmi. 2021. Statistika Penelitian Pendidikan.
Jakarta : Kencana.

Medan, 12 November 2021

Dosen Pengampu Praktikan

Prof. Dr. SAHAT SARAGIH, M.Pd MUTIARA SILABAN

NIP. 196102051988031003 NIM. 4193311047

Asisten Laboratorium

DICHI AKBAR WAHYUDI

NIM. 4171111013
 LAMPIRAN OUTPUT

NO 1

DATASET ACTIVATE DataSet1.

NPAR TESTS

/K-S(NORMAL)=Jumlah_Terjual

/MISSING ANALYSIS.

NPar Tests

Notes

Output Created 12-NOV-2021 08:44:08

Comments

Input Data C:\Users\asus\Downloads\pro

ker 1 one way anova_1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 9

File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.

Cases Used Statistics for each test are

based on all cases with valid
data for the variable(s) used
in that test.

Syntax NPAR TESTS

/K-
S(NORMAL)=Jumlah_Terjual

/MISSING ANALYSIS.

Resources Processor Time 00:00:00.03

Elapsed Time 00:00:00.09

Number of Cases Alloweda 393216

a. Based on availability of workspace memory.

[DataSet1] C:\Users\asus\Downloads\proker 1 one way anova_1.sav

One-Sample Kolmogorov-Smirnov Test

Jumlah Merek
Motor Terjual

N 9

Normal Parametersa,b Mean 12.00

Std. Deviation 2.739

Most Extreme Differences Absolute .101

 Positive .101

Negative -.101

Test Statistic .101

Asymp. Sig. (2-tailed) .200c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

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

DESCRIPTIVES VARIABLES=Jumlah_Terjual

/STATISTICS=MEAN STDDEV VARIANCE MIN MAX.

Descriptives

Notes

Output Created 12-NOV-2021 08:44:23

Comments

Input Data C:\Users\asus\Downloads\pro

ker 1 one way anova_1.sav

Active Dataset DataSet1

 Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 9

File

Missing Value Handling Definition of Missing User defined missing values

are treated as missing.

Cases Used All non-missing data are

used.

Syntax DESCRIPTIVES
VARIABLES=Jumlah_Terjual

/STATISTICS=MEAN
STDDEV VARIANCE MIN
MAX.

Resources Processor Time 00:00:00.02

Elapsed Time 00:00:00.03

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation Variance

Jumlah Merek Motor Terjual 9 8 16 12.00 2.739 7.500

Valid N (listwise) 9

ONEWAY Jumlah_Terjual BY Merek_Motor

/STATISTICS DESCRIPTIVES HOMOGENEITY

/PLOT MEANS

/MISSING ANALYSIS

/POSTHOC=TUKEY ALPHA(0.05).
Oneway

Notes

Output Created 12-NOV-2021 08:44:51

Comments

Input Data C:\Users\asus\Downloads\pro

ker 1 one way anova_1.sav

Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 9

File

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics for each analysis

are based on cases with no
missing data for any variable
in the analysis.
Syntax ONEWAY Jumlah_Terjual BY
Merek_Motor

/STATISTICS
DESCRIPTIVES
HOMOGENEITY

/PLOT MEANS

/MISSING ANALYSIS

/POSTHOC=TUKEY
ALPHA(0.05).

Resources Processor Time 00:00:00.69

Elapsed Time 00:00:00.48

Descriptives

Jumlah Merek Motor Terjual

95% Confidence Interval for Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound

Suzuki 3 9.00 1.000 .577 6.52 11.48

Yamaha 3 12.00 1.000 .577 9.52 14.48

Honda 3 15.00 1.000 .577 12.52 17.48

Total 9 12.00 2.739 .913 9.89 14.11

Descriptives

Jumlah Merek Motor Terjual

Minimum Maximum

Suzuki 8 10
Yamaha 11 13

Honda 14 16

Total 8 16

Test of Homogeneity of Variances

Levene Statistic df1 df2 Sig.

Jumlah Merek Motor Terjual Based on Mean .000 2 6 1.000

Based on Median .000 2 6 1.000

Based on Median and with .000 2 6.000 1.000

adjusted df

Based on trimmed mean .000 2 6 1.000

ANOVA

Jumlah Merek Motor Terjual

Sum of Squares df Mean Square F Sig.

Between Groups 54.000 2 27.000 27.000 .001

Within Groups 6.000 6 1.000

Total 60.000 8

Post Hoc Tests

 Multiple Comparisons

Dependent Variable: Jumlah Merek Motor Terjual

Tukey HSD

95% Confidence Interval

Mean Difference
(I) Merek Motor (J) Merek Motor (I-J) Std. Error Sig. Lower Bound Upper Bound

Suzuki Yamaha -3.000* .816 .024 -5.51 -.49

Honda -6.000* .816 .001 -8.51 -3.49

Yamaha Suzuki 3.000* .816 .024 .49 5.51

Honda -3.000* .816 .024 -5.51 -.49

Honda Suzuki 6.000* .816 .001 3.49 8.51

Yamaha 3.000* .816 .024 .49 5.51

*. The mean difference is significant at the 0.05 level.

