ANALISIS STATISTIK

KOMPARATIF (2)
YULI MARDIANA
AMRIADI
 TUJUAN
PEMBELAJARAN
• Mampu menjelaskan pengertian analisis
komparatif
• Mampu menerapkan uji statistik menggunakan
analisis varians, analisis varians factorial dan
analisis varians multivariate.
• Mampu menganalisis kasus yang berkaitan
dengan uji analyze of variance, factorial analysis
of variance dan analisis varians multivariate
dalam kehidupan sehari-hari.
• Mampu menyimpulkan hasil analisis varians,
analisis varians factorial dan analisis varians
multivariate

LETS GET STARTED

 ANALISIS
KOMPARATIF
analisis komparatif adalah metode
analisis kuantitatif yang bisa
dimanfaatkan untuk menganalisis
hipotesis, apakah diantara variabel
serta sampel dalam penelitian tersebut
terdapat perbandingan (Anwar, 2009)
 ANALISIS
KOMPARATIF
analisis komparatif adalah sebuah
metode analisis yang dapat
dimanfaatkan untuk
membedakan/membandingkan
variabel-variabel yang saling berkaitan
dengan menentukan perbedaan serta
persamaannya.
 ANALISIS KOMPARATIF
Dikelompokkan menjadi Tiga bagian yaitu

ANALISIS
ANALISIS VARIANS
ANALISIS
VARIANS MULTIVARIA
VARIANS
FACTORIAL T
 ANALYSIS OF VARIANCE (ANOVA)
ANOVA adalah perluasan dari Uji-T sehingga
penggunaannya tidak terbatas pada pengujian perbedaan dua
buah mean (rata-rata) Populasi, namun dapat digunakan
untuk menguji perbedaan tiga buah rata-rata populasi atau
lebih sekaligus.

Keuntungan menggunakan Analisis Varians adalah mampu

melakukan perbandingan untuk banyak variabel.

Misalnya : Adakah perbedaan berat badan bayi lahir dari keluarga sosial ekonomi
tinggi, sedang dan rendah. Atau ingin mengetahui apakah ada perbedaan rata-rata
IQ antara siswa SMA kelas kelas X, IX, dan kelas XII.
 MACAM-MACAM ANALYSIS OF VARIANCE DAN
PERBEDAANNYA
Dasar untuk
Perbedaan ONE WAY ANOVA (ANALISIS VARIAN SATU ARAH) TWO WAY ANOVA (ANALISIS VARIAN DUA ARAH)

One way ANOVA adalah tes hipotesis, yang digunakan Two way ANOVA adalah teknik analisis yang dapat dipakai untuk
Kegunaan untuk menguji kesetaraan tiga rata-rata populasi mencari perbedaan antar variabel, jika persoalan yang terjadi tidak
secara bersamaan menggunakan varians.
hanya karena satu faktor saja, melainkan karena faktor lain juga.
Variabel bebas Satu variabel independen Dua variabel independen
Perbandingan dua atau lebih kategori dalam satu faktor. Pengaruh tingkat ganda dari dua faktor tanpa interaksi

Seorang manager perusahaan minuman ingin
mengetahui apakah terdapat perbedaan yang
Contoh signifikan antara hasil penjualan minuman di tiga
daerah penjualan selama 2022, analisis ini
menggunakan analisis varians satu arah karena hanya
memiliki satu faktor yakni daerah.
Seorang manager supermarket pusat grosir ingin mengetahui
apakah terdapat perbedaan jumlah pengeluaran (nilai nominal
belanja) antara faktor jenis kelamin dan tipe belanja. Untuk tipe
belanja pelanggan dibagi menjadi tiga kategori, yaitu dua minggu
sekali dalam jumlah besar, seminggu sekali dengan item barang
yang sama dan sering berbelanja barang diskon

ASUMSI-ASUMSI 1) Sampel harus independen, 2) Sampel berdistribusi normal, 3) Sampel harus memiliki standar deviasi atau variansi yang
ANOVA sama (homogen), 4) Sampel diambil secara acak, dan 5) Variabel terikat memiliki skala numerik (rasio atau interval).
Sedangkan untuk variabel bebas, data bersifat kategorik (nominal atau ordinal).
Aplikasi Kasus One Way

