Anova dua arah dengan interaksi merupakan anova jenis ketiga dan juga terakhir dibahas untuk

materi anova. jenis lainnya yaitu anova satu arah dan anova dua arah tanpa interaksi. untuk anova
dua arah dengan interaksi ini sedikit agak rumit dalam perhitungannya tapi yang penting adalah
konsep dari anova dua arah dengan interaksi. konsepnya hampir sama jika ingin membandigkan
dengan anova lainnya.

Kapan menggunakan Analisis ragam (Anova) dua arah

dengan interaksi?
Anova digunakan untuk melihat perbandingan rata-rata beberapa kelompok biasanya lebih dari dua
kelompok. Anova dua arah digunakan pada kelompok yang digunakan berasal dari sampel yang
sama tiap kelompok. sama disini diartikan berasal dari kategori yang sama. Jadi, bisa
disimpulkan Pertama yang perlu dilihat tujuannya membandingkan rata-rata kelompok lebih dari
dua. Kedua Sampel yang digunakan merupakan sampel yang sudah dikategorikan per kelompok
sama. Konsep ketiga yang perlu dimengerti adalah setiap kelompok tersebut dilakukan pengulangan
pengujian. ini seperti menggabung anova satu arah dan anova dua arah tanpa interkasi. Bingung yaa.
Agar mengerti maksudku nanti kita lihat dengan contoh.

Asumsi-asumsi yang harus dipenuhi dalam analisis

varians (anova):
1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya
digunakan satu penduga (estimate) untuk varians dalam contoh

3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat

4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).

Hipotesis dalam Anova (analysis of variance) dengan

interaksi:
Dalam analysis of variance dua arah dengan interaksi terdapat tiga hipotesis yang digunakan yaitu
apakah ada perbedaan rata-rata antar kategori baik kategori berdasarkan baris maupun kolom.
hipotesis tambahan satu lagi yaitu apakah ada interaksi antara kategori baris dan kolom. Berikut
hipotesis dalam Anova dua arah dengan interaksi.

Hipotesis anova kolom

H0: a1 = a2 = ... = ak, Tidak ada perbedaan yang nyata antara rata-rata hitung dari kategori

kolom
H1: a1 a2 ... ak, Ada perbedaan yang nyata antara rata-rata hitung dari kategori kolom

Hipotesis anova baris

H0: b1 = b2 = ... = bj, Tidak ada perbedaan yang nyata antara rata-rata hitung dari kategori
baris
H1: b1 b2 ... bj, Ada perbedaan yang nyata antara rata-rata hitung dari kategori baris

Hipotesis interaksi
H0: (ab)11 = (ab)12 = ... = (ab)kj, Tidak ada interaksi antara variabel baris dan kolom
H1: (ab)11 (ab)12 ... (ab)kj, ada interaksi antara variabel baris dan kolom

Langkah-langkah melakukan uji hipotesis dengan

ANOVA
1. kelompokkan berdasarkan kategori tertentu
Untuk memudahkan pengelompokkan dan perhitungan, buat tabel data sesuai dengan
kategori berisi sampel dan kuadrat dari sampel tersebut. Hitung pula total dari sampel dan
kuadrat sampel tiap kelompok. Selain itu, tentukan pula hipotesis nol (H0) dan hipotesis
alternatif (H1).
2. Menentukan tipe anova
Untuk menentukan tipe anova. terlebih dahulu bertanya apakah dari hipotesis tersebut cocok
untuk anova? jika tujuannyamembandingkan rata-rata tiga kelompok atau lebih maka
boleh pakai Anova. Pertanyaan kedua apakah sampel tiap kelompok diambil dari sampel
yang sudah dikategorikan? jika berasal dari sampel yang sudah dikategorikan maka
menggunakan Anova dua arah/two way. Pertanyaan ketiga apakah dalam sampel yang
dikategorikan tadi terjadi pengulangan atau tidak? jika terjadi pengulangan maka
menggunakan anova dua arah dengan interaksi.
3. Memeriksa apakah sudah memenuhi asumsi-asumsi sehingga bisa digunakan anova
o

Normalitas,
adalah Menguji apakah data tiap kelompok memiliki distribusi normal. hal ini bisa
dilakukan dengan uji kolmogorov smirnov,shapira wilk.

