ANOVA DUA JALUR

(TWO WAY ANOVA)

MAKALAH

Untuk Memenuhi Tugas Mata Kuliah Metode Statistika

Dosen Pengampu:
Drs. H. Karim, M.Si.
Kamaliyah, M.Pd.

Disusun oleh :

Jumiati (1610118220010)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMBUNG MANGKURAT
DESEMBER 2017
 KATA PENGANTAR

Puji syukur saya panjatkan ke hadirat Tuhan Yang Maha Kuasa, karena
berkat rahmat-Nya saya dapat menyelesaikan makalah yang berjudul ANOVA Dua
Jalur. Makalah ini diajukan guna memenuhi tugas mata kuliah Metode Statistika.

Harapan saya semoga makalah ini dapat memberikan informasi bagi

masyarakat dan bermanfaat untuk pengembangan wawasan dan peningkatan ilmu
pengetahuan dan pengalaman bagi kita semua.

Makalah ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran
yang bersifat membangun dan memotivasi sangat saya harapkan demi sempurnanya
makalah ini sehingga kedepannya dapat lebih baik.

Banjarmasin, Desember 2017

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................................ i

DAFTAR ISI.......................................................................................................................................... ii
BAB I ................................................................................................................................................. iii
PENDAHULUAN ............................................................................................................................. iii
1.1 LATAR BELAKANG ...................................................................................................... iii
1.2 RUMUSAN MASALAH .................................................................................................. iv
1.3 TUJUAN PENULISAN ................................................................................................... iv
BAB II................................................................................................................................................. 1
PEMBAHASAN ................................................................................................................................. 1
2.1 PENGERTIAN ANOVA DUA JALUR .......................................................................... 1
2.2 TUJUAN DARI PENGUJIAN ANOVA DUA JALUR ................................................. 2
2.3 ASUMSI DARI ANOVA DUA JALUR .......................................................................... 2
2.4 MACAM-MACAM ANOVA DUA JALUR ................................................................... 3
2.4.1 ANOVA DUA JALUR TANPA INTERAKSI ........................................................ 3
2.4.2 ANOVA DUA JALUR DENGAN INTERAKSI .................................................... 5
2.5 CONTOH KASUS ANOVA DUA JALUR ..................................................................... 8
2.5.1 ANOVA 2 JALUR TANPA INTERAKSI............................................................... 8
2.5.2 ANOVA 2 JALUR DENGAN INTERAKSI ......................................................... 25
BAB III ............................................................................................................................................. 41
PENUTUP ........................................................................................................................................ 41
3.1 KESIMPULAN................................................................................................................ 41
3.2 SARAN ............................................................................................................................. 41
DAFTAR PUSTAKA .......................................................................................................................... 42
LAMPIRAN......................................................................................................................................... 43

ii
 BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Dalam dunia penelitian atau riset, sering menggunakan statistika. Statistika adalah ilmu
tentang pengumpulan data. Untuk mengetahui apakah cara yang baru ditemukan lebih baik
daripada cara lama, melalui riset yang lapangan, perlu diuji dengan statistika. Apakah model
untuk sesuatu hal dapat kita anut atau tidak, perlu diselidiki dengan menggunakan statistika.
Statistika juga telah cukup mampu untuk menentukan apakah faktor yang satu dipengaruhi atau
mempengaruhi faktor lainnya. Kalau ada hubungan antara faktor-faktor, berapa kuat adanya
hubungan tersebut. Bisakah kita meninggalkan faktor yang satu dan hanya memperhatikan
faktor lainnya untuk keperluan studi lebih lanjut? Dan apakah hipotesis yang kita tentukan
terbukti benar atau tidak.
Untuk membuktikan apakah hipotesis yang telah kita tentukan apakah benar atau salah
maka dapat dilakukan dengan pengujian hipotesis. Ada beberapa jenis pengujian hipotesis
diantaranya pengujian hipotesis berdasarkan jenis parameter, yang meliputi pengujian hipotesis
tentang rata-rata, pengujian hipotesis tentang proporsi dan pengujian hipotesis tentang varians.
Disini kita akan membahas tentang pengujian hipotesis analisis varians. Pengujian
hipotesis tentang varians adalah pengujian hipotesis mengenai varians populasi yang
didasarkan atas informasi sampelnya. Contohnya, Pengujian hipotesis tentang satu varians dan
pengujian hipotesis tentang kesamaan dua varians. Pengujian hipotesis satu varians terbagi
menjadi dua yaitu analisis variansi satu jalur dan analisis variansi dua jalur. Yang akan
dijelaskan lebih lanjut dalam makalah ini adalah analisis variansi dua jalur.

iii
1.2 RUMUSAN MASALAH
1. Apa pengertian ANOVA Dua Jalur?
2. Apa tujuan ANOVA Dua Jalur?
3. Apa asumsi ANOVA Dua Jalur?
4. Apa macam-macam ANOVA Dua Jalur?

1.3 TUJUAN PENULISAN

1. Untuk pengertian ANOVA Dua Jalur
2. Untuk mengetahui tujuan ANOVA Dua Jalur
3. Untuk mengetahui asumsi ANOVA Dua Jalur
4. Untuk mengetahui macam-macam ANOVA Dua Jalur

iv
 BAB II

PEMBAHASAN

2.1 PENGERTIAN ANOVA DUA JALUR

Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians
antar kelompok atau disebut juga varians eksperimental. Varians ini menggambarkan adanya
perbedaan antara kelompok-kelompok hasil pengukuran. Dengan demikian varians ini terjadi
karena adanya perbedaan antara kelompok-kelompok individu. (Sudjana.1996.Metoda
Statistika.Bandung:Tarsito Bandung).

ANOVA merupakan singkatan dari “analysis of varian” adalah salah satu uji
komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua
kelompok. Ada dua jenis ANOVA, yaitu analisis varian satu faktor (one way ANOVA) dan
analisis varian dua faktor (two ways ANOVA).

ANOVA dua jalur digunakan untuk menguji hipotesis perbandingan lebih dari dua
sampel dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama. (Dr. Riduwan,
2003)

Jika pada ANOVA satu jalur kita dapat mengetahui ada atau tidaknya perbedaan
beberapa variabel bebas dengan sebuah variabel terikat dan masing-masing variabel tidak
mempunyai jenjang: maka dalam ANOVA dua jalur kita ingin mengetahui ada atau tidaknya
perbedaan beberapa variabel bebas dengan sebuah variabel terikatnya dan masing-masing
variabel mempunyai dua jenjang atau lebih. Banyaknya jenjang yang dimiliki variabel bebas
dan variabel terikat ini menentukan nama dari ANOVAnya. Misalnya variabel bebas
mempunyai jenjang dua buah dan variabel terikatnya mempunyai jenjang dua buah pula,maka
ANOVAnya ditulis ANOVA 2 x 2. (Usman, Husaini.2006.Pengantar Statistika.Jakarta:PT
Bumi Aksara).