Seorang peneliti ingin mencari perbedaan nilai ujian diantara

tiga kelas yakni kelas 7, kelas 8, dan kelas 9 pada tingkat
sekolah menengah pertama. Penelitian ini memakai sampel
sekitar 30 responden dari kelas 7, 8, dan 9. Dimana kelas 7
respondennya sekitar 9 orang, kelas 8 sebanyak 10 orang
dan kelas 9 sekitar 11 orang.
Nilai Ujian
75
80
Kelas
7
7
Data yang akan di analisis
76 7
93 7
86 7
88 7
79 7
92 7
70 7
89 8
73 8
85 8
95 8
80 8
92 8
79 8
83 8
90 8
77 8
70 9
88 9
72 9
94 9
84 9
90 9
78 9
93 9
80 9
82 9
89 9
Tahapan penyelesaian Uji ANOVA One Way dengan SPSS :

1 2 3
Buatlah hipotesis Input data variabel Klik Variable View
ke SPSS • Kolom Name = Nama Variable
Data yang akan di • Baris Pertama = Ketikkan Nilai Ujian
analisis • Baris Kedua = Kelas
• kolom decimal = angka 0
• kolom label = nama variable
• kolom value = value 1: kelas “7” dst.
 Tahapan penyelesaian Uji ANOVA One Way dengan SPSS :

4 5 6 7
Klik Data View Klik Menu Analyze > Muncul Halaman One Way One Way Anova > Klik
• Masukkan Data VariabelCompare Means > One Anova Option
Yang Akan Dianalisis Way Anova • Variabel Nilai Ujian > • Centang Descriptive dan
• Kolom Nilai Ujian= Hasil Kolom Dependent List Homogeneity of
Nilai Ujian • Variabel Kelas > Kolom Variance]
Factor • Tekan Tombol Continue
• Kolom Kelas = Angka
Lalu Ok
Kategori
 HASIL ANALYSIS OF VARIANCE ONE WAY
Descriptives
Nilai Ujian
95% Confidence Interval for
Mean
  N Mean
Std.
Deviation Std. Error
Mini Maxi
Lower Bound Upper Bound mum mum
Kelas 7 9 82,11 8,023 2,674 75,94 88,28 70 93
Kelas 8 10 84,30 7,134 2,256 79,20 89,40 73 95
Kelas 9 11 83,64 8,078 2,436 78,21 89,06 70 94
Total 30 83,40 7,541 1,377 80,58 86,22 70 95
 ANALISIS OUTPUT
Test of Homogeneity of Variances
Nilai Ujian

Levene Statistic df1 df2 Sig.

,147 2 27 ,864

Kriteria pengujian :
a. Jika p Value (Sig.) > 0,05 maka data dengan varians yang sama
b. Jika p Value (Sig.) < 0,05 maka data dengan varians yang tidak sama

Berdasarkan hasil analisis menunjukkan bahwa data memiliki p Value (Sig.) 0,864 >
0,05. Sehingga dapat disimpulkan bahwa data memiliki varians yang sama. Atau
dapat disimpulkan ketiga kelas yang kita bandingkan adalah sama atau homogen.
Sehingga asumsi homogenitas dalam uji one way anova terpenuhi.
 ANALISIS OUTPUT
> 50 Sampel < 50 Sampel

Kriteria pengujian :
a. Jika p Value (Sig.) > 0,05 maka data berdistribusi Normal
b. Jika p Value (Sig.) < 0,05 maka data tidak berdistribusi Normal.

Berdasarkan hasil analisis menunjukkan bahwa keseluruhan data

memiliki p Value (Sig.) > 0,05. Sehingga dapat disimpulkan bahwa data
tersebut berdistribusi normal.
 ANALISIS OUTPUT
ANOVA

Nilai Ujian

  Sum of Squares df Mean Square F Sig.

