LAPORAN AKHIR

PRAKTIKUM STATISTIKA INFERENSIA

Disusun Oleh:

Kelompok/ Kelas : 2 (Dua)/ 2ID01

Nama Anggota/ NPM : 1. Dela Agustin / 30421346
2. Fitria Puji Astuti / 30421531
3. Gandy Frans Metias / 30421540
4. Putri Imelda Ayu Utami/ 31421188
5. Valendra Anjasmoro / 31421495
Modul : ANOVA Satu Arah
Asisten Pembimbing : Fadly Nur Fadlyansyah

LABORATORIUM TEKNIK INDUSTRI DASAR

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS GUNADARMA
DEPOK
2022
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Perusahaan merupakan sebuah tempat terjadinya kegiatan produksi suatu
barang atau jasa. Setiap perusahaan pastinya memiliki begitu banyak tujuan untuk
dicapai, salah satunya adalah mendapatkan keuntungan semaksimal mungkin.
Perkembangan zaman yang semakin hari semakin canggih memasuki era industri
5.0, membuat perusahaan dituntut untuk terus berinovasi dalam memenuhi
kebutuhan masyarakat dan dalam proses produksinya dapat dilakukan secara
efektif dan efesien, sehingga perusahaan dapat bersaing dengan tetap menjaga
kualitas perusahaan. Namun, perusahaan sering kali menemukan masalah dimana
perusahaan belum mengetahui keseragaman data pada satu faktor yang
mempengaruhinya. Permasalahan ini dapat diatasi dengan menggunakan ilmu
statistika, yaitu metode ANOVA.
Berdasarkan permasalahan tersebut solusi yang dibutuhkan yaitu dengan
menggunakan ilmu statistika. Ilmu statistika merupakan ilmu pengetahuan
mengenai suatu metode untuk mengumpulkan, menyajikan, mengolah,
menganalisis data, menarik kesimpulan, dan membuat keputusan berdasarkan
analisis yang dilakukan dengan alasan yang kuat. Ilmu statistika yang akan
digunakan yaitu, statistika inferensia. Statistika inferensia adalah statistika yang
digunakan untuk menganalisis data sampel yang dipilih secara acak dan hasilnya
akan digeneralisasikan terhadap populasi yang bersangkutan. ANOVA (Analysis
of Variance) merupakan suatu metode analisis statistika yang termasuk ke dalam
cabang statistika inferensial. ANOVA satu arah merupakan analisis yang
melibatkan hanya satu faktor (variabel bebas) dan digunakan untuk mengetahui
pengaruh terhadap variabel dependent yang disebabkan oleh satu faktor. Oleh
karena itu, PT Rhapsody yang bergerak di bidang industri manufaktur yang
memproduksi ban sepeda motor ingin mengetahui keseragaman di lima lokasi
promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan Tangerang selama 12 bulan
agar perusahaan dapat mengambil keputusan tepat terhadap strategi frekuensi
promosi terbaik yang akan dilakukan perusahaan dengan menggunakan metode
ANOVA satu arah. Metode ANOVA satu arah ini terbagi menjadi dua bagian
perhitungan, yaitu perhitungan dengan jumlah sampel sama banyak dan jumlah
sampel tidak sama banyak.
ANOVA satu arah diaplikasikan PT Rhapsody yang memproduksi ban
sepeda motor dimana kelima lokasi promosi yaitu, Jakarta, Bogor, Depok, Bekasi,
dan Tangerang dipandang sebagai suatu kelompok dan selanjutnya akan dianalisis
apakah kelima kelompok tersebut dapat dikategorikan sebagai satu kelompok
yang sama dengan ditinjau dari rata-rata frekuensi promosi setiap kelompok
menggunakan jumlah sampel sama banyak dan jumlah sampel tidak sama banyak.
Harapannya PT Rhapsody dapat mengetahui apakah terdapat keseragaman yang
signifikan atau tidak pada frekuensi promosi untuk kelima lokasi promosi yang
dilakukan perusahaan, agar perusahaan dapat mengambil keputusan tepat terhadap
strategi pelaksanaan frekuensi promosi guna meningkatkan pelaksanaan kegiatan
promosi pada perusahaan.

1.2 Tujuan Penulisan

Tujuan penulisan merupakan suatu indikasi yang menunjukkan maksud dan
informasi-informasi yang ingin dicapai dari penulisan sebuah laporan. Berikut
adalah tujuan dari penulisan laporan akhir modul anova satu arah.
1. Mengetahui rata-rata frekuensi promosi dari kelima lokasi promosi yaitu, kota
Jakarta, Bogor, Depok, Bekasi, dan Tangerang selama 12 bulan adalah sama
atau tidak pada sampel data yang sama banyak.
2. Mengetahui rata-rata frekuensi promosi dari kelima lokasi promosi yaitu, kota
Jakarta, Bogor, Depok, Bekasi, dan Tangerang selama 12 bulan adalah sama
atau tidak pada sampel data yang tidak sama banyak.
 BAB II
LANDASAN TEORI

2.1 Pengertian ANOVA

ANOVA merupakan suatu metode analisis statistika yang termasuk ke dalam
cabang statistika inferensi. ANOVA merupakan suatu teknik untuk menguji
kesamaan beberapa rata-rata sekaligus yang bertujuan untuk mengetahui apakah
terdapat pengaruh dari berbagai kriteria yang diuji terhadap hasil yang diinginkan
(Zaenuddin, 2020).
ANOVA merupakan teknik pengujian hipotesis yang digunakan untuk
menguji rerata tiga peubah atau lebih, namun yang dilihat bukan ada atau tidaknya
perbedaan antara rata-rata, melainkan faktor variansnya. Penggunaan varians pada
pengujian teknik ANOVA sesuai dengan prinsip dasar perbedaan sampel. Sampel
yang berbeda dilihat dari nilai variabilitasnya. Jenis data penelitian yang dapat
digunakan pada pengujian teknik ANOVA adalah data rasio dan data interval
(Djuniadi, 2017).
Analysis of variance atau ANOVA merupakan salah satu teknik analisis
multivariat yang berfungsi untuk membedakan rerata lebih dari dua kelompok
data dengan cara membandingkan variansinya. Analisis varian termasuk dalam
kategori statistik parametrik, sebagai alat statistika parametrik, maka untuk dapat
menggunakan rumus ANOVA terlebih dahulu perlu dilakukan uji asumsi meliputi
normalitas, heterokedastisitas dan random sampling (Ghozali, 2009).

2.2 Ciri-Ciri Distribusi F

Distribusi F merupakan distribusi kontinyu yang menempati seluruh titik
kurva distribusinya dan bernilai positif (positively skewed). Berikut adalah ciri-ciri
distribusi F menurut Hasan (2002).
1. Pada skala distribusi F dimulai dari 0 – tak hingga (∞), artinya tidak bernilai
negatif selalu positif.
2. Jika nilai probabilitasnya bernilai 1% untuk nilai kritis F pada daerah sisi kiri
maka akan berbalikkan dengan nilai kritis F sisi kanan.
3. Jika nilai derajat bebas pembilang dan penyebut lebih besar dari dua, maka
kurva akan condong ke kanan. Berikut adalah gambar 2.1 kurva condong ke
kanan.

Gambar 2.1 Kurva Condong ke kanan

Jika nilai derajat bebas pembilang dan penyebut bertambah, maka kurva akan
berbentuk normal. Berikut adalah gambar 2.2 kurva berbentuk normal.

Gambar 2.2 Kurva Berbentuk Normal

2.3 Asumsi-Asumsi ANOVA

Asumsi merupakan anggapan atau perkiraan yang belum terbukti
kebenarannya dan diterima sebagai dasar ataupun landasan berpikir yang
dianggap benar (diperlukan pembuktian). Berikut asumsi-asumsi pada ANOVA
menurut Ghozali (2009).
1. Populasi bersifat independen, syarat ini bertujuan agar perlakuan yang
diberikan pada masing-masing sampel independen antara satu dengan lainnya.
2. Populasi yang diteliti berdistribusi normal, syarat ini harus dipenuhi karena
analisis variasi pada dasarnya adalah uji beda rataan.
3. Populasi tersebut memiliki standar deviasi yang sama, syarat ini harus
dipenuhi karena di dalam analisis varians akan dihitung variansi gabungan
dari variansi setiap kelompok dan berkaitan dengan uji F.
2.4 Klasifikasi ANOVA
Klasifikasi merupakan suatu pengelompokkan data yang didasarkan pada ciri-
ciri tertentu. Pada klasifikasi analysis of variance (ANOVA) dibagi menjadi tiga,
sebagai berikut:
1. ANOVA satu arah, digunakan untuk membandingkan rata-rata kelompok
dengan faktor pembeda terdiri atas satu faktor. Pada ANOVA satu arah
terbagi menjadi dua yaitu jumlah sampel sama banyak dan jumlah sampel
tidak sama banyak.
2. ANOVA dua arah, digunakan untuk mengetahui apakah ada atau tidaknya
pengaruh dari dua faktor yang diuji terhadap hasil. Pada ANOVA dua arah
terbagi menjadi dua yaitu ANOVA dua arah tanpa interaksi dan ANOVA dua
arah dengan interaksi.
3. ANOVA banyak arah merupakan pengamatan terhadap banyak kriteria.

2.5 Langkah Pengerjaan ANOVA Satu Arah

Pada pengujian analysis of variance (ANOVA) digunakan untuk mencari
perbandingan nilai rata-rata pemakaian suatu barang dari beberapa data kelompok.
Berikut adalah langkah-langkah pengerjaan ANOVA satu arah (Hasan, 2002).
1. Menentukan Formulasi Hipotesis
Hipotesis merupakan suatu pernyataan yang kebenarannya masih perlu
dibuktikan atau dugaan yang sifatnya masih sementara. Formulasi hipotesis
dapat dibedakan menjadi dua, yaitu hipotesis nol (H0) yang merupakan suatu
pernyataan yang akan diuji dan hipotesis alternatif (H1) yang merupakan
tandingan dari hipotesis nol (Hasan, 2002).
H0: µ1 = µ2 … = µk. Memiliki arti semua rata-rata (mean) populasi adalah
sama.
H1: Tidak semua µ1 = µ2 … = µk. Memiliki arti, minimal ada satu rata-rata
(mean) populasi yang berbeda dan lainnya sama.
2. Menentukan Taraf Nyata dan Nilai F Tabel
Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil
hipotesis terhadap nilai parameter populasinya. Semakin tinggi taraf nyata
 yang digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis
yang diuji, padahal hipotesis nol benar. Nilai (α) digunakan untuk
menentukan nilai hasil tabel F (Hasan, 2002).
Fα (v1, v2)
v1 = k – 1, untuk derajat pembilang (baris).
v2 = k (n – 1), untuk derajat penyebut (kolom) pada jumlah sampel sama
banyak.
v2 = N – k, untuk derajat penyebut (kolom) pada jumlah sampel tidak sama
banyak.
3. Menentukan Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau
menolak H0 dengan cara membandingkan nilai F tabel dengan nilai uji
statistiknya, sesuai dengan bentuk pengujiannya (Hasan, 2002).
H0 diterima jika F0 ≤ Fα (ν1; ν2)
H0 ditolak jika F0 > Fα (ν1; ν2)
4. Membuat Analisis Varians dalam Tabel ANOVA
Analisis varians merupakan suatu metode untuk menguraikan keragaman
total data menjadi komponen-komponen yang mengukur berbagai sumber
keragaman. Terdapat dua perhitungan untuk ANOVA satu arah yaitu
ANOVA jumlah sampel sama banyak dan ANOVA jumlah sampel tidak
sama banyak. Berikut adalah tabel 2.1 ANOVA jumlah sampel sama banyak
(Walpole, 1995).
Tabel 2.1 ANOVA Jumlah Sampel Sama Banyak
Sumber Jumlah Derajat
Rata-rata Kuadrat F0
Varians Kuadrat Bebas
Rata-Rata
JKK k–1
Kolom
Error JKE k (n – 1)
Total JKT nk – 1
Berdasarkan tabel 2.1 diatas, diketahui terdapat beberapa rumus untuk
menyelesaikan perhitungan manual pada uji ANOVA satu arah untuk jumlah
sampel sama banyak. Perhitungan manual dilakukan sendiri dengan
 menggunakan bantuan kalkulator. Berikut adalah perhitungan yang dilakukan
pada ANOVA satu arah untuk jumlah sampel sama banyak.