Jadi, ANOVA dua jalur membandingkan perbedaan rata-rata antara kelompok yang
telah dibagi pada dua variabel independen (disebut faktor). Anda perlu memiliki dua variabel
independen berskala data kategorik dan satu variabel terikat berskala data kuantitatif/numerik
(interval atau rasio).

1
2.2 TUJUAN DARI PENGUJIAN ANOVA DUA JALUR
Pada pembahasan kali ini, dititikberatkan pada pengujian ANOVA 2 jalur yaitu
pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria dalam
pengujian ANOVA mempunyal level. Tujuan dan pengujian ANOVA 2 jalur ini adalah untuk
mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang
diinginkan. Misal, seorang guru menguji apakah ada pengaruh antara jenis media belajar yang
digunakan pada tingkat penguasaan siswa terhadap materi.(Hasan, Iqbal. 2010. Pokok-Pokok
Materi Statistik 2 (Statistik Infrwnsial). Jakarta: Bumi Aksara).

Tujuan dari pengujian ANOVA dua jalur adalah untuk mengetahui apakah ada pengaruh
dari berbagai kriteria yang diuji terhadap hasil yang diinginkan. (Furqon. 2009. Statistika
Terapan untuk Penelitian. Cetakan ketujuh. ALFABETA: Bandung ).
Dengan menggunakan teknik ANOVA 2 jalur ini kita dapat membandingkan beberapa rata-
rata yang berasal dari beberapa kategori atau kelompok untuk satu variable perlakuan.
Bagaimanapun, keuntungan teknik analisis varian ini adalah memungkinkan untuk
memperluas analisis pada situasi dimana hal-hal yang sedang diukur dipengaruhi oleh dua atau
lebih variable. (Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik Inferensial).
Jakarta: Bumi Aksara).
ANOVA 2 jalur ini digunakan bila sumber keragaman yang terjadi tidak hanya karena satu
faktor (perlakuan). Faktor lain yang mungkin menjadi sumber keragaman respon juga harus
diperhatikan. Faktor lain ini bisa berupa perlakuan lain yang sudah terkondisikan.
Pertimbangan memasukkan faktor kedua sebagai sumber keragaman ini perlu bila faktor itu
dikelompokkan, sehingga keragaman antar kelompok sangat besar,, tetapi kecil dalam
kelompoknya sendiri.( Hasan, Iqbal. 2003. Pokok-Pokok Materi Statistik 2 (Statistik
Inferensial). Jakarta: Bumi Aksara)

2.3 ASUMSI DARI ANOVA DUA JALUR

Pengujian ANOVA dua jalur mempunyai beberapa asumsi diantaranya :
1) Populasi yang diuji berdistribusi normal
2) Varians atau ragam dan populasi yang diuji sama
3) Sampel tidak berhubungan satu dengan yang lain.

2
2.4 MACAM-MACAM ANOVA DUA JALUR
ANOVA dua jalur dibagi menjadi dua jenis, yaitu :
a. ANOVA dua jalur tanpa interaksi
b. ANOVA dua jalur dengan interaksi

2.4.1 ANOVA DUA JALUR TANPA INTERAKSI

Menurut M. Iqbal Hasan (2003), pengujian klasifikasi dua jalur tanpa interaksi
merupakan pengujian hipotesis beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan. Tujuan dari pengujian
anova dua jalur adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang
diuji terhadap hasil yang diinginkan.
Langkah-langkah untuk melakukan pengujian terdiri dari 5 langkah. Berikut ini
merupakan klasifikasi dari langkah-langkah tersebut :

1. Menentukan formulasi hipotesis

a) Hipotesis Baris
H0 ′ = α1 = α2 = … = αb = 0
H1 ′ = Sekurang − kurangnya satu αi ≠ 0
b) Hipotesis Kolom
H0 ′′ = β1 = β2 = … = βk = 0
H1 ′′ = Sekurang − kurangnya satu βj ≠ 0

2. Menentukan nilai kritik

Taraf nyata (α) = 5% = 0,05
Nilai F tabel ditentukan dengan pembilang dan penyebut masing-masing:
a) Untuk baris: v1 = b – 1 dan v2 = (k – 1)(b – 1)
b) Untuk kolom: v1 = k – 1 dan v2 = (k – 1)(b – 1)

3. Menentukan kriteria pengujian

a) H0 diterima apabila 𝐅𝟎 ≤ 𝐅𝛂(𝐯𝟏;𝐯𝟐)
H0 ditolak apabila 𝐅𝟎 > 𝐅𝛂(𝐯𝟏;𝐯𝟐)
b) H0 diterima apabila 𝐅𝟎 ≤ 𝐅𝛂(𝐯𝟏;𝐯𝟐)
H0 ditolak apabila 𝐅𝟎 > 𝐅𝛂(𝐯𝟏;𝐯𝟐)

3
 4. Membuat analisis varians dalam bentuk tabel ANOVA

Sumber Varians Jumlah Kuadrat Derajat Bebas Rata-rata Kuadrat F0

𝐽𝐾𝐵 𝑆1 2
Rata-rata Baris JKB b–1 𝑺𝟏 𝟐 = 𝒇𝟏 𝟐 =
𝑑𝑏 𝑆3 2

𝟐 𝐽𝐾𝐾 𝟐 𝑆2 2
Rata-rata Kolom JKK k–1 𝑺𝟐 = 𝒇𝟐 =
𝑑𝑏 𝑆3 2
𝐽𝐾𝐸
Error JKE (k – 1)(b – 1) 𝑺𝟑 𝟐 =
𝑑𝑏
Total JKT kb - 1

Rumus hitung jumlah kuadrat :

Jumlah Kuadrat Total (JKT)

𝑏 𝑘 𝑇2
(𝐽𝐾𝑇) = ∑ ∑ 𝑇𝑖𝑗 2 −
𝑖=1 𝑗=1 𝑘𝑏

Jumlah Kuadrat Baris (JKB)

∑𝑏𝑖=1 𝑇𝑖 2 𝑇 2
(𝐽𝐾𝐵) = −
𝑘 𝑘𝑏

Jumlah Kuadrat Kolom (JKK)

∑𝑏𝑗=1 𝑇𝑗 2 𝑇2
(𝐽𝐾𝐾) = −
𝑘 𝑘𝑏

Jumlah Kuadrat Error (JKE)

(𝐽𝐾𝐸) = 𝐽𝐾𝑇 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾

4
 Ket :
JKT : Jumlah Kuadrat Total
JKB : Jumlah Kuadrat Baris
JKK : Jumlah Kuadrat Kolom
JKE : Jumlah Kuadrat Error
JKI : Jumlah Kuadrat Interaksi
Tij : Jumlah Pengamatan dalam Baris ke -ij
Ti : Jumlah Baris ke-i
T : Total

5. Membuat kesimpulan
Menyimpulkan H0 diterima atau tidak dengan membandingkan antara langkah
keempat dengan kriteria pengujian pada langkah ketiga.

