Analisis Komparasi
Analisis Komparasi
KOMPARASI
DENGAN
SPSS
METODE STATISTIK 2
DAFTAR PUSTAKA
KATA PENGANTAR ii
Latihan Soal 25
BAB.3 Aplikasi SPSS Untuk ANOVA Satu Jalur 27
Contoh Kasus & Pembahasan 34
Latihan Soal 35
Latihan Soal 48
iii
BAB.1
ANALISIS KOMPARASI
Uji t Untuk Satu Sampel
Uji t untuk satu sampel dalam beberapa kasus dibutuhkan untuk menjawab pertanyaan atas
penelitian yang dilakukan. Istilah lain Uji t untuk satu sampel disebut juga One Sampel T-
Test digunakan untuk menguji rata-rata sebuah sampel yang dibandingkan dengan rata-rata
populasi. Uji ini dilakukan untuk data berskala interval atau rasio.
Contoh kasus:
Seorang mahasiswa dari salah perguruan tinggi “Z” sedang melakukan penelitian di suatu
Kelurahan berhipotesis bahwa jumlah kunjungan pasien per hari rata-rata 50 orang. Untuk
membuktikan apakah hipotesis tersebut benar atau tidak, maka jumlah kunjungan per hari
selama 20 hari diteliti. Data yang diperoleh kemudian di-input sebagai berikut.
Tabel 11.2. Kujungan Pasien
1
Sumber : Data Fiktif
Berikut akan dilakukan uji t satu sampel untuk mengetahui apakah jumlah kujungan di
Kelurahan rata-rata perhari 50 orang.
2. Langkah selanjutnya adalah menginput data di sheet Data View. Klik Data View, lalu
isikan data jumlah kunjungan di kolom “jumlahkunjungan”. Hasil input data tampak
seperti gambar berikut ini.
3. Untuk analisis data, klik menu Analyze Compare Means One Sampel T Test,
seperti tampilan dibawah ini.
2
4. Pada kotak dialog One Sampel T-Test, klik variabel Jumlahkunjungan klik tombol
gambar tanda pertujuk. Maka variabel Jumlah kunjungan akan masuk ke kotak
Variabel. Kemudian pada Test Value, sisikan angka 50 (orang).
Setelah itu klik tombol OK. Maka akan didapat hasil ouput SPSS seperti berikut ini.
3
Hasil dan Interpretasi
T-Test
One-Sampel Statistiks
N Mean Std. Std. Error
Deviation Mean
Jumlah
Kunjunga 20 46.65 5.174 1.157
n
One-Sampel Test
Test Value = 50
t df Sig. (2- Mean 95%
tailed) Differe Confiden
ce
nce
Interval
of the
Differenc
e
Lo Up
wer per
Jumlah -
-
Kunjun 19 .009 -3.350 5.7 -.93
2.896
gan 7
Untuk data Jumlah kunjungan yang valid berjumlah 20 hari; rata-rata kunjungan per hari
46,65; standar deviasi 5,174; dan standar error mean 1,157.
Uji t satu sampel ini digunakan untuk mengetahui apakah jumlah kunjungan rata-rata per hari
di Kelurahan adalah sama atau berbeda dengan yang dihipotesiskan, yaitu 50 orang. Tingkat
signifikansi dalam pengujian ini menggunakan 0,05 (secara default SPSS sudah
menggunakan tingkat signifikansi 0,05) dan pengujian 2 sisi.
4
1. Merumuskan hipotesis
H0 : Rata-Rata Jumlah Kunjungan Perhari Adalah 50 Orang
Ha : Rata-rata jumlah kunjungan per hari adalah bukan 50 orang
2. Menentukan t hitung
Dari tabel di atas didapat nilai t hitung adalah -2,896
3. Menentukan t tabel
T tabel dapat dilihat pada tabel statistik pada signifikansi 0,05 : 2= 0,025 (uji 2 sisi)
dengan derajat kebebasan (df) n-1 atau 20-1 = 19 dan hasil diperoleh t tabel sebesar
2,093 (Lihat pada tabel t di bawah ini).
