Seorang peneliti akan meneliti ketahanan buah-buhan terhadap temptratur atau suhu penyimpanan.

Peneliti tersebut mengklasifikasi jenis buah berdasarkan kekerasan kulit luar: rendah (j1), sedang (j2),
dan tinggi (j3). Kemudian ketiga jenis buah tersebut disimpan pada empat tempratur yang berbeda.
Tempratur 1 (T1), tempratur 2 (T2), tempratur 3 (T3) dan tempratur 4 (T4). Pengamatan dilakukan
setelah satu minggu penyimpanan dan respon yang diamati adalah penurunan kadar gula (%).
Berikut data hasil pengamatan:

I. Dari data diatas, faktor apa saja yang mempengaruhi ketahanan buah?
II. Apakah terdapat efek interaksi?

Prosedur Uji Anova dua arah menggunakan SPSS, sebagaimana berikut:

1. Input data ke dalam SPSS

2. Klik Analyze - General Linear Model - Univariate

3. Masukan : Daya tumbuh ke Dependent Variable, jenis buah dan tempratur ke fixed factors.

4. Pilih Plot - Pindahkan jenis buah ke separate lines dan tempratur ke horizontal axis. Klik add. klik
continue.
5. Pilih post Hoc. Pindahkan Buah dan Tempratur ke Post Hoc. Pilih Tukey. Klik Continue.

6. Pilih Save. Centang Unstandardized. Klik Continue.

7. Pilih Option. Centang Homogeneity Tests. Klik Continue.

Setelah melaksanakan step-step sebagaimana diatas maka diperoleh Output sebagai berikut:

8. Informasi jumlah pengamatan per level dari faktor

9. Uji asumsi homogenitas variance, didapat nilai signifikansi 0.098 yang berarti variance homogen.

10. Uji Model: Jenis buah berpengaruh terhadap daya tumbuh di tempat penyimpanan, nilai signifikan
0.026. Tempratur bepengaruh terhadap daya tumbuh di tempat penyimpanan, nilai signifikan 0.000
Ada pengaruh dari faktor interaksi antara jenis buah dengan tempratur, nilai signifikan 0.000

11. Terlihat bahwa Jenis Buah 1 dan Jenis Buah 3 berbeda signifikan.

12. Terlihat bahwa yang berbeda signifikan antara level suhu 5C dan 20C. terdapat perbedaan daya
tumbuh.
13. Terlihat bahwa untuk kondisi tertentu terjadi perbedaan daya tumbuh buah. Pada suhu 5C rata-
rata daya tumbuh buah J3 lebih tinggi dari J1, namun pada suhu 20C buah jenis J1 lebih tinggi dari
J3.
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. KeduaSampel 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 tujuannya membandingkan 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.
o Homogenitas
adalah Menguji apakah varians tiap kelompok sama. Dalam
menghitung homogenitas bisa digunakan uji bartlett dan uji levene.
o Saling bebas
Menunjukkan bahwa setiap kelompok tidak saling berhubungan.
Biasanya yang digunakan logika apakah saling bebas atau tidak.
o 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

o Derajat kebebasan untuk JKK

merupakan derajat kebebasan dari Jumlah kuadrat kolom (JKK) ini
akan kita lambangkan dengan dof JKK.

db JKK = k-1

o Derajat kebebasan untuk JKB

merupakan derajat kebebasan dari Jumlah kuadrat baris (JKB) ini akan
kita lambangkan dengan dof JKB.

db JKB = r-1

o 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]

o 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

o KTB = JKB / db JKB
o KTG = JKG / db JKG
o 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
o Fhitung (baris) = KTB/KTG
o 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

o 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 Kuadrat
Derajat F
Keragaman Jumlah Kuadrat (JK) Tengah
Bebas (db) hitung
(SK) (KT)

F
KTK = hitung
db JKK = k-
Kolom (K) JKK / db =
1
JKK KTK /
KTG

F
KTK = hitung
Baris (B) db JKK = r-1 JKB / db =
JKB KTB /
KTG

F
KTK =
hitung
Interaksi db JK[BK] = JK[BK] /
=
(BK) [r-1][k-1] db
KT[BK]
JK[BK]
/ KTG

db KTG =
Galat (G) JKG = JKT - JKK- JKB-JK[BK] JKG=r.k[n- JKG / db
1] JKG

db JKT=
Total (T)
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 %?
Penurunan Berat Badan (Kg)
Umur
Metode 1 Metode 2 Metode 3 Metode 4

< 20 tahun
5 0 3 4
#1
4 2 4 2
#2
5 1 8 2
#3

20-40 tahun
5 4 2 5
#1
6 2 2 3
#2
2 1 4 2
#3

> 40 tahun
4 5 2 6
#1
4 5 1 4
#2
5 0 2 4
#3

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)
o 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)
o 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:

Penurunan Berat Badan (Kg)

Umur Total Baris
Metode 1 Metode 2 Metode 3 Metode 4

< 20 tahun
#1 5 0 3 4
T1** = 40
#2 4 2 4 2
#3 5 1 8 2

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

20-40 tahun
#1 5 4 2 5
T2**
#2 6 2 2 3
#3 2 1 4 2

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

> 40 tahun
#1 4 5 2 6
T3**=42
#2 4 5 1 4
#3 5 0 2 4

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 Jumlah Kuadrat

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

F hitung
Kolom (K) JKK = 23,11 db JKK = 4-1 = 3 KTK =7,70 =
3,04
 F hitung
Baris (B) JKB = 0,67 db JKB = 3-1 =2 KTB =0.085 =
0.13

F hitung
JK[BK] = db JK[BK] = 2x3
Interaksi (BK) KT[BK] =5.26 =
31,56 =6
0.28

db JKG=
Galat (G) JKG = 60,67 KTG =2,53
3x4x2=24

db JKT=[3x4x3] -
Total (T) JKT =116
1 =35

6. Menghitung F tabel

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

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