JKE = JKT – JKK (2.3)

Analisis varians atau metode untuk menguraikan keragaman total data
selanjutnya adalah analisis varians pada ANOVA satu arah untuk jumlah
sampel tidak sama banyak. Berikut adalah tabel 2.2 ANOVA jumlah sampel
tidak sama banyak.
Tabel 2.2 ANOVA Jumlah Sampel Tidak Sama Banyak
Jumlah Rata-rata
Sumber Varians Derajat Bebas F0
Kuadrat Kuadrat
Rata-Rata
JKK k–1
Kolom
Error JKE N–k
Total JKT N–1
Berdasarkan tabel 2.2 diatas, diketahui terdapat beberapa rumus untuk
menyelesaikan perhitungan manual pada uji ANOVA satu arah untuk jumlah
sampel tidak sama banyak. Perhitungan manual dilakukan sendiri dengan
menggunakan bantuan kalkulator. Berikut adalah perhitungan yang dilakukan
pada ANOVA satu arah untuk jumlah sampel tidak sama banyak.

JKE = JKT – JKK (2.6)

5. Membuat Kesimpulan
Kesimpulan adalah penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis nol sesuai dengan kriteria pengujiannya dengan cara
membandingkan nilai F tabel dengan nilai uji statistik atau F hitung (Hasan,
2002).
 BAB III
PEMBAHASAN DAN ANALISIS

3.1 Studi Kasus

Studi kasus merupakan metode penyelidikan suatu peristiwa dengan melalui
tahapan-tahapan pengamatan untuk mengidentifikasi berbagai masalah dari suatu
persoalan. Studi kasus dalam penelitian modul ANOVA satu arah kali ini yaitu
mengenai penelitian PT Rhapsody perusahaan di bidang industri manufaktur yang
memproduksi ban sepeda motor dalam pelaksanaan kegiatan promosi produk
yakni banyaknya frekuensi promosi yang dilakukan di lima wilayah berbeda
(Jakarta, Bogor, Depok, Bekasi, dan Tangerang) selama 12 bulan dengan jumlah
sampel terbagi menjadi dua yaitu sampel sama banyak dan sampel tidak sama
banyak. Perusahaan melakukan pengamatan dan penelitian untuk mengetahui
apakah terdapat perbedaan rata-rata atau keseragaman frekuensi promosi di lima
wilayah yang berbeda. Berikut merupakan studi kasus dari jumlah sampel sama
banyak dan jumlah sampel tidak sama banyak.

3.1.1 Studi Kasus Jumlah Sampel Sama Banyak

PT. Rhapsody merupakan perusahaan manufaktur yang memproduksi ban
sepeda motor. Perusahaan melakukan pengambilan data secara berkala terhadap
rata-rata frekuensi promosi yang berada di lima wilayah berbeda yaitu Jakarta,
Bogor, Depok, Bekasi dan Tangerang yang dilakukan selama 12 bulan. Pengujian
dilakukan setelah pengambilan data untuk mengetahui ada atau tidaknya
perbedaan rata-rata secara signifikan antara frekuensi promosi selama 12 bulan
terakhir terhadap kelima wilayah tersebut. Berikut adalah data jumlah sampel
sama banyak yang diperoleh.
Tabel 3.1 Data Pengamatan Jumlah Sampel Sama Banyak
Wilayah Promosi
Bulan Ke-
Jakarta Bogor Depok Bekasi Tangerang
1 7 10 6 8 5
2 5 8 5 7 10
3 6 10 7 4 8
4 5 5 8 6 10
5 8 9 9 7 10
 Tabel 3.1 Data Pengamatan Jumlah Sampel Sama Banyak (Lanjutan)
Wilayah Promosi
Bulan Ke-
Jakarta Bogor Depok Bekasi Tangerang
6 10 7 8 10 5
7 9 6 7 9 6
8 4 6 9 5 7
9 6 6 10 9 4
10 8 7 4 8 6
11 10 4 6 6 9
12 7 5 6 5 6
Total 85 83 85 84 86
Tabel data pengamatan di atas berisikan hasil penelitian yang telah
dilakukan oleh perusahaan menggunakan ANOVA satu arah dengan
menggunakan nilai taraf nyata sebesar 5% untuk mengetahui rata-rata frekuensi
promosi dari kelima lokasi promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan
Tangerang selama 12 bulan secara berkala adalah sama atau tidak sama pada
jumlah sampel sama banyak.

3.1.2 Studi Kasus Jumlah Sampel Tidak Sama Banyak

PT. Rhapsody merupakan perusahaan manufaktur yang memproduksi ban
sepeda motor. Perusahaan melakukan pengambilan data terhadap rata-rata
frekuensi promosi yang berada di lima wilayah berbeda yaitu Jakarta, Bogor,
Depok, Bekasi, dan Tangerang yang dilakukan selama 12 bulan. Namun,
pengambilan data kali ini tidak dilakukan secara berkala dikarenakan terdapat
beberapa kendala dalam pelaksanaan pengambilan data, salah satunya adalah
kurangnya waktu untuk pengambilan data dikarenakan terdapat beberapa wilayah
promosi yang tidak dapat dijangkau oleh peneliti. Pengujian dilakukan setelah
pengambilan data untuk mengetahui ada atau tidaknya perbedaan rata-rata secara
signifikan antara frekuensi promosi selama 12 bulan terakhir terhadap kelima
wilayah tersebut. Berikut adalah data yang diperoleh.
Tabel 3.2 Data Pengamatan Jumlah Sampel Tidak Sama Banyak
Wilayah Promosi
Bulan Ke-
Jakarta Bogor Depok Bekasi Tangerang
1 5 8 6 9 8
2 9 9 - 6 10
3 8 7 8 7 9
4 8 6 10 10 6
5 7 - 7 8 7
6 6 - 4 5 8
 Tabel 3.2 Data Pengamatan Jumlah Sampel Tidak Sama Banyak (Lanjutan)
Wilayah Promosi
Bulan Ke-
Jakarta Bogor Depok Bekasi Tangerang
7 10 10 7 8 7
8 - 7 9 - 9
9 7 9 8 7 8
10 4 8 4 9 -
11 6 10 6 7 -
12 5 - 5 - -
Total 75 74 74 76 72
Tabel data pengamatan di atas berisikan hasil penelitian yang telah
dilakukan oleh perusahaan menggunakan ANOVA satu arah dengan
menggunakan nilai taraf nyata sebesar 5% untuk mengetahui rata-rata frekuensi
promosi dari kelima lokasi promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan
Tangerang selama 12 bulan secara berkala adalah sama atau tidak sama pada
jumlah sampel tidak sama banyak.

3.2 Pengujian dan Pengolahan Data

Pengujian data adalah proses identifikasi bisa atau tidaknya data untuk
digunakan disebuah perhitungan. Pengujian data bertujuan untuk mengetahui
seberapa akurat data tersebut dan pengolahan data merupakan kegiatan
pengumpulan dan perhitungan data, sehingga nilai suatu data yang diproses akan
menghasilkan suatu informasi yang bermanfaat.
Penelitian ANOVA satu arah kali ini akan menggunakan dua metode, yaitu
metode perhitungan manual dan pengolahan software SPSS 22. Berikut adalah
pengujian dan pengolahan data anova satu arah sampel sama banyak dan anova
satu arah sampel tidak sama banyak.

3.2.1 Pengujian Data

Pengujian data adalah proses identifikasi bisa atau tidaknya data untuk
digunakan disebuah perhitungan. Pengujian data bertujuan untuk mengetahui
seberapa akurat data tersebut. Pengujian data yang dilakukan pada data jumlah
sampel sama banyak dan data jumlah sampel tidak sama banyak menggunakan uji
normalitas dan homogenitas.
 Uji normalitas adalah suatu prosedur yang digunakan untuk mengetahui
apakah data berasal dari populasi yang terdistribusi normal atau berada dalam
sebaran normal. Uji normalitas dalam penelitian ini menggunakan uji
Kolmogorov-smirnov diolah dengan SPSS 22. Metode uji Kolmogorov-smirnov
adalah salah satu dari uji kesesuaian yang dapat diadopsi untuk menguji
normalitas ketika mean dan variansinya ditentukan (Melbourne, 2014).
Metode Kolmogorov-smirnov dikemukakan oleh Andrey Kolmogorov dan
Nikolai Smirnov yang merupakan dua matematikawan asal Rusia pada tahun
1939. Uji Kolmogorov-smirnov digunakan untuk menguji apakah distribusi
sampel yang teramati sesuai dengan distribusi teoritis tertentu atau tidak. Uji
Kolmogorov-smirnov beranggapan bahwa distribusi data yang diuji bersifat
kontinyu dan sampel dari populasi secara acak.
Uji homogenitas adalah suatu prosedur uji statistik yang dimaksudkan untuk
memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi
yang memiliki variansi yang sama. Dapat dikatakan bahwa uji homogenitas
bertujuan untuk mencari tahu apakah dari beberapa kelompok data penelitian
memiliki varians yang sama atau tidak. Maka dari itu, homogenitas berarti
himpunan data yang diteliti memiliki karakteristik yang sama.
1. Pengujian Data Jumlah Sampel Sama Banyak
Pengujian data jumlah sampel sama banyak adalah data yang diambil dari
setiap sampel dan populasi yang jumlah atau ukurannya sama banyak.
Berikut merupakan pengujian data jumlah sampel sama banyak dengan
pengambilan data sebanyak 60 data menggunakan uji normalitas dan uji
homogenitas dalam software SPSS 22. Uji normalitas dengan menggunakan
software SPSS 22 dapat dilakukan dengan uji kolmogorov-smirnov dan uji
shapiro-wilk. Uji normalitas kolmogorov-smirnov digunakan ketika data
penelitian berjumlah lebih dari 50 sampel, sedangkan uji shapiro-wilk
digunakan ketika jumlah data penelitian kurang dari 50 sampel. Terdapat 60
sampel dalam jumlah sampel sama banyak, maka digunakan uji normalitas
kolmogorov-smirnov. Data tersebut diuji menggunakan software SPSS
untuk diujikan kelayakannya. Uji kelayakan tersebut harus memenuhi syarat,
dimana nilai significant data tersebut harus di atas 0,05. Berikut merupakan
hasil output SPSS dari uji normalitas.