Tabel T
4. Kriteria Pengujian
jika nilai -t tabel ≤ t hitung ≤ t tabel maka H0 diterima
jika nilai -t hitung < - t tabel atau t hitung > t tabel maka H0 ditolak
5
Untuk nilai t hitung yang hasilnya positif maka dapat digunakan ketentuan sebagai
berikut:
H0 diterima dan H1 ditolak jika nilai t hitung < t tabel atau jika nilai Sig. > 0,05
H0 ditolak dan H1 diterima jika nilai t hitung > t tabel atau jika nilai Sig. < 0,05
5. Membuat kesimpulan
Nilai –t hitung <-t tabel (-2,896<-2,093) maka H0 ditolak dan H1 diterima. Jadi dapat
disimpulkan bahwa rata-rata jumlah kunjungan per hari di Kelurahan adalah bukan 50
orang. Dari rata-rata dapat diketahui bahwa jumlah kunjungan rata-rata adalah 46 orang
per hari.
Latihan:
Sauatu Dinas Staf Puskesmas ingin mengetahui, jumlah pengunjung Puskesmas. sedang
dengan berhipotesis bahwa jumlah kunjungan pasien per hari rata-rata 50 orang. Untuk
membuktikan apakah hipotesis tersebut benar atau tidak, silahkan Anda buktikan dengan data
berikut ini.
6
BAB.2.
Pengambilan Keputusan Berdasarkan Signifikansi
Jika berdasarkan signifikansi maka jika signifikasi < 0,05 maka H 0 ditolak, dan jika
signifikasni > 0,05 maka H0 diterima. Karena signifikansi (0,009<0,05) maka H0 ditolak.
Artinya bahwa rata-rata jumlah kunjungan perhari di Kelurahan adalah bukan 50 orang.
Contoh kasus:
7
18 75 2
19 66 1
20 72 1
Keterangan:
Jenis kelamin:
Laki-laki :1
Perempuan :2
Berikut akan dilakukan uji t dua sampel bebas untuk mengetahui apakah ada perbedaan rasa
kepekaan antara laki-laki dan perempuan.
1. Menginput data di sheet Data View. Klik Data View, lalu isi data Kepekaan
menghadapi masalah di kolom ”Kepekaan” dan data Jenis kelamin di kolom “Jenis
Kelamin”. Hasil penginputan data tampak seperti gambar berikut ini.
8
2. Berikutnya, beri nama variabel dengan jelas di kolom label, misalnya Jenis Kelamin.
Klik kotak kecil berwarna abu-abu di kolom Value dan akan muncul kotak Value
Labels. Isikan angka 1 di kotak Value dan isikan label laki-laki dikotak Label.
Kemudian, klik Add. Selanjutnya isikan angka 2 untuk label Perempuan seperti yang
terlihat dalam tampilan berikut.
9
Keterangan:
Jenis kelamin:
Laki-laki :1
Perempuan :2
3. Untuk analisis data, klik menu Analyze Compare Means Independent
Sampels T Test, seperti pada tampilan dibawah ini.
Klik variabel Jenis Kelamin tombol gambar tanda penunjuk disebelah kotak
Grouping Variabel. Maka variabel akan masuk ke kotak Grouping Variabel.
10
11
5. Untuk mendefinisikan variabel Jenis kelamin, klik tombol Define Group. Isikan pada
Group 1 dengan angka 1, dan Group 2 dengan angka 2. Setelah itu, klik tombol
Continue. Tampilan akan kembali ke kotak dialog sebelumnya.
6. Setelah itu, klik tombol OK. Maka akan didapat hasil output SPSS seperti berikut ini
(output sudah diubah ke bentuk baris)
12
Hasil dan Interpretasi
T-Test
Group Statistiks
Jenis N Mean Std. Std. Error
Kelamin Deviation Mean
Kepeka Laki-laki 10 63.20 5.750 1.818
an Perempuan 10 68.90 5.896 1.865
13
Interpretasi dari output SPSS adalah sebagai berikut:
Untuk data Kepekaan menghadapi masalah pada jenis kelamin laki-laki berjumlah 10, dan
untuk perempuan berjumlah 10. Rata-rata Kepekaan untuk laki-laki adalah 63,20, sedangkan
perempuan 68,90. Standar deviasi nilai kepekaan pada laki-laki 5,750 dan untuk perempuan
5,896. Standar error mean nilai kepekaan untuk laki-laki 1,818 dan untuk perempuan 1,865.
Sebelum uji t sampel bebas dilakukan, uji F (uji homogenitas/uji Levene’s) dilakukan
terlebih dahulu. Artinya, jika varian sama maka uji t menggunakan nilai ‘Equal Variance
Assumed’ (diasumsikan varian sama) dan jika varian berbeda menggunakan nilai “Equal
Variance Not assumed” (diasumsikan varian berbeda).
