N Way Anova

by: Wahdatunnisa Amalia Rizki

(2220318320023)

Statistik Bisnis A
 N Way Anova
Analysis Variance N Way (factorial), dapat
menguji data yang diklasifikasikan pada
beberapa variable independen. N Way
ANOVA ini dapat melibatkan lebih dari satu N Way ANOVA juga
kategori. dapat digunakan lebih dari
dua variabel independen
dalam Anova. Misalnya
Ex: Two Way ANOVA (two factor ANOVA), three way, four way, dst.
dapat mengukur adakah perbedaan antara
metode diet dan kelompok umur terhadap
penurunan berat badan.

2
Tujuan dan pengujian N Way ANOVA ini adalah untuk
mengetahui apakah ada pengaruh berbagai kriteria yang diuji
terhadap hasil yang diinginkan.
N Way Factorial ANOVA dapat menunjukkan apakah ada
pengaruh utama yang signifikan dari variable independen dan
apakah ada efek interaksi yang signifikan antara variable
independen dalam satu set data.
Efek interaksi terjadi ketika dampak dari satu variable
independen tergantung pada tingkat variable independen
kedua. Perhitungan dapat dilakukan melalui statistical
software.

3
 Studi Kasus

Ingin mengetahui apakah

faktor tingkat dan gender
mempengaruhi jumlah jam
belajar mahasiswa.
Didapat data sebagai
berikut:

4
Dalam pengujian kasus two way ANOVA dengan menggunakan program SPSS adalah sebagai
berikut:
1. Memasukkan data ke SPSS

5
2. Pengolahan data dengan SPSS
Langkah-langkahnya:
a. Pilih Analyze  General Linear Model  Univariate
b. Kemudian lakukan pengisian terhadap:
• Kolom Dependent Variable
• Kolom Factor(s): masukkan yang termasuk Fixed Factor(s). (dalam kasus ini: tingkat dan gender)

6
c. Klik Plots
• Horizontal Axis: …. (tingkat)
• Separate Lines: …. (gender)
• Add  tingkat*gender

7
d. Klik Post Hoc
Masukkan variable yang akan di uji MCA …. (tingkat)
• Klik Tukey

8
e. Options
• Gender dan tingkat
• Displays  Klik Descriptive statistic, Estimate of effect, Homogeneity test, Spread vs level plot
• Klik OK

9
Diperoleh output:

 Uji Interaksi
Karena p_value (0,180) > α (0,05) maka H0 diterima.
Jadi, tidak ada interaksi antara faktor tingkat dengan
faktor gender pada tingkat signifikasi 5%. Hal
tersebut menyatakan bahwa uji efek untuk faktor
tingkat dan gender bisa dilakukan.

 Uji Efek faktor gender

Karena p_value (0,001) < α (0,05) maka H0 ditolak.
Jadi ada efek faktor gender untuk data tersebut pada
tingkat signifikasi 5%. Karena faktor gender hanya
terdiri dari 2 faktor, sehingga tidak diperlukan uji
MCA.

 Uji Efek faktor tingkat

Karena p_value (0,000) < α (0,05) maka H0 ditolak.
Jadi ada efek faktor tingkat untuk data tersebut pada
tingkat signifikasi 5%. Karena faktor tingkat
mempengaruhi jam belajar secara signifikan,
sehingga perlu dilakukan uji MCA.

10
Analisis Perbandingan Ganda:

11
Berdasarkan output tersebut,
terlihat bahwa mahasiswa tingkat
3 memiliki jam belajar paling lama.
Dapat juga disimpulkan bahwa
tidak terdapat perbedaan jumlah
jam belajar yang signifikan antara
mahasiswa tingkat 2 dan 4.
Sedangkan antara tingkat yang
lain menunjukkan adanya
perbedaan yang signifikan dalam
hal jumlah jam belajar.

12
 Daftar Pustka
Walpole, Ronald E. 1995. Pengantar Statistika Edisi ke-3. Penerbit: PT. Gramedia
Pustaka Utama. Jakarta

Singgih, Santoso.2008. Panduan Lengkap Menguasai SPSS 16. Penerbit : PT. Alex
Media Komputindao. Jakarta

https://lstat.kuleuven.be/stat_tree/index.php?node=001001110
Terima Kasih

14