Homogenitas
adalah Menguji apakah varians tiap kelompok sama. Dalam menghitung
homogenitas bisa digunakan uji bartlett dan uji levene.

Saling bebas
Menunjukkan bahwa setiap kelompok tidak saling berhubungan. Biasanya yang
digunakan logika apakah saling bebas atau tidak.

Aditif (Saling menjumlahkan).

Artinya data yang dianalisis merupakan data interval/rasio

4. Menghitung variabilitas dari seluruh sampel.

Pengukuran total variabilitas atas data dapat dikelompokkan menjadi tiga bagian, berikut
rumus dalam Anova:
o

Total of sum squares (SSt) jumlah kuadrat total (jkt).

Merupakan jumlah kuadrat selisih antara skor individual dengan rata-rata totalnya.

Keterangan:
k = banyaknya kolom
r = Banyaknya baris
n = banyak ulangan
xijm = data pada baris ke-i, kolom ke-j dan ulangan ke-m
T*** = Total (jumlah) seluruh pengamatan
o

Sum Square Between column jumlah kuadrat kolom (jkk).

Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya. Variansi di
sini lebih terpengaruh karena adanya perbedaan perlakuan antar kelompok.

Keterangan
T*j* = Total (jumlah) ulangan pada kolom ke-j
o

Sum Square Between row jumlah kuadrat baris (jkb).

Variansi rata-rata kelompok sampel terhadap rata-rata keseluruhannya. Variansi di
sini lebih terpengaruh karena adanya perbedaan perlakuan antar kelompok.

Keterangan
Ti** = Total (jumlah) ulangan pada baris ke-i
o

Interaksi JK[BK]
Variansi rata-rata kelompok interaksi baris dan kolom terhadap rata-rata

keseluruhannya. Variansi di sini lebih terpengaruh karena adanya perbedaan

perlakuan antar kelompok.

5.
o

Sum Square within(SSw) jumlah kuadrat galat (jkg).

Variansi yang ada dalam masing-masing kelompok. Banyaknya variansi akan
tergantung pada banyaknya kelompok, dan variansi di sini tidak terpengaruh /
tergantung oleh perbedaan perlakuan antar kelompok.
JKG = JKT - JKK-JKB-JK[BK]

6. Menghitung derajat kebebasan (degree of freedom).

Derajat kebebasan atau degree of freedom (dilambangkan dengan v, dof, atau db) dalam
ANOVA akan sebanyak variabilitas. Oleh karena itu, ada tiga macam derajat kebebasan yang
akan kita hitung:
o

Derajat kebebasan untuk JKT

merupakan derajat kebebasan dari Jumlah kuadrat total (JKT) ini akan kita
lambangkan dengan dof JKT.
db JKT = rkn - 1

Derajat kebebasan untuk JKK

merupakan derajat kebebasan dari Jumlah kuadrat kolom (JKK) ini akan kita
lambangkan dengan dof JKK.
db JKK = k-1

Derajat kebebasan untuk JKB

merupakan derajat kebebasan dari Jumlah kuadrat baris (JKB) ini akan kita
lambangkan dengan dof JKB.
db JKB = r-1

Derajat kebebasan untuk JK[BK]

merupakan derajat kebebasan dari Jumlah kuadrat interaksi baris dan kolom JK[BK]
ini akan kita lambangkan dengan dof JK[BK].
db JK[BK] = [r-1][k-1]

Derajat kebebasan untuk JKG

Merupakan derajat kebebasan dari Jumlah kuadrat galat (JKG) ini akan kita
lambangkan dengan dof JKG
db JKG =rk[n- 1]