Gambar 3.1 Output Test of Normality

Hasil output dari uji normalitas yang digunakan untuk jumlah sampel sama
banyak adalah Kolmogorov-Smirnov yang menunjukkan tiga data yaitu
statistic, df, dan sig. Nilai pada kolom statistic merupakan nilai statistik dari
uji normalitas. Semakin besar nilai statistic, maka semakin kecil nilai
normalitasnya. Jumlah data statistic untuk wilayah promosi pada tabel
output uji normalitas di atas, didapatkan nilai statistic untuk Jakarta sebesar
0,125, nilai statistic untuk Bogor sebesar 0,179, nilai statistic untuk Depok
sebesar 0,145, nilai statistic untuk Bekasi sebesar 0,121, dan nilai statistic
untuk Tangerang sebesar 0,205. Nilai df (degrees of freedom) yang
ditampilkan pada tabel menunjukkan banyaknya ukuran jumlah data (N)
dari setiap kelompok, untuk nilai df setiap faktor pada variabel wilayah
promosi masing-masing yaitu 12. Nilai signifikansi (p) suatu data, dapat
dilihat pada bagian sig. atau signifikansi. Berdasarkan kriteria pengujian jika
nilai sig. > 0,05, maka data berdistribusi normal dan jika nilai sig. ≤ 0,05,
maka data tidak berdistribusi normal. Berdasarkan data yang diuji, dapat
diketahui bahwa masing-masing nilai signifikansi (p) yang diperoleh adalah
Jakarta memiliki nilai signifikansi sebesar 0,200, Bogor memiliki nilai
signifikansi sebesar 0,200, Depok memiliki nilai signifikansi sebesar 0,200,
Bekasi memiliki nilai signifikansi sebesar 0,200, dan Tangerang memiliki
nilai signifikansi sebesar 0,176 (p > 0.05) dengan hasil lebih dari 0,05 dapat
disimpulkan bahwa data terdistribusi normal sehingga layak untuk
digunakan karena memenuhi asumsi normalitas. Selanjutnya adalah uji
homogenitas, berikut merupakan hasil output SPSS dari uji homogenitas.
 Gambar 3.2 Output Test of Homogeneity of Variance
Uji homogenitas digunakan sebagai bahan acuan untuk menentukan
keputusan uji statistik. Widiyanto (2010) mengatakan bahwa dasar atau
pedoman pengambilan keputusan dalam uji homogenitas adalah jika nilai
signifikan atau sig. < 0,05, maka dikatakan bahwa varians dari dua atau
lebih kelompok populasi data adalah tidak sama (tidak homogen),
sedangkan jika nilai signifikan atau sig. > 0,05, maka dikatakan bahwa
varians dari dua atau lebih kelompok populasi data adalah sama (homogen).
Nilai yang akan digunakan yaitu hanya nilai based on mean, sebab pada
penelitian ini bertujuan untuk menghitung rata-rata dari data. Pengujian
jumlah sampel sama banyak yang digunakan adalah levene statistic. Levene
statistic digunakan untuk mengetahui perbedaan antara dua kelompok data
dengan varians yang berbeda. Diperoleh dari hasil tabel uji homogenitas di
atas, didapatkan nilai levene statistic based on mean sebesar 0,312. Jika
nilai levene statistic semakin besar, maka semakin kecil nilai
homogenitasnya. Kolom df1 merupakan derajat kebebasan pertama atau
jumlah variabel dikurangi 1, pada wilayah promosi dengan jumlah variabel
5 didapatkan nilai df1 sebesar 4 (5 – 1 = 4). Kolom df2 merupakan derajat
kebebasan kedua yang mana jumlah sampel dikurangi jumlah variabel,
didapatkan nilai df2 sebesar 55 (60 – 5 = 55). Diperoleh dari hasil tabel uji
homogenitas di atas, dapat diketahui bahwa nilai signifikansi pada kelima
wilayah promosi based on mean adalah 0,869 (sig. > 0,05), maka dapat
dikatakan bahwa varians dari dua atau lebih kelompok populasi data adalah
sama (homogen).
2. Pengujian Data Jumlah Sampel Tidak Sama Banyak
Pengujian data jumlah sampel tidak sama banyak adalah data yang diambil
dari setiap sampel atau populasi jumlah atau ukurannya tidak sama banyak.
Berikut merupakan pengujian data jumlah sampel tidak sama banyak
menggunakan uji normalitas dan uji homogenitas dalam software SPSS 22.
Berikut merupakan hasil output SPSS dari uji normalitas.

Gambar 3.3 Output Test of Normality

Banyaknya data yang digunakan untuk pengujian data jumlah sampel tidak
sama banyak yaitu 50 data, dan pada pengujian ini nilai signifikansi yang
digunakan yaitu Shapiro-wilk. Hasil output dari uji normalitas Shapiro-wilk
menunjukkan tiga data, yaitu statistic, df, dan sig. Nilai pada kolom statistic
merupakan nilai statistik dari uji normalitas. Semakin besar nilai statistic,
maka semakin kecil nilai normalitasnya. Jumlah data statistic untuk wilayah
promosi pada tabel output uji normalitas di atas, didapatkan nilai statistic
untuk Jakarta sebesar 0,973, nilai statistic untuk Bogor sebesar 0,938, nilai
statistic untuk Depok sebesar 0,959, nilai statistic untuk Bekasi sebesar
0,969, dan nilai statistic untuk Tangerang sebesar 0,963. Nilai df (degrees of
freedom) yang ditampilkan pada tabel menunjukkan banyaknya ukuran
jumlah data (N) dari setiap kelompok, untuk nilai df kelima wilayah
promosi yaitu 11, 9, 11, 10, dan 9. Nilai signifikansi (p) suatu data, dapat
dilihat pada bagian sig. atau signifikansi. Berdasarkan kriteria pengujian jika
nilai sig. > 0,05, maka data berdistribusi normal dan jika nilai sig. ≤ 0,05,
maka data tidak berdistribusi normal. Berdasarkan data yang diuji, dapat
diketahui bahwa masing-masing nilai signifikansi (p) yang diperoleh adalah
Jakarta memiliki nilai signifikansi sebesar 0,914, Bogor memiliki nilai
signifikansi sebesar 0,557, Depok memiliki nilai signifikansi sebesar 0,763,
Bekasi memiliki nilai signifikansi sebesar 0,886, dan Tangerang memiliki
nilai signifikansi sebesar 0,830 (p > 0.05) dengan hasil lebih dari 0,05 dapat
disimpulkan bahwa data terdistribusi normal sehingga layak untuk
digunakan karena memenuhi asumsi normalitas. Selanjutnya adalah uji
homogenitas, berikut merupakan hasil output SPSS dari uji homogenitas.

Gambar 3.4 Output Test of Homogeneity of Variance

Uji homogenitas digunakan sebagai bahan acuan untuk menentukan

keputusan uji statistik. Menurut (Widiyanto, 2010:51) dasar atau pedoman
pengambilan keputusan dalam uji homogenitas adalah jika nilai signifikan
atau sig. < 0,05, maka dikatakan bahwa varians dari dua atau lebih
kelompok populasi data adalah tidak sama (tidak homogen), sedangkan jika
nilai signifikan atau sig. > 0,05, maka dikatakan bahwa varians dari dua atau
lebih kelompok populasi data adalah sama (homogen). Pengujian jumlah
sampel tidak sama banyak yang digunakan adalah levene statistic. Levene
statistic digunakan untuk mengetahui perbedaan antara dua kelompok data
dengan varians yang berbeda. Diperoleh dari hasil tabel uji homogenitas di
atas, didapatkan nilai levene statistic pada based on mean sebesar 0,930.
Jika nilai levene statistic semakin besar, maka semakin kecil nilai
homogenitasnya. Nilai yang akan digunakan yaitu hanya nilai based on
mean, sebab pada penelitian ini bertujuan untuk menghitung rata-rata dari
data. Kolom df1 merupakan derajat kebebasan pertama atau jumlah variabel
dikurangi 1, pada wilayah promosi dengan jumlah variabel 5 didapatkan
nilai df1 sebesar 4 (5 – 1 = 4). Kolom df2 merupakan derajat kebebasan
kedua yang mana jumlah sampel dikurangi jumlah variabel, didapatkan nilai
df2 sebesar 45 (50 – 5 = 55). Diperoleh dari hasil tabel uji homogenitas di
atas, dapat diketahui bahwa nilai signifikansi pada kelima wilayah promosi
based on mean adalah 0,455 (sig. > 0,05), maka dapat dikatakan bahwa
varians dari dua atau lebih kelompok populasi data adalah sama (homogen).
3.2.2 Perhitungan Manual
Perhitungan manual merupakan suatu metode perhitungan dengan proses
bertahap yang digunakan untuk menghitung suatu data dalam bentuk manual guna
mendapatkan hasil yang jelas. Perhitungan manual dapat dilakukan secara sendiri
ataupun dengan adanya bantuan berupa kalkulator. Pada perhitungan manual
dibutuhkan ketelitian karena banyaknya data yang harus diolah. Berikut ini
perhitungan untuk menguji varians dari kelima lokasi promosi yaitu, Jakarta,
Bogor, Depok, Bekasi dan Tangerang terhadap frekuensi promosi dengan jumlah
sampel sama banyak dan perhitungan manual jumlah sampel tidak sama banyak.
1. Perhitungan Manual Jumlah Sampel Sama Banyak
Perhitungan manual untuk jumlah sampel sama banyak adalah bentuk
pengolahan data mengenai sebaran nilai rata-rata frekuensi promosi dalam
jumlah data yang sama banyak selama 12 bulan dengan pengambilan data
yang dipilih secara acak. Perhitungan manual ini dilakukan untuk
mengetahui apakah terdapat perbedaan yang signifikan antara kelima
lokasi promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan Tangerang.
Masing-masing lokasi tersebut dimisalkan dengan abjad. Lokasi promosi
Jakarta dimisalkan dengan A, Bogor dimisalkan dengan B, Depok
dimisalkan dengan C, Bekasi dimisalkan dengan D, dan Tangerang
dimisalkan dengan E. Berikut ini adalah perhitungan manual jumlah data
sama banyak pada PT Rhapsody.
Tabel 3.3 Data Perhitungan Manual Jumlah Sampel Sama Banyak
Bulan
A2 B2 C2 D2 E2
Ke-
1 49 100 36 64 25
2 25 64 25 49 100
3 36 100 49 16 64
4 25 25 64 36 100
5 64 81 81 49 100
6 100 49 64 100 25
7 81 36 49 81 36
8 16 36 81 25 49
9 36 36 100 81 16
10 64 49 16 64 36
11 100 16 36 36 81
12 49 25 36 25 36
Total 645 617 637 626 668
a. Formulasi Hipotesis
Hipotesis merupakan asumsi atau pernyataan yang mungkin benar atau
salah mengenai suatu populasi. Pengujian hipotesis bermaksud untuk
mengetahui apakah suatu hipotesis yang diajukan diterima atau ditolak.
Formulasi hipotesis terbagi menjadi dua yaitu, hipotesis nol (H0) yaitu,
suatu pernyataan yang akan diuji dan hipotesis alternatif (H1) yaitu,
tandingan dari hipotesis nol (Hasan, 2002).
H0: Rata-rata frekuensi promosi dari kelima wilayah promosi yaitu,
Jakarta, Bogor, Depok, Bekasi, dan Tangerang selama 12 bulan
adalah sama.
H1: Sekurang-kurangnya terdapat satu rata-rata frekuensi promosi dari
kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan
Tangerang selama 12 bulan adalah tidak sama.
b. Taraf nyata ( ) dan nilai F tabel
Taraf nyata merupakan besarnya batas toleransi dalam menampung
kesalahan hasil hipotesis dinyatakan dalam signifikan dari output SPSS.
Taraf nyata digunakan untuk menentukan daerah pengujian. Taraf nyata
( ) ditentukan dengan derajat pembilang (v1) dan derajat penyebut (v2).
Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula
penolakan hipotesis nol (H0) atau hipotesis yang diuji, padahal hipotesis
nol benar (Hasan, 2002).
= 5% = 0,05 dengan:
v1 = k – 1 v2 = k (n – 1)
v1 = 5 – 1 v2 = 5 (12 – 1)
v1 = 4 v2 = 55
Nilai v2 sebesar 55 tidak tercantum pada nilai kritis distribusi F, maka
untuk mencari nilai F tabel digunakan rumus interpolasi. Berikut
merupakan perhitungannya.
F(0,05; 4, 55) = y
 y = 2,61 + (0,75) (-0,08)
y = 2,61 – 0,06
y = 2,55
c. Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan ketika
menerima atau menolak H0 yang merupakan hasil dari ada atau tidak
adanya pengaruh antara variabel dengan cara membandingkan nilai F
tabel dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya
(Hasan, 2002).
H0 diterima apabila F0 2,55
H0 ditolak apabila F0 > 2,55
d. Analisis Varians
Analisis varians merupakan teknik statistika parametik yang digunakan
untuk melakukan analisis komparasi dengan menguji perbedaan
beberapa kelompok rata-rata dengan hanya ada satu variabel
(Widiyanto, 2013).
n = 12 k=5
n1 = 12 T1 = 85
n2 = 12 T2 = 83
n3 = 12 T3 = 85
n4 = 12 T4 = 84
n5 = 12 T5 = 86
N = 60 T = 423
Menentukan jumlah kuadrat gabungan ( )
 = 210,850