Between Groups 23,666 2 11,833 ,197 ,823
Within Groups
1625,534 27 60,205    
Total
1649,200 29      
Kriteria pengujian :
a. H0 diterima Jika p Value (Sig.) > 0,05
b. H0 ditolak atau H1 diterima Jika p Value (Sig.) < 0,05

Berdasarkan hasil analisis menunjukkan bahwa data memiliki p Value (Sig.) 0,823 > 0,05. Sehingga
H0 diterima dan dapat disimpulkan bahwa tidak terdapat perbedaan yang signifikan rata-rata nilai
ujian siswa kelas 7, 8, dan 9. Maka dari itu, dapat ditarik asumsikan bahwa nilai ujian ketiga kelas
yaitu sama secara signifikan.

Catatan :
Interpretasi hasil analisis Multiple Comparisons hanya dilanjutkan apabila H0 di tolak. Untuk melihat
perbedaan signifikan nilai ujian setiap kelas.
H0 : Tidak terdapat perbedaan signifikan antara rata-rata
nilai ujian kelas 7, kelas 8 dan kelas 9.

H1 : Terdapat perbedaan signifikan antara rata-rata nilai

ujian kelas 7, kelas 8 dan kelas 9.

Ho : A 1 ≠ A2 = A 3
H1 : A 1 = A 2 = A3
Aplikasi Kasus Two Way

Sebuah penelitian yang ingin mengetahui apakah terdapat

perbedaan hasil belajar matematika siswa MA
berdasarkan Jenjang pendidikan terakhir orang tua dan
jenis kelamin siswa tersebut. Faktor Jenjang pendidikan
terdiri dari 3 faktor yaitu SMP/MTs, SMA/MA, dan PT.
Sedangkan jenis kelamin terdiri dari 2 faktor yaitu laki-
laki dan perempuan.
 Data yang akan di analisis
Jenjang Pendidikan
Jenis Kelamin MTs MA PT
60 70 80
40 60 60
70 80 90
Laki-laki 50 70 80
50 80 90
60 60 80
80 70 70

70 70 70
40 80 90
60 60 80
Perempuan 70 70 100
80 60 90
60 50 90
50 70 70
Tahapan penyelesaian Uji ANOVA Two Way dengan SPSS :

1 2 3
Buatlah hipotesis Input data variabel Klik Variable View
ke SPSS • Kolom Name = Nama Variable
Data yang akan di • Baris Pertama = Jenjang Pendidikan
analisis • Baris Kedua = Jenis Kelamin
• Baris Ketiga = Hasil Belajar
• kolom decimal = angka 0
• kolom label = nama variable
• Baris Jenjang Pendidikan = Value 1: “Mts” Dst.
• Baris Jenis Kelamin = Value 1: “Laki-laki” Dst.
 Tahapan penyelesaian Uji ANOVA Two Way dengan SPSS :

4 5
Klik Data View
Masukkan Data Variabel Yang Akan
Dianalisis
• Kolom Jenjang Pendidikan = Angka
Kategori
• Kolom Jenis Kelamin = Angka Kategori
• Kolom Hasil Belajar = Nilai
6
Klik Menu Analyze > Muncul Halaman Univariate
General Linear Model • Variabel Hasil Belajar > Kolom Dependent
> Univariate Variable
• Variabel Jenis Kelamin dan Jenjang Pendidikan >
Kolom Fixed Factor
• Lalu Klik Save, dan di kotak Residual centang
Standardised
• Klik Continue, selanjutnya Ok
• Abaikan dulu hasil analisis. Kemudian kembali ke
Data View.
 Tahapan penyelesaian Uji ANOVA Two Way dengan SPSS :

