Analisis Varians

STATISTIKA 2
Analisis Varians
Disusun oleh:
Kelompok Dosen Ekonomi Pembangunan
STIE YKPN YOGYAKARTA
(Hak Cipta STIE YKPN Yogyakarta)
SKEMA PENGUJIAN HIPOTESIS
BEDA K RATA-RATA POPULASI (K > 2)
Uji Bede k Rata-rata (k > 2)
Parametrik Nonparametrik
(Data kontinyu berdistribusi normal) (Data Ordinal atau kontinyu tdk berdistribusi normal
Drs. Algifari STIE YKPN Yogyakarta 2

Uji Beda 2 atau lebih Rata-rata Populasi:
Parametrik
 Syarat yang harus dipenuhi (asumsi) adalah
1. Data yang diamati berskala Rasio atau
Interval – Kontinyu – Kuantitas
2. Data berdistribusi normal
3. Data independen antarsampel
4. Data memiliki varians yang sama

ANOVA
 Pengujian beda lebih dari 2 rata-rata populasi
dengan:
1. satu sumber perbedaan (treatement)
disebut One-way ANOVA
2. dua sumber perbedaan (treatement)
disebut Two-way ANOVA
 Sumber perbedaan, misalnya kelas, tingkat
pendidikan, kondisi perlakuan, dan lain-lain

Lanjutan ...
 One-way ANOVA digunakan untuk menguji hipotesis tentang
beda lebih dari dua rata-rata populasi dengan satu sumber
perbedaan.
 Misalnya pengujian dilakukan untuk hipotesis terdapat
perbedaan skor tes rata-rata antara karyawan berpendidikan
(tingkat pendidikan) SMU, D3, dan S1.
Contoh One-way Anova
80
Skor Tes Karyawan
70
60
50
40
30
20
10
0
SMU D3 S1
Tingkat Pendidikan

Lanjutan ...
Contoh Kasus 1:
Sebuah perusahaan melakukan evaluasi kinerja karyawan melalui tes
kompetensi. Karyawan di perusahaan tersebut terbagi ke dalam 3 kelompok
tingkat pendidikan, yaitu SMA, D3, dan S1. Data pada tabel berikut ini adalah
skor tes yang diperoleh masing-masing tingkat pendidikan yang digunakan
sebagai sampel. Skor tes diasumsikan berdistribusi normal. Lakukan pengujian
terhadap hipotesis bahwa terdapat perbedaan skor rata-rata di antara tingkat
pendidikan karyawan dengan  = 5%.
SMA 46 50 62 42 70 60
D3 55 70 68 65 74 61 53
S1 76 58 68 81 77 60 69 72
Pada contoh kasus ini, tingkat pendidikan merupakan data kategorik dan
skor adalah data kontinyu (kuantitatif)

Lanjutan ...
 Analisis:
1. Rumusan Hipotesis
H0: Semua rata-rata skor sama
HA: Terdapat rata-rata skor yang berbeda
2. Nilai Kritis: F5%,2;18 = 3,55
3. Nilai Hitung: F = 5,056
4. Keputusan: Fhitung = 5,56 > Fkritis = 3,55. Menolak H0.
5. Kesimpulan: Terdapat rata-rata skor yang berbeda
antara tingkat pendidikan SMA, D3, dan S1.

Langkah menentukan Statistik
1. Input data. Buat 2 variabel, yaitu SKOR dan PENDIDIKAN sbb.:

2. Proses data menggunakan Analyze, Compare Means, One-way ANOVA:
sehingga muncul tampilan:

3. Pindahkan variabel SKOR ke kolom Dependent List dan
PENDIDIKAN ke kolom Factor seperti berikut ini:
4. Klik OK akan diperoleh hasil perhitungan sebagai berikut:
Interpretasi:
Nilai Sig. = 0,018 <  =5%. Keputusan menolak H0.
Kesimpulan: Tidak semua kelompok pendidikan memiliki skor sama.
 Hasil pengujian Contoh Kasus 1 adalah Terdapat skor rata-rata
yang antara tingkat pendidikan SMA, D3, dan S1.
 Jika diinginkan menguji skor rata-rata tingkat pendidikan mana
yang berbeda, lakukan pemrosesan menggunakan post hoc
sebegai berikut:
Klik Poast Hoc sehingga muncul: Aktifkan Scheffe: (krn n tdk sama)

Klik OK akan muncul hasil pemprosesan:
Interpretasi hasil:
KEPUTUSAN
PENDIDIKAN Sig. KESIMPULAN
a = 5%
SMA - D3 0,233 Menerima H0 Tidak Berbeda
SMA - S1 0,018 Menolak H0 Berbeda
D3 - S1 0,391 Menerima H0 Tidak Berbeda

Lanjutan ...
 Two-way ANOVA digunakan untuk menguji hipotesis tentang
beda lebih dari dua rata-rata populasi dengan dua sumber
perbedaan.
 Misalnya pengujian dilakukan untuk membandingkan skor tes
rata-rata antara karyawan berpendidikan (tingkat pendidikan)
SMU, D3, dan S1 dan antara karyawan pria dan wanita
Contoh Two-way Anova

PRIA WANITA
80
Skor Tes Karyawan
60
40
20
0
SMU D3 S1
Tingkat Pendidikan

Lanjutan ...
Contoh Kasus 2:
Sebuah perusahaan melakukan evaluasi kinerja karyawan melalui tes kompetensi.
Karyawan peserta tes dibagi ke dalam 3 kelompok tingkat pendidikan, yaitu SMA, D3, dan
S1 dan 4 kelompok bagian, yaitu Produksi, Pemasaran, Keuangan, dan SDM. Data pada
tabel berikut ini adalah skor tes. Lakukan pengujian terhadap hipotesis bahwa terdapat
perbedaan skor rata-rata disebabkan oleh perbedaan tingkat pendidikan dan jenis bagian
bekerja karyawan dengan  = 5%.
TINGKAT PENDIDIKAN
BAGIAN
SMA D3 S1
Produksi 50 55 78
Pemasaran 62 68 72
Keuangan 42 65 81
SDM 70 74 77

Lanjutan ...
 Analisis:
H01: Tidak terdapat perbedaan skor rata-rata karena perbedaan tingkat pendidikan
H02: Tidak terdapat perbedaan skor rata-rata karena perbedaan bagian
HA1: Terdapat perbedaan skor rata-rata karena perbedaan tingkat pendidikan
HA2: Terdapat perbedaan skor rata-rata karena perbedaan bagian
2. Nilai Kritis: F1 = 5,14 ; F2 = 4,76

3. Nilai Hitung: F1 = 6,548 ; F2 = 1,429
4. Keputusan: F1hitung = 6,548 > F1kritis = 5,14. Menolak H0.
F2hitung = 1,429 < F2kritis = 4,76. Menerima H0.
5. Kesimpulan: Terdapat skor rata-rata karena perbedaan tingkat pendidikan dan tidak
terdapat perbedaan skor rata-rata karena perbedaan bagian.