2.4.2 ANOVA DUA JALUR DENGAN INTERAKSI

Pengujian klasifikasi dua arah dengan interaksi merupakan pengujian beda tiga
rata-rata atau lebih dengan dua faktor yang berpengaruh dan pengaruh interaksi antara
kedua faktor tersebut diperhitungkan. (Hasan, Iqbal. 2006. Analisis Data Penelitian
dengan Statistik. Jakarta: Bumi Aksara).

Langkah-langkah pengujian klasifikasi dua jalur dengan interaksi ialah sebagai berikut :
1. Menentukan formulasi hipotesis
a) Hipotesis Baris
H0 ′ = α1 = α2 = … = αb = 0

H1 ′ = Sekurang − kurangnya satu αi ≠ 0

b) Hipotesis Kolom
H0 ′′ = β1 = β2 = … = βk = 0
H1 ′′ = Sekurang − kurangnya satu βj ≠ 0
c) Hipotesis Interaksi
H0 ′′′ = (αβ)1 = (αβ)2 = … = (αβ)bk = 0
H1 ′′′ = Sekurang − kurangnya satu (αβ)bk ≠ 0

5
2. Menentukan taraf nyata (α) dan F tabel Taraf nyata (α) dan F tabel ditentukan
dengan derajat pembilang dan penyebut masing-masing :
a) Untuk baris : v1 = b – 1 dan v2 = kb(n – 1)
b) Untuk kolom : v1 = k – 1 dan v2 = kb(n – 1)
c) Untuk interaksi : v1 = (k – 1)(b – 1) dan v2 = kb(n – 1)

3. Menentukan kriteria pengujian

a) Untuk Baris :
H0 diterima apabila 𝐅𝟎 ≤ 𝐅𝛂(𝐯𝟏;𝐯𝟐)
H0 ditolak apabila 𝐅𝟎 > 𝐅𝛂(𝐯𝟏;𝐯𝟐)
b) Untuk Kolom
H0 diterima apabila 𝐅𝟎 ≤ 𝐅𝛂(𝐯𝟏;𝐯𝟐)
H0 ditolak apabila 𝐅𝟎 > 𝐅𝛂(𝐯𝟏;𝐯𝟐)
c) Untuk Interaksi
H0 diterima apabila 𝐅𝟎 ≤ 𝐅𝛂(𝐯𝟏;𝐯𝟐)
H0 ditolak apabila 𝐅𝟎 > 𝐅𝛂(𝐯𝟏;𝐯𝟐)

4. Membuat analisis varians dalam bentuk tabel ANOVA

Sumber Jumlah Rata-rata

Derajat Bebas F0
Varians Kuadrat Kuadrat

Rata-rata 𝐽𝐾𝐵 𝑆1 2
JKB b–1 𝑺𝟏 𝟐
= 𝒇𝟏 𝟐 =
Baris 𝑑𝑏 𝑆4 2

Rata-rata 𝐽𝐾𝐾 𝑆2 2
JKK k–1 𝑺𝟐 𝟐 = 𝒇𝟐 𝟐 =
Kolom 𝑑𝑏 𝑆4 2

𝟐 𝐽𝐾𝐼 𝟐 𝑆3 2
Interaksi JKI (b – 1)(k – 1) 𝑺𝟑 = 𝒇𝟑 =
𝑑𝑏 𝑆4 2
𝐽𝐾𝐸
Error JKE bk(n – 1) 𝑺𝟒 𝟐 =
𝑑𝑏

Total JKT bkn - 1

6
 Rumus hitung jumlah kuadrat :

Jumlah Kuadrat Total (JKT)

𝑏 𝑘 𝑛 𝑇2
(𝐽𝐾𝑇) = ∑ ∑ ∑ 𝑋𝑖𝑗𝑘 2 −
𝑖=1 𝑗=1 𝑘=1 𝑏𝑘𝑛

Jumlah Kuadrat Baris (JKB)

∑𝑏𝑖=1 𝑇𝑖 2 𝑇2
(𝐽𝐾𝐵) = −
𝑘𝑛 𝑏𝑘𝑛

Jumlah Kuadrat Kolom (JKK)

∑𝑘𝑗=1 𝑇𝑖 2 𝑇2
(𝐽𝐾𝐾) = −
𝑏𝑛 𝑏𝑘𝑛

Jumlah Kuadrat Interaksi (JKI)

∑𝑏𝑖=1 ∑𝑘𝑗=1 𝑇𝑖𝑗 2

∑𝑏𝑖=1 𝑇𝑖 2 ∑𝑘𝑗=1 𝑇𝑖 2 𝑇2
(𝐽𝐾𝐼) = − − +
𝑛
Jumlah Kuadrat Error (JKE) 𝑘𝑛 𝑏𝑛 𝑏𝑘𝑛

Jumlah Kuadrat Error (JKE)

(𝐽𝐾𝐸) = 𝐽𝐾𝑇 − 𝐽𝐾𝐵 − 𝐽𝐾𝐾 − 𝐽𝐾𝐼

Ket :
JKT : Jumlah Kuadrat Total
JKB : Jumlah Kuadrat Baris
JKK : Jumlah Kuadrat Kolom
JKE : Jumlah Kuadrat Error
JKI : Jumlah Kuadrat Interaksi
Tij : Jumlah Pengamatan dalam Baris ke -ij
Ti : Jumlah Baris ke-i
T : Total

7
 5. Membuat kesimpulan
Menyimpulkan Ho diterima attau ditolak, dengan membandingkan antara langkah ke-
4 dengan kriteria pengujian pada langkah ke-3.

2.5 CONTOH KASUS ANOVA DUA JALUR

2.5.1 ANOVA 2 JALUR TANPA INTERAKSI

Sebuah toko elektronik yang menjual berbagai macam jenis AC atau pendingin
ruangan ingin mengetahui 2 faktor yang mempengaruhi tingkat penjualan pada AC
tersebut. Terdapat 5 merek AC terkenal dan 4 macam PK yang biasa digunakan. Berikut
ini adalah tabel hasil pengamatan yang telah dilakukan:
Tabel 3.1 Data Pengamatan Tanpa Interaksi
Jenis Merek AC
PK A B C D E
½ 44 46 47 48 49
¾ 49 48 50 47 48
1 46 47 45 45 46
2 47 50 49 49 47
Berdasarkan hasil pengamatan diatas, digunakan taraf nyata 0,05, maka apakah rata-
rata tingkat penjualan sama untuk :
a. Jenis PK AC
b. Merek AC

Cara Manual :

Langkah-langkah untuk melakukan pengujian terdiri dari 5 langkah. Berikut ini

merupakan klasifikasi dari langkah-langkah tersebut.
1. Formulasi hipotesis
a. Untuk baris
H0 : α1 = α2 = α3 = 𝛼4 = 0
Tidak ada perbedaan rata-rata tingkat penjualan untuk penggunaan ke-4 jenis PK AC
tersebut
H1 : Sekurang − kurangnya satu αi ≠ 0

8
 Ada perbedaan rata-rata tingkat penjualan untuk penggunaan ke-4 jenis PK AC
tersebut
b. Untuk kolom
H0 : β1 = β2 = β3 = β4 = β5 = 0
Tidak ada perbedaan rata-rata tingkat penjualan untuk ke-5 merek AC tersebut
H1 : Sekurang − kurangnya satu βj ≠ 0
Ada perbedaan rata-rata tingkat penjualan untuk ke-5 merek AC tersebut

2. Menentukan nilai kritik

b=4;k=5
Taraf nyata (α) = 5% = 0,05
a. Untuk baris : v1 = (b – 1) = (4 – 1) = 3 v2=(b –1)(k –1) = (4-1)(5-1) = 12
F0,05(3;12) = 3,49
b. Untuk kolom : v1 = (k – 1) = (5 – 1) = 4 v2=(b–1)(k –1) = (4-1)(5-1) = 12
F0,05(4;12) = 3,26

3. Menentukan Kriteria Pengujian

a. H0 diterima apabila F0 ≤ 3,49.
H0 ditolak apabila F0 > 3,49.
b. H0 diterima apabila F0 ≤ 3,26.
H0 ditolak apabila F0 > 3,26.