JKE = JKT – JKK

= 210,850 – 0,433
= 210,417
dbk = k – 1 dbe = k (n – 1)
=5–1 = 5 (12 – 1)
=4 = 55
 Tabel 3.4 Tabel ANOVA Jumlah Sampel Sama Banyak
Sumber Jumlah Derajat Rata-rata
F0
Varians Kuadrat Bebas Kuadrat
Rata-rata
0,433 4 0,108
kolom
0,028
Error 210,417 55 3,826
Total 210,850 59
e. Kesimpulan
Kesimpulan merupakan penetapan keputusan dalam hal penerimaan
atau penolakan hipotesis nol sesuai dengan kriteria pengujiannya.
Berdasarkan hasil dari perhitungan manual jumlah sampel sama banyak
yaitu, nilai dari F0 yang didapat kurang dari nilai F tabel yang sebesar
2,55 (F0 = 0,028 Ftabel = 2,55) maka H0 diterima. Hal ini
menunjukkan bahwa rata-rata jumlah hasil produksi dari kelima
wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan Tangerang
selama 12 bulan adalah sama (Hasan, 2002).
2. Perhitungan Manual Jumlah Sampel Tidak Sama Banyak
Perhitungan manual untuk jumlah sampel tidak sama banyak adalah
bentuk pengolahan data mengenai sebaran nilai rata-rata frekuensi promosi
dalam jumlah data yang tidak sama banyak selama 12 bulan dengan
pengambilan data yang dipilih secara acak. Perhitungan manual ini
dilakukan untuk mengetahui apakah terdapat perbedaan yang signifikan
antara kelima lokasi promosi yaitu, Jakarta, Bogor, Depok, Tangerang dan
Bekasi. Masing-masing lokasi tersebut dimisalkan dengan abjad. Lokasi
promosi Jakarta dimisalkan dengan A, Bogor dimisalkan dengan B, Depok
dimisalkan dengan C, Bekasi dimisalkan dengan D, dan Tangerang
dimisalkan dengan E. Berikut ini adalah perhitungan manual jumlah data
tidak sama banyak pada PT Rhapsody.
 Tabel 3.5 Data Perhitungan Manual Jumlah Sampel Tidak Sama Banyak
Bulan
A2 B2 C2 D2 E2
Ke-
1 25 - 36 81 64
2 81 81 64 - 100
3 64 49 100 49 -
4 64 36 49 100 36
5 49 100 16 64 -
6 - 49 49 25 64
7 100 81 81 36 49
8 49 64 - 49 81
9 16 - 64 81 64
10 36 64 16 49 -
11 25 100 36 - 49
12 36 - 25 64 81
Total 545 624 536 598 588
a. Formulasi Hipotesis
Hipotesis merupakan asumsi atau pernyataan yang mungkin benar atau
salah mengenai suatu populasi. Pengujian hipotesis bermaksud untuk
mengetahui apakah suatu hipotesis yang diajukan diterima atau ditolak.
Formulasi hipotesis terbagi menjadi dua yaitu, hipotesis nol (H0) yaitu,
suatu pernyataan yang akan diuji dan hipotesis alternatif (H1) yaitu,
tandingan dari hipotesis nol (Hasan, 2002).
H0: Rata-rata frekuensi promosi dari kelima wilayah promosi yaitu,
Jakarta, Bogor, Depok, Bekasi, dan Tangerang selama 12 bulan
adalah sama.
H1: Sekurang-kurangnya terdapat satu rata-rata frekuensi promosi dari
kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan
Tangerang selama 12 bulan adalah tidak sama.
b. Taraf nyata ( ) dan nilai F tabel
Taraf nyata merupakan besarnya batas toleransi dalam menampung
kesalahan hasil hipotesis terhadap nilai parameter populasinya,
dinyatakan dalam signifikan dari output SPSS. Taraf nyata digunakan
untuk menentukan daerah pengujian. Taraf nyata ( ) ditentukan dengan
derajat pembilang (v1) dan derajat penyebut (v2). Semakin tinggi taraf
nyata yang digunakan, semakin tinggi pula penolakan hipotesis nol (H0)
atau hipotesis yang diuji, padahal hipotesis nol benar (Hasan, 2002).
 = 5% = 0,05 dengan:
v1 = k – 1 v2 = N – k
v1 = 5 – 1 v2 = 50 – 5
v1 = 4 v2 = 45
Nilai v2 sebesar 45 tidak tercantum pada nilai kritis distribusi F, maka
untuk mencari nilai F tabel digunakan rumus interpolasi. Berikut
merupakan perhitungannya.
F(0,05; 4, 45) = y

y = 2,61 + (0,25) (-0,08)

y = 2,61 – 0,02
y = 2,59
c. Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan ketika
menerima atau menolak H0 yang merupakan hasil dari ada atau tidak
adanya pengaruh antara variabel dengan cara membandingkan nilai F
tabel dengan nilai uji statistiknya, sesuai dengan bentuk pengujiannya
(Hasan, 2002).
H0 diterima apabila F0 2,59
H0 ditolak apabila F0 > 2,59
d. Analisis Varians
Analisis varians merupakan teknik statistika parametrik yang digunakan
untuk melakukan analisis komparasi dengan menguji perbedaan
beberapa kelompok rata-rata dengan hanya ada satu variabel
(Widiyanto, 2013).
k=5
n1 = 11 T1 = 75
n2 = 9 T2 = 74
n3 = 11 T3 = 74
n4 = 10 T4 = 76
n5 = 9 T5 = 72
N = 50 T = 371

= 138,180

JKE = JKT – JKK

= 138,180 – 18,406
= 119,774
 dbk = k – 1 dbe = N – k
=5–1 = 50 – 5
=4 = 45

= 1,729
Tabel 3.6 Tabel ANOVA Jumlah Sampel Tidak Sama Banyak
Sumber Jumlah Derajat Rata-rata
F0
Varians Kuadrat Bebas Kuadrat
Rata-rata
18,406 4 4,602
kolom
1,729
Error 119,774 45 2,662
Total 138,180 49
e. Kesimpulan
Kesimpulan adalah penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis nol sesuai dengan kriteria pengujiannya.
Berdasarkan hasil dari perhitungan manual jumlah sampel tidak sama
banyak yaitu, nilai dari F0 yang didapat kurang dari nilai F tabel yang
sebesar 2,59 (F0 = 1,729 Ftabel = 2,59) maka H0 diterima. Hal ini
menunjukkan bahwa rata-rata jumlah hasil produksi dari kelima
wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan Tangerang
selama 12 bulan adalah sama (Hasan, 2002).

3.2.3 Pengolahan Software

Pengolahan software adalah pengolahan data yang dilakukan menggunakan
software. Salah satu software yang bisa digunakan untuk mengolah data dan
menganalisis data, yaitu SPSS (Statistical Package for the Social Sciences).
Software yang digunakan untuk mengolah data, yaitu SPSS 22. Berikut langkah-
langkah penggunaan SPSS 22 dalam pengolahan data (IBM, 2018).
1. Pengolahan Software Jumlah Sampel Sama Banyak
Pada pengolahan software jumlah sampel sama banyak terdapat langkah-
langkah yang harus diperhatikan dalam penggunaan SPSS 22 untuk
ANOVA satu arah. Berikut adalah langkah-langkah pengolahan software
untuk jumlah sampel sama banyak. Langkah pertama yang harus dilakukan
adalah membuka software SPSS 22 untuk mulai melakukan input data,
kemudian pilih lembar variable view di bagian bawah kiri tabel SPSS. Lalu
isi kolom pada tabel name baris pertama dengan faktor yaitu
“Wilayah_Promosi” dan baris kedua dengan variabel yaitu
“Frekuensi_Promosi”. Lalu mengubah nilai decimals menjadi 0 dan pilih
scale pada kolom measure. Berikut adalah gambar 3.5 variable view.

Gambar 3.5 Variable View Sampel Sama Banyak

Langkah kedua yaitu mengklik values pada faktor (wilayah promosi) untuk
mengisi value dengan keterangan angka (1, 2, 3, 4, 5) dan pada label dengan
keterangan faktor (Jakarta, Bogor, Depok, Bekasi, dan Tangerang) secara
urut. Berikut adalah gambar 3.6 value labels.

Gambar 3.6 Value Labels Sampel Sama Banyak

Langkah ketiga, kembali ke lembar data view yang berada di bawah kiri
tabel kemudian memasukkan 60 data pada kolom yang sesuai variabel
wilayah promosi dan frekuensi promosi dalam kategori ANOVA sama
banyak. Berikut adalah tampilannya.
 Gambar 3.7 Data View Sampel Sama Banyak
Langkah keempat yaitu memilih analyze lalu compare mean kemudian one-
way ANOVA untuk melakukan uji ANOVA satu arah. Berikut adalah
tampilannya.

Gambar 3.8 Analayze-Compare Means-One-Way ANOVA Sampel Sama Banyak

Langkah kelima, memindahkan variabel yang akan dihitung ke sebelah
kanan dengan wilayah promosi ke dalam factor dan frekuensi promosi ke
dalam depedent list. Berikut adalah tampilannya.

Gambar 3.9 One-Way ANOVA Sampel Sama Banyak

Langkah keenam, setelah memilih menu options dalam one-way ANOVA,
mencentang descriptive dalam statistics, means plot, dan exclude cases
listwise dalam missing values. Berikut adalah tampilannya.
 Gambar 3.10 One-Way ANOVA: Options Sampel Sama Banyak
Langkah ketujuh, setelah memilih menu post hoc multiple comparisons
dalam one-way ANOVA, mencentang bonferroni dan tukey dalam equal
variances assumed, dan mengisi 0,05 dalam significance level. Setelah itu
mengeklik Continue, lalu mengeklik OK Berikut adalah tampilannya.

Gambar 3.11 One-Way ANOVA: Post Hoc Multiple Comparisons Sampel Sama
Banyak
Output pertama yaitu descriptives yang menunjukan jumlah data (N), mean,
std. deviation, std. error, 95% confidence interval for mean yang berisi
lower bound (batas bawah), upper bound (batas atas), nilai minimum dan
nilai maximum dari data hasil pengamatan selama 12 bulan untuk jumlah
sampel sama banyak. Berikut adalah gambar 3.12 output descriptives.

Gambar 3.12 Output Descriptives Sampel Sama Banyak

Output kedua yaitu output ANOVA jumlah sampel sama banyak, dimana
output ini merupakan hasil jumlah kuadrat kolom (JKK), jumlah kuadrat
error (JKE), jumlah kuadrat total (JKT), derajat bebas (df), rata-rata kuadrat,
hasil dari F hitung, dan signifikansi. Berikut adalah gambar 3.13 output
ANOVA.

Gambar 3.13 Output ANOVA Sampel Sama Banyak

Output ketiga yaitu output multiple comparisons yang digunakan untuk
membandingkan dua data dari populasi sampel yang jumlahnya sama.
Output ini menjelaskan tentang perbedaan hasil antara metode tukey HSD
dengan bonferroni untuk mean difference (I-J), std. error, sig., lower bound
dan upper bound dalam 95% cofidence interval. Berikut adalah gambar 3.14
output multiple comparisons.

Gambar 3.14 Multiple Comparisons Sampel Sama Banyak

 Output keempat yaitu homogeneous subsets yang menjelaskan apakah
varian antar kelompok bersifat homogen atau tidak. Subsets 1 terdapat data
wilayah promosi dari Jakarta, Bogor, Depok, Bekasi, dan Tangerang. Dan
subsets 2 terdapat nilai N atau jumlah dari data itu sendiri. Berikut adalah
gambar 3.15 output homogeneous subsets.

Gambar 3.15 Homogeneous Subsets Sampel Sama Banyak

2. Pengolahan Software Jumlah Sampel Tidak Sama Banyak

Pengolahan data pada zaman sekarang dipermudah dengan adanya software.
Sama halnya dengan menganalisis data, baik itu data kualitatif maupun data
kuantitatif. Salah satu software yang bisa digunakan untuk mengolah data
dan menganalisis data, yaitu SPSS (Statistical Package for the Social
Sciences). Software yang digunakan untuk mengolah data, yaitu SPSS 22.
Berikut langkah-langkah penggunaan SPSS 22 dalam pengolahan data.
(IBM, 2018)
Langkah pertama, Membuka software IBM SPSS Statistics 22, lalu
mengklik “variable view” pada pojok kiri bawah lalu menuliskan variabel
bebas dan faktornya yaitu “Wilayah_Promosi” dan “Frekuensi_Promosi”.
Mengubah nilai decimals dari 2 menjadi 0 serta measure diubah menjadi
scale. Berikut adalah Gambar 3.16 input data tabel.