Langkah menentukan F hitung
1. Input data. Buat 3 variabel, yaitu SKOR dan PENDIDIKAN, dan BAGIAN sbb.:

2. Proses data menggunakan Analyze, General Linear Model, Univariate:

3. Pindahkan variabel SKOR ke kolom Dependen Variable, variabel PENDIDIKAN
ke kolom Fixed Factor(s), variabel BAGIAN ke kolom Random Factor(s):

Lanjutan ...
 Two-way ANOVA with Interaction digunakan untuk menguji hipotesis tentang
beda lebih dari dua rata-rata populasi dengan dua sumber perbedaan dengan
interaksi kedua sumber perbedaan tersebut.
Contoh Kasus 3:
Sebuah perusahaan melakukan evaluasi kinerja karyawan melalui tes kompetensi.
Karyawan di perusahaan tersebut terbagi ke dalam 3 kelompok tingkat pendidikan,
yaitu SMA, D3, dan S1 dan 4 kelompok bagian, yaitu Produksi, Pemasaran,
Keuangan, dan SDM. Data pada tabel berikut ini adalah skor tes. Lakukan pengujian
terhadap hipotesis bahwa terdapat perbedaan skor rata-rata karena perbedaan
tingkat pendidikan, bagian karyawan, dan interaksi antara perbedaan pendidikan dan
bagian karyawan dengan  = 5%.

TINGKAT PENDIDIKAN
BAGIAN
SMA D3 S1
50 55 78
Produksi
68 72 69
62 68 72
Pemasaran
67 63 73
Keuangan 58 65 81
52 70 75
70 74 77
SDM
63 68 62

Lanjutan ...
 Analisis:
H01: Tidak terdapat perbedaan skor rata-rata karena perbedaan tingkat pendidikan
H02: Tidak terdapat perbedaan skor rata-rata karena perbedaan bagian
H03: Tidak terdapat perbedaan skor rata-rata karena interaksi antara perbedaan tingkat pendidikan dan
perbedaan bagian
HA1: Terdapat perbedaan skor rata-rata karena perbedaan tingkat pendidikan
HA2: Terdapat perbedaan skor rata-rata karena perbedaan bagian
HA3: Terdapat perbedaan skor rata-rata karena interaksi antara perbedaan tingkat pendidikan dan
perbedaan bagian
2. Nilai Kritis: F1 = 3,89 ; F2 = 3,49 ; F3 = 3,00
3. Nilai Hitung: F1 = 4,802; F2 = 0,292 ; F3 = 0,896
F3hitung = 0,896 < F3kritis = 3,00. Menerima H0

5. Kesimpulan: Terdapat skor rata-rata karena perbedaan tingkat pendidikan dan tidak terdapat perbedaan
skor rata-rata karena perbedaan bagian dan interaksi.
Langkah menentukan F hitung
1. Input data. Buat 3 variabel, yaitu SKOR dan PENDIDIKAN, dan BAGIAN sbb.:


3. Pindahkan variabel SKOR ke kolom Dependen Variable, dan variabel
PENDIDIKAN dan BAGIAN ke kolom Fixed Factor(s):
4. Biarkan Sum of Square Type III dan non aktifkan Include intercept in model:

Interpretasi hasil menggunakan sig.:

KEPUTUSAN
SUMBER PERBEDAAN Sig. KESIMPULAN
a = 5%
PENDIDIKAN 0,029 Menolak H0 Berbeda
BAGIAN 0,830 Menerima H0 Tidak Berbeda
PENDIDIKAN * BAGIAN 0,528 Menerima H0 Tidak Berbeda

ANCOVA
 ANCOVA: menguji pengaruh satu variabel kategori dan satu
variabel kontinyu (skala) terhadap satu variabel kontinyu (skala).
 Misalnya sebuah perusahaan memiliki 3 unit produksi. Penelitian
dilakukan untuk menguji hipotesis pengaruh perbedaan unit kerja
dan masa kerja terhadap gaji karyawan
VARIABEL INDEPEDEN VARIABEL INDEPEDEN

(Factor)
UNIT KERJA
(Data Kategori) (Respon)
GAJI
(Data Kuantitatif)
(Covariat)
MASA KERJA
(Data Kuantitatif))

Lanjutan ...
Contoh Kasus 4:
Sebuah perusahaan garmen memiliki 3 unit produksi, yaitu Unit I, Unit II, dan
Unit III. Sebuah penelitian dilakukan untuk menguji hipotesis bahwa gaji
karyawan dipengaruhi oleh unit produksi dan masa kerja. Tabel berikut ini
data tentang gaji karyawan yang dipilih secara random. Gunakan  = 5%
untuk menguji hipotesis yang menyatakan bahwa gaji karyawan dipengaruhi
oleh unit produksi dan masa kerja.
GAJI (JT) 3.4 2.6 3.3 2.1 2.7 3 1.9 2.2 2.8 1.7 3.2 2.8 2.4 1.5 2.4
UNIT 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
MK 0.9 1.2 2.2 1.5 2.4 2 1.8 1.5 2.5 0.5 3.6 2.8 2.2 1.7 2
UNIT:
Gaji: variabel kuantitatif, Unit: variabel kategori,
1 = Unit kerja I
MK: variabel kuantitatif
2 = Unit kerja II
3 = Unit kerja III
 Analisis:
H01: Unit produksi tidak berpengaruh terhadap gaji karyawan
H02: Masa kerja tidak berpengaruh terhadap gaji karyawan
HA1: Unit produksi berpengaruh terhadap gaji karyawan
HA2: Masa kerja berpengaruh terhadap gaji karyawan
2. Nilai Kritis: F1 = 3,98 F2 = 4,84

3. Nilai Hitung: F1 = 2,736 F2 = 6,296
4. Keputusan: F1hitung = 2,736 < F1kritis = 3,98. Menerima H0.
F2hitung = 6,296 > F2kritis = 4,84. Menolak H0.
5. Kesimpulan: Unit kerja tidak berpengaruh terhadap gaji karyawan, sedangkan masa
kerja berpengaruh terhadap gaji karyawan.

