Youtube: STATKOMAT

Website: www.statkomat.com | www.pranaugi.com

Tulisan Ini Diperbarui pada 23 April 2022

i
Software Statistik Buatan Kami STATCAL

Download Gratis di www.statcal.com

ii
Download Gratis Berbagai E-Book di www.statkomat.com

iii
 KATA PENGANTAR

Alhamdulillah, puji syukur atas kehadirat Allah SWT, karena atas izin-Nya, penulis dapat terus
mempertahankan semangat untuk menulis, dan akhirnya dapat menyelesaikan buku ini. Hadirnya buku
ini, tidak semata-mata atas usaha penulis sendiri, melainkan atas izin-Nya. Sungguh suatu kebahagiaan
bagi penulis bisa berbagi sebagian kecil ilmu pengetahuan milik-Nya melalui buku yang berjudul “Two-
Way Analysis of Variance (ANOVA) dengan SPSS, R & STATCAL”.

Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu dalam rangka
penyelesaian buku ini. Penulis menyadari bahwa buku ini tentunya masih perlu perbaikan, sehingga
penulis mengharapkan kritik dan saran yang membangun dari para pembaca agar buku ini dapat menjadi
lebih baik. Kritik dan saran dapat ditujukan ke alamat email gioprana89@gmail.com.

Medan, 23 April 2022

Prana Ugiana Gio

iv
 DAFTAR ISI

BAGIAN 1: SEKILAS TWO-WAY ANOVA [1]

1.1 Beberapa Penelitian Menggunakan Two-Way ANOVA; Variabel Independen dan

Dependen pada Two-Way ANOVA

1.2 Jenis Data pada Two-Way ANOVA

1.3 Buku Bacaan Rekomendasi Two-Way ANOVA

BAGIAN 2: CONTOH KASUS TWO-WAY ANOVA & PENYELESAIAN DENGAN SPSS:

DATA PERTANIAN [11]

2.1 Contoh Kasus Data Pertanian

2.2 Tahapan Two-Way ANOVA dalam SPSS

2.3 Interpretasi Hasil Two-Way ANOVA berdasarkan Output SPSS

Penjelasan Youtube untuk Bagian 1 dan Bagian 2: https://youtu.be/thd121n-HcY

v
BAGIAN 3: CONTOH KASUS TWO-WAY ANOVA & PENYELESAIAN DENGAN SPSS:
DATA PENDIDIKAN [20]

3.1 Contoh Kasus Data Pendidikan

3.2 Tahapan Two-Way ANOVA dalam SPSS

3.3 Interpretasi Hasil Two-Way ANOVA berdasarkan Output SPSS

BAGIAN 4: ASUMSI NORMALITAS PADA TWO-WAY ANOVA [26]

4.1 Asumsi Normalitas pada Two-Way ANOVA & Praktek Menggunakan SPSS

4.2 Apa Akibatnya Jika Asumsi Normalitas Tidak Dipenuhi?

4.3 Pendekatan Alternatif untuk Two-Way ANOVA yang Tidak Memerlukan Asumsi Normalitas
dan Homogenitas Error Variance: Permutation Tests for Two-Way ANOVA

4.4 Sekilas tentang Permutation Tests for Two-Way ANOVA dan Aplikasinya dalam RStudio

4.5 Pendekatan Alternatif untuk Two-Way ANOVA yang Tidak Memerlukan Asumsi Normalitas
dan Homogenitas Error Variance: Wald-Type Statistic (WTS) & Studentized Permutation
Version of the WTS

Penjelasan Youtube untuk Bagian 3 dan Bagian 4: https://youtu.be/YGOLAabJVkE

Download Data dalam Buku Ini: https://bit.ly/3rIfwEB

vi
BAGIAN 1: SEKILAS TWO-WAY ANOVA

1.1 Beberapa Penelitian Menggunakan Two-Way ANOVA

Berikut beberapa penelitian yang menggunakan metode Two-Way ANOVA.

Penelitian yang dilakukan oleh Drajat Stiawan, dengan judul artikel “Gender, Kepribadian,
dan Interaksinya terhadap Kemampuan Berfikir Kreatif Matematis”. Artikel terbit pada
tahun 2021. Metode analisis data yang digunakan adalah Two-Way ANOVA.

Gambar 1.1 Link: https://bit.ly/3K2eHN7

Hasil penelitian:
 Terdapat perbedaan kemampuan berpikir kreatif matematis berdasarkan gender.
Dengan kata lain, gender signifikan mempengaruhi kemampuan berfikir kreatif
matematis.

1
  Tidak terdapat perbedaan kemampuan berpikir kreatif matematis berdasarkan
kepribadian. Dengan kata lain, kepribadian tidak signifikan mempengaruhi kemampuan
berfikir kreatif matematis.
 Tidak terdapat interaksi gender dengan kepribadian terhadap kemampuan berpikir
kreatif matematis.

Dari sini, kita ketahui:

 Gender dan kepribadian sebagai variabel independen (pada two-way ANOVA, jumlah
variabel independen sebanyak 2).
 Sementara kemampuan berfikir kreatif matematis merupakan variabel dependen.