Gambar 3.16 Variable View Sampel Tidak Sama Banyak

Langkah kedua, mengeklik values pada variabel X (wilayah promosi) untuk
mengisi value dengan keterangan (1, 2, 3, 4, 5) dan label dengan keterangan
(Jakarta, Bogor, Depok, Bekasi, dan Tangerang) secara urut. Berikut adalah
tampilannya.
 Gambar 3.17 Value Labels Sampel Tidak Sama Banyak
Langkah ketiga, kembali ke lembar data view yang berada di bawah kiri
tabel kemudian memasukkan 50 data pada kolom yang sesuai variabel
wilayah promosi dan frekuensi promosi dalam kategori ANOVA sama
banyak. Berikut adalah tampilannya.

Gambar 3.18 Data View Sampel Tidak Sama Banyak

Langkah keempat, melakukan uji normalitas antara variabel wilayah
promosi dan frekuensi promosi dengan memilih analyze pada bagian menu
kemudian memilih compare means dan memilih one-way ANOVA. Berikut
adalah tampilannya.

Gambar 3.19 Analayze-Compare Means-One-Way ANOVA Sampel Tidak Sama

Banyak
Langkah kelima, memindahkan variabel yang akan dihitung ke sebelah
kanan dengan wilayah promosi ke dalam factor dan frekuensi promosi ke
dalam depedent list. Berikut adalah tampilannya.

Gambar 3.20 One-Way ANOVA Sampel Tidak Sama Banyak

Langkah keenam, setelah memilih menu options dalam one-way ANOVA,
mencentang descriptive dalam statistics, means plot, dan exclude cases
listwise dalam missing values. Berikut adalah tampilannya.

Gambar 3.21 One-Way ANOVA: Options Sampel Tidak Sama Banyak

Langkah ketujuh, setelah memilih menu post hoc multiple comparisons
dalam one-way ANOVA, mencentang bonferroni dan tukey dalam equal
variances assumed, dan mengisi 0,05 dalam significance level. Berikut
adalah tampilannya.

Gambar 3.22 One-Way ANOVA: Post Hoc Multiple Comparisons Sampel Tidak Sama
Banyak
Berikut merupakan hasil output descriptives dari one-way hubungan
wilayah promosi dengan frekuensi promosi. Output descriptives
menunjukan perbedaan rata-rata frekuensi promosi dari kelima wilayah
promosi dengan rincian sebagai berikut, rata-rata dari wilayah Jakarta 6,82,
rata-rata dari wilayah Bogor 8,22, rata-rata dari wilayah Depok 6,73, rata-
rata dari wilayah Bekasi 7,60, dan rata-rata dari wilayah Tangerang 8,00.
Dengan demikian, maka secara deskriptif dapat disimpulkan bahwa rata-rata
frekuensi promosi tertinggi adalah dari wilayah Jakarta dan Bogor, yakni
8,22. Berikut merupakan hasil output ANOVA dari one-way hubungan
wilayah promosi dengan frekuensi promosi.

Gambar 3.23 Output Descriptives Sampel Tidak Sama Banyak

Output ANOVA untuk menunjukan sebuah data memiliki rata-rata yang
sama atau berbeda dengan melihat nilai sig. nya. Jika nilai sig. > 0,05, maka
rata-rata data sama sedangkan jika nilai sig. < 0,05, maka rata-rata data
berbeda. Untuk data sama banyak antara wilayah promosi dengan frekuensi
promosi dapat dilihat bahwa hasil sig. nya > 0,05, sehingga dapat
disimpulkan bahwa rata-rata data nya sama secara signifikan. Berikut
merupakan hasil output multiple comparisons dari one-way hubungan
wilayah promosi dengan frekuensi promosi.

Gambar 3.24 Output ANOVA Sampel Tidak Sama Banyak

Output multiple comparisons menjelaskan tentang perbedaan hasil antara
metode tukey HSD dengan bonferroni untuk mean difference (I-J), std.
error, sig., lower bound dan upper bound dalam 95% cofidence interval.
Berikut merupakan hasil output homogeneous subsets dari one-way
hubungan wilayah promosi dengan frekuensi promosi.
 Gambar 3.25 Multiple Comparisons Sampel Tidak Sama Banyak
Output homogeneous subsets pada subsets 1 terdapat data wilayah promosi
dari Jakarta, Bogor, Depok, Bekasi, dan Tangerang artinya rata-rata dari
kelima data tersebut tidak memiliki perbedaan yang signifikan. Hal tersebut
berarti, rata-rata datanya sama.

Gambar 3.26 Homogeneous Subsets Sampel Tidak Sama Banyak

3.3 Analisis
Analisis adalah salah satu proses kegiatan penelitian yang dilakukan terhadap
data yang diperoleh untuk memecahkan suatu permasalahan dengan cara
mengurai, membedakan, dan memilah sesuatu untuk dikelompokkan menurut
kriteria tertentu kemudian diteliti kaitannya dan diuraikan maknanya. Pada
analisis ini akan membahas mengenai analisis perhitungan manual (sampel sama
banyak dan sampel tidak sama banyak), analisis pengolahan software (sampel
sama banyak dan sampel tidak sama banyak), dan analisis perbandingan terkait
hasil dari perhitungan manual dan pengolahan software (sampel sama banyak dan
sampel tidak sama banyak). Berikut ini adalah analisis dari perhitungan manual,
pengolahan software, dan analisis perbandingan.

3.3.1 Analisis Perhitungan Manual

Analisis perhitungan manual adalah perhitungan yang dilaksanakan dengan
alat bantu kalkulator. Perhitungan manual dapat dilakukan bila diawali dengan
menentukan data dari hasil pengamatan yang kemudian diolah dengan ketentuan
rumus dari modul ANOVA satu arah yang diberikan dan dibantu oleh tabel data
perhitungan. Digunakannya alat bantu bertujuan agar lebih teliti dalam melakukan
sebuah perhitungan. Pada perhitungan manual ini, akan dilakukan analisis setelah
jumlah sampel dihitung untuk mengetahui keadaan hipotesis nol (H0), apakah
diterima atau ditolak. Lalu dilakukan perhitungan terhadap nilai jumlah kuadrat
(JKT, JKK, JKE), derajat bebas, rata-rata kuadrat dan dibuat kesimpulan.
1. Analisis Perhitungan Manual Jumlah Sampel Sama Banyak
Analisis perhitungan manual dengan jumlah sampel sama banyak
merupakan pembahasan mengenai nilai yang dihasilkan dari perhitungan
manual sebelumnya. PT Rhapsody ingin mengetahui perhitungan jumlah
sampel sama banyak dengan wilayah promosi untuk mengetahui apakah H0
diterima atau ditolak. Pengujian keabsahan hipotesis perlu dilakukan
sebelum menerima atau menolak sebuah hipotesis. Terlebih dahulu
menentukan formulasi hipotesis nol (H0) yaitu, rata-rata frekuensi promosi
dari kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan
Tangerang selama 12 bulan adalah sama dan hipotesis alternatif (H1) yaitu,
sekurang-kurangnya terdapat satu rata-rata frekuensi promosi dari kelima
wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan Tangerang
selama 12 bulan adalah tidak sama. Taraf nyata merupakan besarnya
toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai parameter
populasinya. Besarnya kesalahan disebut sebagai daerah kritis pengujian
atau daerah penolakan. Menentukan taraf nyata sebagai penentu daerah
pengujian, ditentukan dengan derajat pembilang (v1) dan derajat penyebut
(v2). Berdasarkan perhitungan yang telah dilakukan, nilai derajat pembilang
(v1) untuk menentukan taraf nyata sebesar 4 dan nilai derajat penyebut (v2)
sebesar 55. Semakin tinggi taraf nyata yang digunakan, maka semakin
tinggi pula penolakan hipotesis nol (H0), padahal hipotesis nol bernilai benar.
Nilai = 5% digunakan untuk menentukan nilai distribusi F. Diftribusi F
digunakan untuk menguji rata-rata populasi secara sekaligus, apakah rata-
rata tersebut sama atau tidak, kemudian nilai F diperiksa dalam tabel
statistik untuk melihat apakah signifikan secara statistik. Nilai v2 sebesar 55
tidak tercantum pada nilai kritis distribusi F, maka digunakan rumus
interpolasi untuk mencari nilai F tabel. Interpolasi digunakan untuk
memperkirakan nilai tengah tentang suatu nilai yang diketahui. Berdasarkan
perhitungan interpolasi yang telah dilakukan, ditemukan nilai F tabel yaitu
sebesar 2,55. Penentuan penerimaan hipotesis H0 atau H1 harus memenuhi
kriteria pengujian yaitu, jika F hitung lebih kecil atau sama dengan 2,55,
maka H0 diterima dan H1 ditolak (F0 2,55), sedangkan jika F hitung lebih
besar dengan 2,55, maka H0 ditolak dan H1 diterima (F0 > 2,55). Analisis
varians dilakukan dengan menentukan nilai dari jumlah kuadrat total (JKT),
jumlah kuadrat error (JKE), jumlah kuadrat kolom (JKK), rata-rata kuadrat
kolom (S12), rata-rata kuadrat error (S22), dan F hitung (F0). Berdasarkan
perhitungan yang sudah dilakukan, ditemukan hasil dari jumlah kuadrat
total (JKT) yaitu sebesar 210,850, jumlah kuadrat kolom (JKK) sebesar
0,433, jumlah kuadrat error (JKE) sebesar 210,417. Perhitungan rata-rata
kuadrat dilakukan dengan membagi jumlah kuadrat dengan derajat
kebebasan sesuai dengan variabilitas yang ada. Apabila nilai derajat
kebebasan bernilai tinggi, berarti lebih banyak kekuatan untuk menolak
hipotesis nol dan menemukan hasil yang signifikan. Berdasarkan
perhitungan yang telah dilakukan, dihasilkan rata-rata kuadrat kolom yaitu
sebesar 0,108 dan rata-rata kuadrat error yaitu sebesar 3,826. Setelah
 mendapatkan semua nilai yang diperlukan, maka dilakukan perhitungan
untuk F hitung (F0) dengan melakukan pembagian antara rata-rata kuadrat
kolom dan rata-rata kuadrat error. Berdasarkan perhitungan yang telah
dilakukan, ditemukan hasil dari F0 adalah 0,028. Dilakukan pengambilan
kesimpulan dengan membandingkan antara nilai F0 dengan nilai F tabel.
Dapat disimpulkan bahwa nilai dari F0 yang didapat kurang dari nilai F tabel
yang sebesar 2,55 (F0 = 0,028 Ftabel = 2,55) maka H0 dinyatakan diterima.
Hal ini menunjukkan bahwa rata-rata jumlah frekuensi promosi sama
banyak dari kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi,
dan Tangerang selama 12 bulan adalah sama.
2. Analisis Perhitungan Manual Jumlah Sampel Tidak Sama Banyak
Analisis perhitungan manual dengan jumlah sampel tidak sama banyak
merupakan pembahasan mengenai nilai yang dihasilkan dari perhitungan
manual sebelumnya. PT Rhapsody ingin mengetahui perhitungan jumlah
sampel tidak sama banyak dengan wilayah promosi untuk mengetahui
apakah H0 diterima atau ditolak. Pengujian keabsahan hipotesis perlu
dilakukan sebelum menerima atau menolak sebuah hipotesis. Hipotesis
adalah suatu prosedur yang dilakukan dengan tujuan memutuskan apakah
menerima atau menolak hipotesis mengenai parameter populasi. Terlebih
dahulu menentukan formulasi hipotesis nol (H0) yaitu, rata-rata frekuensi
promosi dari kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi,
dan Tangerang selama 12 bulan adalah sama dan hipotesis alternatif (H1)
yaitu, sekurang-kurangnya terdapat satu rata-rata frekuensi promosi dari
kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan
Tangerang selama 12 bulan adalah tidak sama. Taraf nyata merupakan
besarnya toleransi dalam menerima kesalahan hasil hipotesis terhadap nilai
parameter populasinya. Besarnya kesalahan disebut sebagai daerah kritis
pengujian atau daerah penolakan. Menentukan taraf nyata sebagai penentu
daerah pengujian, ditentukan dengan derajat pembilang (v1) dan derajat
penyebut (v2). Berdasarkan perhitungan yang telah dilakukan, nilai derajat
pembilang (v1) untuk menentukan taraf nyata sebesar 4 dan nilai derajat
penyebut (v2) sebesar 45. Semakin tinggi taraf nyata yang digunakan, maka
semakin tinggi pula penolakan hipotesis nol (H0), padahal hipotesis nol
bernilai benar. Nilai = 5% digunakan untuk menentukan nilai distribusi F.
Diftribusi F digunakan untuk menguji rata-rata populasi secara sekaligus,
apakah rata-rata tersebut sama atau tidak, kemudian nilai F diperiksa dalam
tabel statistik untuk melihat apakah signifikan secara statistik. Nilai v2
sebesar 45 tidak tercantum pada nilai kritis distribusi F, maka digunakan
rumus interpolasi untuk mencari nilai F tabel. Interpolasi digunakan untuk
memperkirakan nilai tengah tentang suatu nilai yang diketahui. Berdasarkan
perhitungan interpolasi yang telah dilakukan, ditemukan nilai F tabel yaitu
sebesar 2,59. Penentuan penerimaan hipotesis H0 atau H1 harus memenuhi
kriteria pengujian yaitu, jika F hitung lebih kecil atau sama dengan 2,59
maka H0 diterima dan H1 ditolak (F0 2,59). Namun, jika F hitung lebih
besar dari 2,59 maka H0 ditolak dan H1 diterima (F0 > 2,59). Analisis
varians dilakukan dengan menentukan nilai dari jumlah kuadrat total (JKT),
jumlah kuadrat error (JKE), jumlah kuadrat kolom (JKK), rata-rata kuadrat
kolom (S12), rata-rata kuadrat error (S22), dan F hitung (F0). Jumlah kuadrat
total adalah jumlah kuadrat selisih antara nilai individual dengan mean
totalnya. Berdasarkan perhitungan yang sudah dilakukan, ditemukan hasil
dari jumlah kuadrat total yaitu sebesar 138,180. Jumlah kuadrat kolom
adalah variansi mean kelompok sampel terhadap rata-rata total, sehingga
variansi lebih terpengaruh oleh adanya perbedaan perlakuan antar kelompok.
Berdasarkan perhitungan yang sudah dilakukan, ditemukan hasil dari jumlah
kuadrat kolom yaitu sebesar 18,406. Jumlah kuadrat error yang merupakan
selisih dari nilai JKT dengan JKK yaitu sebesar 119,774. Perhitungan rata-
rata kuadrat dilakukan dengan membagi jumlah kuadrat dengan derajat
kebebasan sesuai dengan variabilitas yang ada. Apabila nilai derajat
kebebasan bernilai tinggi, berarti bahwa lebih banyak kekuatan untuk
menolak hipotesis nol dan menemukan hasil yang signifikan. Berdasarkan
perhitungan yang telah dilakukan, dihasilkan rata-rata kuadrat kolom yaitu
sebesar 4,602 dan rata-rata kuadrat error yaitu sebesar 2,662. Setelah
 mendapatkan semua nilai yang diperlukan, maka dilakukan perhitungan
untuk F hitung (F0) dengan melakukan pembagian antara rata-rata kuadrat
kolom dan rata-rata kuadrat error. Berdasarkan perhitungan yang telah
dilakukan, ditemukan hasil dari F0 adalah 1,729. Dilakukan pengambilan
kesimpulan dengan membandingkan antara nilai F0 dengan nilai F tabel.
Dapat disimpulkan bahwa nilai dari F0 yang didapat kurang dari nilai F tabel
yang sebesar 2,59 (F0 = 1,729 Ftabel = 2,59) maka H0 dinyatakan diterima.
Hal ini menunjukkan bahwa rata-rata jumlah frekuensi promosi tidak sama
banyak dari kelima wilayah promosi yaitu, Jakarta, Bogor, Depok, Bekasi,
dan Tangerang selama 12 bulan adalah sama.