1. Input data. Buat 3 variabel, yaitu GAJI, UNIT, dan MK sbb.:
GAJI = Gaji Karyawan (Juta Rp.)

UNIT = Unit kerja karyawan
MK = Masa kerja karyawan (Tahun)


Interpretasi hasil menggunakan sig.:

KEPUTUSAN
SUMBER PERBEDAAN Sig. KESIMPULAN
a = 5%
UNIT KERJA 0,109 Menerima H0 Tidak Berpengaruh
MASA KERJA 0,029 Menolak H0 Berpengaruh

MANOVA
 Manova merupakan metode analisis statistik untuk
menguji pengaruh variabel kategori terhadap 2 atau lebih
variabel kuantitas (kontinyu)
 Manova terdiri dari
 One-way Manova
 Two-way Manova

 Asumsi Manova
1. Independent Random Sampling
2. Level and Measurement of the Variables: (variabel independen harus
kategori dan variabel dependen kontinyu atau kuantitatif.
3. Absence of multicollinearity: variabel dependen tidak berkorelasi
satu sama lain. Tabachnick & Fidell (2012) menyarankan r kurang dari
0.9.
4. Normality: data variabel dependen berdistribusi normai.
5. Homogeneity of Variance: Variance antarkelompok sama.

Lanjutan ...
 One-way Manova merupakan metode analisis statistik untuk menguji
pengaruh satu variabel kategori terhadap 2 atau lebih variabel kuantitas
 Misalnya penelitian dilakukan untuk menguji pengaruh tingkat pendidikan
(SMA, D3, S1) terhadap nilai kinerja dan gaji.
 Tingkat pendidikan merupakan variabel kategori, nilai kerja dan gaji
merupakan variabel kuantitatif

(Respon)
(Factor) NILAI KINERJA

(Data Kuantitatif)
PENDIDIKAN
(Data Kategori) (Respon)
GAJI
(Data Kuantitatif)

Lanjutan ...
Contoh Kasus 5:
Sebuah penelitian dilakukan untuk menguji hipotesis bahwa gaji karyawan
dan nilai kinerja karyawan dipengaruhi oleh tingkat pendiidikan karyawan.
Tabel berikut ini data tentang gaji karyawan (GAJI) dan nilai kinerja karyawan
(NKINERJA), dan tingkat pendidkan karyawan (PENDIDIKAN) yang dipilih
secara random. Gunakan  = 5% untuk menguji hipotesis yang menyatakan
bahwa gaji karyawan dan nilai kinerja karyawan dipengaruhi pendidikan
karyawan.
PENDIDIKAN 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
NKINERJA 48 62 64 69 55 76 59 74 75 70 78 84 72 77 83
GAJI 1.5 2.6 1.9 2.1 2.7 2.8 2.5 2.2 2.8 2.6 3.2 2.8 3.2 3.9 3.0
PENDIDIKAN:
Pendidikan: variabel kategori, Gaji: variabel kuantitatif,
1 = SMA
Nilai Kinerja: variabel kuantitatif
2 = D3
3 = S1
 Analisis:
H01: Pendidikan tidak berpengaruh terhadap gaji karyawan
H02: Pendidikan tidak berpengaruh terhadap nilai kinerja karyawan
HA1: Pendidikan berpengaruh terhadap gaji karyawan
HA2: Pendidikan berpengaruh terhadap nilai kinerja karyawan
2. Nilai Kritis: F1 = 3,98 F2 = 4,84

3. Nilai Hitung: F1 = 2,736 F2 = 6,296
4. Keputusan: F1hitung = 2,736 < F1kritis = 3,98. Menerima H0.
5. Kesimpulan: Unit kerja tidak berpengaruh terhadap gaji karyawan, sedangkan masa
kerja berpengaruh terhadap gaji karyawan.

1. Input data. Buat 3 variabel, yaitu PENDIDIKAN, NKINERJA, dan GAJI sbb.:
PENDIDIKAN = Pendidikan karyawan

NKINERJA = Kinerja karyawan
GAJI = Gaji karyawan (Juta Rp.)

2. Proses data menggunakan Analyze, General Linear Model, Multivariate:

3. Klik Option dan pindahkan PENDIDIKAN ke Display Means for, lalu aktifkan
Descriptive statistitics, Estiamtes of effect size, Observed power,
dan Homogenity tests:

4. Klik continue akan kembali ke tampilan berikut ini.
5. Klik Post Hoc muncul tampilan berikut:

6. Pindahkan PENDIDIKAN ke kolom Post Hoc tests for dan aktifkan Bonferroni
dan Games-Howell:
7 . Klik Continue akan kembali

ke tampilan berikut ini.
Keterangan:
• Bonferroni test  jika Levene's Test sig. > 0,05
• Games-Howell test  jika Levene's Test sig. < 0,05

9. Klik Continue, lalu klik OK, akan ditampilkan hasil perhitungan:
Interpretasi:
1. Rata-rata nilai kinerja S1 tertinggi (78,8), disusul D3 (70,8), dan SMA (59,6)
2. Rata-rata gaji tertinggi S1 (3,22), disusul D3 (2,58), dan SMA (2,16)
Interpretasi:
Uji Wilks’ lambda menunjukkan nillai F hitung = 5,595 > F kritis (5%,4;22) = 2,82
atau nilai Sig. = 0,003 <  = 5%, menunjukkan H0 ditolak.
Kesimpulan: Secara simultan PENDIDIKAN berpengaruh signifikan
terhadap nilai kinerja dan gaji
Interpretasi: Uji Parsial
Pada baris PENDIDIKAN menunjukkan nilai Sig. NKINERJA (0,003) dan
Sig. GAJI (0.004) lebih kecil daripada  = 5%. Keputusan menolak H0.
Kesimpulan: Secara parsial PENDIDIKAN berpengaruh signifikan terhadap nilai

kinerja maupun gaji
Uji beda antarvariabel dependen:
1. Jika Sig. > , berarti varians homogen. Gunakan Bonferroni Test
2. Jika Sig. < , berarti varians tidak homogen. Gunakan Games-Howell Test
Interpretasi:
Levene’s Test menunjukkan Sig. variabel dependen NKINERJA (Sig. = 0,500)
dan variabel dependen GAJI (Sig. = 0,379) lebih besar daripada  = 5%.
Kesimpulan: varians data sama (homogen)
Uji beda menggunakan Bonferroni Test