7. Menghitung variance antar kelompok dan variance dalam kelompok.

Variance dalam ANOVA, baik untuk antar kelompok maupun dalam kelompok sering disebut
dengan kuadrat tengah atau deviasi rata-rata kuadrat (mean squared deviation) dan
dilambangkan dengan MS atau KT. Dengan demikian, maka mean squared deviation
masing-masing dapat dicari dengan rumus sebagai berikut:
o

KTK = JKK / db JKK

KTB = JKB / db JKB

KTG = JKG / db JKG

KT[BK] = JK[BK] / db JK[BK]

8. Menghitung F hitung
Menghitung nilai distribusi F (Fhitung) berdasarkan perbandingan variance antar kelompok
dan variance dalam kelompok.Fhitung ada tiga karena hipotesis ada tiga, sehingga setiap f
hitung menjawab hipotesis.
o

Fhitung (kolom) = KTK/KTG

Fhitung (baris) = KTB/KTG

Fhitung (interaksi) = KT[BK]/JKG

9. Menghitung F tabel
Selain itu, F berdasarkan tabel (Ftabel) juga dihitung, berdasarkan nilai derajat kebebasan
(langkah ke-4) menggunakan tabel distribusi-F. Jangan lupa untuk mencantumkan gambar
posisi Fhitung dan Ftabel dalam grafik distribusi-F.
10. Membandingkan Fhitung dengan Ftabel :
o

Jika Fhitung > Ftabel : tolak H0

Jika Fhitung Ftabel : terima H0

11. Buat kesimpulan,

sesuai dengan kasus awal yang ditanyakan. Simpulkan, apakah perlakuan (treatment)
memiliki efek yang signifikan pada sampel data atau tidak. Jika hasil tidak signifikan, berarti
seluruh rata-rata sampel adalah sama. Jika perlakuan menghasilkan efek yang signifikan,
setidaknya satu dari rata-rata sampel berbeda dari rata-rata sampel yang lain.

Contoh penghitungan Analysis of variance (Anova)

dengan tabel.
Berdasarkan langkah-langkah diatas untuk mempermudah perhitungan dibuat tabel seperti berikut:

Sumber
Keragaman
(SK)

Derajat Bebas Kuadrat

F hitung
(db)
Tengah (KT)

Jumlah Kuadrat (JK)

Kolom (K)

db JKK = k-1

KTK =
JKK / db
JKK

F hitung =
KTK /
KTG

Baris (B)

db JKK = r-1

KTK =
JKB / db
JKB

F hitung =
KTB /
KTG

Interaksi (BK)

KTK =
F hitung =
db JK[BK] = [rJK[BK] / db KT[BK] /
1][k-1]
JK[BK]
KTG

Galat (G)

JKG = JKT - JKK- JKB-JK[BK]

Total (T)

KTG =
db JKG=r.k[nJKG / db
1]
JKG
db JKT= rkn-1

Contoh Kasus Anova dua arah dengan interaksi:

Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut adalah data rata-rata penurunan
berat badan setelah 1 bulan melakukan diet. Ujilah apakah penurunan berat badan sama untuk setiap
metode diet, kelompok umur dan interaksi dengan taraf uji 5 %?

Umur

Penurunan Berat Badan (Kg)

Metode 1 Metode 2 Metode 3 Metode 4

< 20 tahun
5
#1
4
#2
5
#3

0
2
1

3
4
8

4
2
2

20-40 tahun
5
#1
6
#2
2
#3

4
2
1

2
2
4

5
3
2

> 40 tahun
4
#1
4
#2
5
#3

5
5
0

2
1
2

6
4
4

Solusi kasus Anova dua arah dengan interaksi

1. Merumuskan Hipotesis
o

Hipotesis anova kolom

H0: a1 = a2 = ... = ak, Tidak ada perbedaan yang nyata antara rata-rata hitung dari
kategori Metode(kolom)
H1: a1 a2 ... ak, Ada perbedaan yang nyata antara rata-rata hitung dari kategori
Metode (kolom)

Hipotesis anova baris

H0: b1 = b2 = ... = bj, Tidak ada perbedaan yang nyata antara rata-rata hitung dari
kategori umur (baris)
H1: b1 b2 ... bj, Ada perbedaan yang nyata antara rata-rata hitung dari kategori
umur (baris)