3. Membuat kesimpulan
Signifikansi dari uji F didapat 0,415. Dengan demikian, Signifikansi > 0,05 (0,937>0,05)
maka H0 diterima. Jadi dapat disismpulakn bahwa kelompok data kepekaan menghadapi
14
masalah antara laki-laki dan perempuan memiliki varian yang sama. Uji t (Independent
Sampels T Test) menggunakan yang nilai ‘Equal variance assumed’.
15
Tabel t
Pengujian untuk Uji t untuk sampel berpasangan atau dengan istilah lain Paired
Sampels T Test digunakan untuk mengetahui perbedaan rata-rata diantara dua sampel yang
berpasangan. Sampel yang berpasangan merupakan kelompok sampel yang memilki subjek
yang sama namun mengalami dua pengukuran yang berbeda, contoh perlakuan sebelum dan
sesudah.
Contoh kasus:
Dalam menghadapi persiapan Ujian Tri Out Murid di salah satu sekolah menengah pertama
mengadakan Pendalaman Materi. Dari hasil Pendalaman Materi tersebut didapatkan nilai
peningkatan nilai dari para siswa.Sampel yang digunakan sebanyak 15 orang siswa yang
diukur dari peningkat nilai yang diperoleh. Adapun data yang didapatkan sebagai berikut.
16
Tabel 11.4. Pendalaman Materi
1 65 75
2 70 82
3 75 90
4 63 70
5 56 70
6 80 90
7 77 80
8 74 91
9 88 90
10 60 75
11 55 70
12 81 90
13 66 70
14 81 88
15 73 85
Sumber : Data Fiktif
Berikut ini akan dilakukan uji t sampel berpasangan untuk mengetahui apakah ada
perbedaan nilai antara sebelum dan sesudah pendalaman materi.
17
Jika muncul Opening Excel Data Source
18
Klik Variabel Sebelum pendalam materi Klik tombol gambar tanda penunjuk.
Kemudian Klik variabel Setelah Pendalam Materi klik tombol gambar tanda
penunjuk. Variabel akan masuk ke kotak Paired Variabels.
4. Selanjutnya klik tombol OK maka akan didapat hasil output SPSS seperti berikut.
T-Test
19
SebelumPendala
mMateri &
Pair 1 15 .877 .000
SetelahPendalam
Materi
Dari output ini menjelaskan tentang korelasi atau besar hubungan antara variabel selum
pendalaman materi dengan setelah pendalam materi. Dari output didapat nilai korelasi
sebesear 0,877 dengan signifikansi 0,000. Ini berarti terjadi hubungan yang sangat kuat
antara sebelum pendalam materi dengan setelah pendalam materi.
20
Output ini menjelaskan tentang hasil uji t sampel berpasangan. Pengujian menggunakan
tingkat signifikansi 0,05 (secara default SPSS sudah menggunakan tingkat signifikansi
0,05) dan uji 2 sisi.
1. Merumuskan hipotesis
H0 : Tidak ada perbedaan nilai antara sebelum dan sesudah pendalam materi.
Ha :Ada perbedaan berat badan antara sebelum dan sesudah pendalam materi.
2. Menentukan t hitung
Dari output dikethui t hitung adalah -8.264.
Menentukan t tabel
T tabel dapat dilihat pada tabel statistik pada signifikansi 0,05 : 2 = 0,025 (uji 2 sisi)
dengan derajat kebebasan (df) n-1 atau 15-1= 14, hasil diperoleh untuk t tabel sebesar
2,145/-2,145. Lihat tabel t dibawah ini.
Kriteria Pengujian
21
Jika –t tabel ≤ t hitung ≤ t tabel maka H0 diterima, jika –t hitung < -t tabel atau t hitung > t
tabel maka H0 ditolak
Berdasarkan Signifikansi:
Jika Signifikansi > 0,05 maka H0 diterima
Jika Signifikansi < 0,05 maka H0 ditolak.
Membuat kesimpulan
Nilai –t hitung < -t tabel (-8.264 < -2,145) maka H0 ditolak. Jadi dapat disimpulkan bahwa
ada perbedaan antara siswa sebelum diberi Pendalaman Materi dengan siswa setelah
pendalam materi. Dari rata-rata (mean) dapat diketahui bahwa rata-rata siswa sebelum dan
setelah diberi pelatihan materi lebih tinggi dari pada sebelum pendalam materi. Hal ini dapat
disimpulkan bahwa pendalaman materi dapat meningkatkan nilai siswa.