Interpretasi:
PERBANDINGAN Sig. KEPUTUSAN ( = 5%) KESIMPULAN
NKINERJA SMA - S1 0,002 Menolak H0 Berbeda
GAJI SMA - S1 0,004 Menolak H0 Berbeda
Interpretasi:
PENDIDIKAN DENGAN TINGKAT KONFIDENSI 95%

SMA 52,95 s.d 66,25
NILAIKINERJA D3 64,15 s.d 77,45
S1 72,15 s.d 85,45
SMA Rp1,77 juta s.d Rp2,55 juta
GAJI D3 Rp2,17 juta s.d Rp2,97 juta
S1 Rp2,83 juta s.d Rp3,61 juta

Lanjutan ...
 Two-way Manova merupakan metode analisis statistik untuk menguji
pengaruh dua variabel kategori terhadap 2 atau lebih variabel kuantitas
(SMA, D3, S1) dan bagian (Produksi, Pemasaran, Lainnya) terhadap nilai
kinerja dan gaji.
 Tingkat pendidikan dan jenis kelamin merupakan variabel kategori, nilai
kerja dan gaji merupakan variabel kuantitatif
VARIABEL INDEPEDEN
VARIABEL INDEPEDEN
(Factor) (Respon)
PENDIDIKAN NILAI KINERJA

(Data Kategori) (Data Kuantitatif)
(Factor) (Respon)
BAGIAN GAJI
Lanjutan ...
Contoh Kasus 6:
Sebuah penelitian dilakukan untuk menguji hipotesis bahwa gaji karyawan dan
nilai kinerja karyawan dipengaruhi oleh tingkat pendiidikan karyawan dan
bagian karyawan bekerja. Tabel berikut ini data tentang tingkat pendidkan
karyawan (PENDIDIKAN), bagian karyawan bekerja (BAGIAN), gaji karyawan
(GAJI) dan nilai kinerja karyawan (NKINERJA) yang dipilih secara random.
Gunakan  = 5% untuk menguji hipotesis yang menyatakan bahwa gaji
karyawan dan nilai kinerja karyawan dipengaruhi olwh pendidikan karyawan
dan bagian karyawan bekerja.
PENDIDIKAN 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
BAGIAN 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
NKINERJA 48 62 64 69 55 76 59 74 75 70 78 84 72 77 83
GAJI 1.5 2.6 1.9 2.1 2.7 2.8 2.5 2.2 2.8 2.6 3.2 2.8 3.2 3.9 3.0
Pendidikan: variabel kategori, Bagian: vaiabel kategori, PENDIDIKAN: BAGIAN:

Gaji: variabel kuantitatif, Nilai Kinerja: variabel kuantitatif 1 = SMA 1 = Produksi
2 = D3 2 = Pemasaran
3 = S1 3 = Lainnya

 Analisis:
H01: Pendidikan tidak berpengaruh terhadap gaji karyawan
H02: Pendidikan tidak berpengaruh terhadap nilai kinerja karyawan
H03: Bagian tidak berpengaruh terhadap gaji karyawan
H04: Bagian tidak berpengaruh terhadap nilai kinerja karyawan
HA1: Pendidikan berpengaruh terhadap gaji karyawan
HA2: Pendidikan berpengaruh terhadap nilai kinerja karyawan
HA3: Bagian berpengaruh terhadap gaji karyawan
HA4: Bagian berpengaruh terhadap nilai kinerja karyawan

2. Nilai Kritis: F1 = 5,14 ; F2 = 5,14; F3 = 5,14 ; F4 = 5,14
3. Nilai Hitung: F1 = 18,396; F2 = 6,675 ; F3 = 1,5; F4 = 1,919
F3hitung = 1,5 < F3kritis = 5,14,. Menerima H0.
5. Kesimpulan:
Pendidikan karyawan berpengaruh terhadap nilai kinerja karyawan dan gaji
karyawan.
Bagian karyawan bekerjta tidak berpengaruh terhadap nilai kinerja karyawan dan
gaji karyawan.

1. Input data. Buat 4 variabel, yaitu PENDIDIKAN, BAGIAN ,
NKINERJA, dan GAJI sbb.:

BAGIAN = Bagian tempat karyawan bekerja

3. Klik Post Hoc, pindahkan PENDIDIKAN dan BAGIAN ke kolom Post Hoc tests for
dan aktifkan Bonferroni :

Interpretasi: (Uji Simultan)
1. Nilai Sig. untuk uji pengaruh PENDIDIKAN terhadap nilai kinerja dan gaji lebih kecil dari  = 5% .
Keputusan pengujian menolah H0. Dengan demikian dapat disimpulkan pendidikan karyawan
berpengaruh terhadap nilai kinerja karyawan dan gaji karyawan secara simultan.
2. Nilai Sig. untuk uji pengaruh BAGIAN terhadap nilai kinerja dan gaji lebih kecil dari  = 5% .
Keputusan pengujian menolah H0. Dengan demikian dapat disimpulkan bagian kerja karyawan
berpengaruh terhadap nilai kinerja karyawan dan gaji karyawan secara simultan.
Interpretasi: (Uji Parsial)
1. Nilai Sig. untuk uji pengaruh PENDIDIKAN terhadap nilai kinerja dan gaji lebih kecil dari  = 5% .
Keputusan pengujian menolah H0. Dengan demikian dapat disimpulkan pendidikan karyawan
berpengaruh terhadap nilai kinerja karyawan dan gaji karyawan secara parsial.
2. Nilai Sig. untuk uji pengaruh BAGIAN terhadap nilai kinerja dan gaji lebih kecil dari  = 5% .
Keputusan pengujian menolah H0. Dengan demikian dapat disimpulkan bagian kerja karyawan
berpengaruh terhadap nilai kinerja karyawan dan gaji karyawan secara parsial.
MANCOVA
 Mancova merupakan metode analisis statistik untuk menguji pengaruh satu
atau lebih variabel kategori dan satu variabel kuantitatif (covariat), sebagai
variabel independen, terhadap 2 atau lebih variabel kuantitatif (kontinyu)
sebagai variabel dependen
 Mancova terdiri dari One-way Mancova dan Factorial Mancova.
 One-way Mancova merupakan metode analisis statistik untuk menguji
pengaruh satu variabel kategori dan satu atau lebih variabel kuantitatif
(covariat) terhadap 2 atau lebih variabel kuantitas
(SMA, D3, S1) dan masa kerja terhadap nilai kinerja dan gaji karyawan.
 Tingkat pendidikan merupakan variabel kategori, masa kerja, nilai kinerja,
dan gaji merupakan variabel kuantitatif (kontinyu)
 Variabel dependen: Nilai Kinerja dan Gaji
 Variabel independen: Tingkat Pendidikan dan Masa Kerja