7 8 9 10
Klik Menu Analyze > Exsplore > Tekan Plots
Univariate > Save Univariate > Options
Deskriftif Statistik >
Exsplore • Kembali ke halaman • Masukkan Variabel Jenjang
• Standardised Residual Univariate Pendidikan, Jenis Kelamin dan
= Di Kolom Dependent Jenis Kelamin*Jenjang Pendidikan
• Lalu Klik Save, dan
List t = Kolom Display Means For
• Klik Plots, lalu centang hilangkan centang • Centang Descriptive Statistics dan
Normality Plots With Standardised di kotak Homogentity Test
• Isikan angka 0,05 pada kotak
Tests Residual.
Significance Levels
• Tekan Continue, • Selanjutnya Continue • Tekan Tombol Continue Lalu Ok
Selanjutnya OK
• Ambil hasil analisis
Normality, Lalu Keluar
Kriteria pengujian :
a. Jika p Value (Sig.) > 0,05 maka data berdistribusi Normal
b. Jika p Value (Sig.) < 0,05 maka data tidak berdistribusi
Normal.

Berdasarkan hasil analisis menunjukkan bahwa data hasil

belajar memiliki p Value (Sig.) 0,698 > 0,05. Sehingga dapat
disimpulkan bahwa data tersebut berdistribusi normal.
 ANALISIS OUTPUT

Kriteria pengujian :
a. Jika p Value (Sig.) > 0,05 maka data dengan varians yang sama
b. Jika p Value (Sig.) < 0,05 maka data dengan varians yang tidak sama

Berdasarkan hasil analisis menunjukkan bahwa data memiliki p Value (Sig.)

0,748 > 0,05. Sehingga dapat disimpulkan bahwa data hasil belajar memiliki
varians yang sama atau homogen. Sehingga asumsi homogenitas dalam uji
Two way anova terpenuhi.

H0 : Tidak terdapat interaksi antara kelas 7, 8, dan 9 dengan paket metode (treatmen) 1, 2, dan 3 terhadap hasil belajar peserta didik.
H1 : Terdapat interaksi antara kelas 7, 8, dan 9 dengan paket metode (treatmen) 1, 2, dan 3 terhadap hasil belajar perserta didik.
Kriteria pengujian :
a. Jika p Value (Sig.) < 0,05 maka ada perbedaan hasil belajar matematika siswa berdasarkan variabel Faktor.
b. Jika p Value (Sig.) > 0,05 maka tidak ada perbedaan hasil belajar matematika siswa berdasarkan variabel Faktor.

Selanjutnya dari tabel Tests of Between-Subjects Effects, menunjukkan bahwa :

1. Diperoleh p Value (Sig.) 0,000 < 0,05, sehingga dapat disimpulkan bahwa perbedaan hasil belajar matematika
siswa berdasarkan jenjang pendidikan orang tua.
2. Diperoleh p Value (Sig.) 0,685 > 0,05, sehingga dapat disimpulkan bahwa tidak ada perbedaan hasil belajar
matematika siswa berdasarkan jenis kelamin siswa.
3. Diperoleh p Value (Sig.) 0,490 > 0,05, sehingga dapat disimpulkan bahwa tidak ada interaksi jenjang
pendidikan orang tua dengan jenis kelamin orang tua dalam menentukan hasil belajar matematika siswa.
 Estimated Marginal Means

Data di atas menunjukkan perbedaan nilai rata-rata hasil belajar

matematika siswa berdasarkan jenjang pendidikan terakhir orang
tua. Dapat disimpulkan bahwa hasil belajar siswa dengan jenjang
pendidikan orang tua “PT” memiliki nilai rata-rata lebih tinggi di
bandingkan jenjang pendidikan MTs dan MA.

H0 : Tidak terdapat interaksi antara kelas 7, 8, dan 9 dengan paket metode (treatmen) 1, 2, dan 3 terhadap hasil belajar peserta didik.
H1 : Terdapat interaksi antara kelas 7, 8, dan 9 dengan paket metode (treatmen) 1, 2, dan 3 terhadap hasil belajar perserta didik.
H0 : Tidak terdapat perbedaan hasil belajar matematika siswa
MA berdasarkan Jenjang pendidikan terakhir orang tua dan
jenis kelamin siswa.

