BAB IV

Uji Beda T-Test dan Analysis of Variance (ANOVA)

Oleh: Guruh Fajar Alamsyah, M.M.

1. Pendahuluan
Di dalam analisis dependen kita sering dihadapkan dengan analisis data yang ingin melihat
hubungan antara variabel independen (variabel bebas yang bersifat kategori atau skala nonmetric) dan
variabel dependen (variabel terikat yang bersifat kontinyu, metric atau berskala interval dan rasio). Alat
uji statistic yang cocok untuk masalah ini tergantung dari jumlah kategori dari variabel independen. Jika
variabel independen berkategori dua, maka uji statistic yang digunakan adalah uji beda t-test,
sedangkan untuk variabel independen yang berkategori lebih dari dua maka digunakan analisis of
variance (Anova).
Untuk menjelaskan uji statistic ini akan digunakan data File Employee.sav (di dalam folder Data
Multivariate -> DATA LATIHAN UNTUK STATISTIK 2). File tersebut berisi variabel sebagai berikut:
Gender : jenis kelamin responden kode m (laki-laki) dan f (perempuan)
Bdate : Tanggal lahir responden
Educ : Lama pendidikan dalam tahun
Jobcat : Kategori kerja, kode 1 (clerical), kode 2 (custodial), kode 3 (manajer)
Salary : Gaji sekarang (current salary) dalam dollar
Salbegin : Gaji awal dalam dollar
Jobtime : Jumlah bulan sejak dikontrak kerja
Prevexp : Pengalaman kerja sebelumnya dalam bulan
Minority : Minoritas kode 1 (ya) dan kode 0 (tidak)

2. Uji Beda t-test

a. Uji Beda Independen
Uji beda t-test digunakan untuk menentukan apakah dua sample yang tidak berhubungan memiliki
nilai rata-rata yang berbeda. Uji beda t-test dilakukan dengan cara membandingkan perbedaan antara
dua nilai rata-rata dengan standar error dari perbedaan rata-rata dua sample atau secara rumus dapat
ditulis sebagai berikut:

Rata−rata sample pertama−rata rata sample kedua

t=
standar error perbedaan rata−ratakedua sample

Standar error perbedaan dalam nilai rata-rata terdistribusi secara normal. Jadi, tujuan uji beda t-
test adalah membandingkan rata-rata dua grup yang tidak berhubungan satu dengan yang lain. Apakah
kedua grup tersebut mempunyai nilai rata-rata yang sama atau tidak sama secara signifikan. Sebagai
misal kita ingin mengetahui apakah rata-rata pengalaman kerja sebelumnya berbeda untuk
responden laki-laki dan wanita. Oleh karena sampelnya independen yaitu pegawai laki-laki dan wanita
sudah berbeda secara biologis, maka digunakan independent sample t-test. Langkah analisisnya sebagai
berikut:
a. Buka file Employee.sav (file berada dalam folder Data Multivariate -> DATA LATIHAN UNTUK
STATISTIK 2)
b. Dari menu utama SPSS, pilih menu Analyze -> Compare Means -> Independent Sample T-test
(ini dipilih karena kelompok laki-laki dan wanita berasal dari populasi yang berbeda)
c. Tampak di layar tampilan windows Independet Sample T-test
13
 Gambar 2.1 Independent Sample t-test

d. Isikan ke dalam kotak Test Variabel dengan Previous Experience dan pada kotak Grouping
Variabel isikan Gender.
e. Kemudian variabel gender harus didefinisikan dengan cara memilih Define Groups lalu isikan
pada Groups satu = m (male) dan dua = f (female)
f. Pilih Continue dan Ok
g. Output SPSS:

Group Statistics

Gender N Mean Std. Deviation Std. Error Mean

Previous Experience Male 258 111,62 109,692 6,829

(months) Female 216 77,04 95,012 6,465

Independent Samples Test

Levene's Test t-test for Equality of Means

for Equality of
Variances

F Sig. t df Sig. Mean Std. Error 95% Confidence

(2- Difference Difference Interval of the
tailed) Difference

Lower Upper

Equal
variances 2,582 ,109 3,631 472 ,000 34,583 9,524 15,869 53,297
Previous assumed
Experience Equal
(months) variances
3,678 471,444 ,000 34,583 9,404 16,105 53,062
not
assumed

