Uji Perbedaan Lebih Dari 2 Sampel
Uji Perbedaan Lebih Dari 2 Sampel
A. Capaian Pembelajaran :
1. Tujuan
2. Contoh Kasus
3. Interpretasi dalam laporan penelitian
D. Penyajian
1. Anova Satu Faktor /One Way Anova
• Tujuan : untuk uji perbedaan mean lebih dari dua kelompok data yang
independent/dependent
• Syarat atau asumsi yang harus dipenuhi
a. Data berdistribusi normal/simetris
b. Sampel diambil secara acak dari masing-masing populasi
c. Varians semua populasi sama (varians homogen)
Manajemen Data 12
d. Variabel yang dihubungkan numerik untuk variabel terikat dan kategorik
dengan lebih dari 2 kelompok untuk variabel bebas
Contoh
Seorang mahasiswa mengumpulkan data shift kerja, beban kerja, toleransi stress
dan kelelahan pada 33 pekerja industry benang sebagai berikut :
beban kerja shift kerja Toleransi stress kelelahan
1 1 31 209.45 Ket
Beban kerja
2 1 41 215.89
1. Ringan
1 1 39 234.99
2. Sedang
2 1 41 247.11 3. Berat
1 1 37 292.68 Shift kerja
1 1 38 247.00 1. Pagi
2 1 41 326.42 2. Siang
1 1 37 329.25 3. malam
1 1 33 349.25
1 1 39 359.24
1 1 41 443.65
1 2 42 224.47
2 2 47 234.99
2 2 45 238.89
1 2 41 239.36
2 2 43 329.25
2 2 46 349.25
2 2 45 250.47
1 2 41 255.53
2 2 44 267.99
2 2 45 272.50
2 2 45 318.18
3 3 59 189.74
3 3 48 231.73
3 3 54 359.24
2 3 50 355.48
2 3 58 256.83
3 3 48 370.81
3 3 48 392.67
2 3 49 290.40
3 3 50 318.30
3 3 51 300.00
3 3 53 381.20
Manajemen Data 13
Data diatas akan dilakukan pengolahan data dengan tujuan : menganalisis
perbedaan stress berdasarkan shift kerja.
Kerangka konsep :
Variabel Independen :
Shift kerja : Skala kategorik (1= pagi, 2 = siang, 3 = malam)
Variabel Dependen :
Toleransi Stress kerja :Skala numerik
Langkah-langkah :
Lakukan uji asumsi terlebih dahulu yaitu uji normalitas dan uji homogenitas
1. Uji Normalitas
Buat file baru dengan data di atas dan simpan dengan nama
file”kelelahan.sav”
Lakukan uji normalitas menggunakan uji Shapiro Wilk Analyze
Descriptive statistics explore pindahkan variabel toleransi stress ke
depedent list pilih plots centang normality plots with
testcontinue ok
Hasil output yang digunakan tabel test of normality
Diperoleh p value uji Shapiro wilk =0,861 (>0,05) artinya toleransi stress
berdistribusi normal
2. uji homogenitas ada di uji one way anova
3. Uji One Way Anova
Klik Analyze,
Manajemen Data 14
Pilih Compare Mean, Pilih One – Way Anova.
Pindahkan variabel toleransi stress ke dependent list dan shift kerja ke
factor, tampak pada layar :
Manajemen Data 15
Klik kotak Post Hoc
Aktifkan pilihan Bonferoni (bisa memilih yang lain)
Tampak pada layar :
Dari hasil test homogenitas (levene test) diketahui bahwa varian antar kelompok
toleransi stress homogen dengan nilai p value = 0,149 atau lebih besar dari nilai
alpha 0,05 .
Jadi syarat /asumsi one way anove terpenuhi yaitu normal dan homogeny.
Manajemen Data 16
Sementara pada tabel descriptive, terlihat rata-rata toleransi stress dari ketiga shift
kerja yaitu rata-rata toleransi stress paling tinggi pada pekerja shift malam yaitu
51,64 ± 3,931 dibanding pekerja shift siang (44,00±2,000), dan shift pagi (38.00 ±
3,376).
Hasil uji statistic dengan pada tabel di atas, terlihat nilai p value sebesar 0,000
(< alpha 0,05). Hal ini berarti pada alpha 5 % dapat disimpulkan bahwa ada
perbedaan toleransi stress berdasarkan shift kerja.
Untuk melihat pasangan mana yang berbeda, maka digunakan uji lanjut sesudah
anova, yaitu post hoc test pada latihan ini digunakan Bonferroni
Manajemen Data 17
Hasil analisis lebih lanjut membuktikan bahwa ketiga kelompok shift kerja
berbeda signifikan yaitu antara shift kerja pagi dengan siang dengan p value
0,000 (< alpha 0,05), dan shift kerja pagi dengan malam dengan p value 0,000
(< alpha 0,05) dan antara shift kerja siang dengan malam dengan p value
0,000 (< alpha 0,05).