H1 : Terdapat terdapat perbedaan hasil belajar matematika

siswa MA berdasarkan Jenjang pendidikan terakhir orang tua
dan jenis kelamin siswa.
Ho : A 1 ≠ A2 = A 3
H1 : A 1 = A 2 = A3
 ANALISIS VARIANS
FACTORIAL

Factorial analysis of variance adalah perkembangan dari

ANOVA dua arah. Hanya saja, yang membedakannya adalah
pada analisis ini menganalisis dua faktor atau lebih yang terdiri
dari dua kelompok atau lebih dan menambahkan pengaruh pada
variabel-variabel bebasnya yang biasanya dikenal dengan
“interaksi”.
Aplikasi Kasus Faktorial ANOVA

Seorang peneliti ingin melaksanakan penelitian pada hasil

belajar ekonomi peserta didik yang diakibatkan oleh
pemanfaatan waktu belajar peserta didik. Pada penelitian ini
variabel dependennya yaitu hasil belajar. Sedangkan untuk
variabel bebas 1 yakni lama waktu belajar (dalam jam),
variabel bebas 2 yakni keterampilan awal peserta didik yang
diklasifikasikan jadi kategori Tinggi, Sedang serta Rendah.
Untuk sampel yang dipakai pada setiap kelompoknya sekitar 4
orang.
 Data yang akan di analisis
Keterampilan Lamanya Belajar
Awal
2 3 4 5
80 87 86 84
84 90 88 86
Tinggi
83 89 82 80
80 83 89 87
81 85 82 86
82 88 82 84
Sedang
81 82 84 81
80 86 83 82
71 85 74 76
73 77 74 75
Rendah
81 84 81 83
78 79 82 80
Tahapan penyelesaian Uji Faktorial ANOVA dengan SPSS :

1 2 3
Buatlah hipotesis Input data variabel Klik Variable View
ke SPSS • Kolom Name = Nama Variable
Data yang akan di • Baris Pertama = Hasil Belajar
analisis • Baris Kedua = Lama Belajar
• Baris Ketiga = Keterampilan Awal
• kolom decimal = angka 0
• kolom label = nama variable
• kolom value lama belajar = value 1: 2 jam dst.
• kolom value keterampilan awal= value 1: Tinggi dst.
 Tahapan penyelesaian Uji Faktorial ANOVA dengan SPSS :

4 5 6
Klik Data View Klik Menu Analyze > Muncul Halaman Univariate
Masukkan Data Variabel Yang Akan General Linear Model • Variabel Hasil Belajar > Kolom Dependent
Dianalisis > Univariate Variable
• Kolom Hasil Belajar = Nilai Siswa • Variabel Variabel Lama Belajar Dan
• Kolom Lama Belajar = Angka Kategori Kemampuan Awal > Kolom Fixed Factor
• Kolom Keterampilan Awal = Angka
Kategori
 Tahapan penyelesaian Uji Faktorial ANOVA dengan SPSS :

7 8 9
Univariate > klik Model Univariat > Tekan Post Univariat > Tekan
• Pada Jendelan Specify Model Klik Opsi Build Hoc Option
Custom Terms • Variabel Lama Belajar dan • Variabel Lama Belajar, Keterampilan
• Variabel Lama Belajar, Keterampilan Awal, Awal, Lama Belajar*Keterampilan
Lama Belajar*Keterampilan Awal, Pindahkan
Keterampilan Awal > Kolom
Awal, Pindahkan ke Display Mean
Ke Model Post Hoc Test For For
• Klik Interaction Pada Opsi Build Terms • Centang pada pilihan Tukey • Centang Descriptive Statistics dan
• Type III Untuk Sum Of Square • Klik Continue, lalu Ok Homogentity Test
• Hilangkan Centang Include Intercept in Model • Isikan angka 0,05 pada kotak
Significance Levels
• Tekan Tombol Continue Lalu Ok
 HASIL ANALISIS FAKTORIAL ANOVA

Kriteria pengujian :
a. Jika p Value (Sig.) < 0,05 maka ada perbedaan atau pun
interaksi
b. Jika p Value (Sig.) > 0,05 maka tidak ada perbedaan atau pun
interaksi

Selanjutnya dari tabel Tests of Between-Subjects Effects, menunjukkan bahwa :