Selanjutnya, Penelitian yang dilakukan oleh Fira Meutia, Irwan A. Kadir, dan Romano, dengan
judul artikel “Pengaruh Pengaturan Panen Terhadap Volume Produksi Tandan Buah
Segar (TBS) Kelapa Sawit di PT. Semadam”. Artikel terbit pada tahun 2020. Metode analisis
data yang digunakan adalah Two-Way ANOVA.

Gambar 1.2 Link: https://bit.ly/3K2WBdJ

Hasil penelitian:
 Rotasi panen berpengaruh signifikan terhadap volume TBS. Dengan kata lain, terdapat
perbedaan volume TBS yang signifikan, di antara rotasi panen.

2
  Tahun tanam berpengaruh signifikan terhadap volume TBS. Dengan kata lain, terdapat
perbedaan volume TBS yang signifikan, di antara tahun tanam.

Dari sini, kita ketahui:

 Rotasi panen dan tahun tanam sebagai variabel independen (pada two-way ANOVA,
jumlah variabel independen sebanyak 2).
 Sementara volume TBS merupakan variabel dependen.

Selanjutnya, Penelitian yang dilakukan oleh Faridha Ahriani, dengan judul artikel “Pengaruh
Model Pembelajaran Kooperatif dan Gaya Belajar Terhadap Hasil Belajar Kimia
Peserta Didik Kelas X SMK Negeri 2 Bantaeng”. Artikel terbit pada tahun 2013. Metode
analisis data yang digunakan adalah Two-Way ANOVA.

Gambar 1.3 Link: https://bit.ly/37DZ4Oy

3
Hasil penelitian:
 Terdapat perbedaan hasil belajar kimia antara peserta didik yang diajar dengan
model pembelajaran kooperatif tipe STAD dengan peserta didik yang diajar
dengan menggunakan model pembelajaran kooperatif tipe TGT pada materi pokok
ikatan kimia.
 Terdapat perbedaan hasil belajar kimia antara peserta didik yang memiliki gaya belajar
visual, audio dan kinestetik pada materi pokok ikatan kimia.

Dari sini, kita ketahui:

 Metode pembelajaran dan gaya belajar sebagai variabel independen (pada two-way
ANOVA, jumlah variabel independen sebanyak 2).
 Sementara hasil belajar kimia merupakan variabel dependen.

1.2 Jenis Data pada Two-Way ANOVA

Perhatikan kembali penelitian yang dilakukan oleh Drajat Stiawan, dengan judul artikel
“Gender, Kepribadian, dan Interaksinya terhadap Kemampuan Berfikir Kreatif
Matematis”. Artikel terbit pada tahun 2021. Metode analisis data yang digunakan adalah Two-
Way ANOVA. Tabel 1.1 disajikan contoh data terkait kasus tersebut.

Tabel 1.1 Contoh Data

Responden Gender Kepribadian Kemampuan Berfikir Kreatif Matematis
1 1 1 75
2 2 2 87
3 2 2 54
4 2 2 76
5 2 1 63
6 1 1 96
7 1 2 75
8 1 2 54
9 2 2 45
10 2 1 56
11 2 1 54
12 1 1 66
13 1 1 45
14 2 2 87
15 2 2 87
16 2 2 95
17 2 1 32

4
 18 1 1 33
19 1 1 89
20 2 1 54
21 2 2 98
22 2 2 77
23 2 1 21
24 1 1 45
25 1 2 45
26 2 2 45
27 2 1 55
28 2 1 34
29 1 2 54
30 2 2 43

Label
Angka
Gender Kepribadian
1 Laki-Laki Ekstrovert
2 Perempuan Introvert

Berdasarkan data pada Tabel 1.1:

 Gender dan kepribadian merupakan variabel kategori.
o Gender memiliki dua kategori, yakni laki-laki dan perempuan.
o Kepribadian memiliki dua kategori, yakni ekstrovert dan introvert.
o Gender dan kepribadian merupakan variabel independen (yang mempengaruhi).

 Sementara kemampuan berfikir kreatif matematis merupakan variabel numerik.

Kemampuan berfikir kreatif matematis merupakan variabel dependen (yang
dipengaruhi).

 Jadi pada metode analisis data Two-Way ANOVA, variabel independen sebanyak 2
variabel, dan bersifat kategori. Sementara variabel dependen sebanyak 1 variabel,
dan bersifat numerik.

5
Perhatikan kembali penelitian yang dilakukan oleh Faridha Ahriani, dengan judul artikel
“Pengaruh Model Pembelajaran Kooperatif dan Gaya Belajar Terhadap Hasil Belajar
Kimia Peserta Didik Kelas X SMK Negeri 2 Bantaeng”. Artikel terbit pada tahun 2013.
Metode analisis data yang digunakan adalah Two-Way ANOVA. Tabel 1.2 disajikan contoh
data terkait kasus tersebut.