Homogeneous Subsets

Jumlah Merek Motor Terjual

Tukey HSDa

Merek Motor N Subset for alpha = 0.05

 1 2 3

Suzuki 3 9.00

Yamaha 3 12.00

Honda 3 15.00

Sig. 1.000 1.000 1.000

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 3.000.

Means Plots
NO 2

Your temporary usage period for IBM SPSS Statistics will expire in 5163 days.

GET

FILE='C:\Users\asus\Downloads\proker 1 one way anova_1.sav'.

DATASET NAME DataSet1 WINDOW=FRONT.

DATASET ACTIVATE DataSet0.

NPAR TESTS

/K-S(NORMAL)=anggota_rumah_tangga

/MISSING ANALYSIS.

NPar Tests

Notes

Output Created 11-NOV-2021 20:44:02

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

 N of Rows in Working Data 30
File

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics for each test are

based on all cases with valid
data for the variable(s) used
in that test.

Syntax NPAR TESTS

/K-
S(NORMAL)=anggota_rumah
_tangga

/MISSING ANALYSIS.

Resources Processor Time 00:00:00.02

Elapsed Time 00:00:00.01

Number of Cases Alloweda 393216

a. Based on availability of workspace memory.

[DataSet0]

One-Sample Kolmogorov-Smirnov Test

Jumlah_anggota
_rumah_tangga

N 26

Normal Parametersa,b Mean 4.88

 Std. Deviation 1.705

Most Extreme Differences Absolute .237

Positive .237

Negative -.134

Test Statistic .237

Asymp. Sig. (2-tailed) .001c

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

DESCRIPTIVES VARIABLES=anggota_rumah_tangga

/STATISTICS=MEAN STDDEV VARIANCE MIN MAX.

Descriptives

Notes

Output Created 11-NOV-2021 20:45:47

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

 N of Rows in Working Data 30
File

Missing Value Handling Definition of Missing User defined missing values

are treated as missing.

Cases Used All non-missing data are

used.

Syntax DESCRIPTIVES
VARIABLES=anggota_rumah
_tangga

/STATISTICS=MEAN
STDDEV VARIANCE MIN
MAX.

Resources Processor Time 00:00:00.02

Elapsed Time 00:00:00.00

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation Variance

Jumlah_anggota_rumah_tan 26 3 8 4.88 1.705 2.906

gga

Valid N (listwise) 26

ONEWAY anggota_rumah_tangga BY nama_desa

/STATISTICS DESCRIPTIVES HOMOGENEITY

/PLOT MEANS

/MISSING ANALYSIS

/POSTHOC=TUKEY ALPHA(0.05).
Oneway

Notes

Output Created 11-NOV-2021 20:46:59

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data 30

File

Missing Value Handling Definition of Missing User-defined missing values

are treated as missing.

Cases Used Statistics for each analysis

are based on cases with no
missing data for any variable
in the analysis.

Syntax ONEWAY
anggota_rumah_tangga BY
nama_desa

/STATISTICS
DESCRIPTIVES
HOMOGENEITY

/PLOT MEANS

/MISSING ANALYSIS

/POSTHOC=TUKEY
ALPHA(0.05).
Resources Processor Time 00:00:02.17

Elapsed Time 00:00:01.86

Descriptives

Jumlah_anggota_rumah_tangga

95% Confidence Interval for Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound

Desa A 7 5.43 1.618 .612 3.93 6.93

Desa B 10 4.90 1.969 .623 3.49 6.31

Desa C 9 4.44 1.509 .503 3.28 5.60

Total 26 4.88 1.705 .334 4.20 5.57

Descriptives

Jumlah_anggota_rumah_tangga

Minimum Maximum

Desa A 4 8

Desa B 3 8

Desa C 3 7

Total 3 8

Test of Homogeneity of Variances

Levene Statistic df1 df2 Sig.

Jumlah_anggota_rumah_tan Based on Mean .638 2 23 .537

gga
Based on Median .009 2 23 .991
 Based on Median and with .009 2 17.411 .991
adjusted df

Based on trimmed mean .504 2 23 .610

ANOVA

Jumlah_anggota_rumah_tangga

Sum of Squares df Mean Square F Sig.

Between Groups 3.817 2 1.909 .638 .538

Within Groups 68.837 23 2.993

Total 72.654 25

Post Hoc Tests

Multiple Comparisons

Dependent Variable: Jumlah_anggota_rumah_tangga

Tukey HSD

95%
Confidence
Interval
Mean Difference
(I) Nama_Desa (J) Nama_Desa (I-J) Std. Error Sig. Lower Bound

Desa A Desa B .529 .853 .811 -1.61

 Desa C .984 .872 .507 -1.20

Desa B Desa A -.529 .853 .811 -2.66

Desa C .456 .795 .836 -1.54

Desa C Desa A -.984 .872 .507 -3.17

Desa B -.456 .795 .836 -2.45

Homogeneous Subsets

Jumlah_anggota_rumah_tangga

Tukey HSDa,b

Subset for alpha

= 0.05

Nama_Desa N 1

Desa C 9 4.44

Desa B 10 4.90

Desa A 7 5.43

Sig. .482

Means for groups in homogeneous subsets are

displayed.

a. Uses Harmonic Mean Sample Size = 8.475.

b. The group sizes are unequal. The harmonic

mean of the group sizes is used. Type I error
levels are not guaranteed.
Means Plots