4. Uji Statistik

Jenis Merek AC
Total T2
PK A B C D E
½ 44 46 47 48 49 234 54756
¾ 49 48 50 47 48 242 58564
1 46 47 45 45 46 229 52441
2 47 50 49 49 47 242 58564
Total 186 191 191 189 190 947 224325
T2 34596 36481 36481 35721 36100 179379

9
Tingkat penjualan yang dikuadratkan:
Jenis Merek AC
Total
PK A B C D E
½ 1936 2116 2209 2304 2401 10966
¾ 2401 2304 2500 2209 2304 11718
1 2116 2209 2025 2025 2116 10491
2 2209 2500 2401 2401 2209 11720
Total 8662 9129 9135 8939 9030 44895

𝑇2 9472
JKT = ∑𝑏𝑖=1 ∑𝑘𝑗=1 𝑇𝑖𝑗 2 − = 442 + 492 + 462 + 472 … + 472 −
𝑘𝑏 5(4)
896809
= 44895 − 20

= 44895 − 44840.45 = 54.55

∑𝑏
𝑖=1 𝑇𝑖
2
𝑇2 2342 +2422 +2292 +2422 9472
JKB = − = −
𝑘 𝑘𝑏 5 5(4)

= 44865– 44840,45 = 24,55

∑𝑘
𝑗=1 𝑇𝑖
2
𝑇2 1862 + 1912 + 1912 + 1892 +1902 9472 179379 896809
JKK = − = – = −
𝑏 𝑘𝑏 4 5(4) 4 20

= 44844,75 − 44840,45 = 4,3

JKE = JKT – JKB – JKK = 54,55 − 24,55 − 4,3 = 25,7

𝐽𝐾𝐵 𝐽𝐾𝐵 𝐽𝐾𝐵 24,55

𝑺𝟏 𝟐 = = = = = 8,183
𝑑𝑏 𝑏−1 4−1 3

𝐽𝐾𝐾 𝐽𝐾𝐾 𝐽𝐾𝐾 4,3

𝑺𝟐 𝟐 = = = = = 1,075
𝑑𝑏 𝑘−1 5−1 4

𝐽𝐾𝐸 𝐽𝐾𝐸 𝐽𝐾𝐸 25,7

𝑺𝟑 𝟐 = = = = = 2,142
𝑑𝑏 (𝑘 − 1)(𝑏 − 1) 4.3 12

10
 𝟐 𝑆1 2 8,183
𝒇𝟏 = 2 = = 3,820
𝑆3 2,142

𝟐 𝑆2 2 1,075
𝒇𝟐 = 2 = = 0,502
𝑆3 2,142

Tabel 3.2 Perhitungan Anova Dua Jalur Tanpa Interaksi

Sumber Jumlah Df Rata-rata F0
varians kuadrat kuadrat
Rata-rata baris 24,55 3 8,183 3,820
Rata-rata kolom 4,3 4 1,075 0,502
Error 25,7 12 2,142
Total 54,55 19

5. Kesimpulan
a. Karena F0 = 3,820 ˃ F0,05(4;12) = 3,49, maka H0 ditolak. Jadi dapat disimpulkan bahwa
Ada perbedaan rata-rata tingkat penjualan untuk penggunaan ke-4 jenis PK AC
tersebut. Sekurang-kurangnya ada satu pengaruh jenis PK terhadap tingkat penjualan.
b. Karena F0 = 0,502 ≤ F0,05(3;12) = 3,26, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada perbedaan rata-rata tingkat penjualan untuk ke-5 merek AC tersebut. Tidak
ada pengaruh merek AC terhadap tingkat penjualan.

Cara Excel:
1. Masukkan data

11
2. Kemudian pilih Data, lalu klik Data analysis. Maka akan muncul :

3. Kemudian pilih “Anova : Two-Factor Without Replication” , lalu klik OK

Maka akan muncul :

4. Pada Input range diklik maka akan muncul pilihan untuk memilih data. Pemilihan data
dengan cara blok datanya mulai dari label sampai semua datanya, seperti pada data
diatas semuanya diblok. Kemudian cek bagian label. Alpha tergantung yang digunakan
dalam kasus ini 5% atau 0,05. Pada Output option terserah mau pilih outputnya
dimana. Setelah itu pilih OK, maka akan muncul output seperti berikut :

Anova: Two-Factor Without Replication

SUMMARY Count Sum Average Variance

½ 5 234 46,8 3,7
¾ 5 242 48,4 1,3
1 5 229 45,8 0,7

12
 2 5 242 48,4 1,8

A 4 186 46,5 4,333333

B 4 191 47,75 2,916667
C 4 191 47,75 4,916667
D 4 189 47,25 2,916667
E 4 190 47,5 1,666667

ANOVA
Source of
Variation SS df MS F P-value F crit
Rows 24,55 3 8,183333 3,821012 0,039274 3,490295
Columns 4,3 4 1,075 0,501946 0,735164 3,259167
Error 25,7 12 2,141667

Total 54,55 19

Intrepretasi Output Anova Excel :

 Summary
Pada bagian tersebut menyajikan deskripsi dari tiap kelompok baik kelompok nilai
(baris) dan kelompok kelas (kolom). Deskripsinya yaitu banyaknya data (count),
Jumlah total (sum), rata-rata (average) dan standar deviasi (variance)

 Anova
Bagian ini menampilkan tabel anova seperti pada materi anova satu jalur. yang
perlu dilihat pada bagian ini adalah P value. jika nilai p value lebih besar dari
0.05(alpha) maka keputusan H0 terima artinya tidak ada perbedaan rata-rata tiap
kelompok. Selain itu bisa dilihat dengan membandingkan nilai Fhitung (F) dengan Ftabel
(F crit). terlihat bahwa Fhitung lebih kecil dari Ftabel maka keputusan sama yaitu H0
terima. Sehingga dapat disimpulkan rata-rata tingkat penjualan untuk penggunaan jenis

13
 PK AC dan merek AC adalah sama. Selain itu hasil yang diperoleh hampir sama dengan
penyelasaian secara manual mungkin beda karena pembulatan.