3.3.2 Analisis Pengolahan Software

Analisis pengolahan software digunakan untuk mengetahui hubungan antara
variabel bebas terhadap variabel terikat dan untuk mengetahui bagaimana variasi
dari variabel bebas mempengaruhi variabel terikat dalam suatu fenomena. Selain
itu, pengolahan software juga bisa digunakan untuk mengetahui kekuatan
hubungan antar variabel bebas dan variabel terikat.
SPSS (Statistical Package for the Social Sciens) merupakan salah satu
software yang paling populer dan paling banyak digunakan untuk keperluan
mengolah data dan menganalisis data statistik untuk ilmu-ilmu sosial seperti riset
pasar, riset-riset sains, peneliti kesehatan, peneliti pendidikan, pengendalian dan
perbaikan mutu, dan lain sebagainya. Seiring berkembangnya zaman, kemampuan
SPSS diperluas untuk melayani berbagai jenis pengguna, seperti untuk riset ilmu
sains, proses produksi di pabrik, dan lain sebagainya. Maka dari itu, kepanjangan
dari SPSS berubah menjadi Statistical Product and Service Solutions. SPSS juga
digunakan untuk melakukan analisis statistika tingkat lanjut, analisis string,
analisis data dengan algoritma machine learning dan lain sebagainya. Didalam
bagian ini terdapat 2 analisis pengolahan software, yaitu analisis pengolahan
software untuk jumlah sampel sama banyak dan analisis perbandingan untuk
jumlah sampel tidak sama banyak. Berikut analisis perbandingannya.
1. Analisis Pengolahan Software Jumlah Sampel Sama Banyak
Analisis pengolahan software sampel sama banyak yaitu pembahasan
mengenai hasil output dari pengolahan software sampel sama banyak.
Analisis pengolahan software sampel sama banyak juga memiliki pengertian
berupa penjelasan maksud atau arti dari nilai hasil yang ditampilkan sebagai
output dan menyatakan apakah memenuhi syarat atau tidak memenuhi
syarat. Output pertama pada ANOVA satu arah dengan sampel sama banyak
yaitu descriptives. Berdasarkan output descriptives didapatkan informasi
yaitu berupa data seperti kolom N yang merupakan data pengamatan dan
menunjukkan banyaknya data dari setiap faktor dengan total N berjumlah 60
data yang terbagi menjadi lima sampel data dari wilayah promosi dengan
jumlah sampel sama banyak, salah satunya yaitu Jakarta sebesar 12 data.
Mean memiliki pengertian berupa rata-rata dari tiap kelompok. Berdasarkan
output nilai mean untuk Jakarta sebesar 7,08. Standard deviation yaitu
simpangan baku dari masing-masing data kelompok sampel tersebut.
Berdasarkan output nilai std. deviation untuk Jakarta sebesar 1,975. Kolom
selanjutnya terdapat standard error yang merupakan kesalahan baku tiap
masing-masing data kelompok sampel, semakin besar nilai standard error
maka semakin tidak akurat sampel-sampel mewakili populasi sebenarnya.
Berdasarkan output nilai std. error untuk Jakarta yaitu sebesar 0,570,
sehingga dapat dinyatakan data sampel tersebut akurat karena std deviasi
memiliki nilai lebih besar dibandingkan dengan std error. Terdapat
parameter lain untuk mengukur seberapa akurat mean sebuah sampel
mewakili nilai mean populasi sesungguhnya, dimana confidence interval
yang digunakan adalah 95% nilai tingkat kepercayaan yang digunakan
untuk menunjukkan makna estimasi perubahan secara statistik pada taraf
nyata 0,05, memiliki. Kolom berikutnya terdapat 95% confidence interval
for mean yang menjelaskan rentang antara dua nilai dimana nilai suatu
sampel mean berada ditengah-tengahnya. Dua nilai batas yang dimaksud
adalah lower bound yang merupakan nilai batas bawah dan upper bound
yang merupakan nilai batas atas, sehingga untuk mengukur keakuratan nilai
mean, maka nilai mean tersebut harus berada dalam rentang antara nilai
lower bound dan upper bound. Nilai mean untuk data wilayah promosi pada
Jakarta diperoleh sebesar 7,08, berada di antara rentang nilai lower bound-
nya yaitu 5,83 dan nilai upper bound-nya yaitu 8,34. Jarak atau nilai rentang
antara nilai mean dengan lower bound dan upper bound sebesar 1,25. Nilai
rentang tersebut menunjukkan semakin sempit rentang suatu nilai mean,
maka semakin akurat nilai sampel mean itu mewakili populasi mean
sesungguhnya. Terdapat kolom minimum dan maximum yang merupakan
nilai terkecil dan terbesar dari data pengamatan yang dilakukan oleh PT
Rhapsody. Data frekuensi promosi wilayah Jakarta memiliki angka
minimum sebesar 4 dan maksimum sebesar 10.
Output kedua yaitu ANOVA yang merupakan hasil dari perhitungan
ANOVA. Kolom sum of squares terdapat between groups yang merupakan
nilai Jumlah Kuadrat Kolom (JKK) yaitu berupa jumlah kuadrat antar
kelompok dari setiap data tersebut sebesar 0,433. Within groups yang
merupakan Jumlah Kuadrat Error (JKE) adalah jumlah kuadrat dalam
kelompok dari setiap data tersebut sebesar 210,417. Kolom berikutnya
terdapat total yang merupakan Jumlah Kuadrat Total (JKT) dari setiap data
tersebut yang sebesar 210,850. Kolom selanjutnya yaitu nilai derajat bebas
atau df, df untuk between groups yang merupakan derajat bebas jumlah
kuadrat antar kelompok sebesar 4, df untuk within groups yang merupakan
derajat bebas jumlah kuadrat dalam kelompok sebesar 55, dan df untuk total
atau derajat bebas jumlah kuadrat total sebesar 59. Nilai mean square yaitu
varians atau rata-rata jumlah kuadrat, mean square between groups yang
merupakan varians antar kelompok yaitu sebesar 0,108, dan mean square
within groups yang merupakan varians dalam kelompok sebesar 3,826. Nilai
F yang memiliki arti yaitu ratio antara mean square yaitu between group
dengan within group didapat hasil F hitung sebesar 0,028. Berdasarkan data
di atas, diperoleh bahwa F0 = 0,028 < F0,05(4 :55) = 2,55 dan nilai Significant
yang didapatkan pada pengamatan kali ini yaitu sebesar 0,998 yang berarti
nilai tersebut lebih besar dari 0,05 menyatakan data tersebut layak untuk
digunakan.
Output ketiga yaitu output multiple comparisons yang terdiri dari uji Tukey.
Uji Tukey dipakai untuk menganalisis data dengan cara membandingkan
beberapa kelompok dengan jumlah sampel sama banyak dan pada
pengamatan kali ini digunakan jumlah sampel sebanyak 60 data. Nilai mean
difference menunjukkan perbedaan nilai rata-rata yang salah satunya pada
data wilayah promosi yaitu Jakarta terhadap Bogor, yaitu sebesar 0,167.
Standard error atau kesalahan baku yang merupakan nilai yang mengukur
seberapa akurat nilai mean difference yang didapat. Nilai standard error
pada salah satu data yaitu Jakarta terhadap Bogor sebesar 0,799 dengan nilai
significant sebesar 1,000. Nilai significant yang diperoleh > 0,05, maka
dapat dikatakan data Jakarta terhadap Bogor tidak signifikan secara statistik.
Kolom berikutnya terdapat 95% confidence interval yang memiliki arti yaitu
parameter lain untuk mengukur seberapa akurat mean difference sebuah
sampel mewakili nilai mean difference populasi sesungguhnya, dimana
confidence interval yang dipakai yaitu 95% nilai tingkat kepercayaan yang
dipakai untuk menunjukkan makna estimasi perubahan secara statistik pada
taraf nyata 0,05. Kolom 95% confidence interval menunjukkan rentang
antara dua nilai dimana nilai suatu sampel mean difference berada ditengah-
tengahnya. Dua nilai batas yang dimaksud adalah lower bound yang
merupakan nilai batas bawah dan upper bound yang merupakan nilai batas
atas, sehingga untuk mengukur keakuratan nilai mean difference, maka nilai
mean difference tersebut harus berada dalam rentang antara nilai lower
bound dan upper bound. Nilai mean different pada salah satu data wilayah
promosi yaitu Jakarta terhadap Bogor sebesar 0,167 berada diantara rentang
nilai lower bound-nya yaitu -2,09 dan nilai upper bound-nya yaitu 2,42.
Jarak atau nilai rentang antara nilai mean difference dengan lower bound
dan upper bound menjelaskan semakin sempit rentang nilai dari mean
difference, maka semakin akurat nilai sampel mean difference itu mewakili
populasi mean difference sebenarnya.
 Output keempat adalah output homogeneous. Output ini menjelaskan ada
tidaknya perbedaan antar variabel. Kolom N menjelaskan jumlah sampel
dari wilayah promosi Bogor, Bekasi, Jakarta, Depok, dan Tangerang yaitu
sebanyak 12. Kolom selanjutnya terdapat subset for alpha = 0,05 yang
menunjukkan batas toleransi kesalahan dalam menolak hipotesis nol pada
subset yaitu dengan peluang kekeliruan sebesar 5%, pada subset 1 hasil dari
wilayah promosi Bogor dengan alpha sebesar 0,05 yaitu sebesar 6,92, hasil
dari wilayah promosi Bekasi dengan alpha sebesar 0,05 yaitu sebesar 7,00,
hasil dari wilayah promosi Jakarta dengan alpha sebesar 0,05 yaitu sebesar
7,08, hasil dari wilayah promosi Depok dengan alpha sebesar 0,05 yaitu
sebesar 7,08 dan hasil dari wilayah promosi Tangerang dengan alpha
sebesar 0,05 yaitu sebesar 7,17 dengan berada dalam satu group subset yang
sama, maka hal ini menunjukkan bahwa rata-rata frekuensi promosi dari
kelima wilayah promosi tersebut tidak memiliki perbedaan yang signifikan
secara statistik. Diperoleh nilai sig. sebesar 0,998 > 0,05 yang menunjukkan
data tersebut tidak signifikan secara statistik.
2. Analisis Pengolahan Software Jumlah Sampel Tidak Sama Banyak
Analisis pengolahan software jumlah sampel tidak sama banyak adalah
penjelasan dari hasil pengolahan yang telah diperoleh dari pengolahan
software SPSS 22 terhadap jumlah sampel tidak sama banyak. Analisis
output pertama pada pengolahan software jumlah sampel tidak sama banyak
adalah tabel descriptives. Berdasarkan output descriptives didapatkan
informasi yaitu berupa data seperti kolom N yang merupakan banyaknya