 Asumsi Mancova
1. Independent Random Sampling
2. Level and Measurement of the Variables: (variabel independen harus
kategori dan variabel dependen kontinyu atau kuantitatif. Covariate
dapat kontinyu, ordinal, atau dichotomi.
3. Absence of multicollinearity: variabel dependen tidak berkorelasi
satu sama lain. Tabachnick & Fidell (2012) menyarankan r kurang dari
0.9.
4. Normality: data variabel dependen berdistribusi normai.
5. Homogeneity of Variance: Variance antarkelompok sama.
6. Relationship between covariate(s) and dependent variables: in
choosing what covariates to use, it is common practice to assess if a
statistical relationship exists between the covariate(s) and the
dependent variables; this can be done through correlation analyses.

SKEMA ONE-WAY MANCOVA
(Factor) (Respon)

(Covariat) (Respon)
MASA KERJA GAJI
(Data Kuantitatif) (Data Kuantitatif)

 Analisis
1. Levene’s Test of Equality of Variance: digunakan untuk
menguji apakah varians antarindependen variabel adalah sama (
homogeneity of variance). Jika nilai Levene’s test tidak signifikan
menunjukkan bahwa varians antargrup adalah sama.
2. Box’s M Test: digunakan untuk mengetahui kesamaan kovarian
antargrup (multivariate homogeneity of variance). Biasanya
menggunakan α = .001, karena uji ini sangat sensitif.
3. Partial eta square: Partial eta square (η2) menunjukkan berapa
besar varians dapat dijelaskan oleh variabel independen.
4. Post hoc test: Jika terdapat perbedaan yang signifikan
antargrup, post hoc tests digunakan untuk mengetahui variabel
independen mana yang berbeda.
5. Multivariate F-statistics: digunakan untuk mengujia
apakah terdapat perbedaan yang signifikan antargrup
6. Covariate: Covariate pada dasarnya sebagai variabel

kontrol dan tidak berhubungan dengan variabel
independen, tetap memiliki hubungan dengan variabel
dependen. Covariate digunakan untuk menurunkan the
error term.

Lanjutan ...
Contoh Kasus 7:
dan nilai kinerja karyawan dipengaruhi oleh tingkat pendiidikan karyawan dan
jenis kelamin. Tabel berikut ini data tentang tingkat pendidkan karyawan
(PENDIDIKAN), masa kerjja (MK), gaji karyawan (GAJI) dan nilai kinerja
karyawan (NKINERJA) yang dipilih secara random. Gunakan  = 5% untuk
menguji hipotesis yang menyatakan bahwa gaji karyawan dan nilai kinerja
karyawan dipengaruhi oleh pendidikan karyawan dan masa kerja karyawan.
PENDIDIKAN 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3
MK 2.3 2.4 3 1.8 2.5 2.8 1.9 2.3 2.2 2.7 1.8 2.1 2.5 2.3 2.7 2.6 3.1 3.4 2.7 2.9 3.2
NKINERJA 48 62 64 69 55 69 52 64 68 76 59 74 75 70 81 76 78 84 72 77 83
GAJI 1.5 2.6 1.9 2.1 2.7 2.4 1.7 2.7 3.1 2.8 2.5 2.2 2.8 2.6 3.5 3.4 3.2 2.8 3.2 3.9 3.0
PENDIDIKAN:
Pendidikan: variabel kategori, Masa Kerja: Var. kuantitatif,
1 = SMA
Gaji: variabel kuantitatif, Nilai Kinerja: variabel kuantitatif 2 = D3
3 = S1

1. Input data. Buat 4 variabel, yaitu PENDIDIKAN, MK,

MK = Masa Kerja karyawan (tahun)


3. Klik Option sehingga muncul tampilan:

4. Klik Continue, kemudian klik OK sehingga hasil perhitungan:
Interpretasi:
Nilai Sig. = 0,515 >  = 5% menunjukkan bahwa uji
kesamaan matriks kovarians menerima hipotesis nol yang
menyatakan bahwa matriks kovarians variabel dependen
di seluruh kelompok adalah sama

Interpretasi:
Uji pengaruh masa kerja: Nilai Sig. = 0,140 >  = 5% menunjukkan bahwa tidak
terdapat perbedaan nilai kinerja karyawan dan gaji karyawan yang disebabkan oleh
Perbedaan masa kerja.
Uji pengaruh pendidikan: Nilai Sig. (Wilks’ Lambda) = 0,001 <  = 5% menunjukkan
bahwa terdapat perbedaan nilai kinerja karyawan dan gaji karyawan yang disebabkan
oleh perbedaan pendidikan.
Interpretasi:
Nilai Sig. (NKINERJA)= 0,099 >  = 5% dan nilai Sig. (GAJI)
= 0,293 > 5% menunjukkan bahwa uji kesamaan varians
variabel dependen menerima hipotesis nol .
Artinya varians variabel dependen adalah sama.
Interpretasi:
1. Masa kerja pengaruh terhadap nilai kinerja karyawan (Sig. = 0,044 <  = 5%)
2. Masa kerja tidak pengaruh terhadap gaji karyawan (Sig. = 0,819 >  = 5%)
3. Pendidikan pengaruh terhadap nilai kinerja karyawan (Sig. = 0,002 <  = 5%)
4. Pendidikan pengaruh terhadap gaji karyawan (Sig. = 0,001 <  = 5%)
Estimasi nilai kinerja karyawan
berdasar tingkat pendidikan
Estimasi gaji karyawan