1. Diperoleh p Value (Sig.) 0,002 < 0,05, sehingga dapat disimpulkan bahwa ada perbedaan hasil
belajar ekonomi peserta didik berdasarkan lama belajar dalam waktu 2, 3, 4 dan 5 jam
2. Diperoleh p Value (Sig.) 0,000 < 0,05, sehingga dapat disimpulkan bahwa ada perbedaan hasil
belajar ekonomi peserta didik berdasarkan taraf keterampilan awal yang tinggi, sedang dan juga
rendah.
3. Diperoleh p Value (Sig.) 0,957 < 0,05 , sehingga dapat disimpulkan bahwa tidak ada interaksi
keterampilan awal dan lama belajar terhadap hasil belajar ekonomi peserta didik.
 ANALISIS OUTPUT

Tidak terdapat interaksi yang signifikan antara lama belajar dengan taraf
keterampilan awal peserta didik.

Ketika ada interaksi antar faktor satu dan kedua maka dilanjutkan dengan
menguji ANOVA untuk mengetahui kombinasi atau interaksi mana yang
memberikan pengaruh nyata.
Ho : Tidak terdapat perbedaan hasil belajar ekonomi
peserta didik antar lama belajar dan antar tarat keterampilan
awal peserta didik secara gabungan.
H1 : Terdapat perbedaan hasil belajar ekonomi peserta
didik antar lama belajar dan antar tarat keterampilan awal
peserta didik secara gabungan.
 ANALISIS VARIANS
MULTIVARIAT

Analisis multivariate adalah teknik analisis untuk menguji

ada tidaknya perbedaan ataupun hubungungan rata-rata dari
dua atau lebih variabel tak bebas secara simultan
berdasarkan beberapa kelompok-kelompok pada variabel
bebas.
Asumsi Multivariate Analysis of Variance
Asumsi yang berlaku pada multivariate analysis of variance, yaitu:
1.Variabel terikatnya harus berdistribusi normal.
2.Untuk pasangan variabel dependent, kovariat serta seluruh pasangan variabel dependen
kovariat harus linear.
3.Variabel terikat mempunyai taraf variansi sama dengan variabel prediktor.
4.Variabel tidak bebas serta variabel bebas bisa dikorelasikan satu sama lain.
Aplikasi Varians Multivariat

Seorang peneliti ingin melaksanakan penelitian tentang hasil belajar

siswa dengan menggunakan beberapa metode mengajar dari beberapa
kelompok siswa pada mata pelajaran bahasa inggris dan matematika.
Pada penelitian ini variabel dependennya yaitu hasil belajar. Sedangkan
untuk variabel independen 1 yakni mata pelajaran bahasa inggris,
variabel independen 2 yakni mata pelajaran matematika.
 Data yang akan di analisis
METODE A SISWA METODE B SISWA METODE C
SISWA KE KE KE
MTK BIG MTK BIG MTK BIG
1 60 61 13 61 61 25 60 67
2 61 61 14 61 63 26 61 68
3 62 62 15 62 64 27 62 69
4 63 63 16 63 65 28 63 70
5 64 64 17 64 66 29 64 71
6 65 65 18 65 67 30 65 72
7 60 60 19 60 62 31 60 67
8 61 61 20 61 63 32 61 68
9 62 62 21 62 64 33 62 69
10 63 63 22 63 65 34 63 70
11 64 64 23 64 66 35 64 71
12 65 65 24 65 67 36 65 72
62,5833 62,5833 64,4166
RATA-RATA 62,5 3   3 7   62,5 69,5
Tahapan penyelesaian Uji MANOVA dengan SPSS :

1 2 3
Buatlah hipotesis Input data variabel Klik Variable View
ke SPSS • Kolom Name = Nama Variable
Data yang akan di • Baris Pertama = Ketikkan Metode
analisis • Baris Kedua = Nilai Matematika
• Baris Ketiga = Nilai Bahasa Inggris
• kolom decimal = angka 0
• kolom label = nama variable
• kolom value = value 1: Metode A dst.
 Tahapan penyelesaian Uji MANOVA dengan SPSS :