Penjelasan Output:
Output pertama (Group Statistics)
Terlihat bahwa rata-rata pengalaman sebelumnya dalam bulan untuk responden laki-laki adalah 111.62
bulan sedangkan untuk kelompok responden wanita 77.04 bulan. Secara absolut jelas bahwa rata-rata
13
pengalaman kerja sebelumnya berbeda antara laki-laki dan wanita, untuk melihat apakah perbedaan ini
memang nyata secara statistic, maka kita harus melihat output bagian kedua (independent sample test).
Output kedua (Independent Sample Test)
Ada dua tahapan analisis yang harus dilakukan, pertama kita harus menguji dulu asumsi apakah variance
populasi kedua sample tersebut sama (equal variance assumed) ataukah berbeda (equal variances not
assumed) dengan melihat nilai levene test. Setelah kita mengetahui apakah variance sama atau tidak,
langkah kedua adalah melihat nilai t-test untuk menentukan apakah terdapat perbedaan nilai rata-rata
secara signifikan. Mengetahui apakah varians populasi identic ataukah tidak dengan hipotesis berikut:
H0 : Variance populasi pengalaman kerja sebelumnya antara responden laki-laki dan wanita adalah
sama
HA : Variance populasi pengalaman kerja sebelumnya antara responden laki-laki dan wanita adalah
berbeda
Pengambilan keputusan dilakukan dengan dua ketentuan:
a. Jika probabilitas > 0.05, maka H0 tidak dapat ditolak. Jadi variance sama
b. Jika probabilitas < 0.05, maka H0 ditolak. Jadi variance berbeda.
Terlihat dari ouput SPSS bahwa F hitung levene test sebesar 2.582 dengan probabilitas 0.109 karena
probabilitas > 0.05 maka dapat disimpulkan bahwa H0 tidak dapat ditolak atau memiliki variance yang
sama. Dengan demikian analisis uji beda t-test harus menggunakan asumsi equal variance assumed. Dari
output SPSS terlihat bahwa nilai t pada equal variance assumed adalah 3.361 dengan probabilitas
signifikansi 0.000 (two tail). Jadi dapat disimpulkan bahwa rata-rata pengalaman kerja sebelumnya
dalam bulan berbeda secara signifikan antara responden laki-laki dan wanita.

b. Uji Beda T-test dengan sample berhubungan (related sample)

Kadangkala kita ingin menguji apakah ada perbedaan rata-rata dari dua sample yang berhubungan.
Sebagai misal kita ingin mengetahui apakah terdapat perbedaan kinerja (yang diukur dengan rasio
keuangan perusahaan) perusahaan sebelum dan sesudah go publik. Dalam hal ini sample tetap
perusahaan adalah sama, yang berbeda hanya kasus sebelum dan sesudah perusahaan go publik.
Berikut ini data kinerja (ROA) enampuluh delapan perusahaan sebelum dan sesudah go publik tersimpan
dalam fie Paired.xls. Kita ingin menguji apakah ada perbedaan kinerja (ROA) sebelum dan sesudah go
publik. Alat uji yang digunakan adalah uji beda sample berpasangan (paired sample t-test)
a. Buka file Paired.xls (File berada dalam folder Data Multivariate -> DATA LATIHAN UNTUK
STATISTIK 2). Jangan lupa sesuaikan jumlah range seperti di excel
b. Dari menu utama SPSS, pilih Analyze -> Compare Means -> Paired Samples T-test
c. Tampak pada tampilan windows Paired Samples T-test
13
 Gambar 2.2 Paired samples T-test

d. Pilih continue dan ok

e. Output SPSS:

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

ROASBL 2,994203 69 2,2699834 ,2732739

Pair 1
ROASSD 1,919420 69 3,6211998 ,4359412

Paired Samples Test

Paired Differences t df Sig. (2-

Mean Std. Std. Error 95% Confidence Interval of tailed)

Deviation Mean the Difference

Lower Upper

Pair ROASBL -
1,0747826 4,1093815 ,4947114 ,0876014 2,0619638 2,173 68 ,033
1 ROASSD
Dari output SPSS di atas terlihat bahwa rata-rata ROA perusahaan sebelum go publik adalah sebesar
2.99 dan rata-rata ROA perusahaan sesudah go publik adalah 1.91. Perbedaan ROA ini signifikan secara
statistic terlihat dari nilai t statistic 2.173 yang lebih besar dari t table 5% = 1.96.