 Berdasarkan hasil tersebut dapat diputuskan :

“Perhitungan menunjukkan bahwa rata-rata tingkat pada baris (kelompok jenis PK
AC) ada perbedaan terlihat pada nilai p-value kurang dari 0,05 dan pada Fhitung lebih
besar dari Ftabel maka H0 ditolak. Jadi, dapat disimpulkan bahwa ada perbedaan rata-
rata tingkat penjualan untuk menggunakan ke-4 jenis PK AC tersebut. Untuk rata-
rata tingkat penjualan pada kolom (kelompok merek AC) tidak berbeda (masih
dianggap sama) hal ini terlihat dari nila p-value yang lebih besar dari 0,05 dan juga
terlihat bahwa Fhitung lebih kecil dari Ftabel maka dari itu H0 diterima. Jadi, dapat
disimpulkan bahwa tidak ada perbedaan rata-rata tingkat penjualan untuk ke-5
merek AC tersebut.”

Cara SPSS :

1. Buka aplikasi SPSS

2. Buka tab variable view : Buat 3 variabel yaitu, :”Jenis_PK”, “Merek_AC”, dan
“Tingkat_Penjualan”
3. Ubah type “Jenis_PK” menjadi numeric, measure menjadi nominal. Ubah type
“Merek_AC” menjadi numeric, measure menjadi nominal. Ubah type
“Tingkat_Penjualan” menjadi numeric, measure menjadi scale.

4. Klik values pada “Jenis_PK”, akan muncul jendela value labels, isi pada value “1”
dan pada label “1/2” klik Add. Isi value “2” dan pada label “3/4” klik Add. Isi
pada value “3” dan pada label “1 ” klik Add. Isi pada value “4” dan pada label “2
” klik Add Klik Ok.

14
5. Klik values pada “Merek_AC”, akan muncul jendela value labels, isi pada value
“1” dan pada label “A” klik Add. Ulangi langkah tersebut berurutan sampai value
“5” dan pada label “E”. Klik ok.

6. Buka tab data view dan isi data.

15
7. Untuk menguji normalitasnya, pilih tab Analyze pada menu, lalu pilih Descriptive
Statistics, kemudian explore

8. Setelah muncul jendela explore, masukkan “Tingkat_Penjualan” pada dependent

list, “Jenis_PK” dan “Merek_AC” pada factor list. Lalu, pada displays pilih “plots”
dan klik “plots”

9. Akan muncul jendela explore : plots. Pilih None pada boxplots, ceklis normality
plotas with tests. Continue. Ok.

16
 10. Didapatkan hasil sebagai berikut :

Karena jumlah sampel yang digunakan ≤ 50 sampel, maka kita gunakan nilai sig. pada
Shapiro-Wilk. Taraf signifikansi yang digunakan 5% atau 0,05. Semua nilai Sig. yang
diperoleh ≥ 0,05. Sehingga, data berdistribusi normal.

17
11. Untuk menguji homogenitas, kita uji satu per satu. Pilih Analyze, Compare Means,
One-Way ANOVA.

12. Akan muncul jendela One-Way ANOVA, masukkan “Tingkat_penjualan” pada

dependent list, dan “Jenis_PK” pada factor.

13. Klik options,muncul jendela, lalu centang Homogeneity of variance test.

Continue. Klik ok.

14. Akan didapatkan hasil sebagai berikut. Ulangi langkah 11-13, namun pada
langkah 12 pada factor masukkan ”Merek_AC”.

18
 a. Tingkat penjualan untuk jenis PK
Test of Homogeneity of Variances

Tingkat_Penjualan

Levene Statistic df1 df2 Sig.

1.256 3 16 .323

b. Tingkat pejualan untuk merek AC

Test of Homogeneity of Variances

Tingkat_Penjualan

Levene Statistic df1 df2 Sig.

.390 4 15 .813

Digunakan taraf signifikansi 5% atau 0,05. Karena diperoleh kedua nilai Sig. ≥ 0,05.
Maka, data banyak siswa berdasar nilai dan kelas bervariansi homogen.

15. Karena asumsi uji anova terpenuhi, yaitu data berdistribusi normal dan homogen, maka
dapat kita lanjutkan ke uji Anova 2 jalur.
16. Pilih tab Analyze, General Linear Model, lalu pilih Univariate

17. Akan muncul jendela Univariate, masukkan “Tingkat_penjualan” pada dependent

variable, “Jenis_PK” dan “Merek_AC” pada fixed factor(s). Pilih Model…
19
18. Akan muncul jendela univariate : model. Pilih Custom, lalu masukkan “Jenis_PK” &
“Merek_AC” pada Model. Klik continue.

19. Akan kembali pada jendela Univariate, pilih Plots. Akan muncul jendela univariate :
profile plots. Masukkan “Jenis_PK” pada horizontal axis,dan “Merek_AC” pada
separate lines. Pilih Add. Setelah muncul ”Jenis_PK * Merek_AC”, pilih continue.

20
20. Akan kembali pada jendela Univariate, pilih Post Hoc. Akan muncul jendela
univariate : post hoc multiple comparisons for observed means. Masukkan Kelas
pada kolom Post Hoc Tests for, lalu conteng “Tukey”. Klik continue.

21. Akan kembali pada jendela univariate, pilih options. Masukkan “Jenis_PK” dan
“Merek_AC” pada kolom display means for. Lalu centang descriptive statistics dan
homogeneity tests. Klik continue.

21
22. Setelah kembali pada jendela univariate. Klik ok. Maka akan muncul output
sebagai berikut :
I. Deskriptif Statistik

22
 Dari tabel descriptive statistics diatas, dapat dilihat rata-rata tingkat penjualan
berdasarkan jenis PK dan merek AC. Contohnya: rata-rata tingkat penjualan untuk jenis PK 1
dengan merek A adalah 46,0000 dan seterusnya.

II. Output Two Way ANOVA

Intercept :

Nilai perubahan variable dependen (tingkat penjualan) tanpa perlu dipengaruhi

keberadaan variable independen, artinya tanpa ada pengaruh variable independen,
variable dependen dapat berubah nilainya. Apabila Sig.˂ 0,05 = Signifikan. Contoh
diatas diperoleh Sig. = 0,000 maka intercept signifikan.

Jenis PK :
Pengaruh jenis PK terhadap tingkat penjualan di dalam model. Nilai pada Type
III Sum of Squares diperoleh 24,550. Nilai ini merupakan JKB dalam perhitungan
manual. Sig.˂ 0,05 = Signifikan. Contoh diatas diperoleh Sig. = 0,039 ˂ 0,05, berarti
jenis PK berpengaruh signifikan.

Merek AC :

Pengaruh merek AC terhadap tingkat penjualan di dalam model. Nilai pada

Type III Sum of Squares diperoleh 4,300. Nilai ini merupakan JKK dalam perhitungan
manual. Sig.˂ 0,05 = Signifikan. Contoh diatas diperoleh Sig. = 0,735 ˃ 0,005, berarti
merek AC tidak berpengaruh signifikan.