data dari setiap faktor, dengan total nilai N sebesar 50 data yang terbagi
menjadi lima sampel data dari wilayah promosi dengan jumlah sampel tidak
sama banyak, salah satunya Jakarta sebesar 11 data. Nilai mean adalah nilai
rata-rata frekuensi promosi dalam pengamatan yang dilakukan selama 12
bulan. Data di atas menunjukkan nilai mean wilayah promosi Jakarta
sebesar 6,82 dan total mean dari semua faktor wilayah promosi sebesar 7,42
selama 12 bulan pengamatan. Nilai standard deviation adalah nilai
penyimpangan antara data sampel dengan nilai rata-ratanya, sehingga
diketahui bahwa nilai penyimpangan untuk wilayah promosi pada Jakarta
adalah sebesar 1,834 dan total standard deviation dari semua faktor wilayah
promosi sebesar 1,679. Nilai pada standard deviation menggambarkan
seberapa jauh variansi sebuah data, sehingga nilai standard deviation pada
data Jakarta yang diperoleh lebih kecil dari nilai mean atau nilai rata-ratanya
menunjukkan bahwa nilai mean pada data di atas dapat digunakan sebagai
representasi dari keseluruhan data. Standard error atau kesalahan baku
memiliki pengertian yaitu nilai yang mengukur seberapa akurat atau tepat
nilai mean yang didapat. Nilai standard error pada data Jakarta sebesar
0,553 yang diperoleh dari pembagian nilai standard deviation-nya dengan
akar nilai N atau jumlah data sampel pada data Jakarta dan total standard
error dari semua faktor wilayah promosi sebesar 0,237. Terdapat parameter
lain untuk mengukur seberapa akurat mean sebuah sampel mewakili nilai
mean populasi sesungguhnya yaitu 95% confidence interval for mean,
dimana confidence interval yang dipakai yaitu 95% nilai tingkat
kepercayaan yang dipakai untuk menunjukkan makna estimasi perubahan
secara statistik pada taraf nyata 0,05. Kolom 95% confidence interval for
mean menunjukkan rentang antara dua nilai dimana nilai suatu sampel mean
berada ditengah-tengahnya. Dua nilai batas yang dimaksud adalah lower
bound yang merupakan nilai batas bawah dan upper bound yang merupakan
nilai batas atas, sehingga untuk mengukur keakuratan nilai mean, sehingga
nilai mean tersebut harus berada dalam rentang antara nilai lower bound dan
upper bound. Nilai mean pada data Jakarta yang sebesar 6,82 berada
diantara rentang nilai lower bound-nya yaitu 5,59 dan nilai upper bound-nya
yaitu 8,05. Jarak atau nilai rentang antara nilai mean dengan lower bound
dan upper bound sebesar 1,23. Nilai rentang tersebut menunjukkan semakin
sempit rentang suatu nilai mean, maka semakin akurat nilai sampel mean itu
mewakili populasi mean sesungguhnya. Total lower bound 50 data
didapatkan sebanyak 6,94 dan total upper bound dari 50 data didapatkan
sebanyak 7,90. Output berikutnya pada tabel descriptive adalah nilai
minimum yang mempunyai arti yaitu nilai terkecil dari data hasil
pengamatan yang dilakukan selama 12 bulan, dimana pada data Jakarta
memiliki nilai minimum sebesar 4 dan total nilai minimum dari 50 data
didapatkan sebesar 4. Nilai maximum adalah nilai terbesar dari data hasil
pengamatan yang dilakukan selama 12 bulan, yang mana pada data Jakarta
memiliki nilai maximum sebesar 10 dan total nilai maximum dari 50 data
didapatkan sebesar 10.
Output kedua pada pengolahan software jumlah sampel tidak sama banyak
adalah tabel ANOVA. Tabel ANOVA ini menunjukkan nilai sum of
squares, nilai degrees of freedom (df), mean square, nilai F hitung dan nilai
significant. Nilai sum of squares dalam between groups merupakan nilai
Jumlah Kuadrat Kolom (JKK), dimana pada pengolahan software di atas
memperoleh JKK yang bernilai 18,406 yang menunjukkan variansi rata-rata
kelompok sampel terhadap rata-rata keseluruhannya. Nilai sum of squares
dalam within groups merupakan nilai Jumlah Kuadrat Error (JKE), dimana
nilai pada tabel di atas sebesar 119,774 yang menunjukkan variansi rata-rata
individual terhadap banyaknya sampel dalam kelompok. Nilai sum of
squares dalam Total merupakan nilai Jumlah Kuadrat Total (JKT), dimana
nilai pada tabel di atas sebesar 138,180 yang menunjukkan penjumlahan
dari jumlah kuadrat antar kelompok dan jumlah kuadrat dalam kelompok.
Output selanjutnya yang dijelaskan pada tabel ANOVA ini adalah nilai
degree of freedom (df) dalam between groups yang merupakan derajat bebas
kolom, dimana nilai pada tabel di atas sebesar 4 yang menunjukkan
banyaknya kelompok atau level pada variabel independent dikurangi satu.
Nilai degree of freedom (df) dalam within groups adalah nilai derajat bebas
error, dengan nilainya pada tabel di atas sebesar 45 yang menunjukkan
jumlah total keseluruhan sampel dikurangi banyaknya kelompok atau level
pada variabel independent. Nilai degree of freedom dalam total merupakan
derajat bebas total, dimana nilai pada tabel di atas sebesar 49 yang
menunjukkan jumlah total derajat bebas kolom dan derajat bebas error.
Berdasarkan penjelasan di atas, dapat disimpulkan bahwa derajat bebas (df)
diberi batasan sebagai jumlah pengamatan independent dikurangi jumlah
parameter yang diestimasi. mean square pada between groups merupakan
nilai rata-rata kuadrat kolom, sedangkan mean square dalam within groups
adalah nilai rata-rata kuadrat error dengan nilai pada hasil pengolahan
software di atas masing-masing sebesar 4,602 dan 2,662 yang menunjukkan
nilai ukuran penyimpangan data dari nilai rata-ratanya yang diperoleh dari
pembagian deviasi kuadrat (sum of squares) dengan derajat bebas (degrees
of freedom). Berdasarkan perolehan nilai data di atas, ratio antara mean
square dalam between groups dan mean square dalam within groups akan
menghasilkan nilai F hitung (F0) sebesar 1,729. Berdasarkan data di atas,
diperoleh bahwa F0 = 1,729 < F0,05(4 :45) = 2,59 dan nilai significant sebesar
0,160 > 0,005 maka H0 layak untuk digunakan. Hal ini menunjukkan bahwa
rata-rata jumlah frekuensi promosi sama banyak dari kelima wilayah
promosi yaitu, Jakarta, Bogor, Depok, Bekasi, dan Tangerang selama 12
bulan adalah sama.
Output ketiga pada pengolahan software jumlah sampel tidak sama banyak
adalah tabel multiple comparisons berupa uji Bonferroni. Uji Bonferroni
digunakan untuk menganalisa sampel yang sama maupun berbeda (equal
dan unequal) sehingga memungkinkan untuk membuat perbandingan antar
perlakuan, antara perlakuan dengan kelompok perlakuan, atau antar
kelompok perlakuan. Uji Bonferroni ini digunakan pada jumlah sampel data
yang diolah sebanyak  50 total data keseluruhan, sebagaimana jumlah data
pada pengamatan jumlah sampel tidak sama banyak di atas. Data pada
perbandingan Jakarta terhadap Bogor akan digunakan sebagai data yang
akan dianalisis sesuai tabel uji Bonferroni. Nilai mean difference
menunjukkan perbedaan hasil rata-rata wilayah promosi Jakarta dengan
wilayah promosi Bogor sebesar -1,404. Standard error atau kesalahan baku
merupakan nilai yang mengukur seberapa akurat atau tepat nilai mean
difference yang diperoleh. Nilai standard error pada data Jakarta terhadap
Bogor yaitu sebesar 0,733 dengan nilai significant sebesar 0,325. Terdapat
parameter lain untuk mengukur seberapa akurat mean sebuah sampel
mewakili nilai mean populasi sesungguhnya yaitu 95% confidence interval
for mean, dimana confidence interval yang dipakai yaitu 95% nilai tingkat
kepercayaan yang dipakai untuk menunjukkan makna estimasi perubahan
secara statistik pada taraf nyata 0,05. Kolom 95% confidence interval
menunjukkan rentang antara dua nilai dimana nilai suatu sampel mean
difference berada ditengah-tengahnya. Dua nilai batas yang dimaksud
adalah lower bound yang merupakan nilai batas bawah dan upper bound
yang berarti nilai batas atas, sehingga untuk mengukur keakuratan nilai
mean difference, maka nilai mean difference tersebut harus berada dalam
rentang antara nilai lower bound dan upper bound. Nilai mean different
pada data Jakarta terhadap Bogor yang sebesar -1,404 berada diantara
rentang nilai lower bound-nya yaitu -3,49 dan nilai upper bound-nya yaitu
0,68. Jarak atau nilai rentang antara nilai mean difference dengan lower
bound dan upper bound menunjukkan semakin sempit rentang suatu nilai
mean difference, maka semakin akurat nilai sampel mean difference itu
mewakili populasi mean difference sesungguhnya.
Output keempat adalah output Homogeneous. Output ini menunjukkan ada
atau tidak perbedaan antar variabel. Kolom N menjelaskan jumlah sampel
dari masing-masing wilayah promosi yaitu Depok sebanyak 11 data, Jakarta
sebanyak 11 data, Bekasi sebanyak 10 data, Tangerang sebanyak 9 data dan
Bogor sebanyak 9 data. Kolom selanjutnya terdapat subset for alpha = 0,05
yang menunjukkan batas toleransi kesalahan dalam menolak hipotesis nol
pada subset yaitu dengan peluang kekeliruan sebesar 5%, pada subset 1
hasil dari wilayah promosi Depok dengan alpha sebesar 0,05 yaitu sebesar
6,73, hasil dari wilayah promosi Jakarta dengan alpha sebesar 0,05 yaitu
sebesar 6,82, hasil dari wilayah promosi Bekasi dengan alpha sebesar 0,05
yaitu sebesar 7,60, hasil dari wilayah promosi Tangerang dengan alpha
sebesar 0,05 yaitu sebesar 8,00, dan hasil dari wilayah promosi Bogor
dengan alpha sebesar 0,05 yaitu sebesar 8,22 yang berada dalam satu group
subset yang sama, maka hal ini menunjukkan bahwa rata-rata frekuensi
promosi dari kelima wilayah promosi tersebut tidak memiliki perbedaan
yang signifikan secara statistik pada Jakarta. Diperoleh nilai significant
 sebesar 0,264 > 0,005, maka hal ini menunjukkan data tersebut tidak
signifikan secara statistik.