Hipotesis interaksi
H0: (ab)11 = (ab)12 = ... = (ab)kj, Tidak ada interaksi antara variabel metode dan
umur
H1: (ab)11 (ab)12 ... (ab)kj, ada interaksi antara variabel metode dan umur

2. Identifikasi model.
Pertama. berdasarkan hipotesis yang digunakan yaitu membandingkan rata-rata lebih dari
dua kelompok maka metode yang mungkin adalah Anova. kedua Sampel yang digunakan
tiap kelompok sudah dikategorikan sehingga tipe anova yang cocok adalah Anova dua arah.
kemudian dari tiap kategori tersebut dilakukan pengulangan sehingga kita menggunakan
anova dua arah dengan interaksi.
3. Memeriksa asumsi Anova.
Dalam metode anova yang perlu diperhatikan ada empat seperti pada keterangan diatas.
asumsi normal dan homogenitas antar varians kelompok harus terpenuhi. dalam contoh ini
kita asumsikan asumsi terpenuhi karena kita fokus pada langkah-langkah anova dua arah
dengan interaksi. kemudian kelompok yang dianalisis berasal dari kelompok saling bebas.
dan data yang digunakan merupakan data rasio. Setelah asumsi ini terpenuhi maka bisa
lanjut ke perhitungan selanjutnya. kalau tidak ganti metode.
4. Menyusun/mengkategorikan tabel data agar lebih mudah menghitungnya.
Penghitungannya agak berbeda dengan jenis anova yang lain. perhitungannya terpisah
seperti berikut:

Umur
< 20 tahun
#1
#2
#3

Penurunan Berat Badan (Kg)

Metode 1 Metode 2 Metode 3 Metode 4
5
4
5

0
2
1

3
4
8

4
2
2

Total Baris

T1** = 40

T11* = 14 T12* = 3 T13* = 15 T14* = 8

20-40 tahun
#1
5
#2
6
#3
2

4
2
1

2
2
4

5
3
2

T2**

T21* = 13 T22* = 7 T23* = 8 T24* = 10

> 40 tahun
#1
#2
#3

4
4
5

5
5
0

2
1
2

6
4
4

T3**=42

T31* = 13 T32* = 10 T33* = 5 T34* = 14

Total Kolom T*1* = 40 T*2* = 20 T*3* = 28 T*4* = 32 Total T***=120
5. Perhitungan Tabel anova
Agar mempermudah perhitungan kita menggunakan tabel berikut,

Sumber Keragaman Jumlah Kuadrat

Kuadrat Tengah
Derajat Bebas (db)
F hitung
(SK)
(JK)
(KT)
Kolom (K)

JKK = 23,11

db JKK = 4-1 = 3

db JKB = 3-1 =2

KTK =7,70

F hitung
=
3,04

KTB =0.085

F hitung
=
0.13

Baris (B)

JKB = 0,67

Interaksi (BK)

JK[BK] = 31,56 db JK[BK] = 2x3 =6 KT[BK] =5.26

Galat (G)

JKG = 60,67

db JKG= 3x4x2=24 KTG =2,53

Total (T)

JKT =116

db JKT=[3x4x3] -1
=35

F hitung
=
0.28

6. Menghitung F tabel
o

F table Kolom pada = 0.05 db JKK=3 dan db JKG=4 adalah 3,01

F table Baris pada = 0.05 db JKB=2 dan db JKG=24 adalah 3,40

F table Interaksi pada = 0.05 db JK[BK]=6 dan db JKG=24 adalah 2,51

7. Kesimpulan :
Perhitungan menunjukkan bahwa rata-rata penurunan berat badan pada Baris [Kel. Umur]
dan Interaksi tidak berbeda [masih dianggap sama] hal ini terlihat dari f tabel untuk baris dan
interaksi lebih kecil dari f hitung sedangkan rata-rata penurunan berat badan dalam Kolom
[metode diet] dapat dikatakan berbeda karena f tabel lebih besar dari f hitung.