Tabel 1.2 Contoh Data

Responden Model Pembelajaran Kooperatif Gaya Belajar Hasil Belajar Kimia
1 1 1 98
2 2 2 65
3 2 3 55
4 2 3 64
5 1 1 78
6 1 1 88
7 2 2 56
8 2 2 73
9 2 2 45
10 1 1 97
11 1 2 65
12 2 3 74
13 2 3 67
14 2 1 89
15 1 1 99
16 1 1 75
17 2 2 65
18 2 3 56
19 2 3 78
20 2 1 54
21 1 1 21
22 1 2 75
23 2 3 77
24 2 3 67
25 2 1 75
26 1 1 88
27 1 2 23
28 2 2 56
29 2 3 55
30 2 3 67
31 1 1 65
32 2 2 67
33 2 3 75
34 1 3 45

6
 35 1 1 67
36 1 1 89
37 2 2 56
38 1 2 32
39 1 3 55
40 2 3 67
41 2 3 64
42 2 3 56
43 2 1 64
44 1 1 67
45 1 1 66
46 1 3 74
47 2 3 56
48 1 2 74
49 1 2 67
50 2 3 64

Label
Angka
Metode Pembelajaran Kooperative Gaya Belajar
1 Kooperative tipe STAD Visual
2 Kooperative tipe TGT Auditorial
3 Kinestetik

Berdasarkan data pada Tabel 1.2:

 Metode pembelajaran kooperative dan gaya belajar merupakan variabel kategori.
o Metode pembelajaran memiliki dua kategori, yakni tipe STAD dan tipe TGT.
o Gaya belajar memiliki tiga kategori, yakni visual, auditorial dan kinestetik.
o Metode pembelajaran dan gaya belajar merupakan variabel independen (yang
mempengaruhi).

 Sementara hasil belajar kimia merupakan variabel numerik. Hasil belajar kimia
merupakan variabel dependen (yang dipengaruhi).

 Jadi pada metode analisis data Two-Way ANOVA, variabel independen sebanyak 2
variabel, dan bersifat kategori. Sementara variabel dependen sebanyak 1 variabel,
dan bersifat numerik.

7
1.3 Buku Bacaan Rekomendasi Two-Way ANOVA
Berikut beberapa buku bacaan yang membahas mengenai two-way ANOVA.

Buku yang ditulis oleh Laurie Davies dengan judul “Data Analysis and Approximate Models”.

Gambar 1.4 Link: https://bit.ly/3vrnNO8

Buku yang ditulis oleh Thomas W. MacFarland dengan judul “Two-Way Analysis of Variance,
Statistical Tests and Graphics Using R”.

Gambar 1.5 Link: https://bit.ly/3v3A7oA

8
Buku yang ditulis oleh Andy Field dengan judul “Discovering Statistics Using IBM SPSS
Statistics”.

Gambar 1.6 Link: https://bit.ly/3rHDVdi

Buku yang ditulis oleh N. W. Galwey dengan judul “Introduction to Mixed Modelling”.

Gambar 1.7 Link: https://bit.ly/3v0s9wv

9
Buku yang ditulis oleh Prem S. Mann dengan judul “Introductory Statistics”.

Gambar 1.8 Link: https://bit.ly/3rHjrBs

Buku yang ditulis oleh Wayne W. Daniel & Chad L. Cross dengan judul “Biostatistics, A
Foundation for Analysis in the Health Sciences”.

Gambar 1.9 Link: https://bit.ly/3vDFYjA

10
BAGIAN 2: CONTOH KASUS TWO-WAY ANOVA &
PENYELESAIAN DENGAN SPSS: DATA PERTANIAN

2.1 Contoh Kasus Data Pertanian

Misalkan seorang petani jagung bernama Ugi ingin meneliti apakah terdapat pengaruh yang
signifikan pada penggunaan jenis bibit jagung dan jenis pupuk terhadap hasil produksi jagung.
Berikut data produksi jagung yang telah dikumpulkan.

Tabel 2.1 Data Produksi Jagung dalam Satuan Kuintal (Data Fiktif)
Bibit Jagung A Bibit Jagung B Bibit Jagung C
Pupuk A Pupuk B Pupuk C Pupuk A Pupuk B Pupuk C Pupuk A Pupuk B Pupuk C
2.1 4.5 2.2 2.2 4.5 2.1 2.1 4.1 2.3
2.2 4.2 2.2 2.2 4.3 2.2 2.2 4.5 2.2
2.3 4.1 2.3 2.3 4.1 2.3 2.3 4.6 2.3
2.4 4.2 2.4 2.4 4.2 2.4 2.4 4.4 2.4
2.5 4.3 2.5 2.5 4.3 2.5 2.5 4.3 2.5
2.1 4.3 2.1 2.1 4.3 2.1 2.1 4.1 2.1
2.2 4.1 2.2 2.2 4.1 2.2 2.2 4.2 2.2
2.3 4.2 2.3 2.3 4.2 2.3 2.3 4.4 2.3
2.4 4.5 2.4 2.4 4.5 2.4 2.4 4.2 2.4
2.3 4.2 2.3 2.3 4.2 2.3 2.3 4.5 2.3

Berdasarkan data pada Tabel 2.1,diketahui terdapat tiga jenis bibit jagung, yakni jenis A, B,
dan C, sedangkan untuk jenis pupuk juga terdapat tiga jenis, yakni jenis A, B, dan C. Perhatikan
bahwa terdapat 9 kombinasi kategori, yakni (bibit jagung A & pupuk A), (bibit jagung A &
pupuk B), (bibit jagung A & pupuk C), (bibit jagung B & pupuk A), dan seterusnya. Untuk
masing-masing kombinasi kategori disediakan 10 lahan dengan ukuran lahan yang sama.
Berikut hal-hal yang ingin diketahui oleh petani tersebut:

1. Apakah terdapat interaksi yang signifikan secara statistika pada penggunaan jenis bibit
jagung dan jenis pupuk dalam pengaruhnya terhadap hasil produksi jagung.
2. Apakah penggunaan jenis pupuk berdampak pada hasil produksi jagung, dengan
mengontrol pengaruh jenis bibit jagung.
3. Apakah penggunaan jenis bibit jagung berdampak pada hasil produksi jagung, dengan
mengontrol pengaruh jenis pupuk.
11
2.2 Tahapan Two-Way ANOVA dalam SPSS
Data pada Tabel 2.1 terlebih dahulu disusun seperti pada Tabel 2.2.

Tabel 2.2 Data Produksi Jagung dalam Satuan Kuintal (Data Fiktif)
No Bibit Pupuk Hasil Produksi
1 1 1 2.1
2 1 1 2.2
3 1 1 2.3
4 1 1 2.4
5 1 1 2.5
6 1 1 2.1
7 1 1 2.2
8 1 1 2.3
9 1 1 2.4
10 1 1 2.3
11 1 2 4.5
12 1 2 4.2
13 1 2 4.1
14 1 2 4.2
15 1 2 4.3
16 1 2 4.3
17 1 2 4.1
18 1 2 4.2
19 1 2 4.5
20 1 2 4.2
21 1 3 2.2
22 1 3 2.2
23 1 3 2.3
24 1 3 2.4
25 1 3 2.5
26 1 3 2.1
27 1 3 2.2
28 1 3 2.3
29 1 3 2.4
30 1 3 2.3
31 2 1 2.2
32 2 1 2.2
33 2 1 2.3
34 2 1 2.4
35 2 1 2.5
36 2 1 2.1
37 2 1 2.2
38 2 1 2.3

12
39 2 1 2.4
40 2 1 2.3
41 2 2 4.5
42 2 2 4.3
43 2 2 4.1
44 2 2 4.2
45 2 2 4.3
46 2 2 4.3
47 2 2 4.1
48 2 2 4.2
49 2 2 4.5
50 2 2 4.2
51 2 3 2.1
52 2 3 2.2
53 2 3 2.3
54 2 3 2.4
55 2 3 2.5
56 2 3 2.1
57 2 3 2.2
58 2 3 2.3
59 2 3 2.4
60 2 3 2.3
61 3 1 2.1
62 3 1 2.2
63 3 1 2.3
64 3 1 2.4
65 3 1 2.5
66 3 1 2.1
67 3 1 2.2
68 3 1 2.3
69 3 1 2.4
70 3 1 2.3
71 3 2 4.1
72 3 2 4.5
73 3 2 4.6
74 3 2 4.4
75 3 2 4.3
76 3 2 4.1
77 3 2 4.2
78 3 2 4.4
79 3 2 4.2
80 3 2 4.5
81 3 3 2.3
82 3 3 2.2
83 3 3 2.3

13
 84 3 3 2.4
85 3 3 2.5
86 3 3 2.1
87 3 3 2.2
88 3 3 2.3
89 3 3 2.4
90 3 3 2.3

Angka | Label Bibit Pupuk

1 A A
2 B B
3 C C

Berdasarkan Tabel 2.2:

 Terdapat 2 variabel kategori (independen), yakni bibit dan pupuk.
 Bibit merupakan variabel kategori, dengan kategori masing-masing bibit A, bibit B dan
bibit C.
 Pupuk merupakan variabel kategori, dengan kategori masing-masing pupuk A, pupuk
B dan pupuk C.
 Sementara hasil produksi merupakan variabel independen.

Selanjutnya, data pada Tabel 2.2, diinput dalam SPSS seperti pada Gambar 2.1. Gambar 2.2
disajikan tahapan untuk two-way ANOVA.

14
Gambar 2.1 Input Data dalam SPSS

15
16
 Gambar 2.2 Tahapan Two-Way ANOVA

2.3 Interpretasi Hasil Two-Way ANOVA berdasarkan Output SPSS

Gambar 2.3 disajikan grafik rata-rata hasil produksi. Sementara Tabel 2.3 disajikan hasil
statistik deskriptif.

Gambar 2.3 Grafik Rata-Rata Hasil Produksi

17
 Tabel 2.3 Statistik Deskriptif
Descriptive Statistics
Dependent Variable: Hasil Produksi
Bibit Pupuk Mean Std. Deviation N
Bibit A Pupuk A 2.2800 .13166 10
Pupuk B 4.2600 .14298 10
Pupuk C 2.2900 .11972 10
Total 2.9433 .95545 30
Bibit B Pupuk A 2.2900 .11972 10
Pupuk B 4.2700 .14181 10
Pupuk C 2.2800 .13166 10
Total 2.9467 .96015 30
Bibit C Pupuk A 2.2800 .13166 10
Pupuk B 4.3300 .17670 10
Pupuk C 2.3000 .11547 10
Total 2.9700 .98791 30
Total Pupuk A 2.2833 .12341 30
Pupuk B 4.2867 .15253 30
Pupuk C 2.2900 .11847 30
Total 2.9533 .95708 90

Berdasarkan Gambar 2.3, secara rata-rata hasil produksi pada pupuk B, lebih tinggi
dibandingkan pada pupuk A dan C.