Uji F
Uji F disebut juga dengan uji koefisien regresi secara serentak atau bersama-sama, yaitu
untuk mengetahui pengaruh variabel independen secara serentak atau bersama-sama
terhadap pengaruh variabel dependen. Uji F ini sangat penting dilakukan terlebih untuk
mengetahui pengaruh atau hubungan antara variabel X dan Y. Dari uji F ini akan diketahui
apakah pengaruhnya signifikan atau tidak.
22
Tabel 11.5. Disiplin, Loyalitas dan Benefit
23
Hasil dan Interpretasi
ANOVAa
Model Sum of df Mean F Sig.
Squares Square
Regressi
195.454 2 97.727 35.028 .000b
on
1
Residual 33.479 12 2.790
Total 228.933 14
a. Dependent Variabel: Benefit (Y)
b. Predictors: (Constant), Loyalitas (X2), Disiplin(X1)
Dari tabel diketahui nilai F tabel sebesar 3,89. Karena nilai F hitung sebesar 35,028 > 3,89
maka dapat ditarik kesimpulan bahwa variabel X1 dan X2 (secara simultan) berpengaruh
terhadap variabel terikat (Y)
24
Titik Persentase Distribusi F untuk
Probabilita = 0,05
df untuk pembilang
df (N1)
untu 1 2 3 4 5 6 7 8 9 1 1 12
k 0 1
1 16 19 21 22 23 23 23 23 24 24 24 24
penye 18. 19. 19. 19. 19. 19. 19. 19. 19. 19. 19. 19.
2 1 9 6 5 0 4 7 9 1 2 3 4
but 51
10. 00
9.5 16
9.2 25
9.1 30
9.0 33
8.9 35
8.8 37
8.85 38
8.8 40
8.7 40
8.7 41
8.7
3
(N2) 13
7.7 5
6.9 8
6.5 2
6.3 1
6.2 4
6.1 9
6.0 6.04 1
6.0 9
5.9 6
5.9 4
5.9
4
5 1
6.6 4
5.7 9
5.4 9
5.1 6
5.0 6
4.9 9
4.8 4.82 0
4.7 6
4.7 4
4.7 1
4.6
6 5.9
1 5.1
9 4.7
1 4.5
9 4.3
5 4.2
5 4.2
8 4.15 4.1
7 4.0
4 4.0
0 4.0
8
7 9
5.5 4
4.7 6
4.3 3
4.1 9
3.9 8
3.8 1
3.7 3.73 0
3.6 6
3.6 3
3.6 0
3.5
8 95.3 44.4 54.0 23.8 73.6 73.5 93.5 3.44 83.3 43.3 03.3 73.2
9 2
5.1 6
4.2 7
3.8 4
3.6 9
3.4 8
3.3 0
3.2 3.23 9
3.1 5
3.1 1
3.1 8
3.0
10 4.9
2 4.1
6 3.7
6 3.4
3 3.3
8 3.2
7 3.1
9 3.07 3.0
8 2.9
4 2.9
0 2.9
7
11 6
4.8 0
3.9 1
3.5 8
3.3 3
3.2 2
3.0 4
3.0 2.95 2
2.9 8
2.8 4
2.8 1
2.7
12 44.7 83.8 93.4 63.2 03.1 93.0 12.9 2.85 02.8 52.7 22.7 92.6
13 54.6 93.8 93.4 63.1 13.0 02.9 12.8 2.77 02.7 52.6 22.6 92.6
14 4.6
7 3.7
1 3.3
1 3.1
8 2.9
3 2.8
2 2.7
3 2.70 2.6
1 2.6
7 2.5
3 2.5
0
15 0
4.5 4
3.6 4
3.2 1
3.0 6
2.9 5
2.7 6
2.7 2.64 5
2.5 0
2.5 7
2.5 3
2.4
16 4
4.4 8
3.6 9
3.2 6
3.0 0
2.8 9
2.7 1
2.6 2.59 9
2.5 4
2.4 1
2.4 8
2.4
17 9
4.4 3
3.5 4
3.2 1
2.9 5
2.8 4
2.7 6
2.6 2.55 4
2.4 9
2.4 6
2.4 2
2.3
18 4.4
5 3.5
9 3.1
0 2.9
6 2.7
1 2.6
0 2.5
1 2.51 2.4
9 2.4
5 2.3
1 2.3
8
19 1
4.3 5
3.5 6
3.1 3
2.9 7
2.7 6
2.6 8
2.5 2.48 6
2.4 1
2.3 7
2.3 4
2.3
20 8
4.3 2
3.4 3
3.1 0
2.8 4
2.7 3
2.6 4
2.5 2.45 2
2.3 8
2.3 4
2.3 1
2.2
5 9 0 7 1 0 1 9 5 1 8
Latihan
Seorang Master Chef Ingin mengetahui perbandingan rasa masakan antara antara koki
Wanita dengan Koki Laki-Laki. Perbandingan ini pada dasarnya untuk mengetahui dan
menjadi masukan dalam hal kepuasan layanan pembeli.