3.3.3 Analisis Perbandingan

Analisis merupakan kegiatan berpikir untuk menguraikan suatu keseluruhan
menjadi komponen sehingga dapat mengenal tanda-tanda komponen,
hubungannya satu sama lain dan fungsi masing-masing dalam satu keseluruhan
yang terpadu (Komaruddin, 2001).
Analisis perbandingan adalah kegiatan penyelidikan terhadap komponen
dari dua objek atau lebih untuk mengetahui dan menambah wawasan mengenai
selisih kesamaan komponen objek yang dikaji. Didalam pembuatan laporan ini
terdapat 2 analisis perbandingan, yaitu analisis perbandingan untuk data sama
banyak dan analisis perbandingan untuk data tidak sama banyak. Berikut analisis
perbandingannya.
1. Analisis Perbandingan Sampel Sama Banyak
Analisis perbandingan dilakukan terhadap data ragam dalam perhitungan
secara manual dan perhitungan dengan software. Berikut tabel analisis
perbandingan dari hasil nilai data ragam antara perhitungan secara manual
dengan perhitungan software SPSS 22.
Tabel 3.7 Analisis Perbandingan Sampel Sama Banyak
Studi Kasus Pembanding Manual Software
Jumlah Kuadrat
0,433 0,433
Kolom
Jumlah Jumlah Kuadrat Error 210,417 210,417
Sampel Sama Jumlah Kuadrat Total 210,850 210,850
Banyak Derajat Bebas Kolom 4 4
Derajat Bebas Error 55 55
Nilai F Hitung 0,028 0,028
Kesimpulan H0 diterima H0 diterima
Tabel di atas merupakan tabel perbandingan antara perhitungan manual
dengan perhitungan software. Didapatkan nilai JKE pada perhitungan
manual sebesar 210,417 dan pada perhitungan software sebesar 210,417,
tidak terdapat perbedaan nilai diantara keduanya. Lalu pada perhitungan
manual nilai JKK sebesar 0,433 dan pada perhitungan software sebesar
0,433, tidak terdapat perbedaan nilai diantara keduanya. Didapatkan nilai
 JKT pada perhitungan manual sebesar 210,850 dan pada perhitungan
software sebesar 210,850, tidak terdapat perbedaan nilai diantara keduanya.
Nilai derajat bebas (V1) pada perhitungan manual sebesar 4 dan pada
perhitungan software sebesar 4, tidak terdapat perbedaan nilai diantara
keduanya. Nilai derajat bebas (V2) pada perhitungan manual sebesar 55 dan
pada perhitungan software sebesar 55, tidak terdapat perbedaan nilai
diantara keduanya. Lalu, pada perhitungan manual nilai rata-rata kuadrat
(S12) sebesar 0,108 dan pada perhitungan software sebesar 0,108, tidak
terdapat perbedaan nilai diantara keduanya. Nilai rata-rata kuadrat (S22)
pada perhitungan manual sebesar 3,826 dan pada perhitungan software
sebesar 3,826, tidak terdapat perbedaan nilai diantara keduanya. Nilai F
hitung (F0) pada perhitungan manual sebesar 0,028 dan pada perhitungan
software sebesar 0,028, tidak terdapat perbedaan nilai diantara keduanya.
Maka dari itu, dapat disimpulkan bahwa pada sampel sama banyak tidak
terdapat perbedaan dari hasil output perhitungan secara manual maupun
perhitungan dengan software.
2. Analisis Perbandingan Sampel Tidak Sama Banyak
Analisis perbandingan dilakukan terhadap data ragam dalam perhitungan
secara manual dan perhitungan dengan software. Berikut tabel analisis
perbandingan dari hasil nilai data ragam antara perhitungan secara manual
dengan perhitungan software SPSS 22.
Tabel 3.8 Analisis Perbandingan Sampel Tidak Sama Banyak
Studi Kasus Pembanding Manual Software
Jumlah Kuadrat
18,406 18,406
Kolom
Jumlah Jumlah Kuadrat Error 119,774 119,774
Sampel
Jumlah Kuadrat Total 138,180 138,180
Tidak Sama
Derajat Bebas Kolom 4 4
Banyak
Derajat Bebas Error 45 45
Nilai F Hitung 1,729 1,729
Kesimpulan H0 diterima H0 diterima
Tabel di atas merupakan tabel perbandingan antara perhitungan manual
dengan perhitungan software. Nilai JKE pada perhitungan manual sebesar
119,774 dan pada perhitungan software sebesar 119,774, tidak terdapat
perbedaan nilai diantara keduanya. Lalu pada perhitungan manual nilai JKK
sebesar 18,406 dan pada perhitungan software sebesar 18,406, tidak terdapat
perbedaan nilai diantara keduanya. Nilai JKT pada perhitungan manual
sebesar 138,180 dan pada perhitungan software sebesar 138,180, tidak
terdapat perbedaan nilai diantara keduanya. Nilai derajat bebas (V1) pada
perhitungan manual sebesar 4 dan pada perhitungan software sebesar 4,
tidak terdapat perbedaan nilai diantara keduanya. Nilai derajat bebas (V2)
pada perhitungan manual sebesar 45 dan pada perhitungan software sebesar
45, tidak terdapat perbedaan nilai diantara keduanya. Lalu, pada perhitungan
manual nilai rata-rata kuadrat (S12) sebesar 4,602 dan pada perhitungan
software sebesar 4,602, tidak terdapat perbedaan nilai diantara keduanya.
Nilai rata-rata kuadrat (S22) pada perhitungan manual sebesar 2,662 dan
pada perhitungan software sebesar 2,662, tidak terdapat perbedaan nilai
diantara keduanya. Nilai F hitung (F0) pada perhitungan manual sebesar
1,729 dan pada perhitungan software sebesar 1,729, tidak terdapat
perbedaan nilai diantara keduanya. Maka dari itu, dapat disimpulkan bahwa
pada sampel tidak sama banyak tidak terdapat perbedaan dari hasil output
perhitungan secara manual maupun perhitungan dengan software.
 BAB IV
PENUTUP

4.1 Kesimpulan
Kesimpulan adalah suatu kalimat yang diambil dari beberapa ide yang
bertujuan untuk mengambil inti dari suatu penulisan atau data. Kesimpulan
biasanya terletak diakhir paragraf. Berdasarkan informasi yang telah diuraikan di
atas mengenai penyelesaian permasalahan yang terjadi di PT Rhapsody dengan
metode anova satu arah. Kesimpulan yang diperoleh sebagai berikut.
1. Berdasarkan hasil perhitungan manual dengan jumlah sampel sama banyak F0
bernilai sebesar 0,028 dan untuk hasil pengolahan software dengan jumlah
sampel sama banyak F0 bernilai sebesar 0,028, dengan nilai F tabel sebesar
2,55 (F0 = 0,028 < F0,05(4:55) = 2,55) dan (F0 = 0,028 < F0,05(4:55) = 2,55) maka
H0 diterima. Hal ini menunjukkan bahwa rata-rata frekuensi promosinya sama
atau memiliki keragaman yang signifikan. Pada pengolahan software nilai
significant yang didapatkan yaitu sebesar 0,988 yang berarti nilai tersebut
lebih besar dari 0,05 menyatakan data tersebut layak untuk digunakan.
2. Berdasarkan hasil perhitungan manual dengan jumlah sampel tidak sama
banyak F0 bernilai sebesar 1,729 dan untuk hasil pengolahan software dengan
jumlah sampel tidak sama banyak F0 bernilai sebesar 1,729, dengan nilai F
tabel sebesar 2,59 (F0 = 1,729 < F0,05(4:55) = 2,59) dan (F0 = 1,729 < F0,05(4:55) =
2,59) maka H0 diterima. Hal ini menunjukkan bahwa rata-rata frekuensi
promosinya sama atau memiliki keragaman yang signifikan. Pada pengolahan
software nilai significant yang didapatkan yaitu sebesar 0,160 yang berarti
nilai tersebut lebih besar dari 0,05 menyatakan data tersebut layak untuk
digunakan.

4.2 Saran
Saran adalah suatu solusi yang dapat digunakan untuk menyelesaikan
permasalahan yang dihadapi oleh praktikan selama kegiataan praktikum. Berikut
adalah saran untuk praktikan yang akan menjalani praktikum ini.
1. Diperlukan ketelitian saat melakukkan perhitungan data agar tidak terjadi
kesalahan terhadap output dan juga pemilihan metode sesuai dengan anova
satu arah yang dibutuhkan.
2. Diperlukan konsentrasi terhadap nilai yang akan dihitung agar tidak terjadi
kesalahan pada hasilnya dan diperlukan kalkulator scientific untuk
mempermudah perhitungan.
3. Diharuskan membaca materi dengan saksama agar lebih memahami materi
yang dikerjakan
4. Diharapkan untuk melakukan pengecekan kembali terhadap laporan yang
sudah dikerjakan sebelum melakukan penilaian.
 DAFTAR PUSTAKA

Djuani, Afiffudin, M. & Lestari, W. (2016). Statistika Inferensial Teori, Aplikasi

dan Latihan Soal dengan SPSS. Semarang: Universitas Negeri Semarang.
Ghozali, I. (2009). Aplikasi Analisis Multivariate dengan Program SPSS.
Semarang: Universitas Diponegoro.
Hasan, M. I. (2002). Pokok - Pokok Materi Statistik 1 (Statistik Deskriptif).
Jakarta: PT Bumi Aksara.
Hakim. 2002. Statistik Induktif. Yogyakarta: PT BPFE.
Komaruddin. (2001). Ensiklopedia Manajemen (Edisi ke-5). Jakarta: Bumi
Aksara
Siregar, I. S. (2017). Statistika Terapan Untuk Perguruan Tinggi (Edisi Pertama).
Jakarta: Kencana.
Walpole, R.E. & R.H Myers. (1995). Ilmu Peluang Dan Statistika Untuk Insinyur
dan Ilmuwan (Edisi ke-4). Bandung: Institut Teknologi Bandung.
Widiyanto, J. (2010). SPSS for Windows Untuk Analisis Data Statistik dan
Penelitian. Surakarta: BP FKIP UMS.
Zaenuddin, M. (2020). Statistika Terapan untuk Ekonomi dan Bisnis (Teori dan
Praktik Komputer dengan Menggunakan SPSS & Excel). Yogyakarta:
Deepublish.
 LAMPIRAN

Tabel Distribusi F