Pada pupuk B, hasil produksi antara bibit A, bibit B dan bibit C, tidak terlalu berbeda
signifikan. Begitu juga, Pada pupuk A, hasil produksi antara bibit A, bibit B dan bibit C, tidak
terlalu berbeda signifikan. Begitu juga, Pada pupuk C, hasil produksi antara bibit A, bibit B
dan bibit C, tidak terlalu berbeda signifikan.

Berdasarkan Tabel 2.3, pada bibit A, rata-rata produksi pada pupuk A adalah 2,28, dengan
standar deviasi 0,13166, rata-rata produksi pada pupuk B adalah 4,26, dengan standar deviasi
0,14298, dan seterusnya.

Tabel 2.4 disajikan hasil pengujian two-way ANOVA.

18
 Tabel 2.4 Hasil Pengujian Two-Way ANOVA
Tests of Between-Subjects Effects
Dependent Variable: Hasil Produksi
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 80.032a 8 10.004 543.113 .000
Intercept 784.996 1 784.996 42617.075 .000
Bibit .013 2 .006 .344 .710
Pupuk 80.001 2 40.000 2171.600 .000
Bibit * Pupuk .019 4 .005 .253 .907
Error 1.492 81 .018
Total 866.520 90
Corrected Total 81.524 89
a. R Squared = .982 (Adjusted R Squared = .980)

Berdasarkan hasil pengujian two-way ANOVA pada Tabel 2.4:

 Pada baris Bibit, diketahui nilai Sig = 0,710 > tingkat signifikansi 0,05, maka
disimpulkan tidak terdapat perbedaan hasil produksi jagung yang signifikan, di antara
bibit A, bibit B dan bibit C. Dengan kata lain, jenis bibit tidak berpengaruh signifikan
terhadap hasil produksi jagung.

 Pada baris Pupuk, diketahui nilai Sig = 0,000 < tingkat signifikansi 0,05, maka
disimpulkan terdapat perbedaan hasil produksi jagung yang signifikan, di antara pupuk
A, pupuk B dan pupuk C. Dengan kata lain, jenis pupuk berpengaruh signifikan
terhadap hasil produksi jagung.

 Pada baris Bibit*Pupuk, diketahui nilai Sig = 0,907 > tingkat signifikansi 0,05, maka
disimpulkan tidak terdapat interaksi antara jenis bibit dan jenis pupuk, dalam hal
mempengaruhi hasil produksi jagung.

19
BAGIAN 3: CONTOH KASUS TWO-WAY ANOVA &
PENYELESAIAN DENGAN SPSS: DATA PENDIDIKAN

3.1 Contoh Kasus Data Pendidikan

Misalkan seorang guru bernama Ugi ingin meneliti apakah terdapat pengaruh yang signifikan
pada penerapan berbagai metode belajar dan kelas terhadap nilai matematika siswa. Berikut
data yang telah dikumpulkan.

Tabel 3.1 Data Nilai Matematika Siswa (Data Fiktif)

Siswa Metode Belajar Kelas Nilai Matematika
1 1 1 55
2 1 1 54
3 1 1 55
4 1 1 54
5 1 2 54
6 1 2 54
7 1 2 56
8 1 2 55
9 1 3 87
10 1 3 78
11 1 3 88
12 1 3 87
13 2 1 54
14 2 1 56
15 2 1 54
16 2 1 54
17 2 2 54
18 2 2 55
19 2 2 56
20 2 2 54
21 2 3 22
22 2 3 23
23 2 3 32
24 2 3 32
25 3 1 56
26 3 1 57
27 3 1 54
28 3 1 54
29 3 2 54

20
 30 3 2 56
31 3 2 54
32 3 2 54
33 3 3 54
34 3 3 54
35 3 3 56
36 3 3 54
37 4 1 54
38 4 1 54
39 4 1 56
40 4 1 55
41 4 2 56
42 4 2 55
43 4 2 54
44 4 2 54
45 4 3 54
46 4 3 56
47 4 3 54
48 4 3 54

Nilai | Label Metode Belajar Kelas

1 A 4
2 B 5
3 C 6
4 D

Berdasarkan data pada Tabel 3.1:

 Terdapat 2 variabel kategori, yakni metode belajar dan kelas.
 Metode belajar terdiri dari 4 kategori, yakni metode belajar A, B, C dan D.
 Kelas terdiri dari 3 kategori, yakni kelas 4, 5 dan 6.
 Nilai matematika merupakan variabel dependen.

Berikut hal-hal yang ingin diketahui oleh guru tersebut:

1. Apakah terdapat interaksi yang signifikan pada metode belajar dan kelas dalam
pengaruhnya terhadap nilai matematika.
2. Apakah terdapat perbedaan nilai matematika yang signifikan di antara 4 metode belajar
tersebut. Dengan kata lain, apakah metode belajar berpengaruh signifikan terhadap nilai
matematika.