25
Tabel. 11.6 Cita Rasa Masakan Wanita & Laki –Laki
Subjek Rasa Masakan Jenis Kelamin
1 65 2
2 72 1
3 64 1
4 76 2
5 65 1
6 58 1
7 73 2
8 58 1
9 66 2
10 70 2
11 64 2
12 55 1
13 71 1
14 65 2
15 67 2
16 58 2
17 67 1
18 75 2
19 66 1
20 77 1
Keterngan:
1 : Laki-laki
2 : Wanita
26
BAB.3
Analisis One Way ANOVA digunakan untuk menguji perbedaan diantara dua atau lebih
kelompok dimana hanya terdapat satu faktor yang dipertimbangkan.
Contoh Kasus:
Sebuah perusahaan “Z” yang bergerak dalam produksi makanan ringan chiki ingin
mengeluarkan produk chiki terbaru. Untuk mengetahui cita rasa yang dinginkan oleh
konsumen perusahaan tersebut mengambil tiga sampel Kelurahan di Jakarta Utara seperti
kelurahan “Koja”, “Cilincing” dan “Rawabadak”. Masing-masing kelurahan tersebut
memberikan penilaian terhadap cita rasa chiki baru.
No Kelurahan Penilaian
1 1 70
2 1 70
3 1 85
4 1 90
5 1 78
6 1 65
7 1 93
8 2 88
9 2 71
10 2 75
11 2 70
12 2 80
13 2 85
14 2 65
15 3 60
16 3 90
17 3 80
18 3 90
19 3 85
20 3 75
21 3 88
27
Sumber : Data Fiktif
Berikut ini akan dilakukan langkah-langkah analisis dengan SPSS adalah sebagai berikut:
28
3. Setelah itu akan muncul data sebagai berikut
29
6. Setelah itu, klik tab Options. Selanjutnya, perhatikan kotak dialog yang tampil. Berilah
tanda centang pada Descriptive dan Homogeneity of Variance test. Kemudian, kliklah
Continue. Selanjutnya, Anda akan kembali ke kotak dialog sebelumnya.
30
7. Klik OK. Hasil output sebagai berikut.
Descriptives
Penilaian
N Mea Std. Std. 95% Mini Maxi
n Devi Error Confidence mum mum
ation Interval for
Mean
Lowe Uppe
r r
Boun Boun
d d
78.7 10.88
Koja 7 4.116 68.64 88.78 65 93
1 9
31
Clinci 76.2 Oneway
7 8.401 3.175 68.52 84.06 65 88
ng 9
Rawab 81.1 10.83
7 4.097 71.12 91.17 60 90
adak 4 9
2 78.7
Total 9.804 2.139 74.25 83.18 60 93
1 1
ANOVA
Penilaian
Sum of df Mean F Sig.
Squares Square
Between
82.571 2 41.286 .404 .674
Groups
Within
1839.714 18 102.206
Groups
Total 1922.286 20
32
Output Descriptives
Pada data kelompok Kelurahan Koja diperoleh hasil: jumlah data 7, rata-rata 78,71, deviasi
standar 10,889, dan standard error 4. Untuk data kelompok Kelurahan Cilincing; jumlah
data 7, rata-rata 76,29, deviasi standar 8,401 dan standard error 3. Dan untuk data
kelompok Rawabadak: jumlah data 7, rata-rata 81,14, deviasi standar 4,097 dan standard
error 4.
Asumsi dalam pengajuan ANOVA adalah bahwa varian kelompok data adalah sama atau
homogen. Kriteria pengujiannya, yaitu jika signifikansi < 0,05, maka varian kelompok data
tidak sama. Namun sebaliknya, jika signifikansi > 0,05, maka varian kelompok data adalah
sama. Dari output dapat dilihat bahwa signifikansi > 0,05 (0,723 >0,05). Jadi, dapat
disimpulkan bahwa varian ketiga kelompok data, yaitu Koja, Cilincing, dan Rawabadak,
maka hal ini telah memenuhi asumsi dasar.