Interpretasi:
Nilai Sig. (Wilks’ Lambda) = 0,001 <  = 5% menunjukkan bahwa pendidikan secara simultan
memiliki hubungan yang tidak linear dengan nilai kinerja karyawan dan gaji karyawan.
Interpretasi:
1. Pendidikan (secara individu) memiliki hubungan yang tidak linear dengan nilai kinerja karyawan
(Sig. = 0,002 <  = 5% )
2. Pendidikan (secara individu) memiliki hubungan yang tidak linear dengan gaji karyawan
(Sig. = 0,001 <  = 5% )
 Factorial Mancova merupakan metode analisis statistik untuk
menguji pengaruh dua atau lebih variabel kategori dan satu atau
lebih variabel kuantitatif (covariat) terhadap 2 atau lebih variabel
kuantitas
 Misalnya penelitian dilakukan untuk menguji pengaruh tingkat
pendidikan (SMA, D3, S1), jenis kelamin (Pria, Wanita) dan masa
kerja terhadap nilai kinerja dan gaji karyawan.
 Tingkat pendidikan dan jenis kelamin merupakan variabel kategori,
masa kerja, nilai kinerja, dan gaji merupakan variabel kuantitatif
(kontinyu)
 Variabel dependen: Nilai Kinerja dan Gaji
 Variabel independen: Tingkat Pendidikan, Jenis Kelamin, dan Masa
Kerja

SKEMA FACTORIAL MANCOVA
(Factor) (Respon)
(Factor)
JENIS KELAMIN
(Data Kategori)
(Respon)
GAJI
(Covariat) (Data Kuantitatif)
MASA KERJA
(Data Kuantitatif)

Lanjutan ...
Contoh Kasus 8:
dan nilai kinerja karyawan dipengaruhi oleh tingkat pendiidikan karyawan dan
jenis kelamin. Tabel berikut ini data tentang tingkat pendidkan karyawan
(PENDIDIKAN), masa kerjja (MK), gaji karyawan (GAJI) dan nilai kinerja
karyawan (NKINERJA) yang dipilih secara random. Gunakan  = 5% untuk
menguji hipotesis yang menyatakan bahwa gaji karyawan dan nilai kinerja
karyawan dipengaruhi oleh pendidikan karyawan dan masa kerja karyawan.
PENDIDIKAN 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3
JENIS KEL 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2
MK 2.3 2.4 3 1.8 2.5 2.8 1.9 2.3 2.2 2.7 1.8 2.1 2.5 2.3 2.7 2.6 3.1 3.4 2.7 2.9 3.2
NKINERJA 48 62 64 69 55 69 52 64 68 76 59 74 75 70 81 76 78 84 72 77 83
GAJI 1.5 2.6 1.9 2.1 2.7 2.4 1.7 2.7 3.1 2.8 2.5 2.2 2.8 2.6 3.5 3.4 3.2 2.8 3.2 3.9 3.0
PENDIDIKAN:
Pendidikan dan Jenis kelamin: variabel kategori, 1 = SMA
Masa Kerja: Var. kuantitatif, Gaji: variabel kuantitatif, 2 = D3
3 = S1
Nilai Kinerja: variabel kuantitatif JENIS KEL:
1= Pria
2= Wanita
1. Input data. Buat 5 variabel, yaitu PENDIDIKAN, JENISKEL, MK,

JENISKEL = Jenis Kelamin Karyawan
MK = Masa Kerja karyawan (tahun)


3. Klik Option sehingga muncul tampilan:

4. Klik Continue, kemudian klik OK sehingga hasil perhitungan:

Interpretasi:
Nilai Sig. = 0,821 >  = 5% menunjukkan bahwa uji
kesamaan matriks kovarians menerima hipotesis nol yang
menyatakan bahwa matriks kovarians variabel dependen
di seluruh kelompok adalah sama

Interpretasi:
Uji pengaruh masa kerja: Nilai Sig. = 0,135 >  = 5% menunjukkan bahwa tidak
terdapat perbedaan nilai kinerja karyawan dan gaji karyawan yang disebabkan oleh
Perbedaan masa kerja.
Uji pengaruh pendidikan: Nilai Sig. (Wilks’ Lambda) = 0,02 <  = 5% menunjukkan
bahwa terdapat perbedaan nilai kinerja karyawan dan gaji karyawan yang disebabkan
oleh perbedaan pendidikan.
Uji pengaruh pendidikan: Nilai Sig. (Wilks’ Lambda) = 0,445 >  = 5% menunjukkan
bahwa tidak terdapat perbedaan nilai kinerja karyawan dan gaji karyawan yang disebabkan
oleh perbedaan jenis kelamin.
Interpretasi:
Nilai Sig. (NKINERJA)= 0,191 >  = 5% dan nilai Sig. (GAJI)
= 0,268 > 5% menunjukkan bahwa uji kesamaan varians
variabel dependen menerima hipotesis nol .
Artinya varians variabel dependen adalah sama.
Interpretasi:
1. Masa kerja pengaruh terhadap nilai kinerja karyawan (Sig. = 0,045 <  = 5%)
2. Masa kerja tidak pengaruh terhadap gaji karyawan (Sig. = 0,999 >  = 5%)
3. Pendidikan tidak pengaruh terhadap nilai kinerja karyawan (Sig. = 0,105 >  = 5%)
4. Pendidikan pengaruh terhadap gaji karyawan (Sig. = 0,007 <  = 5%)
5. Jenis Kelamin tidak pengaruh terhadap nilai kinerja karyawan (Sig. = 0,645 >  = 5%)
6. Pendidikan tidak pengaruh terhadap gaji karyawan (Sig. = 0,264 >  = 5%)


Interpretasi:
Nilai Sig. (Wilks’ Lambda) = 0,001 <  = 5% menunjukkan bahwa pendidikan secara simultan
Interpretasi:
1. Pendidikan (secara individu) memiliki hubungan yang tidak linear dengan nilai kinerja karyawan
(Sig. = 0,003 <  = 5% )
2. Pendidikan (secara individu) memiliki hubungan yang tidak linear dengan gaji karyawan
(Sig. = 0,001 <  = 5% )

berdasar jenis kelamin

berdasar jenis kelamin

Interpretasi:
Nilai Sig. (Wilks’ Lambda) = 0,021 <  = 5% menunjukkan bahwa jenis kelamin secara simultan
Interpretasi:
1. Jenis kelamin (secara individu) memiliki hubungan yang tidak linear dengan nilai kinerja karyawan
(Sig. = 0,014 <  = 5% )
2. Jenis kelamin (secara individu) memiliki hubungan yang tidak linear dengan gaji karyawan
(Sig. = 0,039 <  = 5% )