21
 3. Apakah terdapat perbedaan nilai matematika yang signifikan di antara kelas 4, kelas 5
dan kelas 6. Dengan kata lain, apakah kelas berpengaruh signifikan terhadap nilai
matematika.

3.2 Tahapan Two-Way ANOVA dalam SPSS

Selanjutnya, data pada Tabel 3.1, diinput dalam SPSS seperti pada Gambar 3.1. Gambar 3.2
disajikan tahapan untuk two-way ANOVA.

Gambar 3.1 Input Data dalam SPSS

22
Gambar 3.2 Tahapan Two-Way ANOVA

23
3.3 Interpretasi Hasil Two-Way ANOVA berdasarkan Output SPSS
Gambar 3.3 disajikan grafik rata-rata nilai matematika. Sementara Tabel 3.3 disajikan hasil
statistik deskriptif.

Gambar 3.3 Grafik Rata-Rata Nilai Matematika

Tabel 3.3 Statistik Deskriptif

Descriptive Statistics
Dependent Variable: Nilai Matematika
Metode Belajar Kelas Mean Std. Deviation N
A Kelas 4 54.5000 .57735 4
Kelas 5 54.7500 .95743 4
Kelas 6 85.0000 4.69042 4
Total 64.7500 15.16650 12
B Kelas 4 54.5000 1.00000 4
Kelas 5 54.7500 .95743 4
Kelas 6 27.2500 5.50000 4
Total 45.5000 13.80053 12
C Kelas 4 55.2500 1.50000 4
Kelas 5 54.5000 1.00000 4
Kelas 6 54.5000 1.00000 4
Total 54.7500 1.13818 12
D Kelas 4 54.7500 .95743 4
Kelas 5 54.7500 .95743 4
Kelas 6 54.5000 1.00000 4
Total 54.6667 .88763 12
Total Kelas 4 54.7500 1.00000 16
Kelas 5 54.6875 .87321 16
Kelas 6 55.3125 21.35952 16
Total 54.9167 12.09331 48

24
Berdasarkan Gambar 3.3, diperoleh informasi:
 Ternyata, metode belajar A memberikan pengaruh yang cukup baik pada kelas 6,
dengan nilai rata-rata matematika 85.
 Metode belajar B memberikan pengaruh yang buruk pada kelas 6, yakni dengan nilai
rata-rata matematika 27,25.

Tabel 3.4 disajikan hasil pengujian two-way ANOVA.

Tabel 3.4 Hasil Pengujian Two-Way ANOVA

Tests of Between-Subjects Effects
Dependent Variable: Nilai Matematika
Type III Sum of
Source Squares df Mean Square F Sig.
Corrected Model 6686.167a 11 607.833 116.704 .000
Intercept 144760.333 1 144760.333 27793.984 .000
Metode 2225.500 3 741.833 142.432 .000
Kelas 3.792 2 1.896 .364 .697
Metode * Kelas 4456.875 6 742.813 142.620 .000
Error 187.500 36 5.208
Total 151634.000 48
Corrected Total 6873.667 47
a. R Squared = .973 (Adjusted R Squared = .964)

Berdasarkan hasil pengujian two-way ANOVA pada Tabel 3.4:

 Pada baris Metode, diketahui nilai Sig = 0,000 < tingkat signifikansi 0,05, maka
disimpulkan terdapat perbedaan nilai matematika yang signifikan, di antara metode
belajar A, B, C dan D. Dengan kata lain, metode belajar berpengaruh signifikan
terhadap nilai matematika.

 Pada baris Kelas, diketahui nilai Sig = 0,697 > tingkat signifikansi 0,05, maka
disimpulkan tidak terdapat perbedaan nilai matematika yang signifikan, di antara kelas
4, kelas 5 dan kelas 6. Dengan kata lain, kelas tidak berpengaruh signifikan terhadap
nilai matematika.

 Pada baris Metode*Kelas, diketahui nilai Sig = 0,000 < tingkat signifikansi 0,05, maka
disimpulkan terdapat interaksi antara metode belajar dan kelas, dalam hal mempengaruhi
nilai matematika siswa.

25
BAGIAN 4: ASUMSI NORMALITAS PADA TWO-WAY
ANOVA

4.1 Asumsi Normalitas pada Two-Way ANOVA & Praktek Menggunakan SPSS
Pada two-way ANOVA, salah satu asumsi yang dikenakan adalah asumsi normalitas. Terkait
asumsi normalitas pada two-way ANOVA, teman-teman dapat membaca lebih lanjut pada buku
yang ditulis oleh Wayne W. Daniel & Chad L. Cross dengan judul "Biostatistics, A Foundation
for Analysis in the Health Sciences", Berikut cuplikasi bukunya.

