UJI ANAVA DAN ANAKOVA

MENGGUNAKAN
MS. EXCEL DAN SPSS
UJI ANAVA 1 JALUR

Contoh Kasus
Disajikan data hasil belajar matematika
pada pokok bahasan pecahan antara tiga
kelompok siswa kelas III dengan gaya
belajar visual, auditori dan kinestetik.
Dengan sampel acak sebanyak 26 siswa
untuk masing-masing kelompok dan α =
0.05 , apakah ada perbedaan hasil belajar
antara ketiga kelompok tersebut?
 PENYELESAIAN

1. Perumusan Hipotesis 2. Menentukan Kriteria Penolakan H0

H0: µ1 = µ2 = µ3 atau tidak ada perbedaan H0 diterima apabila
yang nyata antara rata-rata hitung dari Fhitung ≤ Ftabel atau P-value (Sig.)> 0.05
ketiga kelompok gaya belajar
H0 ditolak apabila
H1: paling sedikit ada satu “tanda sama Fhitung > Ftabel atau P-value (Sig.) ≤ 0.05
dengan” atau ada perbedaan yang
nyata antara rata-rata hitung dari ketiga
kelompok gaya belajar.
 3. Melakukan Analisis Anava 1 Jalur dengan Ms. Excel

STEP 1
• Masukkan data yang akan
dianalisis ke dalam lembar kerja
Ms. Excel seperti contoh di
samping.
• Data berisi 26 responden per
kolom
STEP 2

• Setelah data terisi, pada Menu klik Data, pilih Data Analysis
lalu klik.
STEP 3 STEP 4
• Setelah diklik akan muncul tampilan berikut. • Pilih Anova: Single Factor lalu klik OK.
Maka akan muncul tampilan berikut.
STEP 5
• Arahkan pointer kursor ke kotak Input
Range lalu klik dan blok kolom data. Pada
contoh ini adalah cell C4 – E29. (Ingat: cell
yang diblok hanya yang berisi angka!)
• Pada Output Options pilih Output Range
lalu pilih sembarang cell selain cell data.
Pada contoh ini dipilih cell G4.
• Klik OK
OUTPUT
• Berdasarkan hasil pengolahan
data, diperoleh nilai Fhitung=
3.4599 dengan nilai Ftabel =
F0.95;(2,75) =3,12. Maka, Fhit >
Ftabel sehingga H0 ditolak.
• P-value=0.0365 yang berarti
kurang dari 0.05 sehingga H0
ditolak.
• Kesimpulan : ada perbedaan
rata-rata yang nyata antara
ketiga kelompok gaya belajar.
4. Uji ANAVA 1 Jalur dengan SPSS
1. Masukkan data ke
dalam data view SPSS 2. Edit data yang telah diinput di “Variabel View” dilanjutkan
dengan memberi kategori pada value labels sehingga
tampilannya seperti dibawah ini.

dengan kategori:
1 : visual
2 : auditori
3 : kinestetik
 ❑ Lakukan analisis dengan menggunakan Analyze Descriptive
3. LAKUKAN UJI Statistics Explore
❑ Masukkan nilai pada dependent list dan gaya belajar pada factor list
PRASYARAT variabel ke kotak Test Variable List
1. UJI NORMALITAS ❑ Klik plots dan centang Normality plots with tests, terakhir klik OK
Untuk menentukan data
berdistribusi normal
menggunakan shapiro
wilk, maka pada SPSS
cukup dilihat nilai Sig.
pada kolom Kolmogrof-
Smirnov. Nilai sig itu
berarti signifikansi atau
boleh disebut p value
atau nilai probabilitas.
Pada contoh di atas
nilainya sebesar 0,200
lebih dari 0,05, maka
dapat dikatakan data
berdistribusi Normal
Output SPSS 22 ;
Uji Normalitas

Asumsi I TERPENUHI

❑ Tabel di atas menunjukan hasil analisis uji normalitas terhadap ketiga variabel di atas.
Bagian yang perlu dilihat untuk keperluan uji ormalitas adalah bagian baris Test Statistic
dan Asymp. Sig. (2-tailed). Jika nilai Asymp Sig lebih dari atau sama dengan 0,05 maka
data berdistribusi normal, jika Asymp Sig kurang dari 0,05 maka distribusi data tidak
normal.
❑ Berdasarkan hasil analisis di atas diperoleh untuk variabel gaya belajar visual nilai Test
Statistic sebesar 0,138 dengan asymp sig 0,200. Oleh karena nilai asymp sig tersebut
lebih besar dari 0,05 maka dapat disimpulkan bahwa data variabel berdistribusi normal.
Begitupun pada variabel auditori dan kinestetik menunjukan data berdistribusi normal.
 Uji prasyarat II; Uji Homogenitas
Analisis homogenitas varian gunanya untuk
mengetahui apakah asumsi bahwa ketiga
kelompok sampel yang ada mempunyai varian
yan sama (homogen) dapat diterima. Adapun
hipotesisnya yang akan di uji:

Ho = Ketiga varian populasi adalah identik

(homogen)
Ha = Ketiga varian tidak identik (heterogen)

Dengan ketentuan;
Jika nilai probabilitas > 0,05 maka Ho diterima.
Jika nilai probabilitas < 0,05 maka Ho ditolak.

L
Langkah:
1. Lakukan analisis dengan menggunakan Analyze Compare Means
One-Way ANOVA
2. Pada dependent list masukan yang menjadi variabel terikat. Pada
factor list pilih variabel yang menjadi faktor penyebab terjadinya
perubahan pada variabel terikat
3. Klik option lalu Centang Homogeneity of variance test
4. Klik OK
OUTPUT SPSS
UJI HOMOGENITAS

ASUSMSI
TERPENUHI
Dari tabel output
disamping diketahui nilai
angka Levene Statistic
sebesar 0,582 sedangkan
probabilitas atau
signifikansinya adalah
0,561 berarti lebih besar
dari 0,05 (> 0,05),
dengan demikian
hipotesis nihil (Ho)
diterima, yang berarti
asumsi bahwa ketiga
varian populasi adalah
identik (homoen)
diterima
4. Uji One Way Anova
Hipotesis :
H0: µ1= µ2= µ3 atau Tidak ada Perbedaan yang nyata antara rata-rata hitung dari tiga kelompok gaya belajar.
H1: paling sedikit satu “tanda sama dengan” atau ada perbedaan yang nyata antara rata-rata hitung dari
ketiga kelompok gaya belajar.
Kriteria :
tolak Ho jika Fhit > F…… dan dalam hal lainnya Ha diterima. Langkahnya sama seperti langkah 1-2 pada
Taraf signifikansi uji Homogenitas namun yang berbeda pada
5% atau 0,05 poin 2, selanjutnya:
Nilai Uji
Nilai sig pada tabel ANAVA adalah 0,036
3. Klik Post Hoc dan pilih jenis post hoc yang
Daerah kritis
diinginkan (dalam hal ini pilih tukey)
H0 ditolak jika sig < 0,05 4. Klik continue dan Ok

Post hoc dilakukan untuk mengetahui

Kelompok mana yang berbeda dan
mana
yang tidak. Hal ini dapat dilakukan
Bila F hitungnya menujukan ada
Perbedaan (Ho ditolak).
Jika F hitung menunjukan todak ada
Perbedaann maka analisis sesudah
anova
Tidak perlu dilakukan.
 Output ANOVA

KRITERIA

tolak Ho jika Fhit > F…… dan dalam hal

lainnya Ho diterima.

Dari tabel output disamping diketahui nilai F

hitung sebesar 3,460 sedangkan nilai F tabel
berdasar daftar distribusi F dengan = 0.05
diperoleh harga Ftabel = F(1- ); (v1,v2) = F0.95;(2,75) Kesimpulan
=3,12 Kesimpulan : bahwa ada perbedaan yang
nyata antara rata-rata hitung dari ketiga
Ternyata bahwa Fhit > Ftabel → Ha diterima
kelopok gaya belajar.
 Output Tes Pos Hoc dan Bonfenni

Karena Ho ditolak yang berarti :

bahwa ada perbedaan yang nyata antara rata-rata
hitung dari ketiga kelopok gaya belajar. maka
dilanjutkan dengan tes post hoc untuk melihat
perbedaannya.

Dari tabel disamping dapat dilihat bahwa:

- perbedaan mean gaya belajar visual dengan auditori
adalah 9,51 (kelompok visual lebih besar sebanyak
9,51 poin dibanding auditori)
- Perbedaan mean gaya belajar visual dengan
kinestetik adalah 3,81 (kelompok visual lebih besar INTREPETASI
sebanyak 3,81 poin dibanding kinestetik)
- Perbedaan mean gaya belajar auditori dengan
1) Kelompok yang paling baik untuk meningkatkan hasil belajar matematika adalah
kinestetik adalah – 5,7 (kelompok auditori lebih
kelompok gaya belajar visual. Hal ini dapat dilihat dari jumlah rata-rata tertinggi
kecil sebanyak 5,7 poin dibanding kinestetik)
pada kelompok visual. Sedangkan kelompok yang kuran baik berada di gaya
Dari tabel di samping dapat disimpulkan: belajar auditori.
XA ≠ XB 2) Ada perbedaan tingkat prestasi hasil belajar pada masing-masing gaya belajar yang
XA ≠ XC digunakan
XB ≠ XC 3) Ada pengaruh yang signfikan antara gaya belajar visual, auditori dan kinestetik
terhadap tingkat prestasi hasil belajar.
 output
Homogeneous Subsets

Subsets hoogenitas berupaya mencari atau menguji

kelompok mana yang tidak berbeda atau tidak memiliki
perbedaan yang signifikan dengan kelompok laiinnya. Dari
output SPSS 22 di samping terlihat bada subset 1
terdapat gaya belajar auditori dengan angka 54,4 dan
kinestetik dengan angka 60,1. gaya belajar auditori
sebagai mean terendah, yang berarti gaya belajar ini
berbeda dari 2 gaya belajar laiinnya
Pada subset 2 ditemukan gaya belajar kinestetik dengan
mean 60, 1 dan visual dengan mean 63,9 sebagai mean
tertinggi yang berarti gaya belajar ini berbeda dari 2 gaya
belajar laiinnya.
Dengan demikian dapat disimpulkan bahwa ketiga gaya
belajar memiliki perbedaan yang signifikan.
Anova dua araha (Analisis Two-way anova) digunakan bila dalam analisis data
Ingi mengetahui apakah ada perbendaan dari dua variabel bebas, sedangkan
Masing-masing variabel bebasnya dibagi dalam beberapa kelompok.

ANALISIS TWO - WAY

ANOVA

Analisis dua arah Analisis dua arah

tanpa interaksi dengan interaksi
UJI ANAVA 2 JALUR DENGAN INTERAKSI

A B C
Contoh Kasus 150 225 223
120 280 295
Disajikan data penjualan produk
Elektronik 200 280 295
berdasarkan metode iklan dan
250 179 300
kemasan. Dengan α = 0.05 ,
200 200 320
apakah ada perbedaan penjualan
200 180 220
produk berdasarkan metode iklan
230 285 300
dan kemasan? Cetak 275 310
260
245 340 360

250 290 330

 PENYELESAIAN
1. Perumusan Hipotesis 2. Menentukan Kriteria Penolakan H0
a. H0: α1= α2 = α3 = 0 atau media iklan tidka H0 diterima apabila
mempengaruhi tingkat penjualan
Fhitung ≤ Ftabel atau P-value (Sig.) > 0.05
H1: paling sedikit ada satu α ≠ 0 atau media
iklan mempengaruhi tingkat penjualan.
b. H0: β1= β2 = β3 = β4 = 0 atau bentuk kemasan H0 ditolak apabila
tidak mempengaruhi tingkat penjualan.
H1: paling sedikit ada satu β ≠ 0 atau bentuk
Fhitung > Ftabel atau P-value (Sig.)≤ 0.05
kemasan mempengaruhi tingkat penjualan.
• H0: (αβ)11= (αβ)12 = (αβ)13 = … = (αβ)34 = 0 atau
tingkat penjualan karena media iklan tidak
tergantung pada bentuk kemasan dan tingkat
penjualan karena karena bentuk kemasan tidak
tergantung pada media iklan
• H1: paling sedikit ada satu αβ ≠ 0 atau Tingkat
penjualan karena media iklan tergantung pada
bentuk kemasan dan tingkat penjualan karena karena
bentuk kemasan tergantung pada media iklan
 3. Melakukan Uji ANAVA 2 Jalur dengan Interaksi Menggunakan Ms.
Excel

STEP 1
• Masukkan data yang akan
dianalisis ke dalam lembar kerja
Ms. Excel seperti contoh di
samping.
STEP 2 STEP 3
• Setelah data terisi, pada Menu klik Data, • Pilih Anova: Two-Factor With Replication
pilih Data Analysis lalu klik. Kemudian akan lalu klik OK. Maka akan muncul tampilan
muncul tampilan berikut berikut.
STEP 4
• Arahkan pointer kursor ke kotak Input Range
lalu klik dan blok seluruh tabel data. Pada
contoh ini adalah cell B2 – E12. (Ingat: cell
yang diblok adalah tabel seluruhnya
termasuk angka dan keterangan!)
• Pada bagian Rows per sample isikan
banyaknya pengulangan pada masing-masing
kelompok. Dalam contoh ini pengulangan
terjadi sebanyak 5 kali, maka bagian Rows
per sample diisi “5”.
• Pada Output Options pilih Output Range lalu
pilih sembarang cell selain cell data. Pada
contoh ini dipilih cell G2.
• Klik OK
OUTPUT
• Tabel Summary menunjukkan hasil
analisis deskriptif masing-masing
kelompok meliputi Jumlah Sampel
(Count), Penjumlahan data sampel
(Sum), Rata-rata data sampel
(Average), dan Varians sampel
(Variance).
OUTPUT ANAVA
• Sample menunjukkan P-value dan F variabel metode iklan. Nilai Fhitung= 4.907 dengan Ftabel =
F0.05;1;24=4.26. Maka, Fhit > Ftabel sehingga H0 ditolak. Nilai P-Value = 0.036 yang berarti kurang
dari 0.05 sehingga H0 ditolak.
Kesimpulan : media iklan mempengaruhi tingkat penjualan.
• Columns menunjukkan P-value dan F variabel kemasan. Nilai Fhitung=8.50 dengan Ftabel =
F0.05;2;24=3.402. Maka, Fhit > Ftabel sehingga H0 diterima. Nilai P-Value = 0.001yang berarti
kurang dari 0.05 sehingga H0 ditolak.
Kesimpulan : bentuk kemasan mempengaruhi tingkat penjualan.
• Interaction menunjukkan P-value dan F interaksi variabel universitas dan variabel fakultas.
Nilai Fhitung=2.869 dengan Ftabel = F0.05;6;12=2.996. Maka, Fhit < Ftabel sehingga H0 diterima. Nilai
P-Value = 0.056 yang berarti lebih dari 0.05 sehingga H0 diterima.
Kesimpulan : tidak ada perbedaan penjualan produk berdasarkan interaksi metode iklan dan
kemasan.
1. Masukkan data ke
dalam data view SPSS
2. Edit data yang telah diinput di “Variabel View” dilanjutkan
dengan memberi kategori pada value labels sehingga
tampilannya seperti dibawah ini.
3. LAKUKAN UJI PRASYARAT
Seperti pada one way anova harus dilakukan uji prasyarat dengan langkah yang sama, maka
menghasilkan
Output sebagai berikut :

1. Uji Normalitas

Berdasarkan nilai statistic pada tabel diatas dan nilai signifikan lebih dari 0,05 maka dapat
disimpulkan bahwa data berdistribusi normal
 2. Uji homogenitas

Langkah:
1. Lakukan analisis dengan menggunakan Analyze ˽ General Liear Model ˽ Univariate
2. Pada dependent list masukan yang menjadi variabel terikat. Pada factor list pilih
variabel yang menjadi faktor penyebab terjadinya perubahan pada variabel terikat
3. Klik option lalu masukan kemasan (*) pada display Means for dan centang
Homogeneity tests
4. Klik OK
Maka didapatkan output pada tabel disamping yang menunjukan Nilai levene
sebesar 0,505 dengan probabilitas sebesar 0,769 > 0,05. yang berarti varian
variabel
homogen atau ASUMSI TERPENUHI.
4. Uji Two Way Anova
Langkahnya sama seperti langkah 1-2 pada uji Homogenitas namun yang berbeda pada
poin 3, selanjutnya:
3. Klik Post Hoc. Masukan kemasan dalam post hoc tests for dan pilih jenis post
hoc yang diinginkan (dalam hal ini pilih tukey)
4. Klik continue dan Ok
 Dari outfut di dapatkan:
OUTPUT Pengujian ❑ F rasio untuk faktor kemasan sebesar 8,501 sedangakan F0.95;(2,24) = 3,40
maka Fhitung > Ftabel menunjukan Ha diterima
[Bentuk kemasan mempengaruhi tingkat penjualan]

❑ F rasio untuk faktor kemasan sebesar 4,907 sedangakan F0.95;(1,24) = 4, 26

maka Fhitung > Ftabel menunjukan Ha diterima
[media iklan mempengaruhi tingkat penjualan]. Namun jika menggunaka taraf
signifikansi 0,01 (1%) menghasilkan nilai Ftabel, F0.99;(1,24) = 7,82 berarti Ha
ditolak.

❑ Pengaruh secara bersama-sama didapatkan Frasio 0,389 sedangakan

F0.95;(2,24) = 3,40 maka Fhitung > Ftabel berarti Ha diterima
[Tingkat penjualan karena media iklan tergantung pada bentuk kemasan dan
tingkat ] Namun jika menggunaka taraf signifikansi 0,01 (1%) menghasilkan
nilai Ftabel, F0.99;(2,24) = 5,61 berarti Ha ditolak.

Pada uji ini belum diketahui kemasan yang mana yang benar-benar
mempengaruhi tingkat penjualan, sehingga perlu dilakukan perhitungan pasca
ANOVA
Output Estimated Marginal
Means

❑ Mean kemasan A yang diiklankan dengan media elektronik adalah

184 dan hasil penjualan 141,553 dan 226,447 sedangkand dengan
media cetak terlihat meannya lebih besar, yaitu 237 dan hasil
penjualan berkisar antara 194,553 dan 279,447.
❑ Begitupun selanjutnya cara mengintrepetasi output estimated
marginal means pada baris berikutnya. Sehingga terlihat bahwa
kemasan A, B dan C lebih baik diiklankan dengan media cetak
(iklan B) dibanding media elektronik (iklan A).
Output Post Hoc Test

Dari tabel di samping menunjukan:

❑ perbedaan mean kemasan A dengan kemasan B adalah –
42,90 (kemasan A lebih kecil sebanyak 42,9 poin dibanding
kemasan B).
❑ perbedaan mean kemasan A dengan kemasan C adalah –
84,80 (kemasan A lebih kecil sebanyak 84,8 poin dibanding
kemasan C). Begitupun intrepetasi selanjutnya.
❑ Dapat disimpulkan bahwa bentuk kemasan yang paling
baik untuk meningkatkan penjualan adalah kemasan C. Hal
ini dapat dilihat dari jumlah rata-rata tertinggi di XC.
Sedangkan yang kurang baik pada kemasan A.
 Output Homogeneus
Output ini berupaya mencari atau
menguji kelompok mana yag tidak
berbeda atau tidak memiliki
perbedaan yang signifikam dengan
klompok laiinnya.
❑ Subset 1 terdapat kemasan A dan
kemasan B dengan angka 210,5
untuk kemasan A dan 253,4 untuk
kemasan B yang berarti kemasan A
tidak berbeda secara signifikan dari
kemasan B
❑ Subset 2 terdapat kemasan B dan
kemasan C dengan angka 253,4
untuk kemasan B dan 295,3 untuk
kemasan C yang berarti kemasan B
tidak berbeda secara signifikan dari
kemasan C
UJI ANAVA 2 JALUR TANPA INTERAKSI

Contoh Kasus Kelompok

Disajikan data pertumbuhan 4 Tanaman
I II III
varietas tanaman yang
dikelompokkan secara acak ke Varietas A 6.8 6.3 6.4

dalam 3 blok berbeda. Dengan α = Varietas B 8.7 9.2 8.6

0.05, apakah ada perbedaan
Varietas C 10.4 10.1 9.9
pertumbuhan tanaman
berdasarkan varietas? Varietas D 10.2 10.5 10.6
 PENYELESAIAN

1. Perumusan Hipotesis 2. Menentukan Kriteria Penolakan H0

a. H0: α1= α2 = α3 = 0 atau tidak ada
perbedaan yang nyata antara rata-rata hitung
berdasarkan varietas tanaman.
H1: paling sedikit ada satu α ≠ 0 atau ada
perbedaan yang nyata antara rata-rata hitung
berdasarkan varietas tanaman.
H0 diterima apabila
Fhitung ≤ Ftabel atau P-value (Sig.) > 0.05
H0 ditolak apabila
Fhitung > Ftabel atau P-value (Sig.) ≤ 0.05
3. Melakukan Uji Anava 2 Jalur Tanpa Interaksi Menggunakan Ms. Excel

STEP 1
• Masukkan data yang akan dianalisis ke dalam lembar kerja Ms. Excel seperti contoh berikut.
STEP 2 STEP 3
• Setelah data terisi, pada Menu klik Data, • Pilih Anova: Two-Factor Without
pilih Data Analysis lalu klik. Kemudian akan Replication lalu klik OK. Maka akan
muncul tampilan berikut muncul tampilan berikut.
STEP 4
• Arahkan pointer kursor ke kotak Input
Range lalu klik dan blok seluruh tabel
data. Pada contoh ini adalah cell C4 – E7.
(Ingat: cell yang diblok adalah tabel
seluruhnya termasuk angka dan
keterangan!)
• Pada Output Options pilih Output Range
lalu pilih sembarang cell selain cell data.
Pada contoh ini dipilih cell B9.
• Klik OK
OUTPUT
Tabel Summary menunjukkan hasil
analisis deskriptif masing-masing
kelompok meliputi Jumlah Sampel
(Count), Penjumlahan data sampel
(Sum), Rata-rata data sampel
(Average), dan Varians sampel
(Variance).
OUTPOUT

• Rows : Varietas
• Columns : Kelompok/Blok
• Rows menunjukkan nilai Fhitung= 115.37 dengan Ftabel = F0.05;3;6=4.757. Maka, Fhit >
Ftabel sehingga H0 ditolak. Nilai P-Value = 0.000010 yang berarti kurang dari 0.05
sehingga H0 ditolak.
Kesimpulan : ada perbedaan pertumbuhan berdasarkan varietas.

• Columns menunjukkan nilai Fhitung= 0.36 dengan Ftabel = F0.05;2;6=5.134. Maka, Fhit <
Ftabel sehingga H0 diterima. Nilai P-Value = 0.712 yang berarti lebih dari 0.05
sehingga H0 ditolak.
Kesimpulan : tidak ada perbedaan pertumbuhan berdasarkan pengelompokan.
4. Melakukan Uji Anava 2 Jalur Tanpa Interaksi Menggunakan SPSS

STEP 1
• Masukkan data yang akan
dianalisis ke dalam lembar
kerja SPSS seperti contoh
berikut.
STEP 2 STEP 3
• Edit data yang telah diinput di “Variabel • Edit “value labels” pada bagian “Jenis
View” sehingga tampilannya seperti berikut Tanaman” sehingga tampilannya seperti
berikut
STEP 4 STEP 5
• Edit “value labels” pada bagian “Jenis • Lakukan uji normalitas data dengan cara klik
Tanaman” sehingga tampilannya seperti Analyze > Descriptive Statistics > Explore
berikut
STEP 6
• Masukkan variabel Jenis Varietas dan
Kelompok ke dalam Factor List dan variabel
Pertumbuhan ke dalam Dependent List
STEP 7
• Buka button Plots. Pada bagian Bloxpot
centang None. Uncheck Stem-and-leaf pada
Descriptive. Centang Normality plots with
test. Klik Continue > OK
OUTPUT
• Karene sampel yang
digunakan <50, maka
uji normalitas
menggunakan Shapiro-
Wilk. Uji normalitas
dilakukan dengan
membandingkan nilai
Sig. dengan 0.05.
Berdasarkan output
diketahui nilai Sig. >
0.05 maka disimpulkan
data normal.
STEP 8 STEP 9
• Selanjutnya laukan uji ANAVA dua arah • Masukkan Jenis Varietas dan Kelompok ke
dengan cara klik Analyze > General Linear dalam Fixed Factor dan Pertumuhan pada
Model > Univeriate Dependent Variable
STEP 10
• Klik Model Pilih Build Terms (atau Costums
pada SPSS 20). Masukkan Jenis Varietas dan
Kelompok ke dalam Model. Sesuaikan
tampilan seperti berikut. Klil Continue.
STEP 11
• Klik Post-Hoc. Masukkan Jenis Varietas ke
dalam Post-Hoc test for. Pilih uji post-hic
yang ingin dilakukan, misalnya Tukey. Klik
Continue.
STEP 10
• Klik Model Pilih Build Terms (atau Costums
pada SPSS 20). Masukkan Jenis Varietas dan
Kelompok ke dalam Model. Sesuaikan
tampilan seperti berikut. Klil Continue.
STEP 11
• Klik Post-Hoc. Masukkan Jenis Varietas ke
dalam Post-Hoc test for. Pilih uji post-hic
yang ingin dilakukan, misalnya Tukey. Klik
Continue.
OUTPUT ANAVA
• Pada output ANAVA terdapat beberapa
variabel yang mempengaruhi keragaman
data yaitu Jenis Varietas, Kelompok, dan
Error. Namun, pada uji ini kita hanya ingin
mengetahui pengaruh jenis tanaman
terhadap pertumbuhan maka kita hanya
fokus pada variabel Jenis Varietas.

• Nilai Sig. Jenis Varietas adalah 0.000 < 0.05

maka H0 ditolak.

• Kesimpulan : ada pengaruh signifikan

varietas terhadap pertumbuhan tanaman
OUTPUT UJI POST-HOC
• Kriteria uji post-hoc
H0 diterima apabila P-value (Sig.) > 0.05
H0 ditolak apabila P-value (Sig.) ≤ 0.05
Berdasarkan kriteria tersebut, disimpulkan
bahwa pertumbuhan tanaman varietas C
dan varietas D tidak berbeda secara
signifikan. Sedangkan pertumbuhan
varietas yang lain signifikan.

• Cara lain untuk mengetahui pertumbuhan

yang signifikan adalah dengan melihat Mean
Difference. Nilai Mean Difference yang
memiliki tanda bintang (*) berarti
signifikan.
 A1 A2 A3
X Y X Y X Y
4 5 4 5 4 3
4 6 4 6 4 4
Suatu eksperimen bertujuan mempelajari
5 7 5 6 5 5
metode pembelajaran terhadap
kemampuan berpikir kritis matematis
5 8 5 6 5 6
siswa. Untuk mengetahui kondisi awal 6 8 7 7 5 6
maka sebelum perlakuan dengan metode 7 9 7 7 6 6
pembelajaran, baik kelompok eksperimen 8 9 7 8 6 7
maupun kelompok pembanding diberi 9 10 8 9 7 7
pre-test. Data hasil penelitian tersebut
disajikan dalam tabel di samping

Keterangan : A1 : Metode inquiri

A2 : Metode penemuan terbimbing
A3 : Metode drill
X : Pretest (kovariat)
Y : Kemampuan berpikir kritis matematis
1. Masukkan data ke
dalam data view SPSS
2. Edit data yang telah diinput di “Variabel View” dilanjutkan
dengan memberi kategori pada value labels sehingga
tampilannya seperti dibawah ini.
Seperti pengujian anova harus dilakukan uji prasyarat dengan langkah yang sama, maka
menghasilkan
Output sebagai berikut :

❑ Uji normalitas
1. Uji Normalitas
Berdasarkan hasil analisis di samping
diperoleh untuk variabel metode inquiri
nilai Test Statistic sebesar 0,185 dengan
asymp sig 0,200. Oleh karena nilai asymp
sig tersebut lebih besar dari 0,05 maka
dapat disimpulkan bahwa data variabel
berdistribusi normal. Begitupun pada
variabel penemuan terbimbing dan drill
menunjukan data berdistribusi normal.
ASUMSI TERPENUHI
 LANGKAH:
1. Lakukan analisis dengan menggunakan
Analyze ͢ General Linear Model ͢
Univariate
2. Maka muncul kotak univariate.
Masukan variabel Y ke kotak dependent
variabel, variabel A ke fixed factor(s) dan
X ke covariate(s).
3. Klik Model ͢ custom ͢ klik variabel dan
klik tanda panah hingga semua variabel
masuk dalam kotak model seperti pada
gambar disamping
4. Pillih options, lalu centang descriptive
statistics, homogeneity tests dan
parameter estimate
5. Klik Continue dan OK
 OUTPUT SPSS

❑ Uji Homogenitas
Dari tabel output disamping diketahui nilai angka Levene
Statistic sebesar 0,396 sedangkan probabilitas atau
signifikansinya adalah 0,678 berarti lebih besar dari
0,05(> 0,05), dengan demikian data identik (homogen).
ASUMSI TERPENUHI
❑ Uji Kesejajaran
Hipotesis statistik, yang diajukan
Ho : β1 = β2 = β3
Ha : Selain Ho
Kriteria Fhit > Ftabel maka Ho ditolak
Atau signifikansinya > 0,05 maka hipotesis nihil (Ho)
diterima
Dari tabel di samping, pada baris A*X diperoleh harga Fo
= 1,216 sedangkan F(0,95, 2,18) = 3, 55 Dengan sig =
0,320 > 0,05 atau Ho diterima. Hal ini berarti koefisien
regresi atau slope ketiga kelompok (A1, A2, dan A3)
diasumsikan sama atau homogen. Dengan demikian
asumsi terpenuhi = persamaan regresi ketiga kelompok
diasumsikan sejajar
 Uji anacova
LANGKAH:

1. Lakukan analisis dengan

menggunakan Analyze ͢
General Linear Model ͢
Univariate
2. Maka muncul kotak
univariate. Masukan
variabel Y ke kotak
dependent variabel,
variabel A ke fixed
factor(s) dan X ke
covariate(s).
3. Klik OK
 OUTPUT
Ho : µ1 = µ2 = µ3
Ha : Selain Ho
intrepetasi
Dari tabel dismaping, diperoleh harga Fhitung atau
Fo(A) = 11,026 dan 0,001 untuk angka signifikansi
Maka dibandingkan dengan nilai kritik.
Kriteria: jika angka signifikansi lebih besar dari (>0,05)
Maka Ho diterima dan Ha ditolak. Dengan demikian
0,001 < 0,05 berarti Ho di tolak. Hal ini
Menunjukan bahwa terdapat perbedaan rata-rata Kemampuan berpikir kritis matematis antara siswa Yang diajar
dengan metode inquiri, penemuan Terbimbing dan drill setelah mengontrol pengaruh Pre test. Hal ini berarti metode
pembelajaran mempunyai pengaruh terhadap kemampuan berpikir kritis Matematis siswa.

Ho ; βi = δ = 0, i = 1,2 dan Ha ; Bukan Ho

Dari tabel baris corrected model, diperole Fo = 41. 903, db = (3,20) dag sig = 0,000 < 0,05 Ho ditolak, sehingga pre
test (X)
Dan metode pembelajaran (A) secara simultan berpengaruh terhadap kemampuan berpikir kritis matematis
Uji lanjut degan statistik t
Hipotesis:
(i) Ho : µ1 ≤µ3 (ii) Ho : µ2 ≤µ3 (iii) Ho : µ1 ≤µ2 (iv) Ho : δ ≤ 0
Ha : µ1>µ3 H1 : µ2>µ3 H1 : µ1>µ2 H1 : δ > 0
Dari tabel disamping diperoleh harga statistik uji-t:
a) t0 (A1 x A3) = 4,679, db = 20, sig = 0,00 atau Ho ditolak
kemampuna berpikir kritis matematis siswa yang diajar
dengan metode inquiri lebih tinggi daripada siswa yang diajar
metode drillstelah mengontrol penaruh pre-tes
b) t0 (A2 x A3) = 2,089 , db = 20, sig = 0,05/2 = 0,025 < 0,05 atau
Ho ditolak. Dengan demikian kemampuna berpikir kritis matematis
siswa yang diajar dengan metode penemuan terbimbing lebih
tinggi daripada siswa yang diajar metode drillstelah mengontrol
penaruh pre-tes d) Uji hipotesis pengaruh kovariat pre-
c) Dari hasil ui-t pada (i) dan (ii) diperoleh kesimpulan bahwa
kemampuan berpikir kritus matematis siwa yang diajar dengan tes, dari tabel diperoleh to = 8,964 , p
metode inquiri lebih tinggi daripada siswa yang diajar dengan value = 0,000 < 0,05, Ho dtolak. Sehigga
metode penemuan terbimbing setelah mengontrol pengaruh pre-
test terdapat pengaruh positif pre-tes
terhadap kemampuan berpikir kritis
matematis