REPEATED MEASURE ANOVA
 One-way Repeated Measure Anova digunakan untuk menguji hipotesis
bahwa terdapat perbedaan lebih dari dua rata-rata populasi yang
berpasangan dengan satu treatement (perlakukan) dan datanya
berdistribusi normal
 Data yang dianalisis pada skala interval atau rasio
 Perlakukan terhadap variabel hanya satu. Jika treatement (perlakuan)
terhadap variabel lebih dari satu, maka menggunakan Two-way Repeated
Measure Anova.
 Misalnya penelitian ingin menguji hipotesis bahwa jenis musik berpengaruh
tehadap kinerja karyawan (One-way Repeated Measure Anova)
 Misalnya penelitian bertujuan untuk menguji hipotesis bahwa jenis musik
dan jenis kelamin berpengaruh terhadap kinerja karyawan (Two-way
Repeated Measure Anova)

Lanjutan ...
One-way Repeated Measure Anova
Contoh Kasus 9:
Sebuah penelitian dilakukan untuk menguji hipotesis bahwa musik berpengaruh
terhadap kinerja karyawan. Kinerja karyawan ditentukan berdasarkan waktu
yang diperlukan karyawan dalam menyelesaikan satu pekerjaan. Semakin
singkat waktu yang dibutuhkan karyawan menyelesaikan pekerjaan, semakin
tinggi kinerja karyawan. Tabel berikut ini data tentang kinerja 14 karyawan yang
digunakan sebagai sampel selama 3 hari mereka bekerja. Hari pertama kinerja
karyawan diukur tanpa musik, hari kedua menggunakan musik klasik, dan hari
ketiga menggunakan musik pop. Gunakan  = 5% untuk menguji hipotesis
musik berpengaruh terhadap kinerja karyawan. Data kinerja karyawan diketahui
berdistribusi normal.
KARYAWAN 1 2 3 4 5 6 7 8 9 10 11 12 13 14
TANPA 12 16 13 8 11 15 22 21 26 22 21 16 9 10
KLASIK 14 10 14 9 12 11 23 18 20 20 22 14 6 9
POP 6 14 12 11 18 12 21 20 18 24 17 18 8 7

Langkah menentukan Nalai Statistik
1. Input data. Buat 3 variabel, yaitu TANPA, KLASIK, dan POP sbb.:
TANPA = Kinerja Tanpa Musik

KLASIK = Kinerja dengan musik Klasik
POP = Kinerja dengan musik Pop

2. Proses data menggunakan Analyze, General Linear Model, Repeated Measure
sbb:

sehingga muncul tampilan berikut
Pada kolom Within-Subject Factor Name, factor1 diganti (misalnya) musik

dan Number of Level diisi 3 (sesuai dengan jumlah treatement: Tanpa, Klasik, Pop)

3. Klik Add akan puncul tampilan sbb.:
•musik(3) artinya:
•Musik: mana treatement
• (3): banyaknya treatement, yaitu

Tanpa Musik, Musik Klasik,
dan Musik Pop

4. Klik Define akan puncul tampilan sbb.:

5. Pindahkan variabel TANPA, KLASIK, dan POP ke kolom Within-Subject
Variables seperti tampilan sbb.:

6. Klik Option dan pindahkan musik ke kolom Display Means for:

7. Aktifkan Descriptive statistics dan Estimates of effect size:

8. Klik Continue, kemusian klik OK akan diperoleh tampilan sbb.:

Interpresi:
Uji Greenhouse-Geisser menunjukkan bahwa dengan  = 5% tidak terdapat perbedaan
yang signifikan kinerja karyawan antara tanpa musik, musik klasik, dan musik pop.
Karena Sig. = 0,241 >  = 5%.
Rata-rata waktu menyelesaikan pekerjaan tanpa musik adalah 15,8; musik klasik
adalah 14,3, dan musik pop adalah 14,8. Paling cepat dengan musik klasik
Lanjutan ...
Two-way Repeated Measure Anova
Contoh Kasus 9:
Sebuah penelitian dilakukan untuk menguji hipotesis bahwa musik dan jenis kelamin
berpengaruh terhadap kinerja karyawan. Kinerja karyawan ditentukan berdasarkan waktu
yang diperlukan karyawan dalam menyelesaikan satu pekerjaan. Semakin singkat waktu
yang dibutuhkan karyawan menyelesaikan pekerjaan, semakin tinggi kinerja karyawan.
Tabel berikut ini data tentang kinerja 14 karyawan yang digunakan sebagai sampel
selama 3 hari mereka bekerja. Hari pertama kinerja karyawan diukur tanpa musik, hari
kedua menggunakan musik klasik, dan hari ketiga menggunakan musik pop. Gunakan  =
5% untuk menguji hipotesis musik berpengaruh terhadap kinerja karyawan. Data kinerja
karyawan diketahui berdistribusi normal.
KARYAWAN 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
JENIS KELAMIN 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2
TANPA 12 16 13 8 11 15 22 21 26 22 21 16 9 10 14 23
KLASIK 14 10 14 9 12 11 23 18 12 15 22 14 6 9 10 8
POP 6 14 12 11 18 12 21 20 18 24 17 18 8 7 9 11
Jenis kelamin: 1 = Pria dan 2 = Wanita

Langkah menentukan Nilai Statistik
1. Input data. Buat 6 variabel, yaitu TANPA_P, KLASIK_P, POP_P,
TANPA_W, KLASIK_W, POP_W sbb.:
TANPA_P = Kinerja Tanpa Musik pria TANPA _W= Kinerja Tanpa Musik wanita
KLASIK_P = Kinerja dengan musik Klasik pria KLASIK _W= Kinerja dengan musik Klasik wanita
POP _P= Kinerja dengan musik Pop pria POP_W = Kinerja dengan musik Pop wanita

2. Proses data menggunakan Analyze, General Linear Model, Repeated Measure
sbb:

sehingga muncul tampilan berikut
Pada kolom Within-Subject Factor Name, factor1 diganti (misalnya) Jenis_Kelamin

dan Number of Level diisi 2 (sesuai dengan jumlah kategori: Pria dan Wanita)