4 5 6
Klik Data View Klik Menu Analyze > Muncul Halaman Multiivariate
Masukkan Data Variabel Yang Akan General Linear Model • Variabel Matematika dan Bahasa Inggris >
Dianalisis > Multivariate Kolom Dependent Variable
• Kolom Metode = Angka Kategori • Variabel Metode > Kolom Fixed Factor
• Kolom Matematika = Nilai Matematika
• Kolom Bahasa Inggris = Nilai Bahasa
Inggris
 Tahapan penyelesaian Uji MANOVA dengan SPSS :

7 8
Multivariat > Post Hoc Multivariat > Options
• Variabel Metode = Kolom • Masukkan (OVERALL) dan Variabel Metode =
Post Hoc Test For Kolom Display Means For
• Centang pada pilihan LSD • Centang Compare main effect dan Pada
dan Bonferroni Confidence Interval pilih Bonferroni
• Klik Continue • Centang Descriptive Statistics dan Homogentity
Test
• Isikan angka 0,05 pada kotak Significance Levels
• Tekan Tombol Continue Lalu Ok
 ANALISIS OUTPUT

Dari hasil analisis tersebut dapat disimpulkan bahwa Metode mengajar A, B, dan C belum memberikan
pengaruh yang signifikan terhadap Nilai Matematika. Hal ini di tunjukkan dari hasil rata-rata (Mean).
Yang tidak jauh berbeda.

Adapun untuk hasil rata-rata (mean) metode A, B, dan C cukup memberikan pengaruh yang signifikatan
terhadap Nilai Bahasa Inggris. Hal ini ditunjukkan dari hasil nilai mean yang jauh berbeda.
 ANALISIS OUTPUT
Uji Hipotesis :
a. H0: tidak terjadi perbedaan yang signifikan secara statistik di antara
matriks-matriks kovarian populasi (equal population covariance
matrices)
b. H1: terjadi perbedaan yang signifikan secara statistik di antara
matriks-matriks kovarian populasi.
c.  = 0,05
d. H0 ditolak jika p Value (Sig.) < 0,05
e. H0 diterima jika p Value (Sig.) > 0,05

Dari Box's M Test of Equality of Covariance Matrices, berikut akan diuji

asumsi kesamaan matriks-matriks kovarian populasi.:
Berdasarkan tabel di samping diketahui bahwa nilai probabilitas (Sig.)
0,058. Perhatikan bahwa karena nilai probabilitas (sig.) 0,058 > 0,05,
maka hipotesis nol diterima dan hipotesis alternatif ditolak.

Sehingga dapat disimpulkan bahwa asumsi kesamaan matriks-matriks

kovarian populasi dipenuhi.
Kriteria pengujian :
a. Jika p Value (Sig.) < 0,05 maka ada perbedaan pengaruh yang signifikan hasil belajar siswa dengan
menggunakan metode mengajar A, B dan C antar mata pelajaran bahasa inggris dan matematika secara
simultan. r.
b. Jika p Value (Sig.) > 0,05 maka tidak ada perbedaan pengaruh yang signifikan hasil belajar siswa dengan
menggunakan metode mengajar A, B dan C antar mata pelajaran bahasa inggris dan matematika secara
simultan.

Kesimpulan dari Tabel Multivariat Test :

Karena p value (Sig.) 0,000 < 0.05 maka dapat disimpulkan bahwa terdapat perbedaan pengaruh yang
signifikan hasil belajar siswa dengan menggunakan metode mengajar A, B dan C antar mata pelajaran bahasa
inggris dan matematika secara simultan. Atau dalam hal ini terdapat metode mengajar yang memiliki
kemampuan berbeda dalam hal mempengaruhi nilai ujian matematika dan bahasa inggris secara simultan.
Kriteria pengujian :
a. Jika p Value (Sig.) < 0,05 memiliki pengaruh yang signifikan.
b. Jika p Value (Sig.) > 0,05 maka tidak memiliki pengaruh yang signifikan .