23
 Error :

Nilai ini sama dengan JKE pada perhitungan manual, yaitu 25,700

III. Tabel Tukey Post Hoc

Dengan melihat nilai Mean Difference pada tabel diatas, dapat ditentukan kategori
manakah dari variabel diatas yang memiliki perbedaan signifikan. Dari tabel III, tidak ditemui
adanya tanda * pada Mean Difference. Ini berarti rata-rata tingkat penjualan untuk merek AC
sama.

IV. Diagram Plot

Diagram di atas menunjukkan adanya kesejajaran garis, sehingga terbukti tidak adanya
interaksi.

24
2.5.2 ANOVA 2 JALUR DENGAN INTERAKSI

Sekelompok peneliti ingin mengamati lamanya pemakaian pulpen. Mereka

memperkirakan ada 2 faktor yang sangat berpengaruh yaitu jenis mata pulpen dan tipe
tinta. Pada pengamatan ini terdapat 4 jenis mata pulpen dan 3 tipe tinta pulpen. Pengamatan
ini menggunakan 4 pulpen pada masing-masing kombinasi level. Berikut ini merupakan
hasil dari pengamatan mereka.
Tabel 3.3. Data Pengamatan Dengan Interaksi
Tipe Jenis Mata Pulpen
Tinta Jenis A Jenis B Jenis C Jenis D
Tipe 1 37 40 46 41
35 38 47 43
36 39 45 42
35 37 46 43
Tipe 2 36 39 45 44
35 39 47 43
33 38 45 43
34 37 46 45
Tipe 3 35 39 44 42
33 37 45 44
32 38 46 43
34 39 45 45

Berdasarkan data tersebut, tentukanlah dengan menggunakan taraf nyata 0,05:

a. Tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta yang
digunakan.
b. Tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-4 jenis mata pulpen
yang digunakan.
c. Tidak ada interaksi antara tipe tinta dengan jenis mata pulpen tersebut

25
Cara Manual :

b=3;k=4;n=4

1. Formulasi Hipotesis
a. Untuk baris
H0 : α1 = α2 = α3 = 0
Tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta yang
digunakan.
H1: Sekurang − kurangnya satu αi ≠ 0
Ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta yang digunakan.
b. Untuk kolom
H0 : β1 = β2 = β3 = β4 = 0
Tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-4 jenis mata pulpen
yang digunakan.

H1: Sekurang − kurangnya satu βj ≠ 0

Ada beda rata-rata lamanya pemakaian pulpen untuk ke-4 jenis mata pulpen yang
digunakan.

c. H0: = (∝ β)11 = (∝ β)12 = (∝ β)13 = ⋯ = (∝ β)34 = 0

Tidak ada interaksi antara tipe tinta dengan jenis mata pulpen tersebut
H1: sekurang − kurangnya ada satu (∝ β)ij ≠ 0
Ada interaksi antara tipe tinta dengan jenis mata pulpen tersebut

2. Taraf Nyata (  ) dan Nilai F tabel

 = 5% = 0,05
a. Untuk baris: v1 = b – 1 = 3 – 1 = 2 v2 = kb (n – 1) = 4.3(4 – 1) = 36
F(α)(V1;V2) = F(0,05)(2;36) = 3,259

b. Untuk kolom: v1 = k – 1 = 4 – 1 = 3 v2 = kb (n – 1) = 4.3(4 – 1) = 36

F(α)(V1;V2) = F(0,05)(3;36) = 2,866

26
 c. Untuk interaksi: v1 = (k – 1)(b – 1) = (4 – 1)(3 – 1) = 6
v2 = kb (n – 1) = 4.3(4 – 1) = 36
F(α)(V1;V2) = F(0,05)(6;36) = 2,364
3. Kriteria Pengujian
a. H0 diterima apabila Fhit  3,259.
H0 ditolak apabila Fhit > 3,259.
b. H0 diterima apabila Fhit  2,866.
H0 ditolak apabila Fhit > 2,866.
c. H0 diterima apabila Fhit  2,364.
H0 ditolak apabila Fhit > 2,364.

4. Uji Statistik
Jenis A Jenis B Jenis C Jenis D Total
Tipe 1 143 154 184 169 650
Tipe 2 138 153 183 175 649
Tipe 3 134 153 180 174 641
Total 415 460 547 518 1940

𝑇2
a. JKT = ∑𝑏𝑖=1 ∑𝑘𝑗=1 ∑𝑛𝑘=1 𝑋𝑖𝑗𝑘 2 − 𝑏𝑘𝑛

1940 2
= 372 + 352 + … + 452 – = 79338 – 78408,33 = 929,67
48

∑𝑏
𝑖=1 𝑇𝑖
2
𝑇2
b. JKB = −
𝑘𝑛 𝑏𝑘𝑛

650 2  649 2  6412 1940 2

= – = 78411,38 – 78408,33 = 3,045
16 48

∑𝑘
𝑗=1 𝑇𝑖
2
𝑇2
c. JKK = −
𝑏𝑛 𝑏𝑘𝑛

415 2  460 2  547 2  518 2 1940 2

= – = 79279,83 –78408,33= 871,503
12 48

∑𝑏 𝑘
𝑖=1 ∑𝑗=1 𝑇𝑖𝑗
2
∑𝑏 2 ∑𝑘
𝑗=1 𝑇𝑖
2
𝑇2
𝑖=1 𝑇𝑖
d. JKI = 𝑛
− 𝑘𝑛
− 𝑏𝑛
+ 𝑏𝑘𝑛

27
 1432  154 2  ...  180 2  174 2
= – 78411,38 – 79279,83 + 78408,33
4
= 79297,5 – 78411,38 – 79279,83 + 78408,33 = 14,62

e. JKE = JKT – JKB – JKK – JKI

= 929,67 – 3,045 – 871,503 – 14,62 = 40,502

𝐽𝐾𝐵 𝐽𝐾𝐵 𝐽𝐾𝐵 3,045

f. 𝑺𝟏 𝟐 = = = = = 1,523
𝑑𝑏 𝑏−1 3−1 2

𝐽𝐾𝐾 𝐽𝐾𝐾 𝐽𝐾𝐾 871,503

g. 𝑺𝟐 𝟐 = = = = = 290,501
𝑑𝑏 𝑘−1 4−1 3

𝐽𝐾𝐼 𝐽𝐾𝐼 𝐽𝐾𝐼 14,62

h. 𝑺𝟑 𝟐 = = (𝑘−1)(𝑏−1)
= = = 2,437
𝑑𝑏 3.2 6

𝐽𝐾𝐸 𝐽𝐾𝐸 𝐽𝐾𝐸 40,502

i. 𝑺𝟒 𝟐 = = = = = 1,125
𝑑𝑏 𝑘𝑏(𝑛−1) 4.3(3) 36

𝑆1 2 1,523
j. 𝒇𝟏 𝟐 = = = 1,354
𝑆4 2 1,125

𝑆2 2 290,501
k. 𝒇𝟐 𝟐 = = = 258,223
𝑆4 2 1,125

𝑆3 2 2,437
l. 𝒇𝟑 𝟐 = = = 2,166
𝑆4 2 1,125

Tabel 3.4 Perhitungan Anova Dua Jalur Tanpa Interaksi

Sumber varians Jumlah kuadrat Derajat kebebasan Rata-rata kuadrat F
Rata-rata baris 3,045 2 1,523 1,354
Rata-rata kolom 871,503 3 290,501 258,223
Interaksi 14,62 6 2,437 2,166
Error 40,502 36 1,125
Total 929,67 47