Output ANOVA
Analisis ANOVA dapat digunakan untuk mengetahui apakah ada perbedaan. Jika dalam
kasus ini kita kita dapat mengetahui penilaian masing-masing kelurahan yang dalam hal ini
Koja, Cilincing dan Rawabadak terkait dengan rasa baru dari chiki. Beberapa langkah yang
dapat dilakukan adalah:
Merumuskan hipotesis.
H0 : Tidak ada perbedaan rata-rata antara penilaian dari kelurahan Koja, Clincing dan
Rawabadak.
Ha : Ada perbedaan rata-rata antara nilai ujian dari kelurahan Koja, Cilincing dan
Rawabadak.
33
Untuk menentukan apakah terdapat perbedaan penilaian antara kelurahan Koja, Cilincing
dan Rawabadak kita mengacu pada koefisien Fhitung atau P-value dan membandingkannya
dengan Ftabel atau taraf signifikansi, baik pada α = 0,05 maupun α = 0,01. Jika Fhitung lebih
besar dari Ftabel atau P-value lebih kecil dari 0,05 dinyatakan terdapat perbedaan. Artinya,
hipotesis kerja (H1) diterima dan hipotesis nol (H0) ditolak.
Hasil analisis menujukkan nilai koefisien Fhitung adalah 0,404 dengan Pvalue 0,674. Ftabel
dicari dengan cara df1 = 3-1 = 2 dan df2 = 21-3= 18. Hasil yang diperoleh untuk Ftabel 3,55.
Latihan
1 = “Marcel”;
2= “Farrel”;
3= “Andika”;
Tentukan:
Dari data diatas apakah ada perbedaan diantara kandidat tersebut? Gunakan Analisis One
Way ANOVA untuk menguji perbedaan tersebut.
34
Tabel 11.7. Penilaian
35
Titik Persentase Distribusi F untuk
Probabilita = 0,05
df untuk pembilang
df (N1)
unt 1 2 3 4 5 6 7 8 9 1 1 12
1uk 161 19 21 22 2 2 2 23 2 20 21 24
2pen 18.5 19.
9 19.
6 19.
5 19.
3 19.
3 19.
3 19.
9 19.
4 19.
4 19.
4 19.
4
3yeb 1
10.1 00 9.2
9.5 16 9.1
25 30
9.0
0 33
8.9
4 35
8.8
7 37
8.85 38
8.8
1 40
8.7
2 40
8.7
3 41
8.7
4ut 3
7.71 5
6.9 8
6.5 2
6.3 1
6.2 4
6.1 9
6.0 6.04 1
6.0 9
5.9 6
5.9 4
5.9
5(N2 6.61 5.7 5.4 95.1
4 9 65.0 64.9 94.8 4.82 04.7 64.7 44.7 14.6
6) 5.99 5.1
9 4.7
1 4.5
9 4.3
5 4.2
5 4.2
8 4.15 4.1
7 4.0
4 4.0
0 4.0
8
7 4
5.59 4.7 6
4.3 3
4.1 9
3.9 8
3.8 1
3.7 3.73 0
3.6 6
3.6 3
3.6 0
3.5
8 4
5.32 4.4 5
4.0 2
3.8 7
3.6 7
3.5 9
3.5 3.44 8
3.3 4
3.3 0
3.3 7
3.2
9 5.12 4.2 3.8 43.6
6 7 93.4 83.3 03.2 3.23 93.1 53.1 13.1 83.0
10 4.96 4.1
6 3.7
6 3.4
3 3.3
8 3.2
7 3.1
9 3.07 3.0
8 2.9
4 2.9
0 2.9
7
11 0
4.84 3.9 1
3.5 8
3.3 3
3.2 2
3.0 4
3.0 2.95 2
2.9 8
2.8 4
2.8 1
2.7
12 8
4.75 3.8 9
3.4 6
3.2 0
3.1 9
3.0 1
2.9 2.85 0
2.8 5
2.7 2
2.7 9
2.6
13 4.67 3.8 3.4 63.1
9 9 13.0 02.9 12.8 2.77 02.7 52.6 22.6 92.6
14 4.60 3.7
1 3.3
1 3.1
8 2.9
3 2.8
2 2.7
3 2.70 2.6
1 2.6
7 2.5
3 2.5
0
15 4
4.54 3.6 4
3.2 1
3.0 6
2.9 5
2.7 6
2.7 2.64 5
2.5 0
2.5 7
2.5 3
2.4
16 8
4.49 3.6 9
3.2 6
3.0 0
2.8 9
2.7 1
2.6 2.59 9
2.5 4
2.4 1
2.4 8
2.4
17 4.45 3.5 3.2 12.9
3 4 52.8 42.7 62.6 2.55 42.4 92.4 62.4 22.3
18 4.41 3.5
9 3.1
0 2.9
6 2.7
1 2.6
0 2.5
1 2.51 2.4
9 2.4
5 2.3
1 2.3
8
19 5
4.38 3.5 6
3.1 3
2.9 7
2.7 6
2.6 8
2.5 2.48 6
2.4 1
2.3 7
2.3 4
2.3
20 4.35 3.4
2 3
3.1 0
2.8 4
2.7 3
2.6 4
2.5 2.45 2
2.3 8
2.3 4
2.3 1
2.2
9 0 7 1 0 1 9 5 1 8
Berdasarkan Signifikansi:
Jika signifikansi . 0,05, mka H0 diterima
Jika signifiknasi < 0,05, maka H0 ditolak.