3. Analysis of Variane (ANOVA)

ANOVA merupakan metode untuk menguji hubungan antara satu variabel dependen (skala
metrik) dengan satu atau lebih variabel independen (skala nonmetric atau kategorikal dengan
kategori lebih dari dua). Misal kita ingin mengetahui apakah pengalaman kerja sebelumnya (variabel
dependen) dipengaruhi oleh jabatan atau job category (variabel independen skala kategori). Hubungan
antara satu variabel dependen dengan satu variabel indepeden disebut One Way ANOVA. Pada kasus
satu variabel dependen metric dan dua atau tiga variabel independen kategorikal sering disebut Two
Ways ANOVA dan Three Ways ANOVA.
ANOVA digunakan untuk mengetahui pengaruh utama dan pengaruh interaksi dari variabel
independen kategorikal (sering disebut faktor) terhadap variabel dependen metric. Pengaruh utama
adalah pengaruh langsung variabel independen terhadap variabel dependen, sedangkan pengaruh
interaksi adalah pengaruh bersama dari dua atau lebih variabel independen terhadap variabel
dependen.
Untuk dapat menggunakan uji statistic ANOVA harus dipenuhi beberapa asumsi di bawah ini:
1. Homogenity 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 test ini
13
 dengan nama Levene’s test of homogeneity of variance. Jika nilai levene test signifikan
(probabilitas < 0,05) maka hipotesis nol akan ditolak bahwa group memiliki variance yang
berbeda dan dalam hal ini menyalahi asumsi. Jadi yang dikehendaki adalah tidak dapat menolak
hipotesis nol atau hasil Levene test tidak signifikan (probabilitas > 0,05).
2. Random Sampling
Untuk tujuan uji signifikansi, maka subyek di dalam setiap grup harus diambil secara random
(acak).
3. Multivariance Normality
Untuk tujuan uji signifikansi, maka variabel harus mengikuti distribusi normal multivariate.
Variabel dependen terdistribusi secara normal dalam setiap kategori variabel independen.
ANOVA yang digunakan untuk membandingkan nilai rata-rata tiga atau lebih sampel yang tidak
berhubungan pada dasarnya adalah menggunakan F test yaitu estimate between groups variance (atau
mean squares) dibandingkan dengan estimate within groups variance. Secara rumus dapat dirumuskan
sebagai berikut:
Between groups estimated variance atau mean squares
F=
Within groups estimated variance atau mean squares
Total variance dalam variabel dependen dapat dipandang memiliki dua komponen yaitu variance
yang berasal dari variabel independen dan variance yang berasal dari faktor lainnya. Variance dari faktor
lainnya ini sering disebut dengan error atau residual variance. Variance yang berasal dari variabel
independen disebut dengan explained variance. Jika between group (explained) variance lebih besar
dari within group (residual) variance, maka nilai F ratio akan tinggi yang berarti perbedaan antara nilai
means terjadi secara acak.
Within group variance atau sum-of-squares adalah jumlah variance dari group. Sedangkan means-
squares adalah jumlah sum-of-squares dibagi dengan degree of freedom. Degree of freedom adalah
jumlah kasus dikurangi 1 (satu) pada setiap group [(jumlah kasus group satu – 1) + (jumlah kasus group 2
– 1) dan seterusnya]. Sedangkan between group variance dapat dihitung dengan rumus di bawah ini:
Total variance = between group (explained variance) + within group (error) variance
a. One Way ANOVA
Kita ingin mengetahui apakah rata-rata pengalaman kerja sebelumnya berbeda ataukah sama untuk
job category pegawai (clerical, custodial dan manajer). Langkah analisis:
a. Buka file employee data.sav (Dalam folder Data Mutivariate -> DATA LATIHAN UNTUK STATISTIK
2)
b. Dari menu utama SPSS, pilih Analyze -> General Linear Model -> Univariate
c. Tampak tampilan windows Univariate
13
 Gambar 3.1 Univariate
d. Pada kotak Dependent variable isikan variabel pengalaman kerja sebelumnya (previous
experience)
e. Pada kotak Fixed factor isikan variabel independen kategori yaitu employment category
(jobcat)
f. Klik option dan pilih homogeneity test (untuk menguji apakah variance sama atau tidak),
kemudian klik continue