Gambar 4.1 Cuplikan Buku “Biostatistics, A Foundation for

Analysis in the Health Sciences”

26
 Gambar 4.2 Cuplikan Buku “Biostatistics, A Foundation for
Analysis in the Health Sciences”

Kembali pada contoh di Bagian 3. Misalkan akan diuji normalitas data. Diketahui terdapat 12
kombinasi kategori, yakni (A, kelas 4), (A, kelas 5), (A, kelas 6), (B, kelas 4), (B, kelas 5), (B,
kelas 6), (C, kelas 4), (C, kelas 5), (C, kelas 6), (D, kelas 4), (D, kelas 5), dan (D, kelas 6).
Gambar 4.3 disajikan data dalam SPSS untuk masing-masing kombinasi kategori.

Gambar 4.3 Susunan Data untuk Pengujian Normalitas

27
Selanjutnya, data pada Gambar 4.3 dilakukan pengujian normalitas menggunakan uji
normalitas Shapiro-Wilk. Hasil pengujian normalitas diperlihatkan pada Tabel 4.1.

Tabel 4.1 Pengujian Normalitas

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
A, Kelas 4 .307 4 . .729 4 .024
A, Kelas 5 .283 4 . .863 4 .272
A, Kelas 6 .415 4 . .716 4 .017
B, Kelas 4 .441 4 . .630 4 .001
B, Kelas 5 .283 4 . .863 4 .272
B, Kelas 6 .306 4 . .772 4 .061
C, Kelas 4 .298 4 . .849 4 .224
C, Kelas 5 .441 4 . .630 4 .001
C, Kelas 6 .441 4 . .630 4 .001
D, Kelas 4 .283 4 . .863 4 .272
D, Kelas 5 .283 4 . .863 4 .272
D, Kelas 6 .441 4 . .630 4 .001
a. Lilliefors Significance Correction

Berdasarkan hasil pengujian normalitas pada Tabel 4.1, diketahui data pada kombinasi kategori
(A, kelas 4), (A, kelas 6), (B, kelas 4), (C, kelas 5), (C, kelas 6) dan (D, kelas 6) tidak
berdistribusi normal, dengan nilai p < 0,05.

4.2 Apa Akibatnya Jika Asumsi Normalitas Tidak Dipenuhi?

Pertanyaan yang sering diajukan adalah “apa dampaknya, apabila asumsi normalitas pada
ANOVA tidak dipenuhi?”.

Untuk menjawab pertanyaan ini, saya merujuk dari buku yang ditulis oleh Andy Field dengan
judul “Discovering Statistics Using IBM SPSS Statistics”.

28
Gambar 4.4 Buku Discovering Statistics Using IBM SPSS Statistics

29
Berdasarkan uraian di atas, kita peroleh informasi sebagai berikut.
 Ketika terjadi pelanggaran asumsi normalitas dan pelanggaran asumsi
homoskedastisitas (ketidaksamaan error variances), ini akan mempengaruhi statistik
F, bahkan ketika ukuran grup berjumlah sama (Wilcox, 2010, 2012, 2016). Dengan kata
lain, ketika terjadi pelanggaran asumsi, hasil anova yang kita peroleh tidak akurat.

Gambar 4.5 diberikan contoh hasil uji kesamaan error variance (homoskedastisitas) dalam
SPSS.

Levene's Test of Equality of Error Variancesa,b

Levene Statistic df1 df2 Sig.
Nilai Matematika Based on Mean 11.265 11 36 .000
Based on Median 3.124 11 36 .005
Based on Median and with 3.124 11 4.928 .111
adjusted df
Based on trimmed mean 9.437 11 36 .000
Tests the null hypothesis that the error variance of the dependent variable is equal across groups.
a. Dependent variable: Nilai Matematika
b. Design: Intercept + Metode + Kelas + Metode * Kelas

Gambar 4.5 Uji Kesamaan Error Variance dalam SPSS

4.3 Pendekatan Alternatif untuk Two-Way ANOVA yang Tidak Memerlukan Asumsi
Normalitas dan Homogenitas Error Variance: Permutation Tests for Two-Way ANOVA
Berdasarkan pemaparan sebelumnya, ketika terjadi pelanggaran asumsi normalitas dan
pelanggaran asumsi homoskedastisitas, ini akan mempengaruhi statistik F, bahkan ketika
ukuran grup berjumlah sama (Wilcox, 2010, 2012, 2016). Dengan kata lain, ketika terjadi
pelanggaran asumsi, hasil ANOVA yang kita peroleh tidak akurat.

30
Adapun salah satu solusi untuk menghadapi permasalahan ini adalah dengan menggunakan
metode alternatif, yakni permutation test for two-way ANOVA. Sayangnya, software SPSS
belum menyediakan metode permutation test for two-way ANOVA. Permutation test for two-
way ANOVA dapat digunakan dengan menggunakan software R. Berikut referensi terkait
metode permutation test for two-way ANOVA.

Artikel ini dipublikasi di

“Journal of Statistical
Software”, pada tahun
2021, ter-indeks Scopus
dan masuk ke dalam Q1.

Gambar 4.5 Referensi Permutation Test for Two-Way ANOVA

31
Untuk menggunakan permutation test for two-way ANOVA, kita perlu menginstal paket R
dengan nama permuco. Kemudian kita menggunakan fungsi R dengan nama aovperm, yang
mana fungsi R tersebut untuk melakukan permutation test for two-way ANOVA.