Berdasarkan kesimpulan karena Fhitung > Ftabel ( 0,404 < 3,55) dan signifikansi > 0,05 (0,674
> 0,05), maka H0 diterima. Jadi dapat disimpulkan bahwa tidak ada perbedaan rata-rata
antara penilaian dari kelurahan Koja, Clincing dan Rawabadak.
36
BAB.4
TWO-WAY ANOVA
Two-Way Anova atau istilah bahasa sederhanya merupakan ANOVA dua arah. Two-Way
Anova merupakan perbandingan dalam perbedaan rata-rata diantara kelompok yang telah
dibagi pada dua variabel independen. Analisis Two-Way ANOVA biasa dilakukan untuk uji
komparatif atau perbedaan dengan menggunakan dua faktor pembeda.
Contoh Soal
Salah satu perusahaan swasta sedang mencari kandidat untuk menduduki posisi tertentu.
Adapun beberapa calon kandidat yang melamar diperusahaan tersebut. Pihak perusahaan
merekrut calon pegawai baru dengan cara mengadakan test psikotest. Adapun data yang
diperolah dari hasil psikotest tersebut adalah:
37
Pembahasan
Berikut langkah-langkah menggunakan SPSS:
1. Klik SPSS, lalu input data
Keterangan:
Pendidikan
1 = S1(Bachelor)
2 = S2(Magister)
3 = S3(Doctoral)
Gender
1 = Laki-Laki
2= Perempuan
2. Sebelum memilih perintah rubah terlebih dahulu dikolom Variabel View dan di baris
Gender. Beri nilai 1 untuk label laki-laki, 2 untuk label perempuan.
38
3. Sementara itu di baris Pendidikan dan di kolom Values beri label 1 = S1(Bachelor), 2
= S2(Magister), 3 = S3(Doctoral).
39
4. Klik Analyze General Linear Model Univariate, seperti berikut ini.
5. Kemudian akan mucul jendela sbb: Masukkan Ujian ke kotak Dependent Variabel,
masukkan Gender dan Pendidikan ke kotak Fixed faktor (s). (Kotak Random faktor
(s) dan Covariate (s) tidak akan kita gunakan dalam Two Ways Anova, kotak tersebut
akan digunakan pada "Uji Anova".
40
6. Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan Gender ke
kotak Horizontal Axis dan Pendidikan ke kotak Separate Lines.
41
7. Klik Add, maka akan tampak sbb; lalu klik Continue, seperti pada tampilan berikut
ini.
Setelah di klik Add maka akan muncul seperti berikut, lalu dilanjutkan dengan klik Continue
8. Setelah itu klik Post Hoc, maka muncul jendela sbb: lalu pindahkan ke kolom Post
Hoc Teasts for
42
9. Setelah itu Centang Tukey, lalu klik Countinue.
10. Klik Options, maka akan muncul jendela sbb: Masukkan Gender dan Pendidikan ke
dalam kotak Display Means for. Pada Display centang Descriptive statistiks dan
Homogentity test; lalu Klik Continue.
43
Hasil dan Interpretasi
Between-Subjects Factors
Value Label N
1 Laki-laki 12
Gender
2 Perempuan 8
S1(Bachelor
1 6
)
Pendidika S2(Magister
2 10
n )
S3(Doctoral
3 4
)
Descriptive Statistics
Dependent Variable: Ujian
Gender Pendidikan Mean Std. Deviation N
44
S2(Magister) 76.00 7.314 5
Total 69.38 11.439 8
45
1. Gender
Dependent Variable: Ujian
Gender Mean Std. 95% Confidence Interval
Error Lower Upper
Bound Bound
2. Pendidikan
Laki-laki 74.789 2.947 68.507 81.071
Dependent Variable: Ujian
a
Perempuan 67.167 3.648 59.391 74.942
Pendidikan Mean Std. 95% Confidence Interval
a. Based on modified population marginal mean.