4. Penyajian dan Interpretasi Dalam Laporan Penelitian
a. uji asumsi
1. uji normalitas dan homogenitas
Tabel 1. Hasil uji normalitas dengan uji Shapiro Wilk dan uji homogenitas
Toleransi stress p value Kesimpulan
normalitas 0,861 (p>0,05) Distribusi normal
homogenitas 0,149(p>0,05) varians homogen
Hasil uji normalitas dengan uji Shapiro Wilk diperoleh variabel toleransi
stress berdistribusi normal dan Uji homogenitas varians menggunakan uji
Lavene diperoleh variabel toleransi stress mempunyai varians homogen.
Karena memenuhi kedua asumsi di atas maka uji yang digunakan adalah uji
one way anova
Rata-rata toleransi stress dari ketiga shift kerja yaitu rata-rata toleransi stress
paling tinggi pada pekerja shift malam yaitu 51,64 ± 3,931 dibanding pekerja shift
siang (44,00±2,000), dan shift pagi (38.00 ± 3,376).
Hasil uji statistik menggunakan uji one way anova diperoleh nilai p value sebesar
0,000 (< alpha 0,05). Hal ini berarti pada alpha 5 % ada perbedaan toleransi stress
Manajemen Data 18
berdasarkan shift kerja.
Analisis lebih lanjut (post hoc analysis) menggunakan uji Bonferoni hasilnya
sebagai berikut :
Ketiga kelompok shift kerja berbeda signifikan yaitu antara shift kerja pagi dengan
siang dengan p value 0,000 (< alpha 0,05), dan shift kerja pagi dengan malam
dengan p value 0,000 (< alpha 0,05) dan antara shift kerja siang dengan malam
dengan p value 0,000 (< alpha 0,05).
Lampiran
1. Uji normalitas
2. Uji homogenitas
Manajemen Data 19
Tugas
Kerjakan dengan cara sama untuk tujuan penelitian :
menganalisis perbedaan toleransi stress berdasarkan beban kerja
menganalisis perbedaan kelelahan berdasarkan shift kerja
menganalisis perbedaan kelelahan berdasarkan beban kerja
Manajemen Data 20
2. Anova Dua Faktor/ Two Way Anova
Contoh :
Seorang mahasiswa ingin meneliti perbedaan toleransi stress berdasarkan shift
kerja dan berdasarkan beban kerja serta interaksi variabel shift kerja dengan beban
kerja. Besar sampel yang diambil dengan rumus didapatkan n = 33 orang.
Kerangka konsep :
Shift kerja
Toleransi stress
Beban kerja
Variabel Independen :
Shift kerja : Skala kategorik (1= pagi, 2 = siang, 3 = malam)
Beban kerja : Skala kategorik (1=ringan, 2. Sedang, 3 berat)
Variabel Dependen :
Toleransi stress : Skala numerik
Langkah-langkah :
1. Uji Kenormalan data
Buat file baru dengan data di atas dan simpan dengan nama
file”kelelahan.sav”
Lakukan uji normalitas menggunakan uji Shapiro Wilk Analyze
Descriptive statistics explore pindahkan variabel toleransi stress ke
depedent list pilih plots centang normality plots with
testcontinue ok
Hasil output yang digunakan tabel test of normality
Manajemen Data 21
Diperoleh p value uji Shapiro wilk =0,861 (>0,05) artinya toleransi stress
berdistribusi normal
Manajemen Data 22
Dan terakhir klik OK, untuk melaksanakan prosedur perintah
Hasilnya :
Pada tabel di atas, menunjukkan data yang diikutsertakan dalam uji, untuk
variabel beban kerja terdiri atas 3 kategori yaitu ringan (11 orang), sedang (14
orang), dan berat (8 orang) sedangkan untuk variabel shift kerja terdiri 3
kategori yaitu pagi (11 orang), siang (11 oang) dan malam (11 orang). Jadi
jumlah seluruh data 33 data yang diikutkan dalam proses uji.
Manajemen Data 23
b. Perbedaan rata-rata toleransi stress berdasarkan shift kerja Dari tabel
terlihat bahwa p value sebesar 0,000 (< alpha 0,05) yang berarti ada
perbedaan signifikan rata-rata toleransi stress berdasarkan shift kerja.
c. Interaksi dua faktor yaitu beban kerja dengan shift kerja diperoleh p value
sebesar 0,874 (> alpha 0,05) yang berarti tidak ada interaksi antara faktor
beban kerja dengan shift kerja
III. Penutup
1. Tes Formatif
Lakukan uji perbedaan lebih dari 2 sampel dengan menggunakan variable yang
ada pada latihan 3
2. Umpan balik
a. Mahasiswa mempraktekkan sesuai dengan perintah
b. Dosen memastikan semua mahasiswa dapat melaksanakan semua
perintah
c. Mahasiswa diminta memastikan bahwa semua data dan struktur sudah
terekam
3. Tindak lanjut
a. dosen menjelaskan kalau ada mahasiswa yang tidak jelas
b. dosen member contoh dengan mempraktekkan, mahasiswa menirukan
c. dosen memberi penjelasan kalau ada mahasiswa yang kesulitan.
Referensi
Manajemen Data 24
Manajemen Data 25