LAPORAN AKHIR

PRAKTIKUM STATISTIKA INDUSTRI

Disusun Oleh:
Kelompok/ Kelas : 4 (Empat)/ 2ID02
Nama/ NPM : 1. Aldila Ramadhan N.S./ 30420110
2. Andres Prayoga / 30420184
3. Artanti Lora R / 30420236
4. Isra Agam W / 30420600
5. Nur Alif / 30420983
Modul : ANOVA Dua Arah
Asisten Pembimbing : Nurul Aisyah Fat-Hiyyah, S.T.

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
DEPOK
2021
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Perusahaan manufaktur adalah sebuah badan usaha atau perusahaan yang
memproduksi barang jadi dari bahan baku mentah dengan menggunakan alat,
peralatan, mesin produksi, dan sebagainya dalam skala produksi yang besar.
Perusahaan manufaktur dikenal juga sebagai perusahaan yang menyediakan
produk yang dibutuhkan oleh pasar. Semakin besar permintaan dari pasar, maka
semakin banyak juga proses produksi yang akan dilakukan oleh pihak tersebut.
Perusahaan dalam memproduksi sebuah produk harus mengetahui faktor dan
variabel apa saja yang akan digunakan pada proses produksi sehingga dapat
mengontrol variabel-variabelnya. Permasalahan yang terjadi adalah perusahaan
belum mengetahui ada atau tidaknya faktor yang berpengaruh terhadap variabel
tersebut. Permasalahan tersebut dapat diatasi dengan ilmu statistika, yaitu
menggunakan ANOVA Dua Arah.
Statistika adalah ilmu yang mempelajari mengenai perencanaan,
pengumpulan, pengolahan, analisis, penyajian dan interpretasi data serta
pengambilan keputusan berdasarkan data. Dalam ilmu statistika, ANOVA Dua
Arah atau disebut juga Two-way Analysis of Variance adalah suatu metode yang
digunakan untuk menguji hipotesis perbandingan tiga rata-rata atau lebih atau
lebih dan setiap sampel terdiri dari dua jenis atau lebih secara bersama-sama dan
terdapat dua faktor yang dipertimbangkan dan juga mengukur berbagai sumber
keseragaman data.
PT Jaya Utama adalah perusahaan yang bergerak dibidang textile yang
mmeproduksi bermacam-macam jenis pakaian. Perusahaan belum mengetahui ada
atau tidaknya pengaruh jenis bahan yang terdiri dari bahan flannel, jeans, satin,
katun dan linen, kemudian pengaruh ukuran pakaian meliputi XS, S, M, L, XL,
dan XXL, kemudian pengaruh jenis pakaian yang terdiri dari kemeja, hoodie,
blazer, cardigan dan sweater, serta pengaruh lokasi toko meliputi Jakarta, Bogor,
Bandung, Jogja, Surabaya, dan Malang terhadap jumlah penjualan. Aplikasi dari
metode statistika dalam penyelesaian masalah pada perusahaan PT Jaya Utama
yaitu dengan menggunakan ANOVA Dua Arah. Penggunaan ANOVA Dua Arah
dapat membantu perusahaan untuk mengetahui ada atau tidaknya pengaruh antara
faktor-faktor yang ada terhadap jumlah penjualan pakaian di bulan Juni
Perusahaan PT Jaya Utama dengan menggunakan metode ANOVA Dua Arah
juga berharap dapat meningkatkan efiesiensi produksi dan mendapatkan
keuntungan maksimal.

1.2 Tujuan Penulisan

Tujuan penulisan laporan akhir modul ANOVA Dua Arah ini dibuat untuk
mendapatkan hasil penyelesaian dari permasalahan yang dihadapi perusahaan.
Sebagaimana yang telah diuraikan pada latar belakang, berikut adalah tujuan
penulisan dari modul ANOVA Dua Arah :
1. Mengetahui ada atau tidaknya pengaruh jenis bahan dan ukuran pakaian
terhadap jumlah penjualan pakaian selama bulan Juni dengan taraf nyata 5%.
2. Mengetahui ada atau tidaknya pengaruh jenis pakaian dan lokasi toko
terhadap jumlah penjualan pakaian dan juga untuk mengetahui ada atau
tidaknya interaksi antara jenis pakaian dengan lokasi toko terhadap jumlah
penjualan pakaian bulan Juni dengan taraf nyata 5%.
 BAB II
LANDASAN TEORI

2.1. ANOVA Dua Arah

Analisis varian dua arah merupakan teknik statistik inferensial parametris
yang digunakan untuk menguji hipotesis komparatif lebih dari dua sampai secara
serempak, di mana setiap sampel terdiri atas dua kategori atau lebih (Sugiyono,
2011). Penggunaan ANOVA dua arah adalah untuk menguji hipotesis
perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis atau
lebih secara bersama-sama (Riduwan, 2009). Analisis varian dua arah memiliki
dua jenis yaitu, ANOVA dua arah tanpa interaksi dan ANOVA dua arah dengan
interaksi.

2.1.1 ANOVA Dua Arah Tanpa Interaksi

ANOVA dua arah tanpa interaksi merupakan pengujian hipotesis beda tiga
rata-rata atau lebih dengan dua faktor yang berpengaruh dan interaksi antara
kedua factor tersebut ditiadakan. Berikut langkah-langkah pengujian ANOVA
dua arah tanpa interaksi (Hasan, 2001).
1. Menentukan Formulasi Hipotesis
a) H0 : (pengaruh baris nol)
H1 : sekurang-kurangnya satu
b) H0 : (pengaruh baris nol)
H1 : sekurang-kurangnya satu
2. Menentukan Taraf Nyata dan F Tabel
Taraf Nyata dan F Tabel ditentukan dengan derajat pembilang dan
penyebut masing-masing:
a) Untuk baris : dan
b) Untuk kolom : dan
3. Menentukan Kriteria Pengujian
a) H0 diterima apabila
 H0 ditolak apabila
b) H0 diterima apabila
H0 ditolak apabila
4. Membuat Analisis Varians Dalam Bentuk Tabel ANOVA
Sumber Jumlah Derajat Rata-rata
F0
Varians Kuadrat Bebas Kuadrat
Rata-rata
JKB b-1
Baris
Rata-rata
JKK k -1
Kolom
(k -1)(b -
Error JKE
1)
Total JKT kb-1

5. Membuat Kesimpulan
Menyimpulkan H0 diterima atau ditolak dengan membandingkan antara
langkah ke-4 dengan kriteria pengujian pada langkah ke-3.

2.1.2 ANOVA Dua Arah Dengan Interaksi

ANOVA dua arah dengan interaksi merupakan pengujian beda tiga rata-
rata atau lebih dengan dua factor yang berpengaruh dan pengaruh interaksi antara
kedua facktor tersebut diperhitungkan. Berikut kangkah-langkah pengujian
ANOVA dua arah dengan interaksi (Hasan, 2001).
1. Menentukan Formulasi Hipotesis
a) H0 :
 H1 : sekurang-kurangnya satu
b) H0 :
H1 : sekurang-kurangnya satu
c) H0 :
H1 : sekurang-kurangnya satu (
2. Menentukan Taraf Nyata dan F Tabel
Taraf Nyata dan F Tabel ditentukan dengan derajat pembilang dan
penyebut masing-masing:
a) Untuk baris : dan
b) Untuk kolom : dan
c) Untuk interaksi : dan
3. Menentukan Kriteria Pengujian
a) Untuk Baris
H0 diterima apabila
H0 ditolak apabila
b) Untuk Kolom
H0 diterima apabila
H0 ditolak apabila
c) Untuk Interaksi
H0 diterima apabila
H0 ditolak apabila
4. Membuat Analisis Varians Dalam Bentuk tabel ANOVA
Sumber Jumlah Derajat Rata-rata
F0
Varians Kuadrat Bebas Kuadrat
Rata-rata
JKB b-1
Baris
Rata-rata
JKK k -1
Kolom
Interaksi JKI (b-1) (k -1)

Error JKE bk(n -1)

Total JKT kbn-1
 b = baris, k = kolom, n = ulangan percobaan
5. Membuat Kesimpulan
Menyimpulkan H0 diterima atau ditolak, dengam membandingkan antara
langkah ke-4 dengan kriteria pengujian pada langkah ke-3.

2.2 Pengujian Hipotesis

Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan
memutuskan apakah menerima atau menolak hipotesis mengenai parameter
populasi. Terdapat dua jenis hipotesis yang digunakan dalam penelitian, yaitu
hipotesis nol (H0) dan hipotesis alternatif (H1) (Ledhyane Ika Harlyan, 2012).
1. Hipotesis nol (H0)
Hipotesis nol adalah hipotesis yang diartikan sebagai tidak adanya perbedaan
antara ukuran populasi dan ukuran sampel. Hipotesis nol sering juga disebut
hipotesis statistik, karena biasanya dipakai dalam penelitian yang bersifat
statistik, yaitu diuji dengan perhitungan statistik.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah hipotesis yang diartikan sebagai adanya perbedaan
data populasi dengan data sampel. Biasanya hipotesis ini merupakan
pernyataan yang menyatakan bahwa parameter populasi tersebut memiliki
nilai yang berbeda dari pernyataan yang telah disebutkan dalam hipotesis nol.
 BAB III
STUDI KASUS

3.1 Studi Kasus

Studi Kasus adalah suatu serangkaian kegiatan ilmiah yang dilakukan
secara intensif, terinci dan mendalam tentang suatu program, peristiwa, dan
aktivitas, baik pada tingkat perorangan, sekelompok orang, lembaga, atau
organisasi untuk memperoleh pengetahuan mendalam tentang peristiwa tersebut.
Studi kasus ANOVA Dua Arah terdiri dari dua macam, yaitu ANOVA Dua Arah
Tanpa Interaksi dan ANOVA Dua Arah Dengan Interaksi. Berikut merupakan
studi kasus mengenai ANOVA Dua Arah Tanpa Interaksi dan ANOVA Dua Arah
Dengan Interaksi.

3.1.1 ANOVA Dua Arah tanpa Interaksi

PT Jaya Utama merupakan perusahaan yang bergerak dalam bidang textile
yang memproduksi pakaian dengan berbagai jenis bahan, diantaranya flannel,
jeans, satin, katun, dan linen serta berbagai macam ukuran yang diproduksi
diantaranya XS, S, M, L, XL, dan XXL. Perusahaan ingin mengetahui dari kelima
jenis bahan dan keenam ukuran tersebut ada atau tidaknya pengaruh terhadap
jumlah penjualan pakaian selama satu bulan yaitu bulan Juni. Berikut adalah data
yang diperoleh dari hasil pengamatan tanpa interaksi selama bulan Juni.
Tabel 3.1 Data Hasil Pengamatan ANOVA Dua Arah tanpa Interaksi
Jenis Ukuran
Total
Bahan XS S M L XL XXL
Flannel 65 71 73 68 69 66 412
Jeans 70 73 75 72 70 74 434
Satin 68 66 64 75 68 70 411
Katun 67 70 65 71 72 68 413
linen 74 72 69 73 75 72 435
Total 344 352 346 359 354 350 2105

Berdasarkan Tabel 3.1 Data Pengamatan ANOVA Dua Arah tanpa

Interaksi bulan Juni berisikan data mengenai jumlah penjualan pakaian
berdasarkan dua faktor, yaitu jenis bahan dan ukuran pakaian. Taraf nyata yang
digunakan sebesar 5%. Berdasarkan tabel tersebut, PT Jaya Utama ingin
mengetahui:
1. Apakah terdapat pengaruh dari kelima jenis bahan yaitu, flannel, jeans, satin,
katun, dan linen terhadap jumlah penjualan pakaian selama bulan Juni?
2. Apakah terdapat pengaruh dari keenam ukuran pakaian yaitu, XS, S, M, L,
XL, XXL terhadap jumlah penjualan pakaian selama bulan Juni?

3.1.2 ANOVA Dua Arah dengan Interaksi

PT Jaya Utama merupakan perusahaan yang bergerak dalam bidang textile
yang memproduksi pakaian dengan berbagai jenis pakaian, diantaranya kemeja,
hoodie, blazer, cardigan, dan sweater serta berbagai lokasi toko diantaranya
Jakarta, Bogor, Bandung, Jogja, Surabaya, dan Malang. Perusahaan ingin
mengetahui ada atau tidaknya pengaruh jenis pakaian dan daerah penjualan
terhadap jumlah penjualan pakaian dan juga ingin mengetahui ada atau tidaknya
pengaruh interaksi jenis pakaian dengan daerah penjualan terhadap jumlah
penjualan pakaian. Pengamatan dilakukan pengulangan sebanyak dua kali selama
bulan Juni. Berikut adalah data pengamatan yang diperoleh dalam dua kali
pengamatan selama bulan Juni yang tersaji pada tabel.
Tabel 3.2 Data Hasil Pengamatan ANOVA Dua Arah dengan Interaksi
Jenis Daerah Penjualan
Total
Pakaian Jakarta Bogor Bandung Jogja Surabaya Malang
80 74 72 75 75 76
Kemeja 914
77 76 74 77 78 80
75 78 78 76 70 77
Hoodie 904
73 76 76 75 71 79
70 70 72 71 74 70
Blazer 860
74 72 70 73 72 72
70 71 75 75 77 74
Cardigan 888
72 73 77 73 75 76
80 75 78 75 72 79
Sweater 919
79 74 80 77 70 80
Total 750 739 752 747 734 763 4485

Berdasarkan Tabel 3.2 Data Pengamatan ANOVA Dua Arah dengan

Interaksi bulan Juni berisikan data mengenai jumlah penjualan pakaian
berdasarkan dua faktor, yaitu jenis pakaian dan lokasi toko. Taraf nyata yang
digunakan sebesar 5%. Berdasarkan tabel tersebut, PT Jaya Utama ingin
mengetahui:
1. Apakah terdapat pengaruh dari kelima jenis pakaian yaitu, kemeja, hoodie,
blazer, cardigan, dan sweater terhadap jumlah penjualan pakaian selama
bulan Juni?
2. Apakah terdapat pengaruh dari keenam lokasi toko yaitu, Jakarta, Bogor,
Bandung, Jogja, Surabaya, dan Malang terhadap jumlah penjualan pakaian
selama bulan Juni?
3. Apakah terdapat pengaruh interaksi antara kelima jenis pakaian dengan
keenam lokasi toko terhadap jumlah penjualan pakaian selama bulan Juni?

3.2 Pengujian Data

Pengujian data adalah upaya mengolah data menjadi informasi sehingga
karakteristik atau sifat-sifat data tersebut dapat dengan mudah dipahami dan
bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan kegiatan
penelitian. Pengolahan data merupakan suatu proses untuk memperoleh data
ringkasan dan data mentah dengan cara mengumpulkan data terlebih dahulu
kemudian diolah menggunakan perhitungan dan software (Hasan, 2002).

3.2.1 ANOVA Dua Arah tanpa Interaksi

Berdasarkan studi kasus yang telah diberikan, data-data yang tertera dalam
tabel akan diuji untuk mengetahui data yang digunakan sudah memenuhi asumsi
ANOVA dua arah atau belum. Pengujian data yang dilakukan antara jenis bahan
dan ukuran pakaian dengan jumlah penjualan adalah uji normalitas dan uji
homogenitas.
Langkah pertama adalah membuka program SPSS 25.0, kemudian
memilih sheet variable view. Berikut merupakan Gambar 3.1 Halaman Variable
View.

Gambar 3.1 Halaman Variabel View

 Langkah selanjutnya, memasukan variabel jenis bahan, ukuran pakaian,
dan jumlah penjualan pada kolom Name. Mengubah decimals menjadi 0. Berikut
merupakan Gambar 3.2 tampilan variabel view.

Gambar 3.2 Tampilan Variabel View

Langkah selanjutnya, mengklik pada table values. Lalu mengisi kolom
values dengan jenis bahan dan ukuran pakaian yang sudah ditentukan. Mengisi
data dengan jenis bahan yaitu, flannel, jeans, satin, katun dan linen sebagai faktor.
Memasukkan data dengan mengetik pada value dengan 1, pada label dengan
flannel, mengklik add untuk seterusnya dan mengklik OK. Mengisi data dengan
ukuran pakaian yaitu, XS, S, M, L, XL, XXL, kemudian mengklik OK. Berikut
tampilan kolom values sebelum dan sesudah dimasukkan data. Berikut merupakan
Gambar 3.3 Value Labels.

Gambar 3.3 Value Labels

Langkah selanjtunya yaitu memilih data view, kemudian mememasukan
30 data dari jumlah penjualan, jenis bahan, dan ukuran pakaian. Berikut
merupakan Gambar 3.4 Data View.

Gambar 3.4 Data View

 Langkah selanjutnya yaitu mengklik analyze, lalu memilih descriptive
statistics, dan memilih explore. Berikut merupakan Gambar 3.5 Analyze -
Descriptive Statistics – Explore.

Gambar 3.5 Analyze – Descriptive Statistics – Explore

Langkah selanjutnya, memindahkan variabel jumlah penjualan ke kotak
Dependent List dan jenis bahan ke kotak Factor List, kemudian mengklik Both
pada menu Display. Berikut merupakan Gambar 3.6 Kotak Dialog Explore.

Gambar 3.6 Kotak Dialog Explore

Langkah selanjutnya yaitu memilih plots. Mengklik Factor levels together,
Stem-and-leaf, Normality plots with tests, dan Untransformed, lalu memilih
continue. Berikut merupakan Gambar 3.7 Explore: Plots.

Gambar 3.7 Explore: Plots

 Langkah berikutnya yaitu memilih OK maka akan memperlihatkan Output
Uji Normalitas dan Uji Homogenitas. Uji normalitas dilakukan untuk mengetahui
apakah populasi data berdistribusi normal atau tidak. Berikut merupakan Gambar
3.8 Tests of Normality Jenis Bahan.

Gambar 3.8 Test of Normality Jenis Bahan

Gambar 3.8 di atas merupakan tabel Test of Normality Jenis bahan. Output
Shapiro-Wilk untuk data kurang dari sama dengan 50. Uji normalitas pada
ANOVA dua arah tanpa interaksi menggunakan data yang kurang dari 50, maka
pada pengujian data tabel Tests of Normality Jenis Bahan menggunakan acuan
tabel Shapiro-Wilk. Nilai Statistic yang didapatkan sebesar 0,971 dan nilai df
sebesar 6. Data uji normalitas tersebut layak digunakan karena memiliki distribusi
normal dengan nilai significant > 0,05. Masing-masing significant jenis bahan
antara lain flannel memiliki significant sebesar 0,901, jeans memiliki significant
sebesar 0,493, satin memiliki significant sebesar 0,654, katun memiliki significant
sebesar 0,863, dan linen memiliki significant sebesar 0,700. Kelima nilai
significant tersebut memiliki nilai yang lebih besar dari 0,05, yang artinya data
tersebut sudah memenuhi asumsi ANOVA Dua Arah yaitu data berdistribusi
normal.
Test of Homogeneity of Variance adalah pengujian yang dilakukan untuk
mengetahui apakah data penelitian dari dua buah distribusi data atau lebih
memiliki variansi-variansi yang sama atau tidak. Berikut merupakan Gambar 3.9
Test of Homogeneity of Variance Jenis Bahan.
 Gambar 3.9 Test of Homogeneity of Variance Jenis Bahan
Gambar 3.9 di atas merupakan tabel Test of Homogeneity of Variance
Jenis Bahan. Uji homogenitas dapat diketahui dari nilai signifikan pada ouput Sig.
Hasil uji homogenitas yang dilihat hanya pada Based on Mean karena pengamatan
hanya menguji rata-rata dari sampel. Levene statistic merupakan uji untuk
mengetahui kehomogenan atau kesamaan varians dari beberapa populasi.
Berdasarkan output diatas menunjukkan nilai levene statistic sebesar 0,568.
Degree of freedom 1 (df1) merupakan jumlah variabel bebas. Berdasarkan output
didapatkan nilai df1 sebesar 4. Degree of freedom 2 (df2) merupakan adalah
jumlah sampel dikurangi jumlah variabel bebas dikurangi 1. Berdasarkan output
didapatkan nilai df2 sebesar 25. Nilai Signifikan merupakan nilai kebenaran pada
suatu hipotesis yang diterima atau ditolak, syarat data bersifat homogen adalah
nilai significant > 0,05, maka data tersebut bersifat seragam atau homogen.
Berdasarkan output didapatkan nilai significant > 0,05 sebesar 0,688 maka H0
diterima dan data bersifat seragam atau homogen.

3.2.2 ANOVA Dua Arah dengan Interaksi

Berdasarkan studi kasus yang telah diberikan, data-data yang tertera dalam
tabel akan diuji untuk mengetahui data yang digunakan sudah memenuhi asumsi
ANOVA dua arah atau belum. Pengujian data yang dilakukan antara jenis pakaian
dan lokasi toko dengan jumlah penjualan adalah uji normalitas dan uji
homogenitas. Pengujian kelayakan pada data menggunakan software SPSS 25.0.
Uji normalitas dilakukan untuk mengetahui apakah populasi data
berdistribusi normal atau tidak. Berikut merupakan Gambar 3.10 Test of
Normality Jenis Pakaian
 Gambar 3.10 Test of Normality Jenis Pakaian
Gambar 3.10 di atas merupakan tabel Test of Normality Jenis Pakaian.
Output Kolmogorov-Smirnov merupakan tabel acuan yang digunakan sebagai
acuan dalam pengujian ini karena data jumlah sampel yang digunakan lebih dari
50 data, Uji normalitas pada ANOVA dua arah tanpa interaksi menggunakan data
yang kurang dari 50, maka pada pengujian data tabel Tests of Normality
menggunakan acuan tabel Kolmogorov-Smirnov. Nilai Statistic yang didapatkan
sebesar 0,959 dan nilai df sebesar 12. Data uji normalitas tersebut layak
digunakan karena memiliki distribusi normal dengan nilai significant > 0,05.
Masing–masing significant jenis pakaian antara lain, kemeja memiliki significant
sebesar 0,200, hoodie memiliki significant sebesar 0,189, blazer memiliki
significant sebesar 0,198, cardigan memiliki significant 0,200, dan sweater
memiliki significant sebesar 0,200. Kelima nilai significant tersebut memiliki nilai
yang lebih besar dari 0,05, yang artinya data tersebut sudah memenuhi asumsi
ANOVA Dua Arah yaitu data berdistribusi normal.
Test of Homogeneity of Variance adalah pengujian yang dilakukan untuk
mengetahui apakah data penelitian dari dua buah distribusi data atau lebih
memiliki variansi-variansi yang sama atau tidak. Berikut merupakan Gambar 3.11
Test of Homogeneity of Variance Jenis Pakaian.
 Gambar 3.11 Test of Homogeneity of Variance Jenis Pakaian
Gambar 3.11 di atas merupakan tabel Test of Homogeneity of Variance
Jenis Pakaian. Uji homogenitas dapat diketahui dari nilai signifikan pada ouput
Sig. Hasil uji homogenitas yang dilihat hanya pada Based on Mean karena
pengamatan hanya menguji rata-rata dari sampel. Levene statistic merupakan uji
untuk mengetahui kehomogenan atau kesamaan varians dari beberapa populasi.
Berdasarkan output diatas menunjukkan nilai levene statistic sebesar 0,568.
Degree of freedom 1 (df1) merupakan jumlah variabel bebas. Berdasarkan output
didapatkan nilai df1 sebesar 4. Degree of freedom 2 (df2) merupakan adalah
jumlah sampel dikurangi jumlah variabel bebas dikurangi 1. Berdasarkan output
didapatkan nilai df2 sebesar 25. Nilai Signifikan merupakan nilai kebenaran pada
suatu hipotesis yang diterima atau ditolak, syarat data bersifat homogen adalah
nilai significant > 0,05, maka data tersebut bersifat seragam atau homogen.
Berdasarkan output didapatkan nilai significant > 0,05 sebesar 0,095 maka H0
diterima dan data bersifat seragam atau homogen.

3.3 Perhitungan Manual

Perhitungan manual merupakan cara mengolah data dengan memasukkan
data yang telah diamati sebelumnya ke dalam sebuah rumus, hingga mendapatkan
informasi dari hasil perhitungan tersebut. Penelitian yang dilakukan menggunakan
perhitungan manual untuk mencari nilai ANOVA Dua arah dari setiap
permasalahan. Perhitungan manual dalam modul ANOVA Dua Arah ini terbagi
atas dua, yaitu perhitungan manual untuk data tanpa interaksi dan perhitungan
manual untuk data dengan interaksi.
3.3.1 ANOVA Dua Arah tanpa Interaksi
Pengujian 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. Pada kasus ini, perhitungan
manual akan dilakukan untuk mengetahui pengaruh antar faktor dan variabel
(Hasan, 2003).
Perhitungan manual dilakukan untuk mengetahui ada atau tidaknya
pengaruh antara kelima jenis bahan, yaitu flannel, jeans, satin, katun dan linen
terhadap jumlah penjualan selama bulan Juni, serta ada atau tidaknya pengaruh
antara keenam ukuran pakaian, yaitu XS, S, M, L, XL, XXL terhadap jumlah
penjualan selama bulan Juni. Perhitungan manual dilakukan dengan cara membuat
formulasi hipotesis, menghitung taraf nyata dan nilai F tabel, menentukan kriteria
pengujian, menghitung analisis varian, dan memberikan kesimpulan. Berikut
merupakan perhitungan manual ANOVA dua arah tanpa interaksi.
1. Formulasi Hipotesis
Hipotesis merupakan jawaban sementara terhadap rumusan masalah. Karena
sifatnya masih sementara, maka perlu dibuktikan kebenarannya melalui data
empirik yang terkumpul (Sugiyono, 2017). Formulasi hipotesis statistik
terdiri dari H0 dan H1 yaitu sebagai berikut.
a. Untuk baris
H0: Tidak ada pengaruh antara jenis bahan terhadap jumlah penjualan
selama bulan Juni.
H1: Sekurang-kurangnya ada pengaruh antara jenis bahan terhadap
jumlah penjualan selama bulan Juni.
b. Untuk kolom
H0: Tidak ada pengaruh antara ukuran pakaian terhadap jumlah
penjualan selama bulan Juni.
H1: Sekurang-kurangnya ada pengaruh antara ukuran pakaian terhadap
jumlah penjualan selama bulan Juni.
2. Taraf nyata dan nilai F tabel
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan
hasil hipotesis terhadap nilai parameter populasinya. Nilai yang dipakai
sebagai taraf nyata digunakan untuk menentukan nilai F tabel. F Tabel adalah
suatu nilai tertentu yang digunakan sebagai pembanding, apakah sebuah
pengujian yang menggunakan F hitung dikatakan signifikan atau tidak
(Ledhyane Ika Harlyan, 2012).
α = 5% = 0,05
a. Untuk Baris
V1 = (b – 1) V2 = (k – 1)(b – 1)
= (5 – 1) = (6 – 1)(5 – 1)
=4 = 20
F0,05(4;20) = 2,87
b. Untuk Kolom
V1 = (k – 1) V2 = (k – 1)(b – 1)
= (6 – 1) = (6 – 1)(5 – 1)
=5 = 20
F0,05(5;20) = 2,71
3. Kriteria pengujian
Kriteria Pengujian merupakan bentuk pembuatan keputusan dalam menerima
atau menolak H0 dengan cara membandingkan nilai α tabel distribusinya
dengan nilai uni statistiknya, sesuai dengan bentuk pengujiannya. Berikut
kriteria pengujian (Hasan, 2002).
a. Untuk Baris
H0 diterima jika F0 ≤ 2,87
H0 ditolak jika F0 > 2,87
b. Untuk Kolom
H0 diterima jika F0 ≤ 2,71
H0 ditolak jika F0 > 2,71
4. Analisis varians dan Tabel ANOVA
Analisis varians merupakan salah satu teknik analisis multivariate yang
berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan
cara membandingkan variansinya. Analisis varian termasuk dalam kategori
statistik parametrik. Sebagai alat statistika parametrik, maka untuk dapat
menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji
asumsi meliputi normalitas, heterokedastisitas dan random sampling
(Ghozali, 2009).

b k 2 T2
JKT = i=1 j=1 xij -
nk
21052
= 652 + 712 + 732 + 682 +…+ 722 -
30

= 147997 – 147700,833
= 296,167
b 2
i=1 Ti T2
JKB = -
k kb

= 147802,5 – 147700,833
= 101,667
k 2
i=1 T j T2
JKK = -
b kb

= 147730,6 – 147700,833
= 29,767
JKE = JKT – JKB – JKK
= 296,167 – 101,667 – 29,767
 = 164,733
Db = (b – 1) dbk = (k – 1)
= (5 – 1) = (6 – 1)
=4 =5
2
JKB
dbe = (k – 1)(b – 1) (S1) =
db
101,667
= (6 – 1)(5 – 1) = 4

dbe = (5)(4) = 25,417

dbe = 20
2
JKK 2
JKE
(S2) = (S3) =
db k db e
29,767 164,733
= 5
= 20

= 5,953 = 8,237
S 21 S 22
F1 = 2 F2 = 2
S3 S3
25,417 5,953
= =
8,237 8,237

= 3,086 = 0,723
Tabel 3.3 Tabel ANOVA tanpa Interaksi
Jumlah Rata-rata
Sumber Varians Derajat Bebas F0
Kuadrat Kuadrat
Rata-rata Baris 101,667 4 25,417 F1 = 3,086
Rata-rata Kolom 29,767 5 5,953 F2 = 0,723
Error 164,733 20 8,237
Total 296,167 29

5. Kesimpulan
Kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis nol sesuai dengan kriteria pengujiannya. Pembuatan
kesimpulan dilakukan setelah membandingkan nilai F tabel (nilai kritis)
dengan F hitung (nilai analisis varians) (Ledhyane Ika Harlyan, 2012).
a. Nilai F0 yang didapat sebesar 3,086. Nilai dari F0 yang didapat lebih
dari nilai F tabel yang sebesar 2,87 (F0 = 3,086 > F0(4;20) = 2,87) yang
berarti H0 ditolak. Hal ini menunjukkan ada pengaruh antara satu jenis
 bahan terhadap jumlah penjualan selama bulan Juni.
b. Nilai F0 yang didapat sebesar 0,723 Nilai dari F0 yang didapat kurang
dari nilai F tabel yang sebesar 2,71 (F0 = 0,723 ≤ F0(5;20) = 2,71) yang
berarti H0 diterima. Hal ini menunjukkan tidak ada pengaruh antara
ukuran pakaian terhadap jumlah penjualan selama bulan Juni.

3.3.2 ANOVA Dua Arah dengan Interaksi

Pengujian ANOVA dua arah dengan interaksi merupakan pengujian
hipotesis beda tiga rata-rata atau lebih dengan dua faktor yang berpengaruh dan
interaksi antara kedua faktor tersebut diperhitungkan. Pada kasus ini, perhitungan
manual akan dilakukan untuk mengetahui pengaruh antar faktor dan variabel
(Hasan, 2003).
Perhitungan manual dilakukan dengan cara membuat formulasi hipotesis,
menghitung taraf nyata dan nilai F tabel, menentukan kriteria pengujian,
menghitung analisis varian, dan memberikan kesimpulan. Berikut merupakan
perhitungan manual ANOVA dua arah dengan interaksi.
1. Formulasi Hipotesis
Hipotesis merupakan jawaban sementara terhadap rumusan masalah. Karena
sifatnya masih sementara, maka perlu dibuktikan kebenarannya melalui data
empirik yang terkumpul (Sugiyono, 2017). Formulasi hipotesis statistik
terdiri dari H0 dan H1 yaitu sebagai berikut.
a. Untuk baris
H0: Tidak ada pengaruh antara jenis pakaian terhadap jumlah penjualan
selama bulan Juni.
H1: Sekurang-kurangnya ada pengaruh antara jenis pakaian terhadap
jumlah penjualan selama bulan Juni.
b. Untuk kolom
H0: Tidak ada pengaruh antara lokasi toko terhadap jumlah penjualan
selama bulan Juni.
H1: Sekurang-kurangnya ada pengaruh antara lokasi toko terhadap
jumlah penjualan selama bulan Juni.
 c. Untuk interaksi
H0: Tidak ada pengaruh interaksi antara jenis pakaian dengan lokasi
toko terhadap jumlah penjualan selama bulan Juni.
H1: Sekurang-kurangnya ada satu pengaruh interaksi antara jenis
pakaian dengan lokasi toko terhadap jumlah penjualan selama
bulan Juni.
2. Taraf nyata dan nilai F tabel
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan
hasil hipotesis terhadap nilai parameter populasinya. Nilai yang dipakai
sebagai taraf nyata digunakan untuk menentukan nilai nilai F tabel. F Tabel
adalah suatu nilai tertentu yang digunakan sebagai pembanding, apakah
sebuah pengujian yang menggunakan F hitung dikatakan signifikan atau
tidak. (Ledhyane Ika Harlyan, 2012).
α = 5% = 0,05 dengan:
a. Untuk Baris
V1 = (b – 1) V2 = kb(n – 1)
= (5 – 1) = 6(5)(2 – 1)
=4 = 30(1) = 30
F0,05(4;30) = 2,69
b. Untuk Kolom
V1 = (k – 1) V2 = kb(n – 1)
= (6 – 1) = 6(5)(2 – 1)
=5 = 30(1) = 30
F0,05(5;30) = 2,53
c. Untuk Interaksi
V1 = (k – 1)(b – 1) V2 = kb(n – 1)
= (6 – 1)(5 – 1) = 30(2 – 1)
= (5)(4) = 30(1)
F0,05(20;30) = 1,93
3. Kriteria Pengujian
Kriteria Pengujian merupakan bentuk pembuatan keputusan dalam menerima
atau menolak H0 dengan cara membandingkan nilai α tabel distribusinya
dengan nilai uni statistiknya, sesuai dengan bentuk pengujiannya. Berikut
kriteria pengujian (Hasan, 2002).
a. Untuk Baris
H0 diterima apabila F0 ≤ 2,69
H0 ditolak apabila F0 > 2,69
b. Untuk Kolom
H0 diterima apabila F0 ≤ 2,53
H0 ditolak apabila F0 > 2,53
c. Untuk Interaksi
H0 diterima apabila F0 ≤ 1,93
H0 ditolak apabila F0 > 1,93
4. Analisis varians dan Tabel ANOVA
Analisis varians merupakan salah satu teknik analisis multivariate yang
berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan
cara membandingkan variansinya. Analisis varian termasuk dalam kategori
statistik parametrik. Sebagai alat statistika parametrik, maka untuk dapat
menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji
asumsi meliputi normalitas, heterokedastisitas dan random sampling
(Ghozali, 2009).
Jenis Lokasi Toko
Total
Pakaian Jakarta Bogor Bandung Jogja Surabaya Malang
Kemeja 157 150 146 152 153 156 914
Hoodie 148 154 154 151 141 156 904
Blazer 144 142 142 144 146 142 860
Cardigan 142 144 152 148 152 150 888
Sweater 159 149 158 152 142 159 919
Total 750 739 752 747 734 763 4485

JKT
JKB

JKK

JKI

JKE

dbb =b–1 dbk =k-1

=5–1 =6-1
=4 =5
dbi = (b - 1) (k -1) dbe = bk( n -1)
= (5 -1) ( 6-1) = 30( 2 -1)
= 20 = 30
dbt = bkn – 1
 = (5.6.2) - 1

= 59

Tabel 3.5 Tabel ANOVA Dua Arah dengan Interaksi

Sumber Jumlah Derajat Rata-rata
F0
Varians Kuadrat Bebas Kuadrat
Rata-rata 47,333 F1 = 20,429
189,333 4
Baris
Rata-rata 10,43 F2 = 4,502
52,15 5
Kolom
Tabel 3.5 Tabel ANOVA Dua Arah dengan Interaksi (Lanjutan)
Sumber Jumlah Derajat Rata-rata
F0
Varians Kuadrat Bebas Kuadrat
Interaksi 232,267 20 11,613 F3 = 5,013
Error 69,5 30 2,317
Total 543,25 59

5. Kesimpulan
Kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis nol sesuai dengan kriteria pengujiannya. Pembuatan
kesimpulan dilakukan setelah membandingkan nilai F tabel (nilai kritis)
dengan F hitung (nilai analisis varians) (Ledhyane Ika Harlyan, 2012).
 a. Nilai dari F0 yang didapatkan sebesar 20,429. Nilai dari F0 yang didapat
lebih besar dari nilai F tabel sebesar 2,69 (F0 = 20,429 > F0,05(4;30) =
2,69) yang berarti H0 ditolak. Hal ini menunjukkan bahwa sekurang-
kurangnya ada pengaruh antara jenis pakaian terhadap jumlah penjualan
selama bulan Juni.
b. Nilai dari F0 yang didapatkan sebesar 4,502. Nilai dari F0 yang didapat
kurang dari nilai F tabel sebesar 2,53 (F0 = 4,502 ≤ F0,05(5;30) = 2,53)
yang berarti H0 ditolak. Hal ini menunjukkan bahwa tidak ada pengaruh
antara lokasi toko terhadap jumlah penjualan selama bulan Juni.
c. Nilai dari F0 yang didapatkan sebesar 5,013. Nilai dari F0 yang didapat
kurang dari nilai F tabel sebesar 1,93 (F0 = 5,013 > F0,05(20;30) = 1,93)
yang berarti H0 ditolak. Hal ini menunjukkan bahwa tidak ada pengaruh
interaksi antara jenis pakaian dengan lokasi toko terhadap jumlah
penjualan selama bulan Juni.

3.4. Pengolahan Software

Pengolahan software dalam modul ANOVA Dua Arah ini dilakukan
dengan menggunakan software SPSS 25.0. SPSS adalah sebuah program aplikasi
yang memiliki kemampuan untuk analisis statistik cukup tinggi serta sistem
manajemen data pada lingkungan grafis. Penggunaan software SPSS dalam
pengolahan data ini berguna untuk mempermudah dalam menguji kesamaan
beberapa rata-rata secara sekaligus. Berikut ini adalah langkah-langkah dalam
mengolah data menggunakan software SPSS 25.0.

3.4.1 ANOVA Dua Arah tanpa Interaksi

Pengolahan software dua arah tanpa interaksi adalah pengolahan software
menggunakan software SPSS 25.0. Pengolahan software ANOVA Dua Arah
tanpa interaksi dilakukan untuk mengetahui ada atau tidaknya pengaruh jenis
bahan yaitu flannel, jeans, satin, katun dan linen serta ukuran pakaian yaitu XS, S,
M, L, XL, dan XXl terhadap jumlah penjualan pakaian selama bulan satu bulan
yaitu pada bulan Juni.
 Langkah pertama adalah membuka program SPSS 25.0, kemudian
memilih variable view, setelah itu mengetik variabel X1 yaitu jenis bahan, X2
yaitu ukuran pakaian, dan variabel Y yaitu jumlah penjualan pada tabel Name.
Mengubah seluruh nilai Decimals menjadi 0. Berikut merupakan Gambar 3.12
Variable View.

Gambar 3.12 Variabel View

Langkah selanjutnya, mengklik pada table values. Lalu mengisi kolom
values dengan jenis bahan dan ukuran pakaian yang sudah ditentukan. Mengisi
data dengan jenis bahan yaitu, flannel, jeans, satin, katun dan linen sebagai faktor.
Memasukkan data dengan mengetik pada value dengan 1, pada label dengan
flannel, mengklik add untuk seterusnya dan mengklik OK. Mengisi data dengan
ukuran pakaian yaitu, XS, S, M, L, XL, XXL, kemudian mengklik OK. Berikut
tampilan kolom values sebelum dan sesudah dimasukkan data. Berikut merupakan
Gambar 3.13 Value Labels.

Gambar 3.13 Value Labels

Langkah selanjtunya yaitu memilih data view, kemudian mememasukan
30 data dari jumlah penjualan, jenis bahan, dan ukuran pakaian. Berikut
merupakan Gambar 3.14 Data View.
 Gambar 3.14 Data View
Langkah berikutnya memilih Analyze, memilih General Linear Model
memilih Univaraite. Berikut merupakan gambar 3.15 Menu Analyze.

Gambar 3.15 Analyze - General Linear Model – Univariate

Langkah selanjutnya setelah memilih Univariate, lalu akan muncul seperti
Gambar 3.16 Kotak Dialog Univariate. Masukkan variabel Jumlah penjualan
kedalam kotak Dependent Variable, faktor jenis bahan ke dalam kotak fixed
factor, dan ukuran pakaian ke dalam random factor. Berikut merupakan Gambar
3.16 Kotak Dialog Univariate.

Gambar 3.16 Univariate

Langkah selanjutnya adalah mengklik OK. Langkah-langkah tersebut akan
menghasilkan berupa output antara variabel jumlah penjualan dengan faktor jenis
bahan dan ukuran pakaian pada tabel Output Between-Subjects Factors. Berikut
merupakan Gambar 3.17 Output Between-Subjects Factors.

Gambar 3.17 Output Between-Subjects Factors

Output di atas adalah Output Between Subjects Factors. Output Between
Subjects Factors menunjukkan value label dan N atau banyaknya data pada label
tersebut. Berikut merupakan Gambar 3.18 Output Tests of Between-Subjects
Effects.

Gambar 3.18 Output Tests of Between-Subjects Effects

Output di atas adalah Output Tests of Between Subjects Effects. Output
tersebut menampilkan Type III Sum of Squares, df, Mean Square, F, dan
Significant dari variabel jenis bahan dan ukuran pakaian terhadap jumlah
penjualan.

3.4.2 ANOVA Dua Arah dengan Interaksi

Pengolahan software dua arah dengan interaksi adalah pengolahan
software menggunakan software SPSS 25.0. Pengolahan software ANOVA dua
arah dengan interaksi dilakukan untuk mengetahui mengetahui ada atau tidaknya
pengaruh jenis pakaian yaitu kemeja, hoodie, blazer, cardigan, dan sweater serta
lokasi toko yaitu Jakarta, Bogor, Bandung, Surabaya, dan Malang terhadap jumlah
penjualan pakaian dan juga untuk mengetahui ada atau tidaknya interaksi antara
jenis pakaian dengan lokasi toko terhadap jumlah penjualan pakaian bulan Juni.
Langkah pertama adalah membuka program SPSS 25.0, kemudian
memilih variable view, setelah itu mengetik variabel X1 yaitu jenis pakaian, X2
yaitu lokasi toko, dan variabel Y yaitu jumlah penjualan pada tabel Name.
Mengubah seluruh nilai Decimals menjadi 0. Berikut merupakan Gambar 3.22
Variable View.

Gambar 3.22 Variable View

Langkah selanjutnya, mengklik pada table values. Lalu mengisi kolom
values dengan jenis pakaian dan lokasi toko yang sudah ditentukan. Mengisi data
dengan jenis pakaian yang digunakan yaitu kemeja, hoodie, blazer, cardigan dan
sweater sebagai faktor. Memasukkan data dengan mengetik pada value dengan 1,
pada label dengan kemeja, mengklik add untuk seterusnya dan mengklik OK.
Mengisi data dengan lokasi toko yang digunakan yaitu Jakarta, Bogor, Bandung,
Jogja, Surabaya dan Malang, kemudian mengklik OK. Berikut tampilan kolom
values sebelum dan sesudah dimasukkan data. Berikut merupakan Gambar 3.23

Value Labels.
Gambar 3.23 Value Labels
Langkah selanjtunya yaitu memilih data view, kemudian mememasukan
60 data dari jumlah penjualan, lokasi toko, dan jenis pakaian. Berikut merupakan
Gambar 3.24 Data View.
 Gambar 3.24 Data View
Langkah berikutnya memilih Analyze, memilih General Linear Model
memilih Univaraite. Berikut merupakan gambar 3.25 Menu Analyze.

Gambar 3.25 Analyze - General Linear Model – Univariate.

Langkah selanjutnya setelah memilih Univariate, lalu akan muncul seperti
Gambar 3.26 Kotak Dialog Univariate. Masukkan variabel Jumlah penjualan
kedalam kotak Dependent Variable, faktor jenis pakaian dan lokasi toko ke dalam
kotak fixed factor. Berikut merupakan Gambar 3.26 Kotak Dialog Univariate.
 Gambar 3.26 Univariate
Langkah selanjutnya adalah mengklik OK. Langkah-langkah tersebut akan
menghasilkan berupa output antara variabel jumlah penjualan dengan faktor jenis
pakaian dan lokasi toko pada tabel Output Between-Subjects Factors. Berikut
merupakan gambar 3.27 Output Between-Subjects Factors.

Gambar 3.27 Output Between-Subjects Factors

Output di atas adalah Output Between Subjects Factors. Output Between
Subjects Factors menunjukkan value label dan N atau banyaknya data pada label
tersebut. Berikut merupakan Gambar 3.28 Output Tests of Between-Subjects
Effects.

Gambar 3.28 Output Test of Between-Subjects Effects

 Output di atas adalah Output Tests of Between Subjects Effects. Output
tersebut menampilkan Type III Sum of Squares, df, Mean Square, F, dan
Significant dari variabel jenis pakaian dan lokasi toko terhadap jumlah penjualan.

3.5. Analisis Perhitungan Manual

Analisis adalah kegiatan untuk mencari pola, atau cara berpikir yang
berkaitan dengan pengujian secara sistematis terhadap sesuatu untuk menentukan
bagian, hubungan antarbagian, serta hubungannya dengan keseluruhan. Berikut
ini analisis hasil dari perhitungan manual ANOVA Dua Arah dengan studi kasus
ANOVA Dua Arah Tanpa Interaksi dan ANOVA Dua Arah Dengan Interaksi
(Sugiono, 2015)

3.5.1 ANOVA Dua Arah tanpa Interaksi

Analisis perhitungan manual ANOVA dua arah tanpa interaksi
menjelaskan nilai yang dihasilkan dari perhitungan manual yang telah dikerjakan.
Analisis perhitungan manual ANOVA dua arah tanpa interaksi dilakukan untuk
mengetahui ada atau tidaknya pengaruh jenis bahan dan ukuran pakaian terhadap
jumlah penjualan pakaian selama satu bulan pada bulan Juni.
Berdasarkan perhitungan manual yang digunakan yaitu dengan
menggunakan rumus pada modul ANOVA Dua Arah tanpa interaksi. Sebelum
melakukan perhitungan, hal yang pertama dilakukan adalah menentukan
formulasi hipotesis. Hipotesis untuk baris diketahui H0 adalah rata-rata tidak ada
pengaruh antara kelima jenis bahan, yaitu flannel, jeans, satin, katun, dan linen
terhadap jumlah penjualan selama bulan Juni, sedangkan H1 adalah sekurang-
kurangnya ada satu pengaruh pengaruh antara kelima jenis bahan, yaitu flannel,
jeans, satin, katun, dan linen terhadap jumlah penjualan selama bulan Juni.
Hipotesis untuk kolom diketahui H0 adalah tidak ada pengaruh antara keenam
ukuran pakaian, yaitu XS, S, M, L, XL, dan XXL terhadap jumlah penjualan
selama bulan Juni. Hipotesis H1 adalah sekurang-kurangnya ada satu pengaruh
antara keenam ukuran pakaian, yaitu XS, S, M, L, XL, dan XXL terhadap jumlah
penjualan selama bulan Juni. Pengertian H0 adalah adalah hipotesis yang
menyatakan tidak adanya hubungan antar variabel dan H1 adalah hipotesis yang
menyatakan adanya hubungan antar variabel.
Berdasarkan perhitungan manual, taraf nyata ( ) dan F table
menggunakan signifikansi 5% karena permasalahan berada dalam bidang
manufaktur. Signifikansi 5% memiliki arti 5% kesimpulan yang dirancang
menolak hipotesis yang seharusnya diterima atau dengan kata lain 95% yakin
bahwa kesimpulan yang didapatkan benar. Untuk derajat pembilang pada V1 dan
V2 untuk baris didapatkan hasil masing-masing 4 dan 20, selanjutnya V1 dan V2
untuk kolom hasil yang didapat masing-masing 5 dan 20. Fungsi derajat bebas
adalah sebagai variabel dalam perhitungan akhir suatu statistik dan digunakan
untuk menentukan hasil dari skenario yang berbeda dalam suatu sistem. Nilai F
tabel yang diperoleh dengan menggunakan taraf nyata sebesar 5% atau 0,05 untuk
baris sebesar 2,87 yang dapat ditulis dengan notasi F0,05(4;20) = 2,87. Nilai F tabel
yang diperoleh dengan menggunakan taraf nyata sebesar 5% atau 0,05 untuk
kolom sebesar 2,71 yang dapat ditulis dengan notasi F0,05(5;20) = 2,71. Selanjutnya,
nilai F tabel yang telah didapatkan akan digunakan untuk menentukan terdapat
atau tidaknya pengaruh antara faktor yang mempengaruhi, jika tidak terdapat
pengaruh dalam rata-rata baris maka nilai F hitung harus lebih kecil dari 2,87,
sebaliknya jika sekurang-kurangnya terdapat satu pengaruh, maka nilai F hitung
lebih besar dari 2,87. Hal ini juga berlaku untuk rata-rata kolom tetapi pada rata-
rata kolom memiliki nilai F tabel sebesar 2,71.
Berdasarkan perhitungan manual, didapatkan nilai dari jumlah kuadrat total
(JKT), jumlah kuadrat baris (JKB), jumlah kuadrat kolom (JKK), jumlah kuadrat
error (JKE). Nilai jumlah kuadrat total (JKT) merupakan penjumlahan kuadrat
semua data dan dikurangi total jumlah semua faktor kemudian dibagi dengan
jumlah sampel yang diperoleh sebesar 296,167 dari perhitungan. Nilai jumlah
kuadrat baris (JKB) yang diperoleh sebesar 101,667 yang didapat dari
perhitungan. Nilai jumlah kuadrat kolom (JKK) yang diperoleh sebesar 29,767
yang didapat dari perhitungan. Nilai jumlah kuadrat error (JKE) yang diperoleh
sebesar 164,733 yang didapat dari jumlah kuadrat total dikurang jumlah kuadrat
kolom. Pada tabel ANOVA Dua Arah tanpa interaksi didapat nilai derajat bebas
pada rata-rata baris adalah 4, nilai derajat bebas pada kolom adalah 5, dan derajat
bebas pada error adalah 20 dengan total derajat kebebasan adalah 29. Derajat
bebas adalah jumlah nilai yang terlibat dalam perhitungan yang memiliki
kebebasan untuk bervariasi. Dengan kata lain, derajat bebas ini adalah jumlah
penghitungan akhir suatu statistik yang bebas berubah-ubah. Terdapat nilai rata-
rata kuadrat dari rata-rata baris, rata-rata kolom, dan error dimana masing-masing
sebesar 25,417, 5,953, dan 8,237. Nilai rata-rata kuadrat yang telah didapatkan,
selanjutnya akan digunakan untuk mencari nilai F hitung. Berdasarkan
perhitungan, nilai F hitung baris sebesar 3,086 dan nilai F hitung kolom sebesar
0,723. Berdasarkan keseluruhan perhitungan yang telah didapatkan, maka diberi
kesimpulan.
Kesimpulannya yaitu Nilai F0 yang didapat sebesar 3,086. Nilai dari F0 yang
didapat lebih dari nilai F tabel yang sebesar 2,87 (F0 = 3,086 > F0(4;20) = 2,87)
yang berarti H0 ditolak. Hal ini menunjukkan ada pengaruh antara satu jenis bahan
terhadap jumlah penjualan selama bulan Juni. Nilai F0 yang didapat sebesar 0,723
Nilai dari F0 yang didapat kurang dari nilai F tabel yang sebesar 2,71 (F0 = 0,723
≤ F0(5;20) = 2,71) yang berarti H0 diterima. Hal ini menunjukkan tidak ada
pengaruh antara ukuran pakaian terhadap jumlah penjualan selama bulan Juni.

3.5.2 ANOVA Dua Arah Dengan Interaksi

Analisis perhitungan manual ANOVA dua arah dengan interaksi
menjelaskan nilai yang dihasilkan dari perhitungan manual yang telah dikerjakan.
Analisis perhitungan manual ANOVA dua arah tanpa interaksi dilakukan untuk
mengetahui ada atau tidaknya pengaruh jenis pakaian dan lokasi toko terhadap
jumlah penjualan pakaian dan juga untuk mengetahui ada atau tidaknya interaksi
antara jenis pakaian dengan lokasi toko terhadap jumlah penjualan pakaian bulan
Juni.
Berdasarkan perhitungan manual yang digunakan yaitu dengan
menggunakan rumus pada modul ANOVA Dua Arah dengan interaksi. Sebelum
melakukan perhitungan, hal yang pertama dilakukan adalah menentukan
formulasi hipotesis. Langkah pertama yang dilakukan adalah menentukan
formulasi hipotesis. Hipotesis yang dipakai disini ada 3 yaitu untuk pengaruh
baris, kolom dan interaksi. Hipotesis untuk baris diketahui H0 adalah rata-rata
tidak ada pengaruh antara kelima jenis pakaian, yaitu kemeja, hoodie, blazer,
cardigan, dan sweater terhadap jumlah penjualan selama bulan Juni, sedangkan
H1 adalah sekurang-kurangnya ada satu pengaruh antara kelima jenis pakaian
yaitu kemeja, hoodie, blazer, cardigan, dan sweater terhadap jumlah penjualan
selama bulan Juni. Hipotesis untuk kolom diketahui H0 adalah tidak ada pengaruh
antara keenam lokasi toko, yaitu Jakarta, Bogor, Bandung, Jogja, Surabaya dan
Malang terhadap jumlah penjualan selama bulan Juni, Hipotesis H1 adalah
sekurang-kurangnya ada satu pengaruh antara keenam lokasi toko, yaitu Jakarta,
Bogor, Bandung, Jogja, Surabaya dan Malang terhadap jumlah penjualan selama
bulan Juni. Hipotesis untuk interaksi diketahui H0 adalah tidak ada pengaruh
interaksi antara kelima jenis pakaian, yaitu kemeja, hoodie, blazer, cardigan, dan
sweater dengan keenam lokasi toko, yaitu Jakarta, Bogor, Bandung, Jogja,
Surabaya dan Malang terhadap jumlah penjualan selama bulan Juni, hipotesis H1
adalah sekurang-kurangnya ada satu pengaruh interaksi antara kelima jenis
pakaian, yaitu kemeja, hoodie, blazer, cardigan, dan sweater dengan keenam
lokasi toko, yaitu Jakarta, Bogor, Bandung, Jogja, Surabaya dan Malang terhadap
jumlah penjualan selama bulan Juni. Pengertian H0 adalah adalah hipotesis yang
menyatakan tidak adanya hubungan antar variabel dan H1 adalah hipotesis yang
menyatakan adanya hubungan antar variabel.
Berdasarkan perhitungan manual, taraf nyata ( ) dan F table
menggunakan signifikansi 5% karena permasalahan berada dalam bidang
manufaktur. Signifikansi 5% memiliki arti 5% kesimpulan yang dirancang
menolak hipotesis yang seharusnya diterima atau dengan kata lain 95% yakin
bahwa kesimpulan yang didapatkan benar. Untuk derajat pembilang pada V1 dan
V2 untuk baris didapatkan hasil masing-masing 4 dan 30, selanjutnya V1 dan V2
untuk kolom hasil yang didapat masing-masing 5 dan 30. kemudian V1 dan V2
untuk interaksi hasil yang didapat masing-masing 20 dan 30. Fungsi derajat bebas
adalah sebagai variabel dalam perhitungan akhir suatu statistik dan digunakan
untuk menentukan hasil dari skenario yang berbeda dalam suatu sistem. Nilai F
tabel yang diperoleh dengan menggunakan taraf nyata sebesar 5% atau 0,05 untuk
baris sebesar 2,69 yang dapat ditulis dengan notasi F0,05(4;30) = 2,69. Nilai F tabel
yang diperoleh dengan menggunakan taraf nyata sebesar 5% atau 0,05 untuk
kolom sebesar 2,53 yang dapat ditulis dengan notasi F0,05(5;30) = 2,53. Nilai F tabel
yang diperoleh dengan menggunakan taraf nyata sebesar 5% atau 0,05 untuk
interaksi sebesar 1,93 yang dapat ditulis dengan notasi F0,05(20;30) = 2,93.
Selanjutnya, nilai F tabel yang telah didapatkan akan digunakan untuk
menentukan terdapat atau tidaknya pengaruh antara faktor yang mempengaruhi,
jika tidak terdapat pengaruh dalam rata-rata baris maka nilai F hitung harus lebih
kecil dari 2,69, sebaliknya jika sekurang-kurangnya terdapat satu pengaruh, maka
nilai F hitung lebih besar dari 2,69. Untuk rata-rata kolom tetapi pada rata-rata
kolom memiliki nilai F tabel sebesar 2,53. Hal ini juga berlaku untuk rata-rata
interaksi sedangkan pada rata-rata kolom memiliki nilai F tabel sebesar 1,93.
Berdasarkan perhitungan manual, didapatkan nilai dari jumlah kuadrat
total (JKT), jumlah kuadrat baris (JKB), jumlah kuadrat kolom (JKK), jumlah
kuadrat error (JKE), jumlah kuadrat interaksi (JKI). Nilai jumlah kuadrat total
(JKT) merupakan penjumlahan kuadrat semua data dan dikurangi total jumlah
semua faktor kemudian dibagi dengan jumlah sampel yang diperoleh sebesar
543,25 dari perhitungan. Nilai jumlah kuadrat baris (JKB) yang diperoleh sebesar
189,333 yang didapat dari perhitungan. Nilai jumlah kuadrat kolom (JKK) yang
diperoleh sebesar 52,15 yang didapat dari perhitungan. Nilai jumlah kuadrat
interaksi (JKI) yang diperoleh sebesar 232,267 yang didapat dari perhitungan.
Nilai jumlah kuadrat error (JKE) yang diperoleh sebesar 69,5 yang didapat dari
perhitungan. Pada tabel ANOVA Dua Arah tanpa interaksi didapat nilai derajat
bebas pada rata-rata baris adalah 4, nilai derajat bebas pada kolom adalah 5, nilai
derajat bebas pada interaksi adalah 20 dan derajat bebas pada error adalah 30
dengan total derajat kebebasan adalah 59. Derajat bebas adalah jumlah nilai yang
terlibat dalam perhitungan yang memiliki kebebasan untuk bervariasi. Dengan
kata lain, derajat bebas ini adalah jumlah penghitungan akhir suatu statistik yang
bebas berubah-ubah. Terdapat nilai rata-rata kuadrat dari rata-rata baris, rata-rata
kolom, rata-rata interaksi dan error dimana masing-masing sebesar 47,333, 10,43,
11,613 dan 2,317. Nilai rata-rata kuadrat yang telah didapatkan, selanjutnya akan
digunakan untuk mencari nilai F hitung. Berdasarkan perhitungan, nilai F hitung
baris sebesar 20,429, nilai F hitung kolom sebesar 4,502, dan nilai F hitung
interaksi sebesar 5,013. Berdasarkan keseluruhan perhitungan yang telah
didapatkan, maka diberi kesimpulan.
Kesimpulannya yaitu Nilai dari F0 yang didapatkan sebesar 20,429. Nilai
dari F0 yang didapat lebih besar dari nilai F tabel sebesar 2,69 (F0 = 20,429 >
F0,05(4;30) = 2,69) yang berarti H0 ditolak. Hal ini menunjukkan bahwa sekurang-
kurangnya ada pengaruh antara jenis pakaian terhadap jumlah penjualan selama
bulan Juni. Nilai dari F0 yang didapatkan sebesar 4,502. Nilai dari F0 yang didapat
kurang dari nilai F tabel sebesar 2,53 (F0 = 4,502 ≤ F0,05(5;30) = 2,53) yang berarti
H0 diterima. Hal ini menunjukkan bahwa tidak ada pengaruh antara lokasi toko
terhadap jumlah penjualan selama bulan Juni. Nilai dari F0 yang didapatkan
sebesar 5,013. Nilai dari F0 yang didapat kurang dari nilai F tabel sebesar 1,93 (F0
= 5,013 > F0,05(20;30) = 1,93) yang berarti H0 diterima. Hal ini menunjukkan bahwa
tidak ada pengaruh interaksi antara jenis pakaian dengan lokasi toko terhadap
jumlah penjualan selama bulan Juni. Nilai F0 yang didapat sebesar 3,086. Nilai
dari F0 yang didapat lebih dari nilai F tabel yang sebesar 2,87 (F0 = 3,086 > F0(4;20)
= 2,87) yang berarti H0 ditolak. Hal ini menunjukkan ada pengaruh antara satu
jenis bahan terhadap jumlah penjualan selama bulan Juni. Nilai F0 yang didapat
sebesar 0,723 Nilai dari F0 yang didapat kurang dari nilai F tabel yang sebesar
2,71 (F0 = 0,723 ≤ F0(5;20) = 2,71) yang berarti H0 diterima. Hal ini menunjukkan
tidak ada pengaruh antara ukuran pakaian terhadap jumlah penjualan selama bulan
Juni.

3.6 Analisis Pengolahan Software

Analisis pengolahan software dilakukan untuk mengetahui bagaimana cara
kerja suatu perhitungan data statistik dengan lebih cepat dan mudah. Software
yang digunakan untuk data statistik adalah SPSS (Statistical Package for the
Social Sciences) 25.0.
3.6.1 ANOVA Dua Arah tanpa Interaksi
Analisis pengolahan software ANOVA dua arah tanpa interaksi adalah
pembahasan mengenai hasil output dari pengolahan software pada ANOVA dua
arah tanpa interaksi. Menganalisa arti dari nilai hasil yang ditampilkan sebagai
output dan menyatakan apakah memenuhi syarat atau tidak memenuhi syarat.
Berdasarkan Output between-subjects factors didapatkan hasil bahwa
terdapat 5 jenis bahan, kelima jenis bahan tersebut memiliki jenis yang berbeda
yaitu flannel, jeans, satin, katun dan linen yang terdapat pada kolom value label
dengan banyak data pada masing-masing jenis bahan adalah sama yaitu 6 data
yang ada pada kolom N. Jumlah jenis ukuran ada 6 dan keenam ukuran pakaian
tersebut memiliki ukuran yang berbeda yaitu XS, S, M, L, XL, XXL yang terdapat
pada kolom value label dengan banyak data pada masing-masing jenis adalah
sama yaitu 5 data yang ada pada kolom N. Jumlah keseluruhan adalah 30 data
didapat dari total salah satu data dari jenis bahan dan jenis ukuran.
Berdasarkan output test of between-subjects effects. Nilai intercept pada
kolom source adalah nilai perubahan variabel dependent tanpa perlu dipengaruhi
keberadaan variabel independent, artinya tanpa ada pengaruh variabel
independent, variabel dependent dapat berubah nilainya. Hipotesis pada Type III
sum of squares menguji hipotesis yang mengandung interaksi dan biasanya tidak
berarti sebesar 147700,833, df atau derajat bebas sebesar 1, mean square atau
rata-rata kuadrat sebesar 147700,833. Error pada Type III sum of squares sebesar
29,767, df atau derajat bebas sebesar 5, mean square atau rata-rata kuadrat sebesar
5,953a. F hitung yang didapat dari hasil bagi rata-rata kuadrat dengan error
sebesar 24809,770. Nilai sig. sebesar 0,000 kurang dari 0,05 artinya intercept
memiliki perubahan yang signifikan.
Berdasarkan output test of between-subjects effects. Nilai jenis bahan pada
kolom source menguji pengaruh jenis bahan terhadap jumlah penjualan. Hipotesis
pada Type III sum of squares menguji hipotesis yang mengandung interaksi dan
biasanya tidak berarti sebesar (JKB) 101,667, df atau derajat bebas sebesar 4,
mean square atau rata-rata kuadrat sebesar 25,417. Error pada type III sum of
squares sebesar (JKE) 164,733, df atau derajat bebas sebesar 20, mean square
atau rata-rata kuadrat sebesar 8,237b. F hitung yang didapat dari hasil bagi rata-
rata kuadrat dengan error sebesar 3,086. Berpengaruh atau tidaknya jenis bahan
terhadap jumlah penjualan ditandai dari nilai signifikan, nilai sig. yang didapat
sebesar 0,039 lebih dari 0,05 artinya jenis bahan tidak memberikan pengaruh yang
signifikan terhadap jumlah penjualan.
Berdasarkan output test of between-subjects effects. Nilai jenis ukuran
pada kolom source menguji pengaruh ukuran pakaian terhadap jumlah penjualan.
Hipotesis pada Type III sum of squares menguji hipotesis yang mengandung
interaksi dan biasanya tidak berarti sebesar (JKK) 29,767, df atau derajat bebas
sebesar 5, mean square atau rata-rata kuadrat sebesar 5,953. Error pada type III
sum of squares sebesar (JKE) 164,733, df atau derajat bebas sebesar 20, mean
square atau rata-rata kuadrat sebesar 8,237b. F hitung yang didapat dari hasil bagi
rata-rata kuadrat dengan error sebesar 0,723. Berpengaruh atau tidaknya jenis
susu terhadap jumlah penjualan ditandai dari nilai signifikan, nilai sig. yang
didapat sebesar 0,614 lebih besar dari 0,05 artinya jenis ukuran tidak memberikan
pengaruh yang signifikan terhadap jumlah penjualan.
Berdasarkan output test of between-subjects effects. Nilai jenis bahan
*ukuran pakaain pada kolom source menguji pengaruh jenis bahan dan ukuran
pakaian. Hipotesis pada type III sum of squares menguji hipotesis yang
mengandung interaksi dan biasanya tidak berarti sebesar 164,733, df atau derajat
bebas sebesar 20, mean square atau rata-rata kuadrat sebesar 8,237. Error pada
Type III sum of squares sebesar 0,000, df atau derajat bebas sebesar 0. Kolom sig.
tidak memiliki nilai karena data tersebut tanpa interaksi.

3.6.2 ANOVA Dua Arah dengan Interaksi

Analisis pengolahan software ANOVA dua arah dengan interaksi adalah
pembahasan mengenai hasil output dari pengolahan software pada ANOVA dua
arah dengan interaksi. Menganalisa arti dari nilai hasil yang ditampilkan sebagai
output dan menyatakan apakah memenuhi syarat atau tidak memenuhi syarat.
Berdasarkan Output between-subjects factors didapatkan hasil bahwa
terdapat 5 jenis pakaian, kelima jenis pakaian tersebut memiliki jenis yang
berbeda yaitu kemeja, hoodie, blazer, cardigan dan sweater yang terdapat pada
kolom value label dengan banyak data pada masing-masing jenis pakaian adalah
sama yaitu 12 data yang ada pada kolom N. Jumlah lokasi toko ada 6 dan keenam
lokasi toko tersebut memiliki daerah yang berbeda yang berbeda yaitu Jakarta,
Bogor, Bandung, Jogja, Surabaya dan Malang yang terdapat pada kolom value
label dengan banyak data pada masing-masing jenis adalah sama yaitu 10 data
yang ada pada kolom N. Jumlah keseluruhan adalah 60 data didapat dari total
salah satu data dari jenis pakaian dan lokasi toko.
Berdasarkan output test of between-subjects effects. Nilai corrected model
pada kolom source adalah pengaruh semua variabel secara bersama-sama
terhadap variabel dependent. Hipotesis pada Type III sum of squares menguji
hipotesis yang mengandung interaksi dan biasanya tidak berarti sebesar 29,767, df
atau derajat bebas sebesar 5, mean square atau rata-rata kuadrat sebesar 5,953.
Error pada type III sum of squares sebesar (JKE) 164,733, df atau derajat bebas
sebesar 20, mean square atau rata-rata kuadrat sebesar 8,237b. F hitung yang
didapat dari hasil bagi rata-rata kuadrat dengan error sebesar 0,723. Apabila
signifikansi (sig.) kurang dari 0,05 berarti signifikan. Contoh pada ANOVA dua
arah dengan interaksi output test of between-subjects effects didapat nilai sig.
sebesar 0,000 berarti model valid.
Berdasarkan output Test of between-subjects effects. Nilai intercept pada
kolom source adalah nilai perubahan variabel dependent tanpa perlu dipengaruhi
keberadaan variabel independent, artinya tanpa ada pengaruh variabel
independent, variabel dependent dapat berubah nilainya. Hipotesis pada Type III
sum of squares menguji hipotesis yang mengandung interaksi dan biasanya tidak
berarti sebesar 335253,750, df atau derajat bebas sebesar 1, mean square atau
rata-rata kuadrat sebesar 335253,750, nilai F hitung yang didapat dari hasil bagi
rata-rata kuadrat dengan error sebesar 144713,849. Nilai sig. 0.000 kurang dari
0.05 artinya intercept memiliki perubahan yang signifikan.
Berdasarkan output test of between-subjects effects. Nilai jenis pakaian
pada kolom source menguji pengaruh jenis pakaian terhadap jumlah penjualan.
Hipotesis pada Type III sum of squares menguji hipotesis yang mengandung
interaksi dan biasanya tidak berarti sebesar (JKK) 189,333, df atau derajat bebas
sebesar 4, mean square atau rata-rata kuadrat sebesar 47,333. Nilai F hitung yang
didapat dari hasil bagi rata-rata kuadrat dengan error sebesar 20,432. Berpengaruh
atau tidaknya jenis pakaain terhadap jumlah penjualan ditandai dari nilai
signifikan, nilai sig. sebesar 0,000 lebih kecil dari 0,05 artinya jenis pakaian
memberikan pengaruh yang signifikan terhadap jumlah penjualan.
Berdasarkan output test of between-subjects effects. Nilai lokasi toko pada
kolom source menguji pengaruh daerah penjualan terhadap jumlah penjualan.
Hipotesis pada Type III sum of squares menguji hipotesis yang mengandung
interaksi dan biasanya tidak berarti sebesar (JKK) 52,150, df atau derajat bebas
sebesar 5, mean square atau rata-rata kuadrat sebesar 10,430. Nilai F hitung yang
didapat dari hasil bagi rata-rata kuadrat dengan error sebesar 4,502. Berpengaruh
atau tidaknya lokasi took terhadap jumlah penjualan ditandai dari nilai signifikan,
nilai sig. 0,004 lebih kecil dari 0,05 artinya lokasi toko memberikan pengaruh
yang signifikan terhadap jumlah penjualan.
Berdasarka output test of between-subjects effects. Nilai jenis
pakaian*lokasi toko pada kolom source menguji pengaruh jenis pakaian dengan
daerah penjualan. Hipotesis pada Type III sum of squares menguji hipotesis yang
mengandung interaksi dan biasanya tidak berarti sebesar (JKI) 232,267, df atau
derajat bebas sebesar 20, mean square atau rata-rata kuadrat sebesar 11,613. Nilai
F hitung yang didapat dari hasil bagi rata-rata kuadrat dengan error sebesar 5,013.
Ada atau tidaknya interaksi antara jenis pakaian dengan lokasi toko ditandai dari
nilai signifikan dimana H0 yaitu tidak ada interaksi antara jenis pakaian dengan
lokasi toko dan H1 yaitu ada interaksi antara jenis pakaian dengan lokasi toko. H0
diterima apabila nilai sig. lebih besar dari 0,05 dan H1 ditolak apabila nilai sig.
lebih kecil dari 0,05. Hasil pada tabel memiliki nilai sig. 0,000 lebih kecil dari
0,05 menunjukkan bahwa H0 ditolak sehingga dapat disimpulkan bahwa ada
interaksi antara jenis pakaian dengan lokasi toko. Nilai interaksi adalah nilai
perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel
independen, variabel dependen dapat berubah nilainya
3.7 Analisis Perbandingan
Analisis perbandingan dilakukan dengan dua cara untuk menyelesaikan
permasalahan yaitu dengan perhitungan manual dan perhitungan dengan cara
menggunakan program SPSS 25.0. Berikut merupakan analisis perbandingan
antara perhitungan manual dan pengolahan software.
Tabel 3.6 Tabel Perbandingan Manual dan Software
Studi Kasus Pembanding Manual Software
Jumlah Kuadrat Baris 101,667 101,667
Jumlah Kuadrat Kolom 29,767 29,767
ANOVA Dua
Jumlah Kuadrat Eror 164,733 164,733
Arah tanpa
Nilai F1 3,086 3,086
Interaksi
Nilai F2 0,723 0,723
Jumlah Kuadrat Baris 189,333 189,333
Jumlah Kuadrat Kolom 52,15 52,15
Jumlah Kuadrat Interaksi 232,267 232,267
ANOVA Dua
Jumlah Kuadrat Eror 69,5 69,5
Arah dengan
Nilai F1 20,429 20,432
Interaksi
Nilai F2 4,502 4,502
Nilai F3 5,013 5,013
Berdasarkan Tabel 3.6 Tabel Perbandingan Manual dan Software,
diperoleh hasil perhitungan manual dan pengolahan software yang relatif sama,
kecuali pada studi kasus ANOVA Dua Arah dengan interaksi. Bahwa didapat
hasil perhitungan manual dan pengolahan software pada F hitung untuk baris
mendapatkan hasil yang berbeda yaitu pada perhitungan manual nilai F hitung
untuk baris sebesar 20,429 sedangkan pada pengolahan software nilai F hitung
untuk baris sebesar 20,432 sehingga memiliki selisih sebesar 0,003, adanya
perbedaan dari hasil perhitungan diakibatkan karena adanya pembulatan normal
pada perhitungan manual dan menggunakan 3 angka belakang koma sehingga
menyebabkan hasil akhir menjadi berbeda dengan hasil dari pengolahan software.
Kelebihan dalam melakukan perhitungan manual adalah dapat mengetahui
lebih jelas tentang perhitungan dalam metode ANOVA Dua Arah dan dapat
melatih agar lebih teiti dalam melakukan perhitungan. Kekurangan dalam
melakukan perhitungan manual adalah hasil yang didapat bisa saja kurang tepat
dan dalam melakukan perhitungan manual dapat memakan waktu yang lama
dalam mengerjakanya. Sedangkan kelebihan dari pengolahan software adalah
hasil data yang diperoleh lebih akurat dan tidak memakan waktu yang lama dalam
pengerjaanya. Kelemahannya yaitu meskipun tergolong program yang mudah
digunakan, namun untuk dapat menjalankan program ini pengguna minimal harus
mengatahui dasar ilmu statistik terlebih dahulu.
 BAB IV
PENUTUP

4.1 Kesimpulan
Kesimpulan dibuat berdasarkan berbagai proses, berdasarkan perhitungan
manual dan pengolahan software. Berikut ini merupakan kesimpulan yang
didapatkan dari hasil akhir ANOVA dua arah:
1. ANOVA Dua Arah tanpa Interaksi
a. Berdasarkan perhitungan manual nilai F hitung untuk baris sebesar
3,086 dengan nilai F tabel sebesar 2,87 (F0 = 3,086 > F0(4;20) = 2,87).
Artinya H0 ditolak Hal ini menunjukan bahwa ada pengaruh antara satu
jenis bahan terhadap jumlah penjualan selama bulan Juni. Berdasarkan
hasil perhitungan software nilai sig. untuk jenis bahan sebesar 0,039
lebih besar dari 0,05 (Sig = 0,039 > 0,05). Artinya H0 diterima. Hal ini
menunjukan bahwa jenis bahan tidak memberikan pengaruh yang
signifikan terhadap jumlah penjualan.
b. Berdasarkan perhitungan manual nilai F hitung untuk kolom sebesar
0,723 dengan nilai F tabel sebesar 2,71 (F0 = 0,723 ≤ F0(5;20) = 2,71).
Artinya H0 diterima Hal ini menunjukan bahwa tidak ada pengaruh
antara ukuran pakaian terhadap jumlah penjualan selama bulan Juni.
Berdasarkan hasil perhitungan software nilai sig untuk ukuran pakaian
sebesar 0,614 lebih besar dari 0,05 (Sig = 0,614 > 0,05). Artinya H0
diterima. Hal ini menunjukan bahwa ukuran pakaian tidak memberikan
pengaruh yang signifikan terhadap jumlah penjualan.
2. ANOVA Dua Arah dengan Interaksi
a. Berdasarkan perhitungan manual nilai F hitung untuk baris sebesar
20,429 dengan nilai F tabel sebesar 2,69 (F0 = 20,429 > F0(4;30) = 2,69).
Artinya H0 ditolak. Hal ini menunjukan bahwa sekurang-kurangnya ada
pengaruh antara jenis pakaian terhadap jumlah penjualan selama bulan
Juni. Berdasarkan hasil perhitungan software nilai sig untuk jenis
 pakaian sebesar 0,000 lebih kecil dari 0,05 (Sig = 0,000 < 0,05). Artinya
H0 ditolak, hal ini menunjukan bahwa jenis pakaian tidak memberikan
pengaruh yang signifikan terhadap jumlah penjualan.
b. Berdasarkan perhitungan manual nilai F hitung untuk kolom sebesar
4,502 dengan nilai F tabel sebesar 2,53 (F0 = 4,502 ≤ F0(5;30) = 2,53).
Artinya H0 ditolak, hal ini menunjukan bahwa tidak ada pengaruh antara
lokasi toko terhadap jumlah penjualan selama bulan Juni. Berdasarkan
hasil perhitungan software nilai sig untuk lokasi toko sebesar 0,004
lebih kecil dari 0,05 (Sig = 0,004 < 0,05). Artinya H0 ditolak. Hal ini
menunjukan bahwa lokasi toko memberikan pengaruh yang signifikan
terhadap jumlah penjualan.
c. Berdasarkan perhitungan manual nilai F hitung untuk interaksi sebesar
5,013 dengan nilai F tabel sebesar 1,93 (F0 = 5,013 > F0(20;30) = 1,93).
Artinya H0 ditolak, hal ini menunjukan bahwa tidak ada pengaruh
interaksi antara jenis pakaian dengan lokasi toko terhadap jumlah
penjualan selama bulan Juni. Berdasarkan hasil perhitungan software
nilai sig untuk jenis pakaian dengan lokasi toko sebesar 0,000 lebih
kecil dari 0,05 (Sig = 0,000 < 0,05). Artinya H0 ditolak Hal ini
menunjukan bahwa jenis pakaian dan lokasi toko memberikan pengaruh
yang signifikan terhadap jumlah penjualan.

4.2 Saran
Dari hasil penelitian yang diperoleh, terdapat pengaruh yang positif dan
signifikan terhadap faktor-faktor dan variabel pada PT Jaya Utama dalam
pengamatan selama 1 bulan. Maka peneliti memberikan saran sebagai berikut:
1. Diharuskan memiliki data yang lengkap, rapih, dan detail sehingga dapat
menghasilkan perhitungan yang tepat dan memiliki hasil dari perhitungan
ANOVA yang sesuai.
2. Harus berhati-hati dan teliti dalam perhitungan data secara manual terutama
dalam pembulatan angka karena dapat membuat hasil perhitungan manual
berbeda jauh dengan hasil perhitungan software.
3. Analisis yang dilakukan juga harus sesuai dengan studi kasus dan hasil
ANOVA karena itu semua saling berkaitan satu sama lain.
 DAFTAR PUSTAKA

Akbar, A. (2015). Statistika - Pengujian Hipotesis.

Harlyan, L. I. (2013). UJI HIPOTESIS STATISTIK.
Harmini, R. (2019). Pemanfaatan Bunga Rosela Sebagai Pewarna Alam Untuk
Mencelup Serat Rayon.
Hasan, M. I. (2001). Pokok - Pokok Materi Statistik 2 (Statistik Inferensif) Edisi
Kedua. Jakarta: PT Bumi Aksara.
Hasan, M. I. (2003). Pokok - Pokok Materi Statistik 2 (Statistik Inferensif) Edisi
Kedua. Jakarta: PT Bumi Aksara.
Juniarto, C. (2013). BAB III Metodologi Penelitian.
K, L. T. (2016). Aplikasi Komputer dan pengolahan data PENGANTAR
STATISTIK INDUSTRI. Malang: UB Press.
Suryani, N. L. (2013). Pengaruh Ligkungan Kerja Non Fisik Dan Komunikasi
Terhadap Kinerja Karyawan Pada PT. Bangkit Maju Bersama.