Selanjutnya dari tabel Tests of Between-Subjects Effects, menunjukkan bahwa :

1. Pengaruh antara metode dengan hasil belajar matematika memiliki tingkat signifikansi (sig.)
0.991 > 0.05. Hal ini menunjukkan bahwa penerapan dari ketiga metode mengajar tersebut
tidak memiliki pengaruh yang signifikan terhadap nilai ujian matematika (secara rata-rata).
2. Pengaruh antara metode dengan hasil belajar bahasa inggris memiliki tingkat signifikansi (sig.)
0.000 < 0.05. hal ini menunjukkan bahwa penerapan dari ketiga metode mengajar tersebut
memiliki pengaruh yang signifikan terhadap nilai ujian bahasa inggris.
 Kriteria pengujian :
a. Jika p Value (Sig.) > 0,05 maka data dengan varians yang sama
b. Jika p Value (Sig.) < 0,05 maka data dengan varians yang tidak sama

Berdasarkan informasi Tabel Levene's Test of Equality of Error Variances :

1. Nilai Sig. dari variabel nilai ujian matematika adalah 0,961. Karena nilai Sig. tersebut lebih
besar dibandingkan tingkat signifikansi alpha = 0,05, maka asumsi kesamaan varians populasi
nilai ujian matematika berdasarkan kategori-kategori pada metode mengajar dipenuhi.
2. Nilai Sig. dari variabel nilai ujian bahasa inggris adalah 0,899. Karena nilai Sig. tersebut lebih
besar dibandingkan tingkat signifikansi alpha = 0,05, maka asumsi kesamaan varians populasi
nilai ujian bahasa inggris berdasarkan kategori-kategori pada metode mengajar dipenuhi.
 Uji Perbandingan Berganda (Multiple Comparison Test)

Kriteria pengujian :
a. Jika p Value (Sig.) > 0,05 maka tidak ada perbedaan.
b. Jika p Value (Sig.) < 0,05 maka ada perbedaan.

Karena terdapat pengaruh yang signifikan secara statistik pada

penggunaan metode mengajar terhadap nilai ujian bahasa
inggris, maka akan ditentukan metode mengajar manakah
yang membuat nilai rata-rata ujian bahasa inggris tinggi?
Berdasarkan Multiple Comparisons, dapat ditarik informasi
sebagai berikut:
c. Bahwa tidak terdapat perbedaan yang signifikan secara
statistik mengenai nilai ujian bahasa inggris ketika
diterapkan metode mengajar A dan B. Hal ini dapat
dilihat dari nilai Sig. yang lebih besar dari tingkat
signifikansi yang digunakan 5% (0,053 > 0,05).
d. Bahwa terdapat perbedaan yang signifikan secara statistik
mengenai nilai ujian bahasa inggris ketika diterapkan
metode mengajar A dan C. Hal ini dapat dilihat dari nilai
Sig. yang lebih kecil dari tingkat signifikansi yang
digunakan 5% (0,000 < 0,05).
e. Bahwa terdapat perbedaan yang signifikan secara statistik
mengenai nilai ujian bahasa inggris ketika diterapkan
metode mengajar metode B dan C. Hal ini dapat dilihat
dari nilai Sig. yang lebih kecil dari tingkat signifikansi
yang digunakan 5% (0,000 > 0,05).
Berdasarkan uraian tersebut di atas, maka dapat disimpulkan
bahwa metode mengajar C memberikan pengaruh yang
signifikan secara statistik dalam hal membuat nilai ujian
bahasa inggris tinggi (secara rata-rata).
Ho : Tidak terdapat perbedaan pengaruh hasil belajar siswa
dengan menggunakan metode mengajar A, B dan C antar
mata pelajaran bahasa inggris dan matematika secara
simultan.
H1 : Terdapat perbedaan pengaruh hasil belajar siswa
dengan menggunakan metode mengajar A, B dan C antar
mata pelajaran bahasa inggris dan matematika secara
simultan.
 THANKS!
CREDITS: This presentation template was created by Slidesgo,
including icons by Flaticon, infographics & images by Freepik