28
 5. Kesimpulan
a. Karena F1 = 1,354 ≤ F0 tabel = 3,259, maka H0 diterima. Jadi dapat disimpulkan
bahwa tidak ada beda rata-rata lamanya pemakaian pulpen untuk ke-tiga tipe tinta
yang digunakan.
b. Karena F2 = 258,223 > F0 tabel = 2,866, maka H0 ditolak. Jadi dapat disimpulkan
bahwa Ada beda rata-rata lamanya pemakaian pulpen untuk ke-4 jenis mata pulpen
yang digunakan.
c. Karena F3 = 2,166 ≤ F0 tabel = 2,364, maka H0 diterima. Jadi dapat disimpulkan bahwa
tidak ada interaksi antara tipe tinta dengan jenis mata pulpen.

Cara Excel :

1. Masukkan data ke Excel, caranya yaitu buat data seperti kotak yang terdiri dari baris
dan kolom.

2. Kemudian pilih Data, terus klik Data analysis

Maka akan muncul tampilan seperti berikut:

29
3. Kemudian pilih Anova two factor with replication. maka akan muncul tampilan seperti
berikut:

4. Pada Input range diklik maka akan muncul pilihan untuk memilih data. Pemilihan data
dengan cara blok datanya mulai dari label sampai semua datanya, seperti pada data diatas
semuanya diblok. Kemudian pada Row per sample tuliskan banyaknya pengulangan
dalam contoh kasus ada 4. Alpha tergantung yang digunakan dalam contoh kasus ini 5%
atau 0.05. Pada Output option terserah mau pilih outputnya dimana. Setelah itu pilih ok.
maka akan muncul output seperti berikut :

Anova: Two-Factor With Replication

30
SUMMARY Jenis A Jenis B Jenis C Jenis D Total
Tipe 1
Count 4 4 4 4 16
Sum 143 154 184 169 650
Average 35.75 38.5 46 42.25 40.625
0.91666 1.66666 0.66666 0.91666 16.7833
Variance 7 7 7 7 3

Tipe 2
Count 4 4 4 4 16
Sum 138 153 183 175 649
Average 34.5 38.25 45.75 43.75 40.5625
1.66666 0.91666 0.91666 0.91666 21.9958
Variance 7 7 7 7 3

Tipe 3
Count 4 4 4 4 16
Sum 134 153 180 174 641
Average 33.5 38.25 45 43.5 40.0625
1.66666 0.91666 0.66666 1.66666 22.9958
Variance 7 7 7 7 3

Total
Count 12 12 12 12
Sum 415 460 547 518
34.5833 38.3333 45.5833 43.1666
Average 3 3 3 7
2.08333 0.96969 0.81060 1.42424
Variance 3 7 6 2

ANOVA
Source of Variation SS df MS F P-value F crit
3.04166 1.52083 1.35185 0.27158 3.25944
Sample 7 2 3 2 1 6
258.222 2.16E- 2.86626
Columns 871.5 3 290.5 2 24 6

31
 2.16666 0.06928 2.36375
Interaction 14.625 6 2.4375 7 2 1
Within 40.5 36 1.125

929.666
Total 7 47

INTREPRETASI OUTPUT ANOVA EXCEL

Summary
Pada bagian summary menyajikan deskripsi dari tiap kelompok baik kelompok tipe
tinta (baris) dan kelompok jenis mata tinta (kolom).
 Count (Banyak) menyatakan banyaknya pengulangan.
 Sum (jumlah) menjelaskan jumlah dari nilai pengulangan tersebut
 Average (rata-rata) dan variance (varians) juga menjelaskan rata-rata dan varians dari
tiap kelompk pengulangan tersebut.

Total
Bagian kedua ini hampir sama dengan yang bagian summary. Bedanya total ini
merupakan deskripsi dari gabungan tiga kelompok tipe tinta (baris) sehingga deskripsinya
hanya membandingkan ke-4 jenis mata tinta (kolom) saja.

Anova
Yang perlu dilihat pada bagian ini adalah P-value. Jika nilai p-value > 0,05 (alpha)
maka keputusan H0 diterima, artinya tidak ada perbedaan rata-rata tiap kelompok. Selain
itu bisa dilihat dengan membandingkan nilai Fhitung (F) dengan Ftabel (F crit). Terlihat bahwa F
hitung lebih kecil dari f tabel maka keputusan sama yaitu H0 diterima.
Pada penjelasan diatas, dalam anova dua jalur dengan interaksi terdapat 3 hipotesis
yang artinya ada 3 pertanyaan dalam penelitian yang harus dijawab ketiganya. untuk melihat
jawaban tersebut bisa dilihat di bagian p-value terdapat ada 3 nilai, itulah jawaban dari
hipotesis.
Dari 3 nilai p-value terdapat dua yang lebih besar dari 0,05 (alpha), sehingga keputusan
terdapat 2 H0 diterima. sedangkan yang satunya lebih kecil dari 0.05 (alpha) sehingga
keputusan H0 ditolak.

32
 Berdasarkan hasil tersebut dapat diputuskan :
“Perhitungan menunjukkan bahwa rata-rata lamanya pemakaian pulpen pada baris
(kelompok tipe tinta) dan interaksi antara tipe tinta dengan jenis mata tinta tidak berbeda
(masih dianggap sama) hal ini terlihat dari nila p-value yang lebih besar dari 0,05 dan
Fhitung lebih kecil dari Ftabel maka dari itu H0 diterima sedangkan rata-rata lamanya
pemakaian pulpen pada baris (kelompok jenis mata tinta) dapat dikatakan berbeda karena
p-value yang lebih kecil dari 0,05 dan pada Fhitung lebih besar dari Ftabel maka H0 ditolak”

Cara SPSS :

1. Buka aplikasi SPSS

2. Buka Tab Variable View : Buat 3 variabel dengan ketentuan sebagai berikut:

3. Variabel independen: 1. “Mata_pulpen”. Measure pilih Nominal, Decimals=0, Type

pilih Numeric, dan isi value: 1= Jenis A, 2= Jenis B, 3=Jenis C, dan 4= Jenis D.

4. Variabel independen: 2. “Tinta_pulpen”. Measure pilih Nominal, Decimals=0, Type

pilih Numeric, dan isi value: 1= Tipe 1, 2= Tipe 2, dan 3= Tipe 3.