3. Klik Add sehingga muncul seperti 4. Ulangi dengan cara yang sama
tampilan berikut ini: sehingga munsil tampilan berikut
ini:

5. Klik Add sehingga muncul seperti 6. Klik Define sehingga muncul seperti
tampilan berikut ini: tampilan berikut ini:

7. Pindahkan semua variabel ke kolom Within-Subject Variables
seperti tampak pada tampilan dberikut ini:

9. Pindahkan variabel ke kolom Display Means for
dan aktifkan Deskriptive statistics dan Estimates
of effect size. Aktifkan Compare main effects dan
8. Klik Option akan muncul sbb: pilih Bonferroni seperti berikut ini:

10. Klik Continue dan kemudian klik Ok akan muncul hasil perhitungan sbb.:

Interpretasi:
Waktu tercepat menyelesaikan pekerjaan karyawan wanita
dengan musik klasik (12,000)
Waktun terlama menyelesaikan pekerjaan adalah karyawan wanita

tanpa musik (17,625)

Interpresi:
1. Uji Greenhouse-Geisser menunjukkan bahwa dengan  = 5% tidak terdapat perbedaan yang
signifikan kinerja karyawan pria dan wanita. Karena Sig. = 0,929 >  = 5%. Artinya jenis
kelamin tidak berpengaruh terhadap kinerja karyawan.
2. Uji Greenhouse-Geisser menunjukkan bahwa dengan  = 5% tidak terdapat perbedaan yang

signifikan kinerja karyawan antara tanpa musik, musik klasik, dan musik pop. Karena Sig. =
0,06 >  = 5%. Artinya, musik tidak berpengaruh terhadap kinerja karyawan.

Interpretasi:
KEPUTUSAN
PERBANDINGAN Sig. KESIMPULAN
 = 5%/3 = 0,017
KLASIK-TANPA 0,048 Menerima H0 Tidak Berbeda
POP-TANPA 0,278 Menerima H0 Tidak Berbeda
POP-KLASIK 0,490 Menerima H0 Tidak Berbeda
Pengujian dilakukan terhadap 3 kelompok, sehingga nilai

kritis adalah /3. Jadi jika  = 5%, maka nilai kritis pengujian
adalah 5%/3 = 1,7% atau 0,017. (Bonferroni Adjustment)

Analisis Varians

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Analisis Varians

Diunggah oleh

Hak Cipta:

Format Tersedia

STATISTIKA 2

Uji Bede k Rata-rata (k > 2)

Drs. Algifari STIE YKPN Yogyakarta 2

Drs. Algifari STIE YKPN Yogyakarta 3

Drs. Algifari STIE YKPN Yogyakarta 4

Contoh One-way Anova

Drs. Algifari STIE YKPN Yogyakarta 5

Drs. Algifari STIE YKPN Yogyakarta 6

Drs. Algifari STIE YKPN Yogyakarta 7

Drs. Algifari STIE YKPN Yogyakarta 8

sehingga muncul tampilan:

Drs. Algifari STIE YKPN Yogyakarta 9

4. Klik OK akan diperoleh hasil perhitungan sebagai berikut:

Drs. Algifari STIE YKPN Yogyakarta 11

SMA - D3 0,233 Menerima H0 Tidak Berbeda

SMA - S1 0,018 Menolak H0 Berbeda

D3 - S1 0,391 Menerima H0 Tidak Berbeda

Drs. Algifari STIE YKPN Yogyakarta 12

Contoh Two-way Anova

Drs. Algifari STIE YKPN Yogyakarta 13

Drs. Algifari STIE YKPN Yogyakarta 14

H02: Tidak terdapat perbedaan skor rata-rata karena perbedaan bagian

HA1: Terdapat perbedaan skor rata-rata karena perbedaan tingkat pendidikan

HA2: Terdapat perbedaan skor rata-rata karena perbedaan bagian

2. Nilai Kritis: F1 = 5,14 ; F2 = 4,76

F2hitung = 1,429 < F2kritis = 4,76. Menerima H0.

Drs. Algifari STIE YKPN Yogyakarta 15

Drs. Algifari STIE YKPN Yogyakarta 16

sehingga muncul tampilan:

Drs. Algifari STIE YKPN Yogyakarta 17

4. Klik OK akan diperoleh hasil perhitungan sebagai berikut:

Drs. Algifari STIE YKPN Yogyakarta 18

Drs. Algifari STIE YKPN Yogyakarta 19

Drs. Algifari STIE YKPN Yogyakarta 20

H02: Tidak terdapat perbedaan skor rata-rata karena perbedaan bagian

HA1: Terdapat perbedaan skor rata-rata karena perbedaan tingkat pendidikan

HA2: Terdapat perbedaan skor rata-rata karena perbedaan bagian

F3hitung = 0,896 < F3kritis = 3,00. Menerima H0

Drs. Algifari STIE YKPN Yogyakarta 22

sehingga muncul tampilan:

Drs. Algifari STIE YKPN Yogyakarta 23

Drs. Algifari STIE YKPN Yogyakarta 24

Interpretasi hasil menggunakan sig.:

PENDIDIKAN 0,029 Menolak H0 Berbeda

BAGIAN 0,830 Menerima H0 Tidak Berbeda

PENDIDIKAN * BAGIAN 0,528 Menerima H0 Tidak Berbeda

VARIABEL INDEPEDEN VARIABEL INDEPEDEN

Drs. Algifari STIE YKPN Yogyakarta 26

H02: Masa kerja tidak berpengaruh terhadap gaji karyawan

HA1: Unit produksi berpengaruh terhadap gaji karyawan

HA2: Masa kerja berpengaruh terhadap gaji karyawan

2. Nilai Kritis: F1 = 3,98 F2 = 4,84

F2hitung = 6,296 > F2kritis = 4,84. Menolak H0.

Drs. Algifari STIE YKPN Yogyakarta 28

GAJI = Gaji Karyawan (Juta Rp.)

Drs. Algifari STIE YKPN Yogyakarta 29

sehingga muncul tampilan:

Drs. Algifari STIE YKPN Yogyakarta 30

Interpretasi hasil menggunakan sig.:

UNIT KERJA 0,109 Menerima H0 Tidak Berpengaruh

MASA KERJA 0,029 Menolak H0 Berpengaruh

Drs. Algifari STIE YKPN Yogyakarta 31