g. Klik Post Hoc, pindahkan variabel Jobcat ke kotak

Post Hoc test for

h. Klik Continue dan Ok

i. Output SPSS:
Hasil Test of homogeneity variance
Levene’s test of homogeneity of variance dihitung oleh SPSS untuk menguji asumsi ANOVA
bahwa setiap group (kategori) variabel independen memiliki variance yang sama. Jika Levene
statistic signifikan pada 0.05, maka kita dapat menolak hipotesis nol yang menyatakan grup
memiliki variance sama. Berikut ini ouput SPSS nya:

Levene's Test of Equality of Error Variancesa

Dependent Variable: Previous Experience
(months)

F df1 df2 Sig.

2,544 2 471 ,080

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + jobcat
13
 Hasil uji Levene’s test menunjukkan bahwa nilai F test sebesar 2.544 dan tidak signifikan pada
0.05 (p > 0.05) yang berarti kita tidak dapat menolak hipotesis nol yang menyatakan variance
sama. Berarti asumsi ANOVA terpenuhi bahwa variance sama. Pada kasus dimana asumsi ini
dilanggar, misalkan hasil uji Levene test menunjukkan hasil probabilitas signifikan yang berarti
variance tidak sama (berbeda), hal ini tidak fatal untuk ANOVA dan analisis masih dapat
diteruskan sepanjang grup memiliki sample size yang sama secara proporsional.

Hasil Test of Between-Subject Effects

Tests of Between-Subjects Effects

Dependent Variable: Previous Experience (months)

Source Type III Sum of df Mean Square F Sig.

Squares

Corrected Model 1174906,874a 2 587453,437 69,192 ,000

Intercept 4106802,719 1 4106802,719 483,709 ,000
jobcat 1174906,874 2 587453,437 69,192 ,000
Error 3998899,936 471 8490,233
Total 9529528,000 474
Corrected Total 5173806,810 473

a. R Squared = ,227 (Adjusted R Squared = ,224)

Output SPSS memberikan nilai F hitung sebesar 483.709 untuk intercept dan signifikan pada
0.05, begitu juga dengan variabel jobcat dengan nilai F hitung sebesar 69.192 signifikan pada
0.05. Oleh karena variabel jobcat signifikan pada 0.05, maka dapat disimpulkan bahwa jobcat
(kategori pekerjaan) mempengaruhi pengalaman kerja sebelumnya. Jadi terdapat perbedaan
lama pengalaman kerja antara jobcat. Besarnya nilai adjusted R square 0.224 mempunyai arti
bahwa variabilitas pengalaman kerja sebelumnya yang dapat dijelaskan oleh variabilitas kategori
pekerjaan adalah sebesar 22.4%.

Hasil Post Hoc Test

Multiple Comparisons
Dependent Variable: Previous Experience (months)

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

Custodial -213,07* 18,380 ,000 -256,29 -169,86

Clerical
Manager 7,42 11,156 ,784 -18,81 33,65

Tukey Clerical 213,07* 18,380 ,000 169,86 256,29

Custodial
HSD Manager 220,49 *
20,384 ,000 172,57 268,42

Clerical -7,42 11,156 ,784 -33,65 18,81

Manager
*
Custodial -220,49 20,384 ,000 -268,42 -172,57
*
Bonferroni Custodial -213,07 18,380 ,000 -257,23 -168,91
Clerical
Manager 7,42 11,156 1,000 -19,38 34,22
*
Custodial Clerical 213,07 18,380 ,000 168,91 257,23

Manager 220,49* 20,384 ,000 171,52 269,47

13
 Clerical -7,42 11,156 1,000 -34,22 19,38
Manager
*
Custodial -220,49 20,384 ,000 -269,47 -171,52

Based on observed means.