33
5. Variabel dependen: “Lama_pemakaian”, Decimals=0, Measure pilih Scale, Type pilih
Numeric.
6. Buka Tab Data View: Isi data seperti di bawah ini:

7. Setelah data terisi, pada menu, Klik Analyze, General Linear Model, Univariate.

34
8. Maka akan mucul jendela sbb: Masukkan “Lama_pemakaian” ke kotak Dependent
Variable, masukkan “Mata_pulpen” dan “Tinta_pulpen” ke kotak Fixed factor(s).

9. Klik Plot, maka akan muncul jendela seperti di bawah ini: Masukkan “Mata_pulpel”
ke kotak Horizontal Axis dan “Tinta_pulpen” ke kotak Separate Lines. Klik Add, maka
akan tampak seperti di bawah, lalu klik Continue.

35
10. Klik Post Hoc, maka muncul jendela sbb: Masukkan “Tinta_pulpen” ke kotak Post Hoc
Test for. Centang Tukey lalu klik Continue

11. Klik Options, maka akan muncul jendela sbb: Masukkan Mata_pulpen, Tinta_pulpen,
dan Mata_pulpen*Tinta_pulpen ke dalam kotak Display Means for. Pada Display
centang Descriptive statistics dan Homogentity test, lalu klik Continue dan OK!

36
12. Dari tabel di bawah, kita bisa menilai rata-rata lama pemakaian berdasarkan tipe tinta
dan jenis mata pulpen yang digunakan. Sebagai contoh: rata-rata lama pemakaian tipe
tinta 1 dengan jenis mata pulpen B sebesar 38,50 dan seterusnya.

13. Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk menilai homogenitas tiap
variabel.

37
14. Dari hasil di atas menunjukkan nilai (Signifikansi) Sig. 0,880 ≥ 0,05 sehingga bisa
dikatakan varian antar group berbeda secara signifikan.
15. Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova

16. Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai
berikut:
a. Corrected Model :
Pengaruh Semua Variabel independen (Mata pulpen, Tinta pulpen dan Interaksi mata
pulpen dengan tinta pulpen atau “Mata_pulpen*Tinta_pulpen”) secara bersama-sama
terhadap variabel dependen (Lama pemakaian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) =
Signifikan. Contoh di atas 0,000 berarti model tidak valid.

b. Intercept :
Nilai perubahan variabel dependen tanpa perlu dipengaruhi keberadaan variabel
independen, artinya tanpa ada pengaruh variabel independen, variabel dependen dapat
berubah nilainya. Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas
0,000 berarti intercept signifikan.

38
 c. Mata_pulpen :
Pengaruh Mata_pulpen terhadap lama_pemakaian di dalam model. Apabila
Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti “Mata_pulpen”
berpengaruh signifikan.

d. Tinta_pulpen :
Pengaruh Tinta_pulpen terhadap lama_pemakaian di dalam model. Apabila
Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,272 berarti “Tinta_pulpen”
tidak berpengaruh secara signifikan.

e. Mata_pulpen* Tinta_pulpen :
Pengaruh Mata_pulpen dan Tinta_pulpen terhadap lamanya pemakaian pulpen di
dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,069
berarti Mata_pulpen dan Tinta_pulpen tidak berpengaruh secara signifikan.

f. Error:
Nilai Error model, semakin kecil maka model semakin baik.

g. R Squared :
Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di
atas 0,956 di mana mendekati 1, berarti korelasi sangat kuat.

INTERPRETASI :

1. Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin a, c, d dan e adalah yang
terpenting (tanpa mengabaikan yang lain). Oleh karena hasil uji F menunjukkan bahwa
tidak signifikan ada perbedaan atau menerima H1, untuk mengujinya Uji ANOVA ini
dilanjutkan ke tahap selanjutnya, yaitu Uji Post Hoc.

2. Tabel Tukey Post Hoc

Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai kategori
manakah dari Tinta_pulpen yang memiliki perbedaan signifikan:

39
3. Tinta_pulpen yang memiliki perbedaan signifikan ditandai dengan tanda bintang (*). Dari
tabel di atas, tidak satupun ditandai dengan bintang, berarti semuanya tidak ada perbedaan
yang signifikan.

4. Diagram Plot
Diagram Plot di bawah ini berguna untuk menilai apakah ada interaksi efek antar variabel.
Namun diagram ini tidak bisa dijadikan bahan acuan yang valid. Tetapi hanya sekedar
memberikan gambaran saja. Apabila garis-garis tidak menunjukkan kesejajaran, maka
dicurigai ada efek interaksi.

5. Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai ada efek
interaksi.

40
 BAB III

PENUTUP

3.1 KESIMPULAN
ANOVA merupakan singkatan dari “analysis of varian” adalah salah satu uji
komparatif yang digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua
kelompok. Tujuan dan pengujian ANOVA 2 jalur ini adalah untuk mengetahui apakah ada
pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. Misal, seorang guru
menguji apakah ada pengaruh antara jenis media belajar yang digunakan pada tingkat
penguasaan siswa terhadap materi.
Pengujian ANOVA dua jalur mempunyai beberapa asumsi diantaranya : Populasi yang
diuji berdistribusi normal, varians atau ragam dan populasi yang diuji sama, sampel tidak
berhubungan satu dengan yang lain. ANOVA dua jalur dibagi menjadi dua jenis, yaitu :
ANOVA dua jalur tanpa interaksi dan ANOVA dua jalur dengan interaksi.

3.2 SARAN
Dalam perhitungan manual, sangat dibutuhkan ketelitian yang tinggi karena banyaknya
unsur yang dihitung. Dalam menguji dengan SPSS harus bisa membedakan yang mana variabel
independen dan yang dependen. Kita juga harus bisa membedakan antara ANOVA dua jalur
tanpa interaksi dan ANOVA dua jalur dengan interaksi.

41
 DAFTAR PUSTAKA

Dr. Riduwan, M. (2003). Dasar-dasar Statistika. Bandung: ALFABETA Bandung.

Effendi, Hendra. “BAB III Anova 2 Arah”

https://www.scribd.com/doc/90071007/BAB-III-Anova-2-Arah
(diakses tanggal 23 Desember 2017)

Putria, Aditin. “makalah-anova-dua-arah”

https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8
&ved=0ahUKEwikv5iX3J7YAhUMULwKHfpcCJgQFggzMAA&url=https%3A%2F%2Fadi
tinputria.files.wordpress.com%2F2013%2F06%2Fmakalah-anova-dua-
arah.doc&usg=AOvVaw13pwhvvILe3cBi3QdjsN9l
(diakses tanggal 23 Desember 2017)

Hidayat, Anwar . “Interprestasi Output Two Way Anova dalam SPSS”

https://www.statistikian.com/2012/11/interprestasi-output-two-way-anova-dalam-spss.html
(diakses tanggal 28 Desember 2017)

Hidayat, Anwar. “Tutorial Two Way Anova dalam SPSS”

https://www.statistikian.com/2012/11/two-way-anova-dalam-spss.html
(diakses tanggal 28 Desember 2017)

42
LAMPIRAN

43