4.4 Sekilas tentang Permutation Tests for Two-Way ANOVA dan Aplikasinya dalam
RStudio
Gambar 4.6 disajikan kutipan mengenai metode permutation test for two-way ANOVA.
Permutation test merupakan pendekatan exact (eksak / akurat) untuk model sederhana seperti
one-way ANOVA dan uji t. Selain itu, hasil dari permutation test menunjukkan bahwa hasilnya
tetap robust (tahan / kuat) terhadap pelanggaran asumsi normalitas dan.

32
 Gambar 4.6 Kutipan Mengenai Metode Permutation Test for Two-Way ANOVA

Gambar 4.7 Permutation Test for Two-Way ANOVA dengan RStudio

Gambar 4.7 disajikan hasil pengujian two-way ANOVA dengan pendekatan klasik (SPSS) dan
permutation test.
 Hasil dari pendekatan klasik diperlihatkan pada kolom “F Parametric P(>F)”, terlihat
bahwa:
o Metode berpengaruh signifikan nilai matematika, dengan nilai probabilitas p =
0,0000 < 0,05.
o Kelas tidak berpengaruh signifikan nilai matematika, dengan nilai probabilitas
p = 0,6947 > 0,05.
o Terdapat interaksi yang signifikan antara metode belajar dan kelas, dalam hal
mempengaruhi nilai matematika siswa, dengan nilai p = 0,0000 < 0,05.

 Hasil dari pendekatan permutation test diperlihatkan pada kolom “resampled P (> F)”,
terlihat bahwa:

33
 o Metode berpengaruh signifikan nilai matematika, dengan nilai probabilitas p =
0,0001 < 0,05.
o Kelas tidak berpengaruh signifikan nilai matematika, dengan nilai probabilitas
p = 0,7100 > 0,05.
o Terdapat interaksi yang signifikan antara metode belajar dan kelas, dalam hal
mempengaruhi nilai matematika siswa, dengan nilai p = 0,0001 < 0,05.

4.5 Pendekatan Alternatif untuk Two-Way ANOVA yang Tidak Memerlukan Asumsi
Normalitas dan Homogenitas Error Variance: Wald-Type Statistic (WTS) & Studentized
Permutation Version of the WTS
Pada pemaparan sebelumnya, telah dibahas pendekatan alternatif untuk two-way ANOVA,
ketika terjadi pelanggaran asumsi normalitas dan homoskedastisitas, yakni menggunakan
pendekatan permutation test, yang dikembangkan oleh Jaromil Frossard dan Olivier Renaud,
pada artikel yang berjudul “Permutation Tests for Regression, ANOVA, and Comparison of
Signals: The permuco Package”, yang diterbitkan di Journal of Statistical Software, pada tahun
2021.

Terdapat juga pendekatan lain, yang dikembangkan oleh Sarah Friedrich, Frank Konietschke,
dan Markus Pauly, yakni menggunakan pendekatan Wald-Type Statistic (WTS) & Studentized
Permutation Version of the WTS, pada artikel yang berjudul “GFD: An R Package for the
Analysis of General Factorial Designs”, yang diterbitkan di Journal of Statistical Software,
pada tahun 2017.

Berikut referensi terkait metode Wald-Type Statistic (WTS) & Studentized Permutation
Version of the WTS for two-way ANOVA (Gambar 4.8).

34
 Artikel ini dipublikasi di
“Journal of Statistical
Software”, pada tahun
2021, ter-indeks Scopus
dan masuk ke dalam Q1.

Gambar 4.8 Referensi Wald-Type Statistic (WTS) & Studentized Permutation Version of
the WTS for Two-Way ANOVA

35
Untuk menggunakan WTS & permuted WTS for two-way ANOVA, kita perlu menginstal paket
R dengan nama GFD. Kemudian kita menggunakan fungsi R dengan nama GFD, yang mana
fungsi R tersebut untuk melakukan WTS & permuted WTS for two-way ANOVA.

Gambar 4.9 WTS & Permuted WTS for Two-Way ANOVA dengan RStudio

Gambar 4.9 disajikan hasil pengujian two-way ANOVA dengan pendekatan Wald-Type
Statistic (WTS) dan The Permuted Wald-Type Statistic (WTPS).
 Hasil dari pendekatan WTS menunjukkan bahwa:
o Metode berpengaruh signifikan nilai matematika, dengan nilai probabilitas p =
0,0000 < 0,05.
o Kelas tidak berpengaruh signifikan nilai matematika, dengan nilai probabilitas
p = 0,8045539 > 0,05.
o Terdapat interaksi yang signifikan antara metode belajar dan kelas, dalam hal
mempengaruhi nilai matematika siswa, dengan nilai p = 0,0000 < 0,05.

 Hasil dari pendekatan WTPS menunjukkan bahwa:

o Metode berpengaruh signifikan nilai matematika, dengan nilai probabilitas p =
0,0000 < 0,05.
o Kelas tidak berpengaruh signifikan nilai matematika, dengan nilai probabilitas
p = 0,8501 > 0,05.
o Terdapat interaksi yang signifikan antara metode belajar dan kelas, dalam hal
mempengaruhi nilai matematika siswa, dengan nilai p = 0,0000 < 0,05.

36
37