Error Lower Upper
Bound Bound
S1(Bachelor) 65.500 4.079 56.807 74.193
S2(Magister) Multiple Comparisons
Dependent Variable: Ujian 3.159
73.100 66.366 79.834
Tukey HSD
S3(Doctoral) 81.500a 4.995 70.853 92.147
(I)Based on(J)
a. Mean
modified population Std. Sig.mean.
marginal 95% Confidence
Pendidik Pendid Differenc Error Interval
an ikan e (I-J) Lower Upper
Bound Bound
S2(Ma
-7.60 5.159 .331 -21.00 5.80
S1(Bach gister)
elor) S3(Do
-16.00 6.449 .062 -32.75 .75
ctoral)
S1(Ba
chelor 7.60 5.159 .331 -5.80 21.00
S2(Magi
)
ster)
S3(Do
-8.40 5.910 .355 -23.75 6.95
ctoral)
S1(Ba
chelor 16.00 6.449 .062 -.75 32.75
S3(Docto
)
ral)
S2(Ma
8.40 5.910 .355 -6.95 23.75
gister)
Based on observed means.
The error term is Mean Square(Error) = 99.809.
46
Post Hoc Tests
Pendidikan
Homogeneous Subsets
Ujian
Tukey HSD
Pendidikan N Subset
1 2
S1(Bachelor) 6 65.50
S2(Magister) 10 73.10 73.10
S3(Doctoral) 4 81.50
Sig. .419 .350
47
Profile Plots
Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan pendidikan,
sebagai contoh: nilai rata-rata ujian laki-laki dengan pendidikan S1 sebesar 72,67 sedangkan
nilai ujian wanita yang berpendidikan S2 sebesar 70,20 dan S3 sebesar 81,50.
Latihan:
Suatu perusahaan Internasional ingin mencari posisi karyawan untuk menduduki staf laporan
keuangan. Untuk dapat diterima diperusahaan tersebut, karyawan tersebut harus melakukan
beberapa tahap test seleksi yang diadakan diperusahaan tersebut. Berikut ini data yang
diperoleh dari hasil test tersebut.
48
Tabel 11.9. Test Psikotest
Keterrangan:
1 = Wanita
2= Laki-laki
49
DAFTAR PUSTAKA
Arikunto, Suharsimi.1998. Prosedur Penelitian: Suatu Pendekatan Pratek. Jakarta: Rineka Cipta.
Bahri, Syamsul dan Zamzam, Fahkry. 2015. Model Penelitian Kuantitatif Berbasis SEM-AMOS.
Yogyakarta: Deepublish.
Cochran, William G. 1979. Sampling Techniques. Tried Edition. New York: John Wiley & Sons.
Duei, Priyatno. 2012. Cara Kilat Belajar Analisis Data Dengan SPSS 20. Yogyakarta: ANDI.
Issac, S., & Michael, W.B. (1981). Handbokk in reserarch and evoluation California: Edits Publishers.
Santoso, Singgih. Panduan Lengkap Menguasai Statistik dengan SPSS 17. 2009. Jakarta: PT. Elex Media
Komputindo.
Sutanto, T.E dan Abdullah, Sarini. Statistika Tanpa Stres. Jakarta: TransMedia Pustaka.
Priyatno, Duwi. 2012.Cara Kilat Belajar Analisis Data Dengan SPSS 20. Yogyakarta: ANDI.
Priyatno, Duwi. 2009: 5 Jam Belajar Olah Data Dengan ASPSS 17. Yogyakarta: ANDI.
Widiyanto, Mikha. 2014. Statistika Untuk Penelitian Bidang Teologi, Pendidikan Agama Kriten, &
Pelayanan Gereja. Bandung: Kalam Hidup.
Wijaya, Tony. 2012. Cepat Menguasai SPSS 20 Untuk Olah dan Interpretasi Data. Yogyakarta: Cahaya
Atma Pustaka.
Yount, William R. 1999. Reseacrh Design and Statistikal Analysis in Chritian Ministry. Fort Worth:
Southwestern Baptis Theological Seminary.
https://www.freepik.com/
50