The error term is Mean Square(Error) = 8490,233.
*. The mean difference is significant at the ,05 level.

Hasil Turkey HSD maupun Bonferoni menunjukkan bahwa terdapat perbadaan pengalaman
kerja sebelumnya antara pegawai clerical dan pegawai custodial dengan rata-rata perbedaan
pengalaman kerja 213.07 bulan dan secara statistic signifikan dengan p=0.000. Perbedaan
pengalaman kerja antara pegawai clerical dan manajer sebesar 7.42 bulan, perbedaan ini kecil
dan secara statistic tidak signifikan (p=0.784 jauh di atas 0.05). sedangkan perbedaan
pengalaman kerja sebelumnya antara pegawai custodial dan manajer sebesar 220.49 bulan dan
secara statistic signifikan (p=0.000).
Hasil Homogeneous Test
Turkey test memberikan informasi tambahan melalui tabel subset. Tabel ini memberikan
informasi kategori variabel independen dan nilai rata-ratanya (means).

Previous Experience (months)

Employment Category N Subset

1 2

Manager 84 77,62

Clerical 363 85,04

Tukey HSDa,b,c
Custodial 27 298,11

Sig. ,902 1,000

Means for groups in homogeneous subsets are displayed.
Based on observed means.
The error term is Mean Square(Error) = 8490,233.
a. Uses Harmonic Mean Sample Size = 58,031.
b. The group sizes are unequal. The harmonic mean of the group sizes is used.
Type I error levels are not guaranteed.
c. Alpha = ,05.

Pada subset satu berisi niai rata-rata pengalaman kerja sebelumya dalam bulan untuk kategori
pegawai clerical dan manajer. Nilai signifikansi 0.902 menyatakan bahwa rata-rata pengalaman
kerja antara pegawai clerical dan manajer (dalam satu subset) tidak berbeda secara statistic.
Sedangkan pada subset dua merupakan nilai rata-rata pengalaman kerja untuk pegawai
custodial. Oleh karena rata-rata pengalaman kerja sebelumnya pegawai clerical dan manajer
tidak berbeda, maka ada pada satu subset kolom pertama. Sedangkan rata-rata pengalaman
kerja pegawai custodial berbeda dengan pegawaai clerical dan manajer, maka ada pada subset
sendiri di kolom kedua.

b. Two Ways ANOVA dan Main Effects

Jika variabel kategori independen jumlahnya dua misalkan Jobcat (kategori kerja) dan gender, maka
disebut dengan two ways ANOVA. Sebagai misal kita ingin mengetahui apakah ada perbedaan
pengalaman kerja sebelumnya dilihat dari kategori pekerjaan dan gender. Langkah analisis:
a. Lakukan langkah yang sama seperti pada contoh one way ANOVA
13
b. Pada kotak fixed factors, masukkan satu variabel independen lagi yaitu gender

c. Klik Model, lalu klik Custom, lalu buatlah model

analisis main effect
d. Pindahkan variabel jobcat dan gender ke kotak model

e. Klik Continue, lalu pilih option dan pilih

homogeneity test dan klik Continue
f. Klik Post Hoc, lalu pindahkan variabel gender dan jobcat ke kotak Post Hoc test for
g. Pilih Bonferoni dan Turkey Test

f. Klik Continue dan Ok

g. Output SPSS:

Warnings

Post hoc tests are not performed for Gender because there are
fewer than three groups.
13
Output SPSS memberikan peringatan bahwa Post Hoc test tidak dapat dilakukan untuk variabel
gender karena variabel ini hanya punya dua kategori yaitu wanita atau laki-laki. Post Hoc hanya
akan dilakukan kalau kategori variabel lebih dari dua.

Hasil Levene’s test of equality of error variance(s)

Levene's Test of Equality of Error Variancesa

Dependent Variable: Previous Experience
(months)

F df1 df2 Sig.

1,913 4 469 ,107

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + jobcat + gender

Hasil uji Levene menunjukkan bahwa tidak terdapat perbedaan variance oleh karena F hitung
sebesar 1.913 secara statistic tidak signifikan (p=0.107) yang berarti hipotesis nol tidak dapat
ditolak atau variance sama (memenuhi asumsi ANOVA).
Hasil uji Test of Between-Subjects Effects
Tests of Between-Subjects Effects
Dependent Variable: Previous Experience (months)
Source Type III Sum of df Mean Square F Sig.
Squares

Corrected Model 1202853,736a 3 400951,245 47,456 ,000

Intercept 3418535,252 1 3418535,252 404,616 ,000
jobcat 1062241,405 2 531120,702 62,863 ,000
gender 27946,862 1 27946,862 3,308 ,070
Error 3970953,074 470 8448,836
Total 9529528,000 474
Corrected Total 5173806,810 473

a. R Squared = ,232 (Adjusted R Squared = ,228)

13
 Hasil uji ANOVA menunjukkan bahwa terdapat pengaruh langsung jobcat terhadap
pengalaman kerja sebelumnya. Hal ini terlihat dari nilai F sebesar 62.863 dan signifikan pada
p=0.000. sedangkan variabel gender ternyata tidak mempengaruhi pengalaman kerja
sebelumnya, hal ini ditunjukkan oleh nilai F sebesar 3.308 dengan signifikansi p=0.070 lebih
besar dari 0.05. nilai R adjusted sebesar 0.228 berarti variabilitas pengalaman kerja
sebelumnya yang dapat dijelaskan oleh variabilitas variabel jobcat dan gender sebesar 22.8%.

Hasil Multiple Comparisons

Multiple Comparisons
Dependent Variable: Previous Experience (months)

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

Custodial -213,07* 18,336 ,000 -256,18 -169,96

Clerical
Manager 7,42 11,129 ,783 -18,75 33,59

Tukey Clerical 213,07* 18,336 ,000 169,96 256,18

Custodial
HSD Manager 220,49 *
20,335 ,000 172,68 268,30

Clerical -7,42 11,129 ,783 -33,59 18,75

Manager
*
Custodial -220,49 20,335 ,000 -268,30 -172,68
*
Custodial -213,07 18,336 ,000 -257,13 -169,02
Clerical
Manager 7,42 11,129 1,000 -19,32 34,16
*
Clerical 213,07 18,336 ,000 169,02 257,13
Bonferroni Custodial
Manager 220,49* 20,335 ,000 171,64 269,35

Clerical -7,42 11,129 1,000 -34,16 19,32

Manager
Custodial -220,49* 20,335 ,000 -269,35 -171,64

Based on observed means.

The error term is Mean Square(Error) = 8448,836.
*. The mean difference is significant at the ,05 level.

Untuk variabel gender tidak dapat dilakukan tes Bonferoni dan Turkey karena variabel gender
memiliki kategori kurang dari tiga.

Hasil Homogenous Subset

Previous Experience (months)

Employment Category N Subset

1 2

Manager 84 77,62

Clerical 363 85,04

Tukey HSDa,b,c
Custodial 27 298,11

Sig. ,901 1,000

Means for groups in homogeneous subsets are displayed.

Based on observed means.
The error term is Mean Square(Error) = 8448,836.
a. Uses Harmonic Mean Sample Size = 58,031.
b. The group sizes are unequal. The harmonic mean of the group sizes is used.
Type I error levels are not guaranteed.
c. Alpha = ,05.
13
c. Two Ways ANOVA dengan Main Effect dan Interaction Effect
Dalam ANOVA kita juga dapat melakukan analisis hubungan moderating antar variabel kategori
independen yaitu dengan cara melakukan interaksi antar variabel independen. Sebagai misal kita ingin
mengethaui pengaruh langsung variabel kategori kerja (jobcat) dan gender terhadap gaji akhir karyawan
(current salary) dan pengaruh moderasi (interaksi antara jobcat dengan gender) terhadap gaji akhir
karyawan. Langkah analisis:
a. Buka file Employee data.sav
b. Dari menu utama SPSS pilih Analyze -> General Linear Model -> Univariate
c. Tampak di layar tampilan windows univariate
d. Pada kotak dependent variable isikan current salary
e. Pada kotak fixed factors isikan variabel independent kategori kerja dan gender
f. Klik Option dan pilih Homogenity Test, kemudian klik Continue
g. Klik Post Hoc, pindahkan variabel jobcat dan gender ke Post Hoc test for
h. Pilih Bonferoni dan Turkey lalu klik Continue
i. Klik Model lalu klik Custom, lalu buatlaj model analisis dengan man effect dan interaction effect
j. Pindahkan variabel jobcat dan gender ke kotak model dan buatlah perkalian (interaksi) antara
variabel jobcat dan gender (gender*jobcat) dengan cara memasukkan kedua variabel tersebut
secara bersama-sama (blok lalu pindahkan).Lalu klik Continue

k. Klik Plots, lalu pindahkan jobcat pada kotak horizontal axis dan gender pada kotak separate
lines
l. Pada kotak plot, klik Add

m. Klik Contune dan OK

n. Output SPSS:
Hasil uji Levene
13
 Levene's Test of Equality of Error Variancesa
Dependent Variable: Current Salary

F df1 df2 Sig.

33,383 4 469 ,000

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + jobcat + gender + jobcat *
gender

Oleh karena F hitung sebesar 33.383 secara statistic signifikan di bawah 0.05 yang berarti
hipotesis nol ditolak. Jadi, terjadi penyimpangan terhadap asumsi ANOVA.oleh karena ANOVA
masih robust, maka kita tetap dapat melanjutkan analisis.

Hasil Uji Test of Between Subjects Effects

Tests of Between-Subjects Effects

Dependent Variable: Current Salary

Source Type III Sum of df Mean Square F Sig.

Squares

Corrected Model 96456357285,104a 4 24114089321,276 272,780 ,000

Intercept 177271943071,927 1 177271943071,927 2005,313 ,000
jobcat 32316332041,298 2 16158166020,649 182,782 ,000
gender 5247440731,568 1 5247440731,568 59,359 ,000
jobcat * gender 1247682866,737 1 1247682866,737 14,114 ,000
Error 41460138151,236 469 88401147,444
Total 699467436925,000 474
Corrected Total 137916495436,340 473

a. R Squared = ,699 (Adjusted R Squared = ,697)

Hasil uji ANOVA menunjukkan bahwa terdapat pengaruh langsung antara variabel independen
jobcat dan gender. Jobcat memberikan nilai F sebesar 182.782 dan signifikansinya dibawah
0.05, hal ini berarti ada perbedaan rata-rata gaji akhir antar kategori kerja. Gender
memberikan nilai F sebesar 59.359 dan signifikan dibawah nilai 0.05, hal ini berarti terdapat
perbedaan rata-rata gaji antara pegawai laki-laki dan wanita. Hasil interaksi antara jobcat dan
gender memberikan nilai F sebesar 14.114 dan signifikan dibawah nilai 0.05, hal ini berarti
terdapat pengaruh bersama atau join effect antara jobcat dan gender terhadap rata-rata gaji
pegawai. Adjusted RSquared sebesar 69.7% berarti variabilitas gaji akhir yang dapat dijelaskan
oleh variabel jobcat, gender dan interaksi antara jobcat dan gender sebesar 69.7%. hubungan
interaksi ini akan terlihat jelas dengan grafik di bawah ini:
13
 Pegawai laki-laki dengan jabatan clerical dan manajer memiliki rata-rata gaji yang lebih tinggi
dibandingkan pegawai wanita. Sedangkan untuk jabatan custodial terjadi sebaliknya dimana
pegawai wanita memiliki rata-rata gaji yang lebih tinggi dibandingkan pegawai laki-laki.

Bersambung ke Bab V

Referensi: Ghozali, Imam, 2012. Aplikasi Analisis Multivariate dengan Program IBM SPSS 21
Update PLS Regresi. Badan Penerbit Universitas Diponegoro. Semarang.

13