Nama : Rika Setyami

NIM : 20108030027

Prodi : MKS

UJI ANOVA

Uji Anova Satu Arah

Interpretasi

Pada data descriptives menjelaskan bahwa data rata-rata responden pasien 1 memperoleh 125,00,
pasien 2 sebesar 125,00, dan pasien 3 memperoleh 152,14. Dengan kata lain, dari ketiga
kelompok pasien tersebut dapat disimpulkan bahwa rerata pasien 1 dan 2 lebih rendah daripada
rerata pasien 3.
Interpretasi

1. Output ini ditujukan untuk melakukan uji kesamaaan homogen. Salah satu syarat untuk
melakukan uji ANOVA satu arah apabila data mempunyai varians sama (Homogen).
2. Caranya adalah dengan membandingkan nilai signifikansi pada Sig. dengan nilai
signifikansi yang digunakan (SPSS secara default menggunakan nilai signifikansi 0.05).
3. Untuk pengujian varians apabila nilai signifikansi (ptobabilitas) > 0.05 maka data
mempunyai varians sama. Apabila nilai signifikansi < 0.05 maka data mempunyai
varians yang berbeda.
4. Dari data diatas terlihat bahwa nilai signifikansi probabilitas 0.708, maka data diatas
mempunyai varians yang sama. (0.708 > 0.05). dengan demikian telah memenuhi syarat
uji ANOVA.
Interpretasi

Hipotesisnya:

Ho : Rata-rata tekanan dara orang yang peminum obat A, obat B, dan Obat C adalah sama.

H1 : Rata-rata tekanan darah orang peminum obar A, Obat B, dan Obat C adalah tidak sama
(ada perbedaan).

Pada ANOVA, syarat agar diterima atau tidak adalah sebagai berikut:

Apabila sig > 0.05, maka Ho diterima

Apabila sig < 0.05, maka Ho ditolah

Dari data yang kita dapat sig (0.001) < 0.05, maka Ho ditolak. Jadi keputusan yang diambil
menggunakan H1, yaitu: rata-rata tekanan darah orang peminum obat A, obat B, dan Obat C
adalah tidak sama (ada perbedaan) atau dengan kata lain jenis obat memberi efek pada tekanan
darah.
Interpretasi

1. Output Post Hoc Test digunakan untuk mengetahui variabel mana yang memiliki perbedaan
signifikan.
2. Cara menganalisanya adalah dengan melihat ada tidaknya tanda * pada kolom Mean
Difference. Tanda * menunjukkan adanya perbedaan mean yang signifikan.
3. Hasil Turkey HSD maupun Bonforoni menunjukkan bahwa:
Perbedaan tekanan darah pasien 1 dan 2 adalah 0.000 dan secara statistic tidak signigfikan
(p=1.000 > 0.05).
Perbedaan tekanan darah pasien A dan C adalah 27.143 dan secara statistic signifikan
(p=0.003 > 0.05).
Perbedaan tekanan dara pasien B dan C adalah 27..143 dan secara statistic signifikan
(p=0.003 > 0.005).

Interpretasi

1. Apabila output sebelumya digunakan untuk mencari variabel mana yang mempunyai
perbedaan mean, maka output Homogeneous Subsets digunakan untuk mengetahuo
sampel/variabel mana yang mempunyai perbedaan yang tidak selalu signifikan.
2. Caranya adalah dengan memperhatikan kolom Subset. Pada tabel di atas kolom subset 1
terdapat dua nilai dari variabel obat A dan obat B. hal ini berarti mean tekanan darah
 peminum obat A dan obat B tidak memiliki perbedaan yang signifikan. Sedangkan pasien
dengan obat memiliki perbedaan dengan pasien A dan B sehingga ada kolom 2.

Uji Anova Dua Arah

Interpretasi
Dari table diatas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan pendidikan.
Sebagai contoh: nilai rata-rata ujian laki-laki dengan pendidikan SMP sebesar 32,43 sedangkan
nilai ujian wanita yang berpendidikan SMA sebesar 65,13 dan begitu seterusnya.

Interpretasi

Tabel di atas menunjukkan nilai (signifikansi) sig. 0,518 dimana > 0,05 sehingga bisa dikatakan
varian antar kelompok sama.

Interpretasi

1. Corrected Model: Pengaruh semua variable independen (gender, pendidikan dan interaksi
gender dengan pendidikan atau “gender*pendidikan”) secara bersama-sama terhadap
variable dependen (Nilai Ujian). Apabila signifikasi (Sig.) < 0,05 (Alfa) = Signifikan.
Contoh diatas 0,000 berarti model valid.
 2. Intercept: Nilai perubahan variable dependen tanpa perlu dipengaruhi keberadaan
variable independen, artinya tanpa ada pengaruh variable independen, variable dependen
dapat berubah nilainya. Apabila signifikansi (Sig.) <0,05 (Alfa) = signifikan.
Contoh diatas 0,000 berarti intercept signifikan.
3. Gender: pengaruh gender terhadap nilai ujian di dalam model. Apabila signifikansi (Sig.)
< 0,05 (Alfa) = signifikan.
Contoh diatas 0,005 berarti gender berpengaruh signifikan.
4. Pendidikan: pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila
signifikansi (Sig.) < 0,05 (Alfa) = signifikan.
Contoh diatas 0,000 berarti pendidikan berpengaruh signifikan.
5. Gender*pendidikan: pengaruh gender*pendidikan terhadap nilai ujian di dalam model.
Apabila (Sig.) < 0,05 (Alfa) = signifikan
Contoh diatas 0,003 berarti gender*pendidikan berpengaruh signifikan.
6. Error: nilai error model, semakin kecil maka model semakin baik.
7. R Squared: koefisen determinasi.

Interpretasi

Perbedaan signifikansi ditandai dengan tanda bintang (*). Dari table di atas, semuanya ditandai
bintang, berarti semuanya ada